提出了一种测量网络互惠性的新方法,研究发现真实网络通常是相关或者是反相关的,网络的互惠性在相同类型的网络中显示出相似的值,但当前的模型并不能复制这些观察到的模式,因此提出了更一般的条件连接概率框架。
Apr, 2004
提出了一类新的网络模型,基于自激励 Hawkes 点过程,可以有效捕捉在社交互动中观察到的稀疏性、度异质性、社区结构和互惠关系等重要特征,实验表明所提出的模型在链接预测方面优于许多竞争方法,并具有可解释性的参数.
Mar, 2018
提出了一种基于活动驱动的带记忆时间变化网络框架的时间网络模型,该模型整合了社会强化机制、焦点闭合和循环闭合等机制,可以生成具有社区结构和全局连通性的网络,且与真实的手机通信网络具有多种相似性。
Jun, 2015
研究网络中的混合模式,介绍一种网络模型和拟合方法来刻画节点对其他节点的连边倾向以及这种倾向的平均值和变异程度,并利用最大似然估计或贝叶斯方法推断这些指标的值。
Oct, 2018
本文提出了建立在之前对训练数据影响程度的度量基础上的流入流出互动度量的新方法,并得出某些类型的模型在特定分布假设下是近似对称的结论。
Feb, 2022
本文提出了一种基于内部社区优先附着和社区间优先附着机制的演化网络模型,分析了此网络模型的度分布,理论结果和数值模拟表明,该网络模型具有社区结构和无标度特性。
Oct, 2005
该研究使用一种新模型生成网络结构,此模型可模拟复杂网络的主要属性,例如节点度数不同,度相关性不同等,并且具有应用于引用网络的实际意义。
Mar, 2013
该研究分析了美国中学和初中生之间的友谊网络,发现不相互认可的友谊普遍在较低排名个体中出现,提出了一种基于网络数据推断辈分的最大似然方法,并推测该辈分反映了社会地位。发现相互认可和不相互认可的友谊遵循不同的统计规律,提示不同的建立过程,并且排名与参与者的其他特征,如年龄和受欢迎程度等,相关联。
May, 2012
本文介绍了一个模型,通过多轮交互模拟用户和链接推荐器之间的反馈循环,研究了推荐算法的长期后果。实验结果表明,少数群体如果足够同质化,则可以从所有链接推荐器中获得不成比例的优势,同时推荐器会加剧富人越富的现象,这种现象独立于少数群体的同质化程度和大小,同时会加剧个体间的曝光不平等现象。
Dec, 2021
通过将社交网络影响视为用户感知的影响,开发了用于用户活动的概率模型,其中每个用户的活动根据一个具有隐藏状态的马尔可夫链发展,而该隐藏状态受用户朋友的集体活动影响。通过使用推特上用户活动的大量语料库验证所提出的模型,数值研究表明,在具有足够观察以确保准确模型学习的情况下,所提出的框架比基于更新过程的模型或传统的未耦合的隐藏马尔可夫模型更好地解释了观察到的数据,并展示了所提出方法在预测下一条推文的时间方面的效用。最后,该模型参数空间中的聚类显示出由用户和他的网络之间的互动动态特征化的不同自然群集。
May, 2013