- 1、本文档共40页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
Temporalnetwork含时网络
Time correlations of temporal networks based on Twitter 池丽平 复杂性科学研究中心,物理学院 华中师范大学,武汉 合作者: 邹以江 褚晓璇 粟柱 何长洋 韩继辉 赵龙峰 Temporal network(含时网络) 含时网络定义为 Petter Holme and Jari Saramaki, Temporal networks, Physics Reports, 519, 97 (2012). Impact of time ordering 信息可以到达每一个点 信息不能到达点 在含时网络中,时间维度的引入不仅增加了理论分析和计算模拟的难度,而且,给网络的连通性、信息的传播等都带来了深刻变化。 Time as the additional degree of freedom 从时间的角度,主要分为两类: time aggregation - 将含时网络按一定时间间隔转化为静态网络(static network),利用静态网络中的成熟方法,研究含时网络的结构或演化与时间间隔的关系。 time series - 研究时间序列对含时网络的结构、演化的影响。 Time as the additional degree of freedom 考虑含时网络上的疾病传播: without aggregation,A只能传染B和C ; with aggregation, A可以传染给每一个人 。 Limits of time aggregation 忽略时间序列的影响。 Limits of time aggregation 时间分布是不均匀的,如何选择时间间隔? A.-L. Barabasi,The origin of bursts and heavy tails in human dynamics, Nature, 435, 207 (2005). 利用Temporal Null Model (TNM) ,研究时间序列对含时网络的影响。 Time series (original network) (time shuffle) (randomized edges) Metrics of temporal networks 有些参量可以从静态网络引申而来: 需要考虑时间间隔 度 (degree):在此时间间隔内,点 i 的近邻数; 类似的,diameter、betweenness …… 有些参量在静态网络中没有对应量: 需要考虑路径的时序 (time-respected path) 如reachability,source set, influence set …… V. Nicosia, J. Tang, C. Mascolo, M. Musolesi, G. Russo and V. Latora, Graph metrics for temporal networks, Temporal networks: understanding complex systems, pp 15-40 (Springer Berlin Heidelberg, 2013). A. Casteigts, P. Flocchini, W. Quattrociocchi and N. Santoro, Time-varying graphs and dynamic networks, Int. J. of Parrallel, Emergent and distributed Systems, 27(5) 387 (2012). B A C D reachability: 按含时路径,可以从D→A,不能从A →D 。 source set: 按含时路径,所有可以到达点 i 的结点数目。 Influence set:按含时路径,点 i 可以到达的结点数目。 Time-respected path(含时路径) A brief introduction of our work based on Twitter Twitter data Twitter数据中,每一个事件用 (time, node1, node2)描述,即在时刻 t 用户node1@node2,反映了Twitter人群相互转发信息的特征 (Retweet)。 这组数据记录了从2007年3月至2010年3月间,约800万用户,6000万条转发推文。时间精度为1秒。 Structural properties 07、08、09年转推用户(nodes)和数目(edges)随时间的累积变化。 以天为时间间隔,2008年推文转发频率(w
文档评论(0)