识别从有偏随机游走重建网络的感知局部性质
社会与信息网络
2022-11-15 v1 物理与社会
摘要
许多真实世界系统产生符号的时间序列。序列中的元素可以由智能体在网络化空间上游走生成，每当访问一个节点时便生成相应的符号。在许多情况下底层网络是隐藏的，人们旨在恢复其原始结构和/或性质。例如，在分析文本时，生成特定词序列的底层网络结构是不可用的。在本文中，我们分析了对于随机游走和网络拓扑的不同组合，能否恢复生成符号序列的网络的底层局部性质。我们发现重建性能受智能体动力学偏置的影响。当游走者偏置朝向高度数邻居时，对于大多数网络模型和性质获得了最佳性能。令人惊讶的是，即使考虑大型序列，对于聚类系数和偏心率并未观察到同样的效应。我们还发现真正自我回避游走与偏好高度连接节点的游走表现相似，且在恢复聚类系数方面具有具有竞争力的性能这一优势。我们的结果可能对从序列构建和解释网络具有启示。
引用
@article{arxiv.2211.06657,
title = {Identifying the perceived local properties of networks reconstructed from biased random walks},
author = {Lucas Guerreiro and Filipi N. Silva and Diego R. Amancio},
journal= {arXiv preprint arXiv:2211.06657},
year = {2022}
}