論文の概要: netseg: a Python Package for Measuring Structural Polarization and Segregation in Social Networks

• arxiv url: http://arxiv.org/abs/2609.16088v1
• Date: Mon, 14 Sep 2026 10:27:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.149408
• Title: netseg: a Python Package for Measuring Structural Polarization and Segregation in Social Networks
• Title（参考訳）: Netseg: ソーシャルネットワークにおける構造分極と分別を測定するPythonパッケージ
• Abstract要約: Netsegは、ネットワークインデックスのセットを実装するPythonパッケージである。 パッケージはigraphオブジェクトで動作し、基礎となるグラフ操作を実行する。 生成的意見モデルのパラメータスイープ上でのすべての指標の振舞いを報告する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The study of structural polarization and segregation in social networks is an established line of research, and the quantification of both phenomena proceeds through a set of widely cited network indices. The code implementing those indices, however, is seldom released and almost never tested. We present netseg, a comprehensively documented Python package implementing these indices, most of them generalized to more than two groups and to directed as well as undirected input. It ports the R package of the same name and adds measures the R version lacks, among them Random Walk Controversy, Boundary Connectivity, Dipole Moment, and Moran's I. The package operates on igraph objects and performs the underlying graph operations (e.g., neighborhood queries and random-walk simulation) through igraph's Python interface, so that they execute in compiled code rather than in interpreted Python. For several of the indices this yields runtimes orders of magnitude below those of the available open-source implementations, which the documentation reports in benchmarks. Most of these indices are defined as a divergence from a null model, and published implementations fix that null model to a uniform random graph of matching density. netseg accepts an ensemble of graphs as a sample from an arbitrary null model, and distinguishes indices that already incorporate a baseline from those that do not, adjusting the comparison accordingly to avoid double subtraction. The documentation provides, for each index, a worked empirical example, its behaviour at the degenerate cases where it is undefined, a benchmark, and the procedure for substituting a custom null model. We report the behaviour of every index over a parameter sweep of a generative opinion model, and apply them to a county-level railroad network built from nineteenth-century operator records joined to full-count census data.
• Abstract（参考訳）: ソーシャルネットワークにおける構造分極と分離の研究は、確立された研究のラインであり、両方の現象の定量化は、広く引用されているネットワーク指標を通じて進行する。 しかしながら、これらのインデックスを実装するコードは、ほとんどリリースされず、ほとんどテストされない。 我々は、これらのインデックスを実装した包括的に文書化されたPythonパッケージであるnetsegを紹介し、そのほとんどは2つ以上のグループに一般化され、非ダイレクトなインプットと同様に指示される。 同じ名前のRパッケージを移植し、RバージョンにはRandom Walk Controversy、Boundary Connectivity、Dipole Moment、Moran's Iなど、Rバージョンに欠けている測定値を追加する。 このパッケージはigraphオブジェクト上で動作し、基盤となるグラフ操作(例えば、近隣クエリやランダムウォークシミュレーション)をigraphのPythonインターフェースを通じて実行し、解釈されたPythonではなくコンパイルされたコードで実行する。 いくつかの指標において、これはランタイムのオーダが利用可能なオープンソース実装のオーダよりも桁違いに多い。 これらの指標の多くは、ヌルモデルからの分岐として定義され、そのヌルモデルを一致する密度のランダムグラフに固定する。 netsegは任意のnullモデルからグラフのアンサンブルをサンプルとして受け入れ、ベースラインを既に含んでいるインデックスとそうでないインデックスを区別し、二重減算を避けるために比較を調整する。 ドキュメントには、各インデックスについて、実験的な例、未定義の縮退したケースでの振る舞い、ベンチマーク、カスタムのnullモデルを置換するための手順が提供されている。 生成世論モデルのパラメータスイープ上でのすべての指標の挙動を報告し、それらを19世紀のオペレーター記録から構築した郡レベルの鉄道網に適用し、全国勢調査データと比較する。

関連論文リスト

• LP Mining with LP2Graph: A Use Case for Railway Rescheduling [4.424170214926035]
  本稿では,LP2Graphを用いたLPマイニングについて述べる。LPおよびMILPの定式化構造を再現可能なデータセットと誘導分類にマイニングする手法である。 この結果は、変数、制約、モデルタイプの客観的かつ反復可能な分類であり、自動鉄道再スケジューリングモデル開発におけるraiLPminerラインが構築する原則的な基礎である。
  論文  参考訳（メタデータ） (2026-07-13T07:25:02Z)
• Robust Node Affinities via Jaccard-Biased Random Walks and Rank Aggregation [0.0]
  TopKGraphsは、構造的に類似した近傍を持つノードに偏りを持つスタートノードアンカレッドランダムウォークに基づく手法である。 本手法は, 合成グラフ, データセットからのk-nearest-neighborグラフ, およびキュレートされた高タンパク質相互作用ネットワーク上で評価する。
  論文  参考訳（メタデータ） (2026-03-05T17:00:59Z)
• Less is More: One-shot Subgraph Reasoning on Large-scale Knowledge Graphs [49.547988001231424]
  効率的かつ適応的な予測を実現するために,ワンショットサブグラフリンク予測を提案する。 設計原理は、KG全体に直接作用する代わりに、予測手順を2つのステップに分離する。 5つの大規模ベンチマークにおいて,効率の向上と性能の向上を実現している。
  論文  参考訳（メタデータ） (2024-03-15T12:00:12Z)
• SPRINT: A Unified Toolkit for Evaluating and Demystifying Zero-shot Neural Sparse Retrieval [92.27387459751309]
  ニューラルスパース検索を評価するための統一PythonツールキットであるSPRINTを提供する。 我々は、よく認識されているベンチマークBEIRにおいて、強く再現可能なゼロショットスパース検索ベースラインを確立する。 SPLADEv2は、元のクエリとドキュメントの外で、ほとんどのトークンでスパース表現を生成する。
  論文  参考訳（メタデータ） (2023-07-19T22:48:02Z)
• QuTE: decentralized multiple testing on sensor networks with false discovery rate control [93.1040521878626]
  本稿では、偽発見率(FDR)の証明可能な保証を備えたグラフ上での分散多重仮説検定法を設計する。 異なるエージェントが無向グラフのノードに存在し、各エージェントはそのノードに局所的な1つ以上の仮説に対応するp値を持つ。 各エージェントは、グラフ全体の大域的FDRが予め定義されたレベルで制御されなければならないという共同目的のもと、隣人とのみ通信することで、それぞれのローカル仮説の1つ以上の拒絶を個別に決めなければならない。
  論文  参考訳（メタデータ） (2022-10-09T19:48:39Z)
• Object Type Clustering using Markov Directly-Follow Multigraph in Object-Centric Process Mining [2.3351527694849574]
  本稿では,Markov Directly-Follow Multigraphに基づくクラスタ類似のケース概念に対する新しいアプローチを提案する。 しきい値チューニングアルゴリズムは、異なるレベルの類似性に基づいて発見できる異なるクラスタの集合を特定するためにも定義される。
  論文  参考訳（メタデータ） (2022-06-22T12:36:46Z)
• Collaborative likelihood-ratio estimation over graphs [55.98760097296213]
  グラフに基づく相対的制約のない最小二乗重要度フィッティング(GRULSIF) 我々はこの考え方を、グラフベースの相対的非制約最小二乗重要度フィッティング(GRULSIF)と呼ばれる具体的な非パラメトリック手法で開発する。 我々は、ノード当たりの観測回数、グラフのサイズ、およびグラフ構造がタスク間の類似性をどの程度正確にエンコードしているかといった変数が果たす役割を強調する、協調的なアプローチの収束率を導出する。
  論文  参考訳（メタデータ） (2022-05-28T15:37:03Z)
• pygrank: A Python Package for Graph Node Ranking [13.492381728793612]
  我々は、ノードランキングアルゴリズムを定義し、実行し、評価するオープンソースのPythonパッケージであるpygrankを紹介した。 我々は,グラフフィルタ,ポストプロセッサ,測度,ベンチマーク,オンラインチューニングなど,オブジェクト指向で広範囲に単体テストされたアルゴリズムコンポーネントを提供する。
  論文  参考訳（メタデータ） (2021-10-18T13:13:21Z)
• CREPO: An Open Repository to Benchmark Credal Network Algorithms [78.79752265884109]
  クレダルネットワークは、確率質量関数の集合であるクレダルに基づく不正確な確率的グラフィカルモデルである。 CREMAと呼ばれるJavaライブラリが最近リリースされ、クレダルネットワークをモデル化し、処理し、クエリする。 我々は,これらのモデル上での推論タスクの正確な結果とともに,合成クレダルネットワークのオープンリポジトリであるcrrepoを提案する。
  論文  参考訳（メタデータ） (2021-05-10T07:31:59Z)
• Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
  本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。 複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。 これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
  論文  参考訳（メタデータ） (2021-03-25T14:35:07Z)
• A Survey and Implementation of Performance Metrics for Self-Organized Maps [0.0]
  自己組織化マップアルゴリズムは、様々なアプリケーションドメインで40年近く使われてきた。 本稿では、使用例とともに、モジュールで利用可能なメトリクスについて紹介する。
  論文  参考訳（メタデータ） (2020-11-11T15:28:33Z)
• Fewer is More: A Deep Graph Metric Learning Perspective Using Fewer Proxies [65.92826041406802]
  本稿では,グラフ分類の観点から,プロキシベースのディープグラフメトリックラーニング手法を提案する。 複数のグローバルプロキシを利用して、各クラスの元のデータポイントを総括的に近似する。 本研究では, 近接関係を接地トラス・ラベルに従って調整する, 新たな逆ラベル伝搬アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-10-26T14:52:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。