首先向论文的第一作者，答辩人：张千明，表示祝贺！这份荣誉同时也属于所有的合作者(参考文章信息)。本届复杂网络大会有600多人参会，规模空前。复杂网络大会的最佳论文评奖规则和一般的计算机会议不同，它不仅允许参评者提交未发表的论文，还允许参评者提交一年内已经接收发表的论文，同时它也不要求获奖者将自己的论文发表在会议的出版物中。这就使得原则上，任何一个参评者，都不会由于“因为参加这样一个评选而不得不把自己的论文发表在一个会议出版物”这种担忧而放弃参赛。所以，每年复杂网络大会评出的最优学生论文，在很大程度上（尽管不完全）能够代表本年度国内研究机构学生的最好水平。

小世界现象和无标度特性的发现引领了探索复杂网络演化机制的热潮。富者越富、好者变富是从宏观的层面上进行定义，群组和社区是中观网络结构的特征，同质性、聚类效应和平衡理论则是网络微观层面上的研究。然而，以上的研究都是针对无向网络的，尽管有向网络广泛存在，对于有向网络中潜在局部驱动机制的认识要远远少于无向网络。

这篇获奖论文提出的势能理论正是对有向网络微观结构一种新的刻画。势能理论假设，给定一个有向图，节点的势能沿着边的方向降低一单位的能量；若一个子图中所有节点的势能都可确定，则称此图是可定义势的。可定义势的结构有很多，但将势能理论同聚类性和同质性联系起来，便可推断出由4个节点和4条有向边所组成的Bi-fan结构应是有向网络中最显著的（参考下图）。文章基于链路预测模型在15个真实网络中验证了这一推断：Bi-fan对应的预测器的预测效果最准确也最稳定。

我这里特别要说明一下。因为本文所考虑的链路预测方法，是一种motif-based method，也就是看一条链路的添加，会增加多少个特定结构的motif（这个特定结构的motif就是一个预测器），增加越多就认为这条链路越应该存在。显然，不同预测器预测的结果大不相同，预测器选取不恰当，结果可能比随机预测还差。从这个意义上讲，由于motif是很局部的结构，所以preferential attachment被rule out了。我们又将一条互惠边拆成两条边处理，所以reciprocal effects也被rule out。这两点对于理解本文比较重要。

文章的理论意义在于对有向网络的微观构成有了更深刻的认识。可定义势的性质暗示了一个局部的层级结构，而且一个节点的势能体现了它在层级结构中的地位。层级结构对于无向网络和有向网络来说，都是非常著名的宏观结构特征；而文中工作表明，在有向网络中节点会倾向于在局部范围以分层的方式进行自组织。我们猜测这种微观的层级结构对于宏观的层级结构是很大相关性的。此研究还有很大的应用价值。链路预测实验表明，基于Bi-fan的预测器的预测精度要比基于共同邻居的预测方法优秀很多。此方法可直接应用于缺失连边的挖掘和好友关系的推荐——譬如新浪微博的关注对象推荐。

电子科技大学互联网科学中心成员已经是第三次获得最佳论文的奖励。希望明年我们还有更出色的成果，获得嘉奖。

文章信息：Q.-M. Zhang, L. Lu, W.-Q. Wang, Y.-X. Zhu, T. Zhou, Potential Theoryfor Directed Networks, PLoS ONE 8 (2013) e55437.

免费全文下载链接：

http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0055437