疑问及纠错
边上的所以接触值是唯一存在的么（比如说AB边的时序是1，2，3，AC边的时序是2，4，5可以吗）？不是，不同边上可以有相同的接触（这也是之后置乱要强调单个边上不允许出现两个相同时间点的原因）
等权置乱算法叫做等时权置乱算法是不更好，因为是在时权置乱的基础上加了等权条件（而且此处的置乱不改变网络的拓扑结构，避免跟加权网络的等权重置乱算法产生冲突）
将时变网络分为接触序列和区间图是因为“人类行为有些联系是连续的有些是不连续的”么（人类行为有些联系是连续的有些是不连续的，因此我们主要用接触序列和区间图两种表达方式来研究网络的时变特性。）这么描述对么
当实际网络中连边上的接触有时间上的连续性，而且时间的累积会对网络上的传播过程产生较大的影响，用区间图可以更好地刻画网络的时变特性。eg阈值模型（这么理解对吗，阈值模型不就是说需要接触达到一定次数才会产生影响吗？）
相比较加权网络，是否缺只改变拓扑结构不改变边上属性的置乱算法（如加权网络的等权重置乱）？不缺，时序网络这么做的话，可置乱性太低，很少有两条边上时序一样。
P249/L8 是要表达静态无权网络和加权网络结构中没有体现系统的动态特性吗？
P249/L12 提到时变网络可以做到以上两点，上述两个问句，没看懂。
P254/L1时间置乱和时间随机化的区别不就是后者破坏了每日每周模式么?那怎么能发现破坏每日每周模式会使信息更迅速传播，又说效果与时间置乱算法类似？？？
P256/P257接触之乱后连边上的接触次数分布有规律吗？怎么一会儿说二项分布一会儿说泊松分布
p259 叠加算法配图不好，需完善
时变网络是在传统的网络结构上增加一个时间维度（即一种有时间的加权网络），这样就可以将系统的动态、事件发生的顺序、邻边上事件之间的相关性等动力学特性嵌入到网络结构中，也可以在多个时间尺度上刻画演化网络和自适应网络的时变特性。
人类行为有些联系是连续的有些是不连续的，因此我们主要用接触序列和区间图两种表达方式来研究网络的时变特性。
当实际网络中连边上的接触或者事件是瞬时发生的，用接触序列可以很好地刻画网络的时变特性。如，短信网络和电子邮件网络中的信息传播都是即时的，消息在瞬间就可以传递出去。
当实际网络中连边上的接触有时间上的连续性，而且时间的累积会对网络上的传播过程产生较大的影响，用区间图可以更好地刻画网络的时变特性。eg阈值模型
【不允许单个连边上出现两个相同的时间点】
连边置乱算法
连边置乱算法不仅破坏了网络的拓扑结构、权重拓扑相关性，还破坏了事件间的相关性。
权重置乱
时间置乱算法
任选两个时间戳（接触）交换
时间置乱算法仅仅置乱了接触时间，破坏了单个连边上的事件阵发性和邻边事件间的相关性，但不改变每条连边上事件发生的次数和网络的拓扑结构，没有打破事件发生的每日每周模式。应该是从整体上看，没有打破网络的每日每周模式
时间随机化算法
任选一个时间戳（接触），然后在网络的时间范围内任选一个时间（生成的服从一定分布的接触）代替该时间戳。
时间随机化算法破坏了每日每周模式，但不改变每条连边上事件发生的次数和网络的拓扑结构。
时权置乱算法
任选两条边，将其上时间序列互换
时权置乱算法没有破坏单个连边上事件的阵发性（即事件顺序没有被打乱，而是整体换到另一条边上）
等权置乱算法（等时权置乱算法）
任意选取两个权重相等的连边，然后将这两个连边上的事件序列置换
等时权置乱算法没有破坏拓扑结构、权重拓扑相关性、单个连边上的事件阵发性和每日每周模式，仅仅破坏了邻边事件间的相关性。可以用来衡量事件间的相关性对网络的影响。
接触置乱算法
将连边上的所有接触随机地分配到每条连边上
接触置乱算法既破坏了权重拓扑相关性，又破坏了单条连边上事件的阵发性和邻边上事件间的相关性
Holme等利用接触置乱算法对在线社交网络和电子邮件网络进行研究，置乱后连边上的接触次数服从泊松分布，与时间随机化算法对比，发现破坏权重拓扑相关性比破坏每日每周模式更能提高信息传播的速度和广度。
时间倒转算法（仅适用于有向的时变网络）
把连边上的接触时间倒转
有向时变网络的时间倒转算法可以用于分析事件间的因果关系
叠加算法