核心速递

通过社会网络表征学习预测扩散到达概率;
从空间自相关函数推导关联维数;
优秀的专利图知识临近性度量;
不平等、流动性和财务积累过程：计算经济分析;
多重网络中相互依赖的传染-共识动力学引发的爆炸性转变;
通过子空间发现进行属性网络嵌入;
搜索高效的二进制网络嵌入;
数据驱动的网络中隐藏节点的推断;
隐藏节点对双向网络重构的影响;
在社会复杂系统中，整体可以多于或少于部分（之和）;
通过叙利亚难民的社会融合降低土耳其的麻疹风险;
社会媒体和卫星图像中的自然灾害检测：一项综述;
一种新的城市地震评估综合方法;
技术创新对工业生产的影响：多层网络的模体分析;

通过社会网络表征

学习预测扩散到达概率

原文标题：

Predicting Diffusion Reach Probabilities via Representation Learning on Social Networks

地址：

http://arxiv.org/abs/1901.03829

作者：

Furkan Gursoy, Ahmet Onur Durahim

摘要： 网络上两个节点之间的扩散到达概率定义为源自一个节点到达另一个节点的级联的概率。无限数量的级联将能够计算任何两个节点之间的真实扩散到达概率。但是，只存在有限数量的级联，并且通常只能访问所有可用级联的一小部分。在这项工作中，我们解决了仅在有限数量的级联和关于底层网络结构的部分信息的情况下估计扩散到达概率的问题。我们提出的策略使用节点表示学习来生成节点嵌入并将其馈送到机器学习算法中以创建预测扩散到达概率的模型。我们使用合成生成的级联在两个真实的社会网络上提供实验分析。结果表明，当级联部分较小时，所提出的方法优于使用从可用级联计算的值。

从空间自相关函数推导关联维数

原文标题：

Derivation of Correlation Dimension from Spatial Autocorrelation Functions

地址：

http://arxiv.org/abs/1901.03837

作者：

Yanguang Chen

摘要： 诸如Moran指数的空间自相关系数被证明是空间相关矩阵的特征值。特征值代表一种用于定量分析的特征尺度。但是，如果空间过程基于没有特征尺度的分布，则特征值将无效。在这种情况下，单个Moran指数不能导致可靠的统计推断。本文致力于通过数学推理和实证分析找到测量无标度过程空间自相关的可行方法。使用相对阶跃函数作为空间邻接函数，我们可以将空间自相关系数转换为相应的空间自相关函数。

通过空间自相关函数的分解，我们可以推导出空间相关维度和空间自相关函数之间的关系。结果，构建了一系列有用的数学模型。因此，我们可以利用空间相关维度进行简单的空间自相关分析，并利用空间自相关函数对地理现象进行复杂的空间自相关分析。这项研究揭示了分形模式与自然和社会中空间自相关过程的内在联系。这项工作可能会激发地理系统空间建模和分析的新思路。

优秀的专利图知识临近性度量

原文标题：

The Superior Knowledge Proximity Measure for Patent Mapping

地址：

http://arxiv.org/abs/1901.03925

作者：

Bowen Yan, Jianxi Luo

摘要： 专利网络图已被广泛用于分析发明者，公司，行业，地区等的技术或知识位置的一致性和多样性。为了创建这样的网络，需要一种措施来将专利数据库中的不同类别的专利相关联，并且通常指示知识接近度（或距离）。先前的研究已经基于不同的观点和关联规则使用了各种知识邻近度量。目前尚不清楚如何持续评估和比较它们，以及哪些优于构建通用的总专利类网络。这种不确定性限制了先前报告的地图的普遍性和应用。

在这里，我们使用统计方法从一整套典型测量中识别出优越的邻近度量，通过评估和比较他们对不同专利类别的个体发明者和组织的专利组合的历史扩展的解释力。基于1976年至2017年美国授予的专利数据库，我们的分析将基于参考的Jaccard指数确定为统计上的优越指标，用于解释历史多样化并预测跨技术领域的个体发明者和组织的未来移动方向。

不平等、流动性和财务

积累过程：计算经济分析

原文标题：

Inequality, mobility and the financial accumulation process: A computational economic analysis

地址：

http://arxiv.org/abs/1901.03951

作者：

Simone Righi, Yuri Biondi

摘要： 我们的计算经济分析研究了不平等，流动性和财务积累过程之间的关系。通过Levy等人扩展基线模型，我们通过风格化的回报结构来描述经济过程，从而产生随时间变化的收入和财富的替代变革。

首先，我们探讨一个和两个因素模型的有限启发式贡献，其中包括一个单一股票（资本财富）和一个单一流动因素（劳动力）作为收入和财富生成和分配的纯粹驱动因素。其次，我们引入了与基线方法一致的启发式税收模式。我们的计算经济学分析证实，以复合回报为特征的金融积累过程作为不平等的来源发挥着重要作用，而包括税收在内的制度安排在构建和塑造随社会经济空间和时间演变的总体经济过程中发挥着重要作用。

多重网络中相互依赖的传染-

共识动力学引发的爆炸性转变

原文标题：

Explosive transitions induced by interdependent contagion-consensus dynamics in multiplex networks

地址：

http://arxiv.org/abs/1901.03974

作者：

David Soriano-Paños, Quantong Guo, Vito Latora, Jesús Gómez-Gardeñes

摘要： 我们引入一个模型来研究信息传播与社会系统中意见形成之间的微妙关系。为此，我们提出了一种双层多路复用网络模型，其中一致性动态发生在一层，而信息传播跨越另一层。通过考虑控制每层内部节点状态的动态演化的控制参数取决于另一层的动态状态，两个动态过程相互耦合。特别是，我们探讨了共享信息的共识受到青睐的情景，同时在共享相似意见的代理人之间推动信息传播。

数值模拟与一些分析结果一起指出，当两层动力学之间的耦合足够强时，出现双爆炸转变，即共识动力学和信息传播的爆炸性转变。这种爆炸性的转变导致了双稳定区域，其中已达成共识的声明和不一致的无知状态都是稳定的解决方案。

通过子空间发现

进行属性网络嵌入

原文标题：

Attributed Network Embedding via Subspace Discovery

地址：

http://arxiv.org/abs/1901.04095

作者：

Daokun Zhang, Jie Yin, Xingquan Zhu, Chengqi Zhang

摘要： 网络嵌入旨在学习网络节点的潜在的低维矢量表示，有效地支持各种网络分析任务。虽然现有的网络嵌入技术主要集中在保留网络拓扑结构以学习节点表示，但最近提出的属性网络嵌入算法试图将丰富节点内容信息与网络拓扑结构相结合，以提高网络嵌入的质量。

实际上，网络通常具有稀疏内容，不完整的节点属性，以及节点属性特征空间和网络结构空间之间的差异，这严重恶化了现有方法的性能。在本文中，我们提出了属性网络嵌入-attri2vec的统一框架，它通过在原始属性空间上执行的网络结构引导变换发现潜在节点属性子空间来学习节点嵌入。得到的潜在子空间可以以更一致的方式尊重网络结构，以学习高质量的节点表示。我们制定了一个优化问题，该问题通过有效的随机梯度下降算法求解，其中线性时间复杂度与节点数量有关。

我们研究了对节点属性执行的一系列线性和非线性变换，并凭经验验证了它们在各种类型的网络上的有效性。 attri2vec的另一个优点是它能够解决样本外的问题，其中新的节点的嵌入可以通过学习的映射函数从它们的节点属性中推断出来。在各种类型的网络上的实验证实，attri2vec优于用于节点分类，节点聚类以及样本外链路预测任务的最新基线。

本文的源代码可从

https://github.com/daokunzhang/attri2vec获得

搜索高效的二进制网络嵌入

原文标题：

Search Efficient Binary Network Embedding

地址：

http://arxiv.org/abs/1901.04097

作者：

Daokun Zhang, Jie Yin, Xingquan Zhu, Chengqi Zhang

摘要： 传统的网络嵌入主要集中在为每个节点学习密集的矢量表示，其对网络结构和/或节点内容信息进行编码，使得现成的机器学习算法可以容易地应用于用于网络分析的矢量格式节点表示。然而，学习的密集矢量表示对于大规模相似性搜索是低效的，这需要在连续矢量空间中找到由欧几里德距离测量的最近邻居。

在本文中，我们提出了一种名为BinaryNE的搜索高效二进制网络嵌入算法，通过三层神经网络同时建模节点上下文关系和节点属性关系，为每个节点学习稀疏二进制代码。 BinaryNE通过基于随机梯度下降的在线学习算法有效地学习二进制节点表示。学习的二进制编码不仅减少了代表每个节点的内存使用，而且与欧几里德距离或其他距离测量相比，还允许快速逐位比较以支持更快的网络节点搜索。我们的实验和比较表明，BinaryNE不仅提供超过23倍的搜索速度，而且提供与传统的基于连续矢量的网络嵌入方法相当或更好的搜索质量。

数据驱动的网络

中隐藏节点的推断

原文标题：

Data-driven inference of hidden nodes in networks

地址：

http://arxiv.org/abs/1901.04122

作者：

Danh-Tai Hoang, Junghyo Jo, Vipul Periwal

摘要： 在复杂系统中寻找相互作用的活动爆炸式增长是由于对复杂自然系统的大量观测的可用性。但是，这样的系统，例如，人类的大脑很少能完全观察到。然后，交互网络推断必须与影响系统的观察部分的行为的隐藏变量竞争。我们提出了一种新的数据驱动方法，用于隐藏变量的模型推理。从观察变量的配置，我们识别观察到观察到的，隐藏到观察到的，观察到隐藏的，隐藏到隐藏的互动，隐藏变量的配置和隐藏变量的数量。

我们通过模拟动力学Ising模型来证明我们方法的性能，并证明我们的方法优于现有方法。转向实际数据，我们推断了蝾螈视网膜和股票市场网络中神经元网络中隐藏的节点。我们证明隐藏变量的预测建模比没有隐藏变量的预测建模更准确。最后，一个重要的隐藏变量问题是找到数据集中的簇数。我们应用我们的方法对MNIST手写数字进行分类。我们发现大约有60个簇在数字中大致相等地分布。

隐藏节点对双向网络重构的影响

原文标题：

Effects of hidden nodes on the reconstruction of bidirectional networks

地址：

http://arxiv.org/abs/1901.04132

作者：

Emily S.C. Ching, P.H. Tam

摘要： 许多研究工作致力于开发用于从其节点的动态重建网络链路的方法。许多当前方法需要测量所有节点的动态。在现实世界的问题中，通常感兴趣的网络的一些节点是未知的或者一些节点的测量是不可用的。这些节点（未知或其测量不可用）称为隐藏节点。在本文中，我们推导出分析结果，解释隐藏节点对双向网络重建的影响。这些理论结果及其含义通过数值研究得到验证。

在社会复杂系统中，整体

可以多于或少于部分（之和）

原文标题：

In social complex systems, the whole can be more or less than (the sum of) the parts

地址：

http://arxiv.org/abs/1901.04189

作者：

Eric Bertin, Pablo Jensen

摘要： 我们在统计物理框架中讨论了“整体少于部分”的观点，正如社会学家为了人类的内在复杂性而有时提倡的那样，并试图将这一理念与统计物理学家的智慧相协调。由于集体现象，“整体不仅仅是其各部分的总和”。我们考虑一个简单的相互作用代理的平均场模型，它具有由大量内部配置建模的内在复杂性。

我们通过分析解析模型表明，在某些参数范围内，代理之间的交互导致代理的“标准化”，即所有代理在同一内部状态崩溃，从而大大抑制其复杂性。稍微概括一下模型，我们发现如果包含适当的交互，代理标准化可能会导致全局顺序。因此，在这个简单的模型中，代理标准化和集体组织都可以被视为同一个硬币的两面。

通过叙利亚难民的社会

融合降低土耳其的麻疹风险

原文标题：

Reducing measles risk in Turkey through social integration of Syrian refugees

地址：

http://arxiv.org/abs/1901.04214

作者：

Paolo Bosetti, Piero Poletti, Massimo Stella, Bruno Lepri, Stefano Merler, Manlio De Domenico

摘要： 土耳其拥有近350万难民，不得不面对前所未有的人道主义紧急情况。我们使用移动电话数据来绘制土耳其和叙利亚难民的流动模式，并使用这些模式建立数据驱动的计算模型，以量化麻疹流行病传播的风险 – 这种疾病在土耳其具有令人满意的免疫覆盖率但不是在叙利亚，由于最近的内战 – 同时考虑到将难民与土耳其人口融为一体的假设政策。

我们的研究结果提供了量化证据，表明加强难民与收容人群之间社会融合的政策将使麻疹的传播潜力降低近50％，从而防止该国广泛流行的大规模流行病。我们的研究结果表明，社会隔离并不妨碍叙利亚难民以及土耳其公民在更大程度上可能爆发麻疹，尽管程度较轻。这是因为土耳其公民的高免疫覆盖率可以保护叙利亚难民免受感染，这反过来又减少了土耳其公民的潜在感染源和病例溢出，这使得人们想起了牛群免疫。

社会媒体和卫星图像中的

自然灾害检测：一项综述

原文标题：

Natural Disasters Detection in Social Media and Satellite imagery: a survey

地址：

http://arxiv.org/abs/1901.04277

作者：

Naina Said, Kashif Ahmad, Michael Regular, Konstantin Pogorelov, Laiq Hassan, Nasir Ahmad, Nicola Conci

摘要： 近年来，对自然灾害相关多媒体内容的分析备受关注。作为最重要的信息来源之一，社交媒体多年来一直被抓获来收集和分析与灾难相关的多媒体内容。卫星图像也被广泛探索用于灾害分析。

在本文中，我们调查了现有的关于灾害检测的文献和对社交媒体和卫星检索信息的分析。基于内容性质的灾害检测和相关多媒体内容分析的文献可以分为三组，即（i）文本中的灾难检测; （ii）分析社交媒体中与灾害有关的视觉内容; （iii）卫星图像中的灾害检测。我们广泛审查了这三个领域中提出的不同方法。此外，我们还审查了可用于评估灾难检测框架的基准数据集。此外，我们提供了从文献综述中获得的见解的详细讨论，并确定了未来的趋势和挑战，这将为该领域的研究人员提供重要的起点。

一种新的城市地震评估综合方法

原文标题：

A new integrated methodology for the seismic assessment of urban areas

地址：

http://arxiv.org/abs/1901.04335

作者：

A. Greco, A. Pluchino, L. Barbarossa, G.Barreca, I. Caliò, F. Martinico, A. Rapisarda

摘要： 由于大都市区建筑物的逐渐集中，上个世纪对城市中心地震脆弱性的分析受到了极大的关注。为了估算人口密集的城市地区的地震脆弱性，原则上有必要进行深入分析，以预测各个建筑物在受到预期地震时的动态行为及其结构聚集。此外，为了正确估算土壤结构相互作用，应提供每个地点的可靠地质数据。然而，这些详细的地震分析极其耗费成本，需要大量的处理时间和专业知识判断。

本研究的目的是提出一种新的方法，能够将来自不同科学领域的信息和工具结合起来，以再现具有已知地质特征的城市地区地震输入的影响，并估算损害的实体。在现有建筑物上造成特别地，我们基于自组织临界性框架提出了基于主体的地震动力学模型，以便在给定的时间间隔内评估一系列地震事件对某个大城市区域的影响。 GIS数据集的整合涉及Avola（意大利）领土的地质和城市信息，允许在真实环境中对这些影响进行参数研究。拟议的新方法在估算地震脆弱性和确定大城市地区减少地震风险的规划战略方面非常有用。

技术创新对工业生产的

影响：多层网络的模体分析

原文标题：

Influence of technological innovations on industrial production: A motif analysis on the multilayer network

地址：

http://arxiv.org/abs/1901.04386

作者：

Martina Formichini, Giulio Cimini, Emanuele Pugliese, Andrea Gabrielli

摘要： 我们研究技术进步的具体组合是否能够表明存在允许特定工业生产的本地能力。为此，我们使用国家级专利和贸易数据生成多层网络，并使用源自最大熵参数的统计验证方法对该网络执行基于图案的分析。我们表明，在许多情况下，信号远远超过噪声，提供了不同技术之间协同作用的有力证据，可以在特定市场中获得竞争优势。我们的结果对决策者提供工业和创新政策的信息非常有用。