核心速递

集体决策中的多样性与社会网络结构：基于主体模拟的演化视角;
异构网络模体;
Log-minor分布及其在估计平均子系统熵中的应用;
迷失在多样化中;
社交流上考虑语义和影响的k-代表查询;
用设备上下文数据系统分析细粒度人类移动性预测;
通过嵌入事件进行异构信息网络表示;
挖掘西北巴塔哥尼亚岩画艺术的拓扑结构;

集体决策中的多样性与社会网络

结构：基于主体模拟的演化视角

原文标题：

Diversity and Social Network Structure in Collective Decision Making: Evolutionary Perspectives with Agent-Based Simulations

地址：

http://arxiv.org/abs/1311.3674

作者：

Shelley D. Dionne, Hiroki Sayama, Francis J. Yammarino

摘要：集体，尤其是基于群体的管理决策在组织中至关重要。使用演化理论方法进行集体决策，进行基于主体的模拟，以研究代理人在讨论中的问题理解和/或行为的多样性以及他们的社会网络结构如何影响人类集体决策。仿真结果表明，具有一致问题理解的群体倾向于产生更高的思想效用值，并且表现出更好的决策收敛性，但只有在集体问题理解中没有群体层次偏差时。

模拟结果还表明在讨论中选择导向（即剥削）和变异导向（即探索）行为之间的平衡的重要性，以实现高质量的最终决策。扩大群体规模并引入非平凡的社会网络结构通常以决策融合为代价提高了思想的质量。使用不同社会网络拓扑结构的模拟显示，在具有高局部聚类的小世界网络上的集体决策往往比在随机或无标度网络上更经常地实现最高决策质量。讨论了这种演化理论和模拟方法对未来集体，群体和多层次决策管理研究的启示。

异构网络模体

原文标题：

Heterogeneous Network Motifs

地址：

http://arxiv.org/abs/1901.10026

作者：

Ryan A. Rossi, Nesreen K. Ahmed, Aldo Carranza, David Arbour, Anup Rao, Sungchul Kim, Eunyee Koh

摘要： 许多真实世界的应用程序产生大的异构网络，其中节点和边可以是任意类型（例如，用户，网页，位置）。这种异构图的特殊情况包括齐次图，二部图，k-分段图，有符号图，标记图等。在这项工作中，我们将网络图案的概念概括为异构网络。特别是，引入了称为类型小图（异构网络图案）的小型诱导类型子图，并显示为复杂异构网络的基本构建块。类型化的小图是对图（网络图案）到异构网络的概念的强大概括，因为它们捕获感兴趣的诱导子图和与诱导子图中的节点相关联的类型。

为了解决这个问题，我们提出了一种快速，并行且节省空间的框架，用于计算大型网络中的类型图。我们发现在低阶（ k-1 ） – 节点类型的graphlet之间存在非平凡的组合关系，并利用它们在 o（1）固定时间中导出许多 k -node类型的graphlet。因此，我们避免显式枚举那些类型化的graphlet。值得注意的是，时间复杂度与最佳无类型图基元计数算法相匹配。实验证明了所提出的框架在运行时，空间效率，并行加速和可扩展性方面的有效性，因为它能够处理大规模网络。

Log-minor分布及其在

估计平均子系统熵中的应用

原文标题：

Log-minor distributions and an application to estimating mean subsystem entropy

地址：

http://arxiv.org/abs/1901.09456

作者：

Alice C. Schwarze, Philip S. Chodrow, Mason A. Porter

摘要： 物理学，信息论和其他领域的共同任务是分析给定系统的子系统的性质。给定 n 耦合变量系统的协方差矩阵 M ，子系统的协方差矩阵是 M 的主要子矩阵。使用 n 主要子矩阵的快速增长使得对于即使是适度大小的系统详尽地研究每个子矩阵也是不切实际的。因此，引出用于近似给定矩阵的重要子矩阵属性的分布的方法是非常有意义的。

由于差分熵作为无序的系统度量的重要性，我们研究了当协方差矩阵具有有界条件数时，主要 k 次k 子矩阵的对数行列式的分布。我们推导出右尾的上界和未成年人分布的方差，我们依次使用这些来推导出子系统熵样本均值的标准误差的上界。我们的结果表明，尽管具有 n 的子系统集快速增长，但是限制采样误差所需的样本数量渐近地独立于 n 。相反，足以将样本数量增加到与 k 成线性比例，以达到所需的采样精度。

迷失在多样化中

原文标题：

Lost in Diversification

地址：

http://arxiv.org/abs/1901.09795

作者：

Marco Bardoscia, Daniele d’Arienzo, Matteo Marsili, Valerio Volpati

摘要： 随着金融工具越来越复杂，风险优化实践越来越多地忽略了信息。这为风险的起源带来了不透明感，这一直是2007 – 2008年全球金融危机的罪魁祸首之一。我们讨论如何使用信息论概念以比特来量化透明度的损失。

我们发现，{ em i}}财务转型意味着大量的信息损失，{ em ii）}投资组合只有在基本面分析对资产的共同移动有充分信息的情况下才比单个股票更敏感，{ em iii证券化，在相关的参数范围内，产生的信息对原始股票的信息敏感度较低，而{em em iv}}当多元化（或证券化）处于最佳状态时（即资产不相关时），信息损失是最大。我们还讨论了是否可以引入定价方案来处理信息损失的问题。这与收集风险来源方面信息的激励措施相关。在简单的均值方差方案中，我们发现市场激励通常不足以使信息收获具有可持续性。

社交流上考虑语义

和影响的k-代表查询

原文标题：

Semantic and Influence aware k-Representative Queries over Social Streams

地址：

http://arxiv.org/abs/1901.10109

作者：

Yanhao Wang, Yuchen Li, Kian-Lee Tan

摘要： 在社交平台上不断生成的大量数据已成为用户的重要信息源。从社交流中获取新鲜有价值信息的主要方法是社交搜索。尽管对社交搜索进行了广泛的研究，但现有方法只关注查询结果的相关性，但忽略了代表性。在本文中，我们基于主题建模为社交流提出了一种新颖的语义和影响感知k代表（k-SIR）查询。具体来说，我们认为用户查询和元素都表示为主题空间中的向量。 k-SIR查询在查询时w.r.t检索一组k元素，在滑动窗口上具有最大代表性。查询向量。元素集的代表性包括由主题模型计算的语义和影响分数。

随后，我们设计了两种近似算法，即多主题阈值流（MTTS）和多主题阈值下降（MTTD），以实时处理 k-SIR查询。两种算法都利用每个主题维护的排名列表进行 k -SIR处理，并提供理论保证。对现实世界数据集的大量实验证明了 k -SIR查询与现有方法相比的有效性，以及我们提出的 k -SIR处理算法的效率和可扩展性。

用设备上下数据系统分

析细粒度人类移动性预测

原文标题：

A Systematic Analysis of Fine-Grained Human Mobility Prediction with On-Device Contextual Data

地址：

http://arxiv.org/abs/1901.10167

作者：

Huoran Li

摘要： 广泛认为用户移动性预测有助于移动设备上的各种基于位置的服务。大量研究已经探索了不同的算法，以根据用户当前和历史背景和轨迹来预测用户将来访问的位置。他们中的大多数专注于预测的特定目标，例如用户下一个检查的场所或下一次旅行的目的地，这通常取决于他们的任务是什么以及他们的数据中有什么。虽然经常报告成功的故事，但是如果预测目标不同，可以找到关于会发生什么的讨论很少：是否比较精细的位置更容易预测更粗糙的位置，以及预测轨迹上的下一个位置是否比预测目的地更容易。

另一方面，通常在这些预测任务中使用的少数人已经使用了更细粒度的设备上用户行为数据，这些数据被认为是用户意图的指示。在本文中，我们使用细粒度的真实数据集对流动性预测问题进行了系统研究。基于马尔可夫模型，递归神经网络和多模态学习方法，我们进行了一系列实验来研究不同类型的预测目标粒度的可预测性和不同类型信号的有效性。这些结果提供了许多关于可预测内容和方式的见解，这些内容总体上阐明了实际的移动性预测。

通过嵌入事件进行

异构信息网络表示

原文标题：

Representation Learning for Heterogeneous Information Networks via Embedding Events

地址：

http://arxiv.org/abs/1901.10234

作者：

Guoji Fu, Bo Yuan, Qiqi Duan, Xin Yao

摘要： 网络表示学习（NRL）已被广泛用于通过将原始网络映射到低维向量空间来帮助分析大规模网络。然而，现有的NRL方法忽略了关系属性对异构信息网络（HIN）中对象相关性的影响。为了解决这个问题，本文提出了一个新的NRL框架，称为Event2vec，供HIN在表示学习过程中考虑关系的数量和属性。具体地，事件（即，完整的语义单元）用于表示多个对象之间的关系，并且事件驱动的一阶和二阶邻近被定义为根据关系的数量和属性来测量对象相关性。

我们理论上证明了Event2vec如何在嵌入空间中保留事件驱动的邻接，它利用事件嵌入来促进学习对象嵌入。实验研究证明了Event2vec优于最先进的算法在四个真实数据集和三个网络分析任务（包括网络重建，链路预测和节点分类）方面的优势。

挖掘西北巴塔哥尼亚

岩画艺术的拓扑结构

原文标题：

Digging the topology of rock art in Northwestern Patagonia

地址：

http://arxiv.org/abs/1901.10377

作者：

Fernando E. Vargas, José L. Lanata, Guillermo Abramson, Marcelo N. Kuperman, Danae Fiore

摘要： 我们基于网络分析和社区检测，对北巴塔哥尼亚的岩石艺术进行了研究。我们揭示了一系列重要的考古遗址，这些遗址由共同的岩石艺术图案联系在一起，这些图案与其地理分布和狩猎 – 采集阶段的区域人口和土地利用的考古背景相一致。这项探索性研究将使我们能够更准确地处理一些在空间和时间上由岩石艺术主题分布引起的视觉传播的社会策略。