核心速递

通过无标度特性促进复杂脑网络扩散期间的交叉频率相互作用;
论自组织城市街道网络的扰动;
HopRank：语义结构如何影响PageRank中的传送（BioPortal案例研究）;
基于文本的流行病智能方法综述：一种计算语言学视角;
隐蔽网络：隐藏有多难？;
多层网络中的交互扩散过程;
图嵌入对欺诈检测/风险缓解的经验影响;
基于亲和力的社会网络ABMS;
用于图可视化、聚类和分类的无监督网络嵌入;
在线社区中用户交互时间频率表达的信任;
重新感染可以告诉我们R0的什么信息？梅毒传播的建模案例研究;
石头剪子布博弈;
可以防护对抗性网络攻击吗？;
利用R语言潜空间调整方法估计社会影响力;
L^gamma-PageRank用于半监督学习;
在通勤网络中使用社区检测划分地理区域;
自动驾驶汽车速度控制的博弈论框架：连接微观微分博弈和宏观平均场博弈;
即时宣布选举的累积图表;
筛查谁和何时筛查：不确定性复发传染病的多轮主动筛查;

通过无标度特性促进复杂脑

网络扩散期间交叉频率相互作用

原文标题：

Cross-frequency interactions during diffusion on complex brain networks are facilitated by scale-free properties

地址：

http://arxiv.org/abs/1902.07857

作者：

Roberto C. Sotero, Lazaro M. Sanchez-Rodriguez, Mehdy Dousty, Yasser Iturria-Medina, Jose M. Sanchez-Bornot (for the Alzheimer’s Disease Neuroimaging Initiative)

摘要： 我们研究了复杂网络上扩散过程的不同时间尺度之间的相互作用，发现它们在无标度（ SF ）方面比在鄂尔多斯 – 仁义（ ER ）网络中更强，特别是对于相位 – 幅度耦合（ PAC ）的情况 – 振荡模式的相位调制另一个振荡的幅度的现象。我们发现 SF 网络在扩散过程的慢速和快速频率分量之间促进 PAC，而 ER 网络在慢频分量之间启用 PAC。

在 SF 网络中对 PAC 生成贡献最大的节点是非集线器，它们很可能与集线器相连。此外，来自健康对照（ HC ）和阿尔茨海默病（AD）患者的脑网络在慢速和快速频率之间呈现出比 SF 更弱的 PAC ，但高于 ER 。我们发现，与 HC 相比， AD 在 AD 中降低，并且与两种不同认知测试的得分相比，与功能连接的强度相关性更强，这表明认知障碍与大脑中的多尺度信息流之间存在联系。

论自组织城市街道网络的扰动

原文标题：

On the Perturbation of Self-Organized Urban Street Networks

地址：

http://arxiv.org/abs/1903.06016

作者：

Jerome Benoit, Saif Eddin Jabari

摘要：我们在信息物理和统计物理学的框架内整体调查城市街道网络。城市街道网络被设想为受 Boltzmann 介观熵保护影响的不断发展的社会系统。对于自组织的城市街道网络，我们的范例已经使我们能够恢复有效观察到的无标度的道路分布并预见交叉点的分布。熵保护被解释为城市居民对其城市街道网络的惊人保护。

为了将我们的调查扩展到其他城市街道网络，我们考虑通过增加外部的惊人漂移来扰乱我们的自组织城市街道网络模型。我们获得了略微漂移的自组织城市街道网络的统计数据。除了实用和可管理之外，该统计还将宏观演化尺度参数与介观社会参数分开。这为演化规模参数的普遍性进行观察性研究打开了大门。最终，我们认为外部意外漂移的力量可能是城市居民脱离城市的一个指标。

HopRank：语义结构

如何影响PageRank中的

传送（BioPortal案例研究）

原文标题：

HopRank: How Semantic Structure Influences Teleportation in PageRank (A Case Study on BioPortal)

地址：

http://arxiv.org/abs/1903.05704

作者：

Lisette Espín-Noboa, Simon Walk, Markus Strohmaier, Mark A. Musen

摘要： 本文介绍了 HopRank，一种在语义网络上进行人体导航建模的算法。 HopRank 利用用户知道或可以看到网络整体结构的假设。因此，除了以下链接之外，它们还遵循特定距离（即，k-hop 邻域）处的节点，而不是如 PageRank 所建议的那样随机，其假定仅链接是已知的或可见的。

我们在 BioPortal 上观察到对 k-hop 邻居的这种偏好，BioPortal 是 Web 上生物医学本体的领先存储库之一。通常，用户在概念附近导航。但他们也不那么频繁地“跳”到遥远的概念。我们使用点击流的转换矩阵使我们的模型符合11个本体，并表明语义结构可以影响 PageRank 中的隐形传态。这表明用户 – 在某种程度上 – 利用有关本体的基础结构的知识，并利用它来获取某些信息。我们的结果有助于开发和改进本体探索的用户界面。

基于文本的流行病智能方

法综述：一种计算语言学视角

原文标题：

Survey of Text-based Epidemic Intelligence: A Computational Linguistic Perspective

地址：

http://arxiv.org/abs/1903.05801

作者：

Aditya Joshi, Sarvnaz Karimi, Ross Sparks, Cecile Paris, C Raina MacIntyre

摘要： 流行病情报涉及使用正式（如医院记录）和非正式来源（如网络上的用户生成文本）检测疾病爆发。在本次调查中，我们讨论了使用文本数据集的流行情报方法，将其称为“基于文本的流行病智能”。我们从两大类来看过去的工作：健康提及分类（从大量选择相关文本）和健康事件检测（从相关文本集合中预测流行事件）。我们讨论的焦点是两类中的基础计算语言技术。该调查还提供了流行情报的注释技术，资源和评估策略的最新技术细节。

隐蔽网络：隐藏有多难？

原文标题：

Covert Networks: How Hard is It to Hide?

地址：

http://arxiv.org/abs/1903.05832

作者：

Palash Dey, Sourav Medya

摘要： 隐蔽网络是通常由有害用户组成的社会网络。社会网络分析（ SNA ）通过检测此类网络中有影响力的用户，在减少犯罪活动（例如反恐）方面发挥了重要作用。有各种流行的度量来量化任何顶点在网络中的影响力或中心。正如预期的那样，隐蔽网络中的战略和有影响力的歹徒会试图通过引入新的边来隐藏自己和她的伙伴（称为{ em 领导者}）以通过这些措施被发现。

Waniek 等。表明相应的计算问题，称为隐藏领导者，对于程度和亲密度中心性度量是 NP-Complete 。我们研究了流行的核心中心度量，并表明即使每个领导者的核心中心性仅为3美元，问题也是 NP-Complete。相反，我们证明如果每个领导者的程度超过任何常数，那么问题就变成了对于度中心性度量可解的多项式时间。然后我们专注于问题的优化版本，并表明隐藏领导者问题允许度数中心度量的 2 因子近似算法。

我们补充它，证明人们不希望任何（ varepsilon ）因子近似算法用于任何常量 varepsilon> 0 ，除非有一个 varepsilon / 2 因子多项式时间算法用于 Densest k -Subgraph 问题将被视为重大突破。

多层网络中的交互扩散过程

原文标题：

Interacting spreading processes in multilayer networks

地址：

http://arxiv.org/abs/1903.05932

作者：

Piotr Bródka, Katarzyna Musial, Jarosław Jankowski

摘要： 网络科学的世界是迷人的，充满了我们渴望理解的复杂现象。其中之一是在复杂的网络结构上传播过程的动态。在我们可以面对多个传播过程的领域建立知识库，这个传播过程在具有多个层的网络上传播是一项具有挑战性的任务，其中复杂性来自传播发生的环境以及传播的特征和相互作用’传播。由于该领域在过去十年中迅速发展，因此需要全面审查当前的最新技术，并向研究界提供有助于组织该领域未来研究的路线图。因此，这项调查首次尝试展示多层网络上多层流程的当前格局，并提出可能的前进方向。

图嵌入对欺诈检测

/风险缓解的经验影响

原文标题：

Empirical effect of graph embeddings on fraud detection/ risk mitigation

地址：

http://arxiv.org/abs/1903.05976

作者：

Sida Zhou

摘要： 图嵌入技术的研究对公共数据集感兴趣，例如 BlogCatalog ，通常的做法是最大化图重建评分，链路预测指标等。但是，在金融领域，重要的指标通常更与业务相关，例如欺诈检测率。凭借我们拥有大量真实世界非 P2P 公共 P2P 借贷社会数据的特权地位，我们的目标是根据经验研究图嵌入技术的最新进展是否为与商业利益更密切相关的指标提供了有用的信号，例如欺诈检测率。

基于亲和力的社会网络ABMS

原文标题：

ABMS of social network based on affinity

地址：

http://arxiv.org/abs/1903.05977

作者：

Juan Camilo Ramírez de los Rios, Paula Alejandra Escudero Marín, María Camila Vásquez-Correa

摘要： 提出了一种基于主体的模型，用于分析社会网络中的交互所产生的动态，分析每个配置文件的个体行为。所述模型考虑社会网络的简化构造，同时满足归因于这种类型的系统的属性。就此而言，考虑到以前建立的关于此事的研究，同时包括每个概况偏好，以及它们如何随时间演变，以获得系统的动态行为。基于诸如聚类的出现，网络的极化和连接的简档之间的偏好的同质性等概念来分析结果;以及它们如何依赖于配置文件和网络的特征。

用于图可视化、聚类和

分类的无监督网络嵌入

原文标题：

Unsupervised Network Embedding for Graph Visualization, Clustering and Classification

地址：

http://arxiv.org/abs/1903.05980

作者：

Leonardo Gutiérrez-Gómez, Jean-Charles Delvenne

摘要： 挖掘基于网络的数据的主要挑战是找到表示或编码图结构的有效方法，以便机器学习算法可以有效地利用它。有几种方法专注于节点/边或子结构级别的网络表示。然而，诸如时变，多层，化合物和大脑网络等许多现实生活中的挑战涉及对一系列图的分析，而不是单一图在图比较和表示中打开额外的挑战。用于学习表示的传统方法依赖于手工制作专门的启发式方法来提取关于图的有意义的信息，例如统计特性，结构特征等，以及用于量化网络之间的不相似性的工程图距离。

在这项工作中，我们提供了一种无监督的方法来学习一组图的嵌入表示，以便它可以用于许多图挖掘任务。通过在输入图上使用无监督神经网络方法，我们的目标是捕获数据的基础分布，以便区分不同类别的网络。我们的方法在合成和现实生活数据集上进行经验评估，并在三个不同的任务中进行评估：图聚类，可视化和分类。结果表明，我们的方法在聚类和分类任务中优于众所周知的图距离和图内核，在运行时非常高效。

在线社区中用户交互

时间频率表达的信任

原文标题：

Expressing Trust with Temporal Frequency of User Interaction in Online Communities

地址：

http://arxiv.org/abs/1903.05981

作者：

Ekaterina Yashkina, Arseny Pinigin, JooYoung Lee, Manuel Mazzara, Akinlolu Solomon Adekotujo, Adam Zubair, Luca Longo

摘要： 声誉系统涉及不同领域的软安全动态。信誉系统中的信任动态应该是稳定的，并且可以同时适应以达到目的。随着时间的推移，已经提出并测试了许多声誉机制然而，声誉管理的主要缺点是用户需要共享私人信息以获得对诸如电话号码，评论和评级之类的系统的信任。最近，提出了一种试图克服这个问题的新模型：基于动态交互的信誉模型（ DIBRM ）。

这种信任方法仅考虑从在线社区内的用户交互中自动推导出的隐含信息。在这项主要研究中，Reddit和MathOverflow 在线社交社区已被选中用于测试 DIBRM。结果显示这种新颖的信任方法如何模仿所选信誉系统的行为，即 Reddit 和 MathOverflow ，仅与时态信息有关。

重新感染可以告诉我们R0什么

信息？梅毒传播的建模案例研究

原文标题：

What could re-infection tell us about R0? a modeling case-study of syphilis transmission

地址：

http://arxiv.org/abs/1903.05984

作者：

Joshua Feldman, Sharmistha Mishra

摘要： 许多传染病都可能导致再次感染。我们检查了重复感染的患病率与基本生殖数（R0）之间的关系。首先，我们解决了一种通用的，确定性的再感染区室模型，以获得该关系的分析解决方案。然后，我们在数字上解决了明确跟踪再感染的梅毒传播疾病特定模型。我们得到了一个通用表达式，它反映了比例再感染与 R0 之间的非线性和单调增加的关系，并且通过进入/退出速率和恢复（即治疗）而减弱。梅毒模型的数值模拟与分析关系一致。再感染比例可用于了解区域距离流行病控制的范围，并应作为传染病监测的常规指标。

石头剪子布博弈

原文标题：

The Rock—Paper—Scissors Game

地址：

http://arxiv.org/abs/1903.05991

作者：

Hai-Jun Zhou

摘要： 石头剪子布（ RPS ）是一种循环优势博弈，不仅是一种流行的儿童博弈，而且是研究非合作战略互动中决策的基本模型系统。针对没有博弈论背景的物理学学生，本文介绍了纳什均衡和演化稳定策略的概念，并回顾了最近关于迭代 RPS 非平衡性质的理论和实证研究，包括集体循环，条件响应模式和促进合作的微观机制。我们还介绍了几个动态过程，以说明 RPS 作为生态系统中物种竞争和经济市场价格循环的简化模型的应用。

可以防护对抗性网络攻击吗？

原文标题：

Can Adversarial Network Attack be Defended?

地址：

http://arxiv.org/abs/1903.05994

作者：

Jinyin Chen, Yangyang Wu, Xiang Lin, Qi Xuan

摘要： 机器学习已成功应用于各个领域的复杂网络分析，基于图神经网络（ GNN ）的方法优于其他方法。最近，网络上的对抗性攻击引起了特别的关注，因为精心设计的对清洁网络上的轻微扰动的对抗网络可能会使许多网络应用无效，例如节点分类，链路预测和社区检测等。这种攻击很容易构建，具有严重的安全威胁各种分析方法，包括传统方法和深层模型。据我们所知，这是第一次讨论针对网络对抗性攻击的防御方法。

在本文中，我们感兴趣的是防御网络上的对抗性攻击的可能性，并提出针对攻击的 GNN 的防御策略。首先，我们提出新颖的对抗性训练策略，以提高 GNN 对攻击的防御性。然后，我们分析研究了使用平滑防御授予的 GNN 的鲁棒性，并提出了两种特殊的平滑防御策略：平滑蒸馏和平滑交叉熵损失函数。它们都能够平滑 GNN 的梯度，从而减少对抗梯度的振幅，这有利于攻击者的梯度掩蔽。综合实验表明，我们提出的策略在不同网络分析任务中对四个真实网络的不同对抗性攻击具有很强的防御性。

利用R语言潜空间调

整方法估计社会影响力

原文标题：

Estimating Social Influence Using Latent Space Adjusted Approach in R

地址：

http://arxiv.org/abs/1903.05999

作者：

Ran Xu

摘要： 社会影响，有时被称为溢出或传染，已在各种经验社会网络研究中得到广泛研究。然而，在识别社会影响效应时存在各种估计挑战，因为它们经常与其他因素纠缠在一起，例如选择过程中的同性恋，个体对相同社会环境的偏好等。目前可用的方法要么不解决这些问题或需要强有力的假设。

Xu 2018及其他人最近的研究表明，基于潜在空间模型的潜在空间调整方法有可能解开其他过程的影响，模拟证据表明该方法比其他最先进的方法表现更好在存在未观察到的特征共同决定影响和选择时，恢复真正的社会影响效应。在本文中，我们说明了潜在空间调整方法如何解释社会影响效应估计中的偏差，并演示如何通过R中的经验实例来实现这种方法来估计各种社会影响模型。

L^gamma-PageRank

用于半监督学习

原文标题：

L^gamma-PageRank for Semi-Supervised Learning

地址：

http://arxiv.org/abs/1903.06007

作者：

Esteban Bautista, Patrice Abry, Paulo Gonçalves

摘要： 半监督学习的 PageRank 已经证明可以利用数据结构和有限标记的例子来产生有意义的分类。尽管取得了成功，但仍可以改进分类性能，特别是在模糊图或不平衡标记数据的情况下。为了解决这些限制，提出了一种基于拉普拉斯矩阵的函数的新方法 L^gamma（gamma> 0 ），称为 L^gamma-PageRank。

其理论研究表明，它在有符号图上运行，其中属于同一类的节点更可能共享正边，而来自不同类的节点更可能与负边连接。结果表明，通过选择最佳 gamma ，可以显著提高分类性能。设计和评估了从独特的数据观察中自动估计最佳 gamma 的过程。几个数据集上的实验证明了 L^gamma-PageRank 分类和最佳 gamma 估计的有效性。

在通勤网络中使用

社区检测划分地理区域

原文标题：

Demarcating Geographic Regions using Community Detection in Commuting Networks

地址：

http://arxiv.org/abs/1903.06029

作者：

Mark He, Joseph Glasser, Nathaniel Pritchard, Shankar Bhamidi, Nikhil Kaza

摘要： 我们的目标是通过将县际通勤模式表示为加权网络，找到通过通勤模式划分的美国县的聚集地。我们开发并使用基于配置模型的社区检测方法来识别加权网络中的重要节点集群，该网络突出显示代表同县通勤的自循环。

在我们将此方法应用于2010年的县级通勤数据后，我们发现区域与现有的划分有很大不同，例如 Metropolitian Statistical Areas 和 Megaregions 。我们的方法识别具有不同大小的区域以及高度重叠的区域。一些县可能单独定义一个区域，而其他县可能是多个区域的一部分。我们的结果提供了一种从现有方法对经济区域进行分类的替代方法，并建议应重新考虑地理区划。

自动驾驶汽车速度控制

的博弈论框架：连接微观微

分博弈和宏观平均场博弈

原文标题：

A Game-Theoretic Framework for Autonomous Vehicles Velocity Control: Bridging Microscopic Differential Games and Macroscopic Mean Field Games

地址：

http://arxiv.org/abs/1903.06053

作者：

Kuang Huang, Xuan Di, Qiang Du, Xi Chen

摘要： 具有完全自动驾驶车辆的运输系统可以被建模为多代理系统，其中自动车辆通过耦合的最佳驾驶策略彼此交互。然而，关于自动车辆纵向控制的现有文献存在可扩展性问题。换句话说，将这些控制算法部署到大量自动驾驶车辆是具有挑战性的。本文旨在通过采用平均场逼近来解决这一挑战，并从微观速度控制中推导出自动车辆交通流的宏观博弈论框架。开发的博弈是“平均场比赛（ MFG ）”，它本质上是具有无限数量的代理的限制性差异博弈。它是一个微观宏观模型，它允许人们在微观层面上将个体定义为理性效用优化剂，同时将丰富的微观行为转化为宏观模型。

尽管对MFG在交通流模型中的应用进行了一些研究，但本文提出了一个系统的框架，将MFG应用于自主车辆控制的四个方面：（i）我们首先将平均场比赛推导为离散差分博弈的连续版本; （ii）我们开发了一种基于多重网格预处理牛顿法求解平均场均衡的求解算法; （iii）我们从连续平均场均衡构造一个离散控制元组，并将其准确性表示为原始离散微分对策的 epsilon -Nash 均衡，以便在上下文中将这些控制部署到个别自动驾驶车辆离散博弈。（iv）衍生的平均场比赛也可以被视为宏观交通流模型。我们展示了它与传统LWR模型的联系，并提供了一些例子来说明平均场比赛的交通流特性。

即时宣布选举的累积图表

原文标题：

Accumulation charts for instant-runoff elections

地址：

http://arxiv.org/abs/1903.06095

作者：

Bridget Eileen Tenner, Gregory S. Warrington

摘要： 我们为即时决选投票选举结果提出了一种新的图格式。我们将此提案称为“累积图表”。该模型是标准条形图的修改，易于理解，清楚地表明获胜者，描绘了即时径流算法，并总结了投票结果。此外，它还包括每次累积投票的谱系，并清楚地描述了候选人的联盟。

筛查谁和何时筛查：不确定

性复发传染病的多轮主动筛查

原文标题：

Who and When to Screen: Multi-Round Active Screening for Recurrent Infectious Diseases Under Uncertainty

地址：

http://arxiv.org/abs/1903.06113

作者：

Han-Ching Ou, Arunesh Sinha, Sze-Chuan Suen, Andrew Perrault, Milind Tambe

摘要： 控制复发性传染病是一个至关重要的复杂问题。在本文中，我们提出了一种新的主动筛查模型（ ACTS ）和算法，以促进在感染不确定性下对复发性疾病（无永久性免疫）的主动筛查。我们的贡献是：（1）在不确定性下建立基于多轮网络的筛查/接触者追踪的新方法，这是各种疾病中常见的现实生活实践; （2）两种新算法，全速和快速重复。

Full-REMEDY 考虑了未来行动的影响，并找到了一个提供高解决方案质量的政策，其中 Fast-REMEDY 在网络规模上呈线性扩展; （3）我们评估了几个模拟人类接触的真实数据集的全速和快速补救，发现它们比基线更好地控制疾病。据我们所知，这是第一项关于多轮主动筛查的工作，对于没有永久免疫力的疾病具有不确定性。