核心速递

社区检测的精确“没有免费午餐”定理;
假新闻检测的分层传播网络：调查与开发;
国家发展程度影响了疾病空间;
实时社会数据中的焦虑抑郁预测;
大脑如何从有意识转变为潜意识感知;
量化网络结构对集体决策的速度和准确性的影响;
多状态噪声投票模型的共识和多样性;
演化囚徒困境博弈中变异率与多策略更新规则共存的作用;
复杂网络的广义线性响应理论及其在微电网中可再生能源波动的应用;
利用语言学习协作社会网络评估写作熟练程度：Yask;
Fiducia：Zomato的个性化食品推荐系统;
同步交通流统计物理：S→F和S→J不稳定性之间的时空竞争;
网络地平线动力学I：定性角度;
用于推荐系统中多方面社会效应的深度潜变量表示的双图注意力网络;

社区检测的精确“没有免费午餐”定理

原文标题：

An Exact No Free Lunch Theorem for Community Detection

地址：

http://arxiv.org/abs/1903.10092

作者：

Arya D. McCarthy, Tongfei Chen, Seth Ebner

摘要： 无免费午餐定理的前提条件是具有损失函数的评估，其不假设某些输出优先于其他输出。 Peel等人先前的社区检测结果。（2017）依赖于损失函数和问题域之间的不匹配。损失函数仅计算对可能输出的一部分宇宙的期望;因此，就问题规模而言，它只是渐近合适的。通过对问题域使用正确的随机模型，我们为社区检测提供了更强，更准确的无免费午餐定理。该声明推广到其他设置分区任务，包括核心/外围分离， k -clustering和图分区。最后，我们回顾了所提出的评估函数的文献，并确定了（可能略有修改）与精确的无免费午餐定理兼容的函数。

假新闻检测的分层传播网络：调查与开发

原文标题：

Hierarchical Propagation Networks for Fake News Detection: Investigation and Exploitation

地址：

http://arxiv.org/abs/1903.09196

作者：

Kai Shu, Deepak Mahudeswaran, Suhang Wang, Huan Liu

摘要： 消费社交媒体的消息越来越受欢迎。然而，社交媒体也使广泛的假新闻成为可能。由于社交媒体带来的不利影响，虚假新闻检测引起了越来越多的关注。然而，仅通过新闻内容检测假新闻的性能通常是有限的，因为假新闻被写为模仿真实新闻。在现实世界中，新闻片通过社交媒体上的传播网络传播。新闻传播网络通常涉及多层次。在本文中，我们研究了在社交媒体上调查和利用新闻分层传播网络进行虚假新闻检测的挑战性问题。为了理解新闻传播网络与虚假新闻之间的相互关系，首先，我们从虚假新闻和真实新闻的宏观层面和微观层面构建了一个层次化的传播网络;第二，我们对假性和真实新闻之间的语言，结构和时间观点的传播网络特征进行了比较分析，证明了利用这些特征来检测假新闻的潜力;第三，我们展示了这些传播网络特征对假新闻检测的有效性。我们通过特征重要分析进一步验证了这些特征的有效性。总而言之，这项工作呈现了分层传播网络和假新闻的数据驱动视图，并为更健康的在线新闻生态系统铺平了道路。

国家发展程度影响了疾病空间

原文标题：

The development of nations conditions the disease space

地址：

http://arxiv.org/abs/1903.09703

作者：

Antonios Garas, Sophie Guthmuller, Athanasios Lapatinas

摘要： 利用1990 – 2016年期间195个国家的疾病流行数据的经济复杂性方法，我们提出了两个新的衡量标准，用于量化疾病之间的相关性，或国家的“疾病空间”。通过这些指标，我们分析了疾病的地理位置，并实证研究了经济发展对各国卫生复杂性的影响。我们表明，人均收入越高，国家疾病的复杂性就越高。此外，我们建立了疾病水平指数，将疾病与普遍存在的疾病病例国家的人均GDP水平联系起来。通过该指数，我们强调经济发展与疾病复杂性之间的联系，并在疾病层面说明人均收入增加与更复杂疾病的关系。

实时社会数据中的焦虑抑郁预测

原文标题：

Anxious Depression Prediction in Real-time Social Data

地址：

http://arxiv.org/abs/1903.10222

作者：

Akshi Kumar, Aditi Sharma, Anshika Arora

摘要： 心理健康和社交媒体一直是密切相关的研究领域。在这项研究中，提出了一种新的模型，AD预测模型，用于实时推文中的焦虑抑郁预测。这种混合性焦虑抑郁症主要与不稳定的思维过程，烦躁不安和失眠有关。基于语言提示和用户发布模式，使用5元组向量<字，时间，频率，情感，对比度>来定义特征集。建立与焦虑相关的词典以检测焦虑指标的存在。分析推文的时间和频率是否存在不规则性，并且进行意见极性分析以发现发布行为的不一致性。该模型使用三个分类器（多项式na“”Bayes，梯度增强和随机森林）进行训练，并使用集合投票分类器进行多数投票。对抽样100个用户的推文评估初步结果，并且所提出的模型实现分类准确率为85.09％。

大脑如何从有意识转变为潜意识感知

原文标题：

How the brain transitions from conscious to subliminal perception

地址：

http://arxiv.org/abs/1903.09630

作者：

Francesca Arese Lucini, Gino Del Ferraro, Mariano Sigman, Hernan A. Makse

摘要： 我们通过使用k-核心渗透来研究功能网络中的转变，这些功能网络将人类大脑的意识状态表征为无意识的潜意识状态。我们发现有意识状态功能网络（视觉皮层和左中额叶回）的最内核（即最连接的内核）对应于当大脑从有意识状态转变时保持功能活跃的区域。到了潜意识状态。也就是说，有意识网络的内核与潜意识状态一致。数学建模允许将由k-核心渗透驱动的有意识转变为潜意识转变，通过其有意识状态通过有意识功能网络的外围k-壳的失活而丧失。因此，有意识大脑的内核和最强健的组成部分对应于无意识的潜意识状态。这一发现对意识的理论模型施加了限制，因为功能性脑网络核心的位置在大脑的无意识部分而不是之前认为的意识状态。

量化网络结构

对集体决策的速度和准确性的影响

原文标题：

Quantifying the impact of network structure on speed and accuracy in collective decision-making

地址：

http://arxiv.org/abs/1903.09710

作者：

Bryan C. Daniels, Pawel Romanczuk

摘要： 在从神经元到蚂蚁到鱼类的不同背景中发现，二元决策是最简单的集体计算形式之一。在此过程中，个人收集的关于不确定环境的信息被累积以指导总体规模的行为。我们研究了响应具有小信噪比的输入的网络中的二元决策动态，寻找控制决策性能的集体的量化测量。我们发现决策精度主要受三个因素控制：网络邻接矩阵的前导特征值，相应的特征向量参与率，以及与相应的对称破缺分岔的距离。这使我们能够预测决策绩效如何根据其谱特性在大型网络中进行扩展。具体来说，我们探讨了由“富俱乐部”拓扑结构的分层分类结构引起的本地化效应。这可以深入了解在执行集体计算的生活网络中发现的高阶结构所涉及的权衡。

多状态噪声投票模型的共识和多样性

原文标题：

Consensus and diversity in multi-state noisy voter models

地址：

http://arxiv.org/abs/1903.09198

作者：

Francisco Herrerías-Azcué, Tobias Galla

摘要： 我们研究了具有多种观点的投票模型的变体;个人可以互相模仿，也可以在突变事件中随意改变他们的意见。我们关注的是具有全面互动的人口。观察到具有多模态和单峰静态分布的区域之间的噪声驱动的过渡。在前者中，人口大多数处于共识状态;在后者的意见是混合的。我们得出一个有效的死亡 – 生育过程，从其中一个观点的角度描述动态，并用它来分析计算静态分布的边。这些计算对于具有均匀模仿和变异率的模型是精确的，并且如果速率是异质的则是近似的。我们的方法可用于表征噪声驱动的转换并获得共识状态之间的平均切换时间。

演化囚徒困境博弈中

变异率与多策略更新规则共存的作用

原文标题：

Roles of mutation rate and co-existence of multiple strategy updating rules in evolutionary prisoner’s dilemma games

地址：

http://arxiv.org/abs/1903.09570

作者：

Hirofumi Takesue

摘要： 合作的出现和维持引起了学术界的浓厚兴趣，并在演化博弈论的框架内进行了分析。创新的作用是将新颖的策略引入人群，是演化博弈论的一个相对未充分考虑的方面。在这里，我们研究两种创新来源的影响 – 变异和异构更新规则。这些机制允许代理商采用不依赖于模仿其他个人的策略。该模型引入了—-除了基于规范模仿的策略更新 – 基于愿望的更新，代理商通过仅仅参考他们自己的策略的表现来切换他们的策略;突变还为人群引入了新的策略。我们的模拟结果表明，将基于愿望的规则引入模拟人群会导致合作的恶化。此外，突变与异构更新规则相结合，也会减少合作者，这一现象在大部分人口由模仿者而非采用基于愿望的更新时构成。尽管如此，高突变率与低吸气水平相结合具有正的非线性效应，并且异质系统相对于均质系统实现更高水平的合作。我们的研究结果表明了创新在合作演变中的重要作用。

复杂网络的广义线性响应理论及其

在微电网中可再生能源波动的应用

原文标题:

A Generalized Linear Response Theory of Complex Networks with an Application to Renewable Fluctuations in Microgrids

地址：

http://arxiv.org/abs/1903.09585

作者：

Anton Plietzsch, Sabine Auer, Jürgen Kurths, Frank Hellmann

摘要： 在这项工作中，我们研究了通过复杂网络分布能量波动的一般线性响应理论。我们开发了在任意，有向和加权网络上耦合的振荡器的响应方程，当受到任意功率谱的静态波动时。在分布式控制和稳定电网中湍流可再生能源波动的网络模型的案例研究的指导下，我们开发了近似值，捕捉了内在网络模式与可再生能源中发现的典型波动之间最有影响的相互作用。这些包括中间谐振状态，其中波动既不足够慢以引起整个系统的均匀响应，也不足以快速地定位在网络上。将这些分析近似应用于微电网中哪些节点特别容易受到波动的问题，我们能够为先前在数据上观察到的脆弱性网络模式提供分析解释和表达。我们看到这些影响只能通过考虑线上的损失以及有效加权图拉普拉斯算子中产生的不对称性来解释。这些结构不对称导致节点之间的动态不对称性，当扰动时产生强烈响应（故障制造者节点），并且每当网络受到扰动时，节点总是响应强烈（可激励节点）。对于树状网络的重要特殊情况，我们为麻烦制造者节点推导出一个简单的关系，表明在上游时波动得到了增强。一般理论也为未来调查相关分布波动下的网络稳定打开了大门。

利用语言学习协作社会网络评估写作熟练程度：Yask

原文标题：

Toward the Evaluation of Written Proficiency on a Collaborative Social Network for Learning Languages: Yask

地址：

http://arxiv.org/abs/1903.09846

作者：

Fabio N. Silva, Sergio Jimenez, George Dueñas

摘要： Yask是一个在线社交协作网络，用于在包含请求，答案和投票的框架中练习语言。由于使用当前方法测量语言能力是困难的，昂贵的并且在许多情况下是不精确的，因此我们提出了基于社会网络的新的替代方法。我们的方法称为熟练等级，扩展了众所周知的页面排名算法，以衡量用户在协作社交图中的声誉。首先，我们扩展了Page Rank，这样它不仅可以考虑正面链接（投票），还可以考虑负面链接。其次，除了使用显式链接之外，我们还结合了社交图中隐含的其他4种类型的信号。这些扩展允许熟练等级为所使用的数据集中的几乎所有用户产生熟练度排名，其中只有少数用户通过回答做出贡献，而大多数用户仅通过投票做出贡献。这克服了仅能够对具有传入链接的节点进行排名的页面排名的内在限制。我们的实验验证表明，Yask中用户的声誉/重要性与他们的语言熟练程度显著相关。相比之下，他们的书面作品与欧洲共同参考框架的词汇表相关性很差。此外，我们发现负面信号（投票）比正面信号更具信息量。我们的结论是，即使对于相对较小的人群，使用这种技术也是衡量第二语言能力的有前途的工具。

Fiducia：Zomato的个性化食品推荐系统

原文标题：

Fiducia: A Personalized Food Recommender System for Zomato

地址：

http://arxiv.org/abs/1903.10117

作者：

Mansi Goel, Ayush Agarwal, Deepak Thukral, Tanmoy Chakraborty

摘要： 本文介绍了Fiducia，这是一个食品审查系统，涉及一条管道，处理从Zomato（印度最大的餐馆搜索和发现服务）获得的餐馆相关评论。 Fiducia特定于受欢迎的咖啡馆食品，并设法在评论中分别识别与每个项目相关的相关信息。它使用对这些文本的情绪检查，并因此根据用户项目和项目项目相似性为特定项目建议适当的餐馆。实验结果表明，Fiducia的情感分析模块实现了超过85％的精度，我们的最终推荐系统达到了约1.01的RMSE，超过了其他基线。

同步交通流统计物理：

S→F和S→J不稳定性之间的时空竞争

原文标题：

Statistical Physics of Synchronized Traffic Flow: Spatiotemporal Competition between S→F and S→J Instabilities

地址：

http://arxiv.org/abs/1903.10218

作者：

Boris S. Kerner

摘要： 我们已经揭示了同步交通流的统计物理学，它受到S→F和S→J不稳定性之间的时空竞争的支配（其中F，S和J分别表示自由流，同步流，和广泛的堵塞交通阶段）。在三相交通理论的框架下，基于元胞自动机模型的模拟进行了同步流的概率分析。这种概率分析表明，在同步流量的车辆之间存在有限的初始空隙，在此期间，在交通观察的选定时间内，同步流量持续存在概率 Prm S 或S 右箭头 F转换以概率 Prm SF 发生，否则S→J转换发生概率 Prm SJ 。已找到概率 Prm S ， Prm SF 和 Prm SJ 的空隙依赖性。对于具有瓶颈的道路，均匀道路的同步流动的统计特征仍然是定性的。然而，由于瓶颈引入的永久性非同质性，初始S rightarrow 的原子核，而不是S→F和S→J不稳定性的核在均匀道路的随机道路位置发生。 F和S→J不稳定性主要出现在瓶颈上。

网络地平线动力学I：定性角度

原文标题：

Network Horizon Dynamics I: Qualitative Aspects

地址：

http://arxiv.org/abs/1903.10268

作者：

B. Dribus, A. Sumner, K. Bist, N. Regmi, J. Sircar, S. Upreti

摘要： 大多数非循环有向网络，在数学上被描述为有向图，出现在机器学习，生物学，社会科学，物理学和其他应用中。纽曼已经注意到这种网络的数学挑战。在本系列论文中，我们研究了它们的连接属性，重点关注影响典型节点的水平尺寸的三种类型的相变。随着平均局部连通性的增加，前两种类型涉及巨型组件的涌现，而第三种类型涉及距离典型节点可变距离的小世界视界增长。在第一篇论文中，我们关注定性行为，模拟和应用，为后续论文留下正式的考虑因素。我们解释了这种相变如何区分深度神经网络和浅层机器学习架构，并提出具有惊人连接优势的混合本地/随机网络设计。我们还提出了一种小世界方法来解决早期宇宙宇宙学中的地平线问题，作为Guth和Linde通胀假设的新替代方案。

用于推荐系统中多方面社会效应

的深度潜变量表示的双图注意力网络

原文标题：

Dual Graph Attention Networks for Deep Latent Representation of Multifaceted Social Effects in Recommender Systems

地址：

http://arxiv.org/abs/1903.10433

作者：

Qitian Wu, Hengrui Zhang, Xiaofeng Gao, Peng He, Paul Weng, Han Gao, Guihai Chen

摘要： 社交推荐利用社交信息来解决传统协同过滤方法中的数据稀疏性和冷启动问题。然而，大多数现有模型假设来自朋友用户的社交效应是静态的并且是在恒定权重或固定约束的形式下。为了放松这个强有力的假设，在本文中，我们提出双图注意网络，以协作学习双重社会效应的表示，其中一个是由用户特定的注意力量建模，另一个是由动态和上下文感知建模注意力量。我们还将用户域中的社交效果扩展到项目域，以便可以利用来自相关项目的信息来进一步缓解数据稀疏性问题。此外，考虑到两个领域的不同社会影响可以相互影响并共同影响用户对项目的偏好，我们提出了一种新的基于策略的融合策略，该策略基于情境多臂强盗来衡量各种社会影响的相互作用。在一个基准数据集和商业数据集上的实验验证了我们模型中关键组件的功效。结果表明，与其他最先进的社会推荐方法相比，我们的模型在推荐准确性方面取得了很大的进步。