-
人类成瘾现象的统计描述;
-
复杂网络上公共物品博弈的共同演化;
-
出租车的需求、供给与绩效;
-
在一个停车场的正向和反向停车;
-
联合图学习在金融犯罪协同侦查中的应用;
-
多尺度属性的节点嵌入;
-
基于注意力网络的骚扰语言分类方法;
-
一种通过社会交互驱动的语音变化模型;
-
面向健康相关任务的Twitter机器人自动检测;
-
通过邻居信息识别重要连边;
-
变调：随时间变化的网络模型的混合;
-
社会关系驱动下的科研合著网络的多层表示;
-
复杂网络社区的脆弱性：熵方法;
-
多局部维数复杂网络的关键节点识别;
-
论宗教如何意外地煽动谎言和暴力：民间故事作为文化传播者;
-
CORE开放世界地球建模框架;
-
基于元图的HIN谱嵌入：方法、分析和见解;
-
异构网络上的神经嵌入传播;
-
空间信息与城市形态的易读性：城市形态大数据;
-
极端内向者和极端外向者模型的波动性和相关性;
-
名声和超级名声：衡量和比较美国总统、他们的对手、上帝、国家和韩国流行乐;每天被谈论的程度;
-
科学合著网络中非参数传递性和偏好连接函数的联合估计;
-
复杂社会网络流体动力学标量模型;
-
由风险驱动的人力预防可能导致性传播疾病的振荡;
-
无标度一致超图的SIS模型;
-
包括和不包括重复情况的星型采样;
-
论2016年美国总统大选期间推特上巨魔账户的影响力;
-
从网络结构预测动态观测值的机器学习方法;
Statistical description of human addiction phenomena
http://arxiv.org/abs/1909.13650
摘要：本文研究了个体系统中某些成瘾现象统计分布的时间演化。动力学方法建立了一类新的Fokker–Cplanck方程，描述了概率密度解向广义伽马概率密度解的松弛。定性分析表明，弛豫过程是非常稳定的，并不依赖于测量成瘾现象主要微观特征的参数。
Promotion of Cooperation in Coevolutionary Public Goods Game on Complex Networks with and without Topology Change
http://arxiv.org/abs/1909.13475
摘要：在人类和动物社会中，不相关个体之间的合作进化仍然是一个跨学科的挑战性问题。理解合作是如何产生的，也是演化博弈论中的一个重要课题。这一问题在囚徒困境博弈（PD）中得到了广泛的研究，但合作的出现也是公共物品博弈（PGG）中的一个重要课题。在本文中，我们考虑了复杂网络上的共同进化，在复杂网络中，网络的拓扑结构和博弈者在博弈动力学的影响下所采用的策略都是不同的。在以往的研究中，在一个公共物品博弈（PGG）中，合作者只需要在网络上统一贡献固定数量；但在本文公共物品博弈（PGG）中，合作者中的每个成员，都需要单独贡献固定数量。后者似乎比前者更自然，这些模型在两个PGG中都有很大的差异。我们研究了博弈动态和网络拓扑结构之间的相互作用对博弈者策略演变、背叛与合作以及平均收益的影响。此外，通过将不依赖于博弈动力学的模型与不依赖于拓扑变化的模型进行比较，我们试图揭示拓扑变化和博弈动力学对促进合作的影响。因此，我们打算通过计算机模拟来研究合作策略在什么情况下被促进或保持。我们还研究了合作者的比例与所有参与者的平均报酬之间的关系。此外，我们还研究了初始网络的拓扑结构对合作和平均收益的影响。
Demand, Supply, and Performance of Street-Hail Taxi
http://arxiv.org/abs/1909.12861
摘要：旅游决策是理解人类流动性、城市经济和可持续性的基础，但对其进行衡量是有挑战性和争议性的。以前出租车的研究只限于出租车站。在这里，我们研究了在街道段水平的动态需求和出租车在纽约市的供应，我们使用的是车载全球定位系统（GPS）数据，以保护个人隐私。为此，我们将出租车需求和供给模型作为道路网络上的非平稳泊松随机过程。基于纽约市2009年-2013年的所有13237辆持牌出租车的8.68亿行程记录。我们发现在2011和2012的出租车需求几乎是相同的，它在春季2013下降大约2%，可能由运输网络公司的加价引起。与通常的印象相反，在高需求的地方，传统的出租车在减少拥堵和污染方面远不如Uber这样的网约车。研究表明，在不同的供应水平下，我们的需求估计是稳定的。我们还发现出租车的接客行为可以建模为泊松过程。我们的方法是简单可行的，可靠的估计了出租车活动，并有助于解决正在讨论的出租车和网约车的收费问题。
Forward and Reverse Parking in a Parking Lot
http://arxiv.org/abs/1909.12941
摘要：将停车场正向停车和逆向停车的选择作为一个随机过程进行研究。使用M / M / C / C 排队系统作为初始框架。我们使用蒙特卡洛模拟得到车辆朝向和车辆进出率之间的关系，以及每个车辆进出率下，最有可能的停车状态。我们认为，随着时间的推移在停车状态也在变化。
Towards Federated Graph Learning for Collaborative Financial Crimes Detection
http://arxiv.org/abs/1909.12946
Toyotaro Suzumura, Yi Zhou, Natahalie Barcardo, Guangnan Ye, Keith Houck, Ryo Kawahara, Ali Anwar, Lucia Larise Stavarache, Daniel Klyashtorny, Heiko Ludwig, Kumar Bhaskaran
摘要：金融犯罪（如欺诈、盗窃、洗钱）是一个日益严重的大问题，在某种程度上影响到几乎每一个金融机构，以及许多个人甚至整个社会。金融机构是打击金融犯罪的前线，因此必须投入大量的人力和技术资源。目前检测金融不当行为的流程（包括所使用的技术）在有效区分恶意行为和普通金融活动方面存在局限性。这些限制导致需要耗费大量时间和昂贵的人工来审查可疑活动。在这一领域中使用的技术的进步，包括基于机器学习的方法，可以改善金融机构的审查效率。然而，大多数金融机构继续面临的一个关键挑战是，他们孤立地处理金融犯罪，而没有与其他公司进行合作。在金融机构通过自己公司的视角处理金融犯罪的情况下，犯罪者可能会设计出跨越机构和地域的复杂战略。金融机构继续不懈地努力提高自身能力，在各机构（包括政府机构）之间建立伙伴关系，分享工作经验与模式以促进他们的能力。这些公私伙伴关系受到严格的监管和数据隐私要求的制约，因此很难依赖传统的技术解决问题。在本文中，我们提出了一种方法，通过使用联合图学习平台来共享跨机构的关键信息，该平台使我们能够利用联合学习和图学习方法来构建更精确的机器学习模型。我们用英国FCA TechSprint数据集证明了我们的联邦模型比本地模型的性能好20%。这一新平台为有效检测全球洗钱活动打开了一扇大门。
Multi-scale Attributed Node Embedding
http://arxiv.org/abs/1909.13021
Benedek Rozemberczki, Carl Allen, Rik Sarkar
摘要：我们提出了一种网络嵌入算法，该算法从节点周围属性的局部分布中捕获关于节点的信息，就像在随机游动中观察到的那样，这种方法类似于skip gram。来自不同大小邻域的观测值要么是集合（AE）的，要么是用多尺度方法（MUSAE）清楚地编码的。在多个尺度上，捕捉属性邻域关系对于各种应用都很有用，包括跨网络断开潜特征，并识别相似属性。我们从理论上证明了节点特征点的互信息矩阵是由嵌入隐式分解的。实验表明，我们的算法是稳健的，且计算效率高，在社会网络和引文网络数据集上的性能优于已有模型。
Attention-based method for categorizing different types of online harassment language
http://arxiv.org/abs/1909.13104
Christos Karatsalos, Yannis Panagiotakis
摘要：在社交媒体和网络平台的时代，Twitter注定要对特定的女性用户进行虐待和骚扰。传统媒体中的监控内容（包括性别歧视和性骚扰），比在Twitter等在线社交媒体平台上进行监控更容易，因为在这些媒体中大量的用户生成内容。因此，对含有性骚扰或种族主义骚扰内容的自动检测的研究是一个重要的问题，可以作为删除该内容或将其用于人类评估的基础。以往的研究集中于从广义上收集关于性别歧视和种族歧视的数据。然而，目前还没有太多的研究关注于不同类型的网络骚扰，研究仅仅集中在自然语言处理技术。在这项工作中，我们提出了一种基于注意力的方法来检测微博中的骚扰，并检测不同类型的骚扰。我们的方法是基于递归神经网络的，特别是我们使用的是一种深度分类的特殊注意力机制。此外，我们还比较了这种基于注意力的方法的变化过程。
A model for phonetic changes driven by social interactions
http://arxiv.org/abs/1909.13157
A. Chacoma, N. Almeira, J.I. Perotti, O.V. Billoni
摘要：我们提出了一个模型来研究语音变化，这是一个由两组具有不同语音系统的个体之间的社会互动驱动的演化过程。特别是，我们专注于发音部位的变化，灵感来自于我们观察到的在卡斯蒂利亚语的一些拉丁词根，例如 
。在该模型中，每个主体的特征是三种状态的变量s={1,2,3}，表示语音生成过程中使用的发音位置。在这个框架中，我们提出了主体之间的交互规则，导致语音模仿，从而改变发音位置。在此基础上，我们数学形式化模型作为人口动态的问题，得出平均场近似中的演化方程，并研究三个特殊的全局状态的出现。此外，研究发现类似于卡斯蒂尔语和其他罗曼史语言中观察到的语音变化模式。
Towards Automatic Bot Detection in Twitter for Health-related Tasks
http://arxiv.org/abs/1909.13184
Anahita Davoudi, Ari Z. Klein, Abeed Sarker, Graciela Gonzalez-Hernandez
摘要：随着越来越多的社会媒体数据被用于与健康相关的研究，来自社会媒体数据信息的可信度受到质疑，因为这些帖子可能来自自动帐户或“机器人”。虽然已经提出了自动的机器人检测方法，但是还没有一种方法可以对发布健康相关信息的用户进行评估。在本文中，我们扩展了现有的机器人检测系统，并自定义与健康相关的研究。通过使用Twitter用户的数据集，我们首先发现了该系统在应用于与健康相关的Twitter用户时表现不佳，该系统是为机器人政治立场检测而设计的。然后，我们结合额外的特征和统计机器学习分类器，显著提高机器人的健康检测性能。我们的方法得到的“机器人”类的F1分数为0.7，改进了0.339。我们的方法是可定制和通用于在其他健康相关的社交媒体领域的机器人检测方法。
Identifying significant edges via neighborhood information
http://arxiv.org/abs/1909.13194
Na Zhao, Jie Li, Jian Wang, Tong Li, Yong Yu, Tao Zhou
摘要：真实网络的异构性意味着不同的边在网络结构和功能中扮演着不同的角色，因此识别重要的边在理论研究和实际应用中都具有很高的价值。我们提出所谓的二阶邻域（SN）指标，用于量化网络中的边的重要性。本文通过边缘渗流法，将SN指标与基于15个真实网络的其他基准方法进行了比较。结果表明，所提出的SN指数优于其他已知的方法。
Changing the tune: mixtures of network models that vary in time
http://arxiv.org/abs/1909.13253
Naomi A. Arnold, Raul J. Mondragon, Richard G. Clegg
摘要：我们研究的许多复杂系统都是以网络的形式表示的，它们是不断增长的对象，随着时间的推移，随着节点和链接的增加而不断发展。控制这种增长的规则归因于诸如偏好连接和三角形闭合等机制。我们展示了一种估计这些机制相对作用的方法，并进一步研究它们如何随着网络的发展而变化。我们证明，这些模型机制的加权混合可以建立一类丰富的网络演化模型。使用基于似然的公式，我们展示了如何计算给定网络数据观测集的最优混合，并表明该框架可用于区分由基本统计分析无法区分的竞争模型。使用来自Facebook用户交互的真实数据，我们表明，可以改进模型的使用，来优化的模型混合，从而重现网络统计数据的能力。我们进一步研究了网络的基本模型可以随时间变化的观点，例如，基于技术的网络可能对基础技术的变化作出响应，或者金融网络可能对经济冲击作出响应。使用艺术数据，我们可以重现已知变化发生的时间。此外，我们使用电子邮件数据集来证明我们的方法可以估计模型的混合随时间的变化。
Citations Driven by Social Connections? A Multi-Layer Representation of Coauthorship Networks
http://arxiv.org/abs/1909.13507
Vahan Nanumyan, Christian Zingg, Frank Schweitzer
摘要：什么类型的新论文引用率会受其作者的过去社会关系的影响？为了回答这个问题，我们对9种不同的物理期刊进行了数据驱动分析。我们的分析基于两个大规模数据集INSPIREHEP和APS构建的两层网络表示。社会层包含作者作为节点和合著关系作为链接。这使得我们能够在发表一篇新论文之前量化每个作者的社会关系。出版物层包含作为节点的论文和作为链接的论文之间的引文。这一层使我们能够量化科学关注度，通过引用率随时间的变化来衡量，我们特别研究这一变化如何取决于作者在出版前的社会关系。我们发现，平均来说，高引用率对于那些发表更多论文的作者来说是比较快的，或者在以前的论文中有更多的合著者。我们还发现，对于这些作者来说，引用率的下降速度更快，这意味着他们的论文被遗忘得更快。
The vulnerability of communities in complex network: An entropy approach
http://arxiv.org/abs/1909.13628
摘要：复杂网络中社区脆弱性的度量已成为复杂系统研究的重要课题。已经提出了许多现有的脆弱性措施来解决这样的问题，但是，这些方法中的大多数都有其自身的缺点和局限性。因此，本文提出了一种新的基于熵的方法来解决这类问题。该方法综合了各群落的内部因素和外部因素，从而可以定量描述群落的脆弱性。内部因素包括社区的复杂度和社区内的连边数，外部因素包括社区与其他社区的相似程度、社区外节点的数量。从熵的角度考虑社区脆弱性，为解决这一问题提供了新的思路。充分考虑社区信息，可以得到更合理的脆弱性结果。为了给出了该方法的性能和有效性，我们将方法用在一个生成网络和三个实际网络上，并进行了比较，用SOBOL指数分析了权重因子的灵敏度。实验结果证明了该方法的合理性和优越性。
Vital Spreaders Identification in Complex Networks with Multi-Local Dimension
http://arxiv.org/abs/1909.13646
Tao Wen, Danilo Pelusi, Yong Deng
摘要：重要节点的识别一直是这个问题中的一个有趣的问题。为了解决这一问题，人们提出了几种中心性度量方法，但以往的方法都有其局限性。为了更客观地解决这一问题，本文提出了基于分形性质的多重局部维数（MLD）来识别重要的扩散体。该方法考虑了盒中包含的信息Q，该信息对该分区信息起着加权系数的作用。Q值不同，MLD会有不同的表达式，当Q=1时，MLD会退化为局部信息维数，当Q=0时，MLD会退化为局部维数的变分，这两种方法都是有效的节点识别方法。因此，MLD将是一种更普遍的方法，可以退化到一些无中心性的网络。此外，与经典方法不同，低MLD的节点在网络中的地位更为重要。本文应用了一些比较方法和现实中的复杂网络，证明了该方法的合理性和客观性。实验结果表明了该方法的优越性。
论宗教如何意外地
煽动谎言和暴力：民间
故事作为文化传播者
On how religions could accidentally incite lies and violence: Folktales as a cultural transmitter
http://arxiv.org/abs/1909.13686
Quan-Hoang Vuong, Manh-Tung Ho, Hong-Kong Nguyen, Viet-Phuong La, Thu-Trang Vuong, Thi-Hanh Vu, Minh-Hoang Nguyen, Manh-Toan Ho
摘要：本研究采用贝叶斯网路建模方法，并运用马尔可夫链和蒙特卡罗模拟的方法，以越南民间故事为样本，探讨谎言与暴力在主要宗教教义中的作用。结果表明，尽管谎言和暴力行为预示着对犯罪者的负面影响，但它们与核心宗教价值观的联系在民间故事人物的最终结果中出现了分歧。无论是儒家还是道教（但不是佛教），其宗教使命是给一个故事中的任务带来积极的结果 
，而一个致力于为佛教使命服务的暴力行为会给犯下错误的人带来一个幸福的结局。这里所强调的是在三种教义的解释和实践中有一个明显的双重标准：所宣扬的非常高尚的结果，无论是佛教中的同情和冥想，儒家的社会秩序，还是道教中的自然和谐，似乎都容纳了两种普遍的恶习——暴力和谎言。这些发现有助于一系列旨在理解人类矛盾行为的研究，除了信仰维持中的认知和反驳中的动机推理之外，还增加了宗教教义的作用。
Earth system modeling with endogenous and dynamic human societies: the copan:CORE open World-Earth modeling framework
http://arxiv.org/abs/1909.13697
Jonathan F. Donges, Jobst Heitzig, Wolfram Barfuss, Marc Wiedermann, Johannes A. Kassel, Tim Kittel, Jakob J. Kolb, Till Kolster, Finn Müller-Hansen, Ilona M. Otto, Kilian B. Zimmerer, Wolfgang Lucht
摘要：对人类地球系统动力学的分析需要明确地考虑到人类社会、文化、经济和技术领域中不断增长的进程，以及它们与地球物理、化学和生物系统中的进程之间不断增长的反馈和相互作用。然而，目前最先进的地球系统模型并不代表动态的人类社会，它们与生物地球物理系统和宏观经济综合评估模型之间的反馈和相互作用通常只在有限的范围内进行。本文（i）提出了人类地球系统分析系统的世界地球模型（WEM）的构建原则，即行星尺度上的世界与地球的协同演化模型，以及（ii）提出了一个WEMS CORE开放的仿真建模框架，该框架提供了一种模块化结构来灵活地构建和研究WEMS。它们可以包含生物物理（如碳循环动力学）、社会代谢/经济（如经济增长或能源系统变化）和社会文化过程（如气候政策投票或社会规范变化）及其反馈作用，并基于基本实体类型，如网格细胞和社会系统。因此，框架的核心是地球系统分析的认知灵活性，由于大量多样性的竞争理论和方法，用于描述社会代谢/经济和社会文化过程中的地球系统通过各种领域和思想流派。为了说明框架的功能，我们展示了一个示例性的、高度程式化的WEM：CORE。
Meta-Graph Based HIN Spectral Embedding: Methods, Analyses, and Insights
http://arxiv.org/abs/1910.00004
Carl Yang, Yichen Feng, Pan Li, Yu Shi, Jiawei Han
摘要：在这项工作中，我们提出研究不同元图的效用，以及如何同时利用多个元图以无监督的方式嵌入HIN。在对同构网络特别是谱图理论进行大量研究的基础上，我们首先对不同元图在多个HIN上的谱和嵌入质量进行了系统的实证研究，提出了一种有效的元图评估方法。这也有助于我们深入了解HINS的高阶结构，为选择有用的嵌入维数提供了一种实用的方法。进一步，我们从数学几何的角度出发，探讨了将多个元图结合起来获取HIN的多维语义所面临的挑战，并提出了一种“l 2,1 LOSS”的自动编码嵌入压缩方法，该方法可以在端到端的无监督方式下找到信息量最大的元图和嵌入。最后，实证分析表明，一个统一的方法来弥补我们的元图评估和组合方法之间的差距。据我们所知，这是第一次为元图及其组合的效用提供丰富的理论和实证分析的研究工作，特别是在HIN嵌入方面。在多个真实世界的HIN上与各种基于神经网络的嵌入方法进行了广泛的实验比较，证明了我们的框架在发现有用的元图和生成高质量的HIN嵌入方面的有效性和高效性。
Neural Embedding Propagation on Heterogeneous Networks
http://arxiv.org/abs/1910.00005
Carl Yang, Jieyu Zhang, Jiawei Han
摘要：分类是机器学习中最重要的问题之一。为了解决标签的稀缺性，半监督学习（SSL）在过去的二十年中得到了广泛的研究，它主要利用网络建模数据的相关性。然而，作为最流行的SSL技术，标签传播（Label Propagation，LP）大多只适用于具有单一类型简单交互的同质网络。在这项工作中，我们将重点放在更为通用和强大的异构网络上，这些网络能够容纳多类型的对象和链接，从而能够承受多类型的复杂交互性。具体地说，我们提出了神经嵌入传播（NEP），它利用分布式嵌入来表示对象，并动态组合模块化网络来建模它们的复杂交互性。相比LP作为一个简单的实例，但NEP在其对不同类型的对象和链接的自然感知以及自动捕获它们重要交互模式的能力方面要强大得多。此外，我们还为NEP开发了一系列有效的训练策略，使得它可以轻松地部署在具有数百万对象的真实异构网络上。通过对三个数据集的大量实验，我们较之目前最先进的网络嵌入和SSL算法，全面地证明了NEP的有效性、高效性和健壮性。
Spatial Information and the Legibility of Urban Form: Big Data in Urban Morphology
http://arxiv.org/abs/1910.00118
摘要：几个世纪以来，城市规划和形态学一直依赖分析制图和视觉传播工具来阐明空间模式、提出设计方案、比较备选方案和吸引公众。今天，我们可以通过智能城市模式来增强这些传统的工作流，即通过用户生成的内容和在信息管理环境中获取的数据来理解城市。新的空间技术平台和大数据为理解、评估、监测和管理城市形态和演变提供了新的视角。本文以城市规划和形态学中视觉文化的理论框架为基础，介绍和定位了探索城市结构模式和空间秩序的计算数据科学过程。它使用OSMnx和OpenStreetMap（一个协作的空间信息系统和地图平台）的数据演示了这些工作流，以检查世界各地不同研究地点的街道网络模式、方向和配置，并考虑到这些揭示的城市结构。无处不在的城市数据和计算工具的时代开启了一个从定量和定性相结合的角度进行全球城市形态分析的新时代。
Fluctuations and Correlations in a Model of Extreme Introverts and Extroverts
http://arxiv.org/abs/1910.00141
Mohammadmehdi Ezzatabadipour, Weibin Zhang, Kevin E. Bassler, R. K. P. Zia
摘要：不同于一阶和二阶的典型的相变，显示霍尔效应的系统在临界点（跳跃命令的参数和异常大的波动）呈现两种特性。在最近推出的一个由“内向者和外向者”（XIE）组成的社交网络模型中，观察到了一个极端霍尔效应的影响。我们使用蒙特卡罗模拟和基于自洽平均场理论的分析方法研究了该系统的结构和相关性。由于模型的对称性，我们导出了稳态下三个量（个体的度数和两个子群之间的连接总数）的所有函数之间的恒等式。在模拟验证这些恒等式的同时，我们只对其结构进行了详细的研究。虽然与二维Ising模型的性质相似，但由于极端的霍尔效应，仍有一些不寻常的方面。在近似平均场的方面，所有这些异常的涨落都可以用我们的理论来定量地理解。在我们的理论中，我们经常遇到有限泊松分布，即
，由于它的性质似乎很模糊，我们在附录中提供了详细解释说明和相关的公式 
，对联合的度分布进行了模拟研究，为相关性的研究提供了不同的视角
名声和超级名声：衡量和比较美
国总统、他们的对手、上帝、国
家和韩国流行乐每天被谈论的程度
Fame and Ultrafame: Measuring and comparing daily levels of being talked about for United States’ presidents, their rivals, God, countries, and K-pop
http://arxiv.org/abs/1910.00149
Peter Sheridan Dodds, Joshua R. Minot, Michael V. Arnold, Thayer Alshaabi, Jane Lydia Adams, David Rushing Dewhurst, Andrew J. Reagan, Christopher M. Danforth
摘要：当建立一个任何类型的全球品牌时，培养大众对其的普遍意识是首要目标。短期内让大家了解某个品牌的任何故事或产品，是被人津津乐道的方式，奥斯卡王尔德都会这样认为。在这里，我们对2008年至2019年美国总统和主要总统候选人在推特上的日常原始名声动态进行测量、审查和对比，包括巴拉克·奥巴马、约翰·麦凯恩、米特·罗姆尼、希拉里·克林顿和唐纳德·特朗普。我们统计了所有语言中的每个人使用他们姓名的次数和Zipf排名。我们发现，所有五个政治人物在某个点达到了我们定义为“超有名”非凡的水平：大约300的总等级，这在很大程度上是无实意虚词的范畴，并和“上帝”这种词具有相同的的的等级。从2016年大选开始，按这个标准衡量，“特朗普”已经变得极其出名。我们使用国家名称和功能词的典型等级作为标准，以提高对规模的感知。我们对相对知名度进行了量化，结果发现，在2008年和2012年大选前的8周内，奥巴马的支持率分别为1000:757和1000:892，远低于2016年大选前的8周内支持“特朗普”和“希拉里”的1000:544。最后，我们追踪另一个实体如何比特朗普在推特上拥有更持久的超级声望：韩国流行男孩乐队BTS。我们列出了BTS的集聚增长，Twitter中@bts twt出现的频率已经能够与“A”和“the”处于同一等级，曾在某天排名第一三，在某四分之一小时内上排名第一。
科学合著网络中非参数传
递性和偏好连接函数的联合估计
Joint Estimation of the Non-parametric Transitivity and Preferential Attachment Functions in Scientific Co-authorship Networks
http://arxiv.org/abs/1910.00213
Masaaki Inoue, Thong Pham, Hidetoshi Shimodaira
摘要：我们提出了一种统计方法来同时估计增长网络中的非参数传递函数和偏好连接函数，与传统的方法不同，传统的方法要么孤立地估计每个函数，要么假定它们的某种函数形式。我们的模型很好地适用于两个实际的合著网络，并且能够揭示在传统方法下无法获得的偏好连接和非参数传递现象的有趣细节。我们还介绍了一种基于模型公式所诱导的概率动态过程来量化这些现象在网络增长过程中的贡献量的方法。应用此方法，我们发现在两个共同作者网络中，传递性支配偏好连接。这表明了间接关系在科学创造过程中的重要性。所提出的方法是在R包FoFaF中实现的。
Scalar model of flocking dynamics on complex social networks
http://arxiv.org/abs/1910.00233
M. Carmen Miguel, Romualdo Pastor-Satorras
摘要：我们通过研究嵌入在复杂网络中的群体运动的标量模型的动力学来研究长程社会交互作用在捕食动力学中的影响，该模型代表了社会交互作用的模式，如在几个社会物种中观察到的那样。在这个标量模型中，我们发现了一个类似于经典Vicsek模型中观察到的现象：在低异质性网络中，相变将有序与无序分离。相反，在高度异质性的情况下，转换被抑制，系统总是有序的。这一观察是由一个修正的标量模型在非均质平均场近似中的解析来支持的。我们的工作扩展了对社会互动在流动动力学中的影响的理解，并为研究更复杂的社会关系拓扑结构开辟了道路。
Human prophylaxis driven by risk may cause oscillations in sexually transmitted diseases
http://arxiv.org/abs/1910.00274
Benjamin Steinegger, Alex Arenas, Jesús Gómez-Gardeñes, Clara Granell
摘要：随着时间的推移，传染病感染病例的数量经常出现波动。有时起起落落是由于季节性、外生性事件引起的，如流感病例在冬季增加，或媒介传播疾病在雨季增加。其他时候，感染表现为非季节性周期性振荡，如梅毒，其振荡周期为8-11年。有几个数学模型的目的是捕捉这些振荡，要么在传输速率中包含一个周期，要么在接触网中允许链路重连，要么考虑具有临时免疫的模型。在这里，我们提出了一个随机的，但分析可解的流行病传播模型，其中人口个体决定是否采取预防措施取决于疾病的全球范围，这是对其感染风险的评估。我们发现，人类预防决策和感知流行病风险之间的组合反馈是SIS模型描述的疾病自生振荡的出现条件，这是许多性传播疾病的情况。最后，我们提出合理的机制来抑制振荡。我们的研究促进了持续预防运动的设计，不仅证实了感知到的风险，而且证实了真正的风险，以改善人类的预防行为，并遏制最近报告的性病的增加和随之而来的艾滋病毒的再次出现。
Simplicial SIS model in scale-free uniform hypergraph
http://arxiv.org/abs/1910.00375
Bukyoung Jhun, Minjae Jo, B. Kahng
摘要：超图是研究成分间相互作用和动力学行为（如信息传播或疾病传播）的更复杂和更高阶结构性质的平台。最近，一个简单的传染病问题被引入并考虑使用一个简单的SIS模型。最近的研究已经发现，具有泊松型面度分布的随机超图，在现实世界中的超图可以具有幂律型面度分布。在这里，我们考虑了无标度一致超图上的SIS传染问题，并发现连续或混合疫情发生转变时，枢纽效应占主导地位。我们通过解析和数值计算来确定临界指数。我们讨论了混合流行病转变的潜在机制。
Star sampling with and without replacement
http://arxiv.org/abs/1910.00431
Jonathan Stokes, Steven Weber
摘要：星采样（SS）是图上的随机采样过程，每个采样点由随机选择的顶点（星中心）和它的（单跳）邻居（星点）组成。我们考虑使用SS来寻找图中顶点目标集的样本，其中目标要么是期望的样本数，要么是期望的星中心数加上星点，直到遇到目标集中的顶点为止，无论是作为星形中心或作为星点。我们在三个相关的星取样范式上分析了这两个性能度量：有替换的SS（SSR）、没有中心替换的SS（SSC）和没有星替换的SS（SSS）。在ERDFI OSR R E.EnEi（ER）随机图上导出了SSR、SSC和SSS的期望单位和线性代价的精确和近似表达式。近似被认为是准确的。对于低密度ER图，SSC/SSS在线性约束下显著优于SSR，而对于低至中等密度ER图，SSS在线性约束下显著优于SSR/SSC。对十二个实际网络的仿真表明，代价近似是可变质量的：SSR和SSC近似是一致精确的，而对于ER图导出的SSS近似是可变精度的。
论2016年美国总统大选
期间推特上巨魔账户的影响力
On the Influence of Twitter Trolls during the 2016 US Presidential Election
http://arxiv.org/abs/1910.00531
Nikos Salamanos, Michael J. Jensen, Xinlei He, Yang Chen, Michael Sirivianos
摘要：众所周知，在2016年美国总统大选期间，由州政府主办的推特账户在数百万条推特上散布错误信息和不实的政治内容。这些所谓的“巨魔”账户的社交媒体活动是否能够操纵公众舆论仍然是个问题。在这里，我们旨在通过分析来自990万用户（包括822个巨魔账户）的15250万条推文，量化巨魔账户的影响力及其对Twitter的影响。在美国大选期间收集的数据，包含了原始的巨魔推文，然后被推特删除。根据这些数据，我们构造了一个非常大的交互图；一个930万节点和16990万边的有向图。最近，Twitter发布了8275个与俄罗斯、伊朗和委内瑞拉有关的国家托管账户的错误信息活动数据集，作为对外国干预2016年美国大选调查的一部分。这些数据用作数据集中巨魔用户的基本身份标识。利用图分析技术，我们对巨魔帐户共享的网络和媒体上下文的扩散级联进行了限定，我们提供了强有力的证据，证明真实用户是病毒级联的来源。尽管巨魔参与了病毒级联，但他们并没有在其中起主导作用，只有四个巨魔账户具有真正的影响力。
A machine learning approach to predicting dynamical observables from network structure
http://arxiv.org/abs/1910.00544
Francisco A. Rodrigues, Thomas Peron, Colm Connaughton, Jurgen Kurths, Yamir Moreno
摘要：从结构特征估计给定动态过程的结果是网络科学中一个尚未解决的关键问题。复杂系统的结构和动力学之间的非线性、相关性和反馈等困难阻碍了这一目标的实现。在这项工作中，我们开发了一种基于机器学习算法的方法，该方法被证明能够提供对先前问题的解决方案。具体地说，我们可以估计从单个节点开始的疾病暴发规模以及由仓本振荡器组成的系统的同步程度。在此过程中，我们展示了网络的哪些拓扑特征是这种估计的关键，并给出了一个网络拓扑性质重要性的排序，其精度比以前高。我们的方法是通用的，可以应用于任何在复杂网络上运行的动态过程。同样，我们的工作旨在是通过应用机器学习方法来揭示复杂网络系统中出现的动态模式。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.me （提供RSS订阅）进行同步更新。
集智俱乐部QQ群｜877391004
商务合作及投稿转载｜swarma@swarma.org
搜索公众号：集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧！
原文始发于微信公众号（集智俱乐部）：集智
