核心速递
-
联合推断真相/谣言及其社会网络源;
-
-
-
带遍历时间依赖参数的预防和反应网络防御动力学是全局吸引的;
-
-
-
-
-
-
-
-
-
-
-
-
集成基于主体的微观模拟框架检查面向移动性政策的影响;
-
-
-
-
一个动力系统视角揭示俄罗斯Twitter运营中的协同;
-
MONSTER：未知社会网络影响力估计和最大化的归纳方法;
-
在线问答社区内容评论对用户延续的影响：一个可供性视角;
-
-
-
Joint Inference on Truth/Rumor and Their Sources in Social Networks
http://arxiv.org/abs/2001.08472
Shan Qu, Ziqi Zhao, Luoyi Fu, XInbing Wang, Jun Xu
摘要： 在信息爆炸的当今时代，我们经常会面临海量 EMPH真相（真实信息）和 EMPH传闻（假信息）的混合物涌了过来社会网络。在这种情况下，它推断每个权利要求（例如，新闻，消息）是否是一个真实或传言，并确定其 EMPH 来源，即，用户谁最初传播的那些权利要求是十分必要的。虽然大多数现有技术已经分别负责两个任务，本文旨在提供关于真理/谣言及其来源的联合推理。我们的观点是，一个共同的推论可以增强双方的相互表现。为此，我们提出了一种命名为SourceCR框架，两个模块之间的该交替，即 EMPH 信誉可靠性训练真理/传闻推理和 EMPH师查询为源检测，以迭代的方式。为了详细阐述，前模块执行借助期望最大化算法，这需要从后者模块作为初始输入输出的源可靠性的要求可信性和可靠性的用户的同时估计。同时，后者模块将所述网络划分成经由所述权利要求的可信度标记两个不同的子网，并且在通过应用理论预算保证通过从前者模块估计的可靠性选择的用户的查询每个子网络发射源检测。所提出的SourceCR可证明是收敛的，和算法可实现以合理的计算复杂度。我们凭经验证实在合成的和真实数据集所提出的框架，其中，所述关节推论导致了高达信誉增益的35 ％的准确度和29 ％源检测率增益与单独的同行相比的有效性。
Graph Generators: State of the Art and Open Challenges
http://arxiv.org/abs/2001.07906
Angela Bonifati, Irena Holubová, Arnau Prat-Pérez, Sherif Sakr
摘要： 互连的数据的丰度助长图发生器再现真实世界的联性能，或计量的图算法，技术和应用处理这些数据的有效性的设计和实施。我们认为图生成多个子字段，如语义Web，图数据库，社会网络和社区发现，与一般的图一起。尽管现代图发生器的整个这些社区的不同需求，我们分析他们在一个共同的保护伞，达到了功能，在实际使用中，它们所支持的操作。我们认为，这种分类服务在手提供科学家，研究人员和从业者用正确的数据发生器，用于他们的工作需要。此调查提供通过关注那些相关且适合于几个数据密集型任务状态的最先进的图发生器的全面概述。最后，我们讨论开放的挑战，与他们的未来扩展到新的领域出现的电流沿着图发生器遗漏的需求。
Adversarial Attack on Community Detection by Hiding Individuals
http://arxiv.org/abs/2001.07933
Jia Li, Honglei Zhang, Zhichao Han, Yu Rong, Hong Cheng, Junzhou Huang
摘要： 已经证实的是对抗性的曲线图，即，具有难以察觉的添加扰动，图可能会造成深刻图模型失败节点/图分类任务。在本文中，我们扩展对抗性图表社区检测的问题，就是要困难得多。我们专注于黑盒攻击，目标是隐藏的目标个人从检测深图表社区检测模型，它在现实世界的场景很多应用，例如，保护个人隐私的社会网络和交易网络的理解迷彩模体。我们提出了一个迭代学习框架，轮番更新两个模块：一个工作作为约束图发生器和其他作为替代社区检测模型。我们还发现，我们的方法所产生的对抗图表可以转移到其它基于学习型社区检测模型。
带遍历时间依赖参数的预防和反
应网络防御动力学是全局吸引的
Preventive and Reactive Cyber Defense Dynamics with Ergodic Time-dependent Parameters Is Globally Attractive
http://arxiv.org/abs/2001.07958
Yujuan Han, Wenlian Lu, Shouhuai Xu
摘要： 网络安全动态是一种数学建模方法和网络分析网络攻击防御作用。在本文中，我们推进国家的最先进的表征一种网络安全动态，被称为预防性和反应网络防御力度，这是高度非线性的系统模型的家庭。我们证明这种动力在与时间相关的参数一般形式是全局吸引的时候与时间相关的参数是遍历，是（几乎）定期在各时间相关的参数有被（几乎）周期性较强的性能。我们的结果取代状态的最先进的那些，包括相同类型的动态而是随时间无关的参数的全局收敛。
Emotion and Sentiment Lexicon Impact on Sentiment Analysis Applied to Book Reviews
http://arxiv.org/abs/2001.07987
Patrice Bellot (R2I, LIS), Lerch Soëlie (R2I, DIAMS), Bruno Emmanuel (DIAMS), Murisasco Elisabeth (DIAMS)
摘要： 消费者习惯于购买产品之前咨询在网上发帖评论。但它很难知道考虑这些审查的重要数量的全球舆论。情绪分析得到检测极性（正，负，中性的）在表达意见，因此分类这些审查。我们的目的是确定情感上的书评极性的影响。我们定义审查，其中使用含有情感（预期，悲伤，恐惧，愤怒，喜悦，惊讶，信任，厌恶）的词典和感伤（正面，负面）字样的“袋的词”表示模型。这个词汇给予读者测量感觉到情感类型。所使用的执行监督学习是一个随机森林类型。该申请涉及亚马逊平台的评论。
Simple and Fast Distributed Computation of Betweenness Centrality
http://arxiv.org/abs/2001.08108
Pierluigi Crescenzi, Pierre Fraigniaud, Ami Paz
摘要： 中介中心是已被成功地应用于网络分析的曲线图的参数。在计算机网络的背景下，被认为是各种目标，包括路由服务布局。然而，如由Maccari的等人观察到。 [2018 INFOCOM]中，中介中心用于改善协议研究是由缺乏一个可用的，完全分布式算法，用于计算该参数的阻碍。我们通过计算中介中心，这可以通过最小的修改基于贝尔曼 – 福特任何距离向量路由协议来实现设计一个高效的算法解决此问题。我们实施的收敛时间证明是成正比的网络的直径
Time-invariant degree growth in preferential attachment network models
http://arxiv.org/abs/2001.08132
Jun Sun, Matúš Medo, Steffen Staab
摘要： 择优驱使许多复杂网络的演进。它的分析研究大多认为，在时间上尽管有许多实际网络的加速增长均匀增长的网络的最简单的情况。由观察该节点的平均程度的增长是时不变的经验的网络数据的启发，我们在相关类的网络模型，其中偏好连接与异质节点适应度和老化组合学习程度动力学。我们提出了基于学习系统和显示，这是自洽的只有两个特殊的网络发展形式的时间不变性一种新颖的分析框架：统一和指数网络增长。相反地，这样的时间不变性的断裂解释了赢家通吃效应在一些模型设置，揭示在比安科尼-巴拉布在超线性优先连接“A SI模型和类似凝胶化玻色 – 爱因斯坦凝聚之间的连接。老龄化是必要的重现逼真节点度的生长曲线，可以防止赢家通吃弱条件下的效果。我们的研究结果已经得到了大量的数值仿真验证。
A Power-Efficient Audio Acquisition System for Smart City Applications
http://arxiv.org/abs/2001.08163
Evan Fallis, Petros Spachos, Stefano Gregori
摘要： 噪音对人类活动产生不利影响。除了听力障碍和压力有关的疾病，它也会干扰语音通信，降低人体机能，影响生活质量。随着城市化正在加剧，降低了智能城市环境噪声污染的潜在好处很大。噪声电平可以被收集并使用无线传感器网络，其可以监控通过使用麦克风的噪声水平进行分析。然而，每一个无线系统的斗争中所需要的连续数据采集和监控电池方面的要求。在本文中，提出了智能麦克风系统测试平台的设计。为了节省功率，微控制器和模拟数字转换器（ADC），以响应环境噪音高和低功率模式之间进行动态切换。具体而言，高功率的部件由在声学噪声电平的峰值触发。三种无线技术，无线网络（2.4 GHz）的，蓝牙低功耗（BLE）4.0和Zigbee进行了检查。根据研究结果，一个节点的功率消耗可以通过97％，基于该测试台空闲时降低。
A model for the generation of road networks
http://arxiv.org/abs/2001.08180
Carlos Molinero, Alberto Hernando
摘要： 至于以便了解城市环境和他们这一代人的努力的一部分，我们需要探索产生道路统计学上有效配置的模型。这些排序的模型将帮助我们对人口的空间位置派生合理的机制。这个任务是具有根本的重要性，因为我们需要创建一个实验环境，使我们能够从理想的系统解开的空间配置的具体情况。城市代车型一起创建道路网络的有效的统计模型允许平均几何给我们带来的影响更近一步了解城市环境。要完全了解我们需要的是能够把握什么经济的原则做他们的成长继承权的道路网络。因此，感兴趣的探索可能的形状性能功能将有交通系统。在这项工作中，我们通过提出基于单个参数 阿尔法它能够从树中创建任何类型的网络的准表面，并且其显示接近生成网络的实际道路网络生成模型解决这一问题正在研究网络。这是通过中心性措施本地和加权版本的定义中获得。这些中心性措施对付距离衰减效应，具有不同质量的节点。我们为自己确定这 阿尔法的 – 模型的属性和不同的制度，我们奠定了一个网络回吐的性能考虑因素，如耐用性，建设成本，交通拥堵和距离的定义。我们从可能的性能功能空间的分析得到最优的α，对原有网络的自组织特性给人一种直觉。
Neural Embeddings of Scholarly Periodicals Reveal Complex Disciplinary Organizations
http://arxiv.org/abs/2001.08199
Hao Peng, Qing Ke, Ceren Budak, Daniel M. Romero, Yong-Yeol Ahn
摘要： 了解知识领域的结构一直是科学的科学的基础性挑战之一。虽然已经有一系列的知识领域和它们之间的关系的自组织结构的研究，创建丰富的，连贯的，而定量表示框架仍然是一个开放的挑战。与此同时，神经嵌入方法，通过使用神经网络和上下文信息学实体的连续矢量表示，正在成为一个强大的表示框架，可以编码细致入微的语义关系到几何的。在这里，我们提出了一个神经嵌入技术，它利用包含在本文引网络中获取科学期刊的不断交涉的信息。我们证明我们的嵌入编码科学复杂的学科结构期刊之间微妙的关系，以及，甚至允许我们做出期刊之间的跨学科的类比。此外，我们表明的嵌入捕获有意义的“轴”即涵盖所有学科的知识领域，如轴“软”“硬”科学或“社会”向“生物”科学，使我们能够定量地面上一个给定的谱的周期性。使用这种新的能力，我们测试了科学的层次结构的假说，这表明，在大多数学科，如社会科学和生命科学，应用最广泛引用的论文往往会出现在“困难”期刊。我们的框架可以提供科学学研究的新定量方法，这又可以促进如何创造知识和组织的研究。
Influence maximization in unknown social networks: Learning Policies for Effective Graph Sampling
http://arxiv.org/abs/1907.11625
Harshavardhan Kamarthi, Priyesh Vijayan, Bryan Wilder, Balaraman Ravindran, Milind Tambe
摘要： 在现实世界的社会网络寻找有影响力的演员，当一个严重的挑战是缺乏对底层网络的知识结构。当前状态的最先进的方法依赖于手工制作采样算法;从这个网络发现这些方法样品节点和他们在精心构造的顺序邻居，并选择意见领袖最大化（未知）完整的网络影响力蔓延。在这项工作中，我们提出了网络发现一个强化学习框架，自动学习有用的节点和图表示，该网络的编码重要的结构特性。在训练时间，使得从该子图取样选择的网络的方法识别部的节点的完整的网络中可以有效地影响节点。这样转移的网络结构基于适应策略的实现归因于编码相关节点和图由签名适当的奖励方案驱动框架的精心设计。我们与真实世界的社会网络从四个不同领域的尝试，表明我们的RL剂学到的政策提供了对当前国家的最先进方法的10-36％的改善。
Relational Thematic Clustering with Mutually Preferred Neighbors
http://arxiv.org/abs/2001.08412
Tiantian He, Lu Bai, Yew-Soon Ong
摘要： 自动学习网络数据专题组一直是机器学习领域一个具有挑战性的任务。许多方法被提出来完成它，利用边，顶点的特征，或上述两种。然而，很少有人考虑如何二元倾斜w.r.t.的量化网络拓扑结构和顶点的特征可以影响顶点群集偏好，这阻止从网络数据揭示更可解释潜组以前的方法。为了填补这一空白，我们提出了一个新颖的概率模型，被称为关系专题聚类互惠首选邻居（RTCMPN）。从该预先确定的边结构和顶点的特征的学习意义，RTCMPN可以进一步了解潜偏好指示哪些相邻顶点是更可能的是相同的簇中，将二分倾斜描述如何相对重要性w.r.t.流行的方法不同边结构和顶点的特征可以影响成对顶点之间的关联。因此，簇结构植入的边结构，顶点的特征，邻近的偏好和顶点顶点的二分倾向可以通过RTCMPN而获知。我们还得到一个有效的最大期望算法的RTCMPN推断出最优模型参数。 RTCMPN一直与各种网络数据几个强势的基准进行比较。显著的结果验证RTCMPN的有效性。
The Pushshift Reddit Dataset
http://arxiv.org/abs/2001.08435
Jason Baumgartner, Savvas Zannettou, Brian Keegan, Megan Squire, Jeremy Blackburn
摘要： 社交媒体数据，已成为科学认识的发展是至关重要的。然而，即使它已经变得无处不在，只是收集大型社交媒体数据涉及高度的工程技术优势和计算资源。事实上，研究往往是必须克服的分析才能继续数据的工程问题门倍。这导致识别数据集作为自己的和有意义的研究贡献。 reddit的，所谓的“互联网的头版，”特别是一直是许多科学研究的主题。虽然reddit的是相比于Facebook和Twitter等社交媒体平台的数据采集相对开放，以获取技术壁垒仍然存在。因此，reddit的数以百万计的subreddits，数以亿计的用户，以及数千亿的评论是在同一时间比较接近，但耗费时间来收集和系统分析。在本文中，我们提出了Pushshift reddit的数据集。 Pushshift是一个社交媒体数据的收集，分析和归档平台，自2015年收集的数据书签交易，并使其提供给研究人员。 Pushshift的reddit的数据集进行实时更新，包括历史数据返回到Reddit讨论社区的成立。除了每月的垃圾场，Pushshift提供的计算工具，搜索，聚合和数据集的整体上进行探索性分析，以帮助。该Pushshift reddit的数据集能够对社会化媒体的研究人员，以减少数据收集中度过的，清洗时间，和他们的项目的储存阶段。
ExEm: Expert Embedding using dominating set theory with deep learning approaches
http://arxiv.org/abs/2001.08503
N. Nikzad-Khasmakhi, M. A. Balafar, M.Reza Feizi-Derakhshi, Cina Motamed
摘要： 协作网络是由谁相互配合完成一个特殊的目标专家社会网络。分析该网络的图产生这些专家和他们的学科领域的专长有意义的信息。为了进行分析，图表嵌入技术已经成为一个行之有效的手段。图嵌入的尝试来表示图中的节点作为低维向量。在本文中，我们提出了一个图嵌入方法，叫做ExEm，其使用支配集理论和深厚的学习方法。在所提出的方法中，控制集理论应用到协作网络和该网络的支配节点发现。在此之后，一组随机游动的创建，从主导节点（专家）开始。对于这些收缩随机游动的主要条件是另一主导节点的存在。使满足规定条件的散步之后，它们被存储作为在语料库中的序列。在下一步骤中，胼被馈送到SKIP-GRAM神经网络模型。 Word2vec，fastText和它们结合采用的是训练SKIP-gram模型的神经网络。最后，结果是专家们的低维向量，被称为专家的嵌入。专家的嵌入，可用于各种用途，包括准确地模拟专家的专业知识或计算专家的分数专家推荐系统。因此，我们还利用提取的专家嵌入矢量引入新的策略来计算专家的分数。 ExEm的效果是通过在多标签分类，链接的预测和推荐任务评估其性能验证。我们进行了共同的数据集广泛的实验。此外，在这项研究中，我们相关的合着者网络目前的数据由SCOPUS爬行广大作者型材构成。
Framework for Converting Mechanistic Network Models to Probabilistic Models
http://arxiv.org/abs/2001.08521
摘要： 有两个突出的范式到网络的建模：在第一，被称为机理方法，一个指定的一组被用于生长或发展的网络随时间域特定的机械规则;在第二，被称为概率方法，一个描述了一种模型，指定观察给定网络的可能性。机械模型和可扩展性，在特定情况下，允许为他们的一些性能分析解决方案，而概率模型有可用的推理工具。机械模型吸引力，因为它们捕获的假设是负责网络一代科学的作业流程。我们引入了对机械网模型转换成概率网络模型的通用框架。拟议的框架能够识别基本的网络特性和机理网络模型的联合概率分布，这使得解决问题，比如两个机理模型是否产生与感兴趣的属性相同的分布，还是网络属性，如网络聚类，相比于参考模型高估或在生成的网络表示不足。拟议的框架旨在弥补一些目前机械和概率网络模型之间存在的差距。
集成基于主体的微观模拟框架
检查面向移动性政策的影响
Integrated Agent-based Microsimulation Framework for Examining Impacts of Mobility-oriented Policies
http://arxiv.org/abs/2001.08535
Muhammad Adnan, Fatma Outay, Shiraz Ahmed, Erika Brattich, Silvana di Sabatino, Davy Janssens
摘要： 交通需求管理措施/政策是非常重要的维持中个人出行行为的积极变化。集成的基于主体的微观平台为研究这种干预措施，以评估使用约指标要求，以及供应方面的影响了丰富的框架。本文提出一种方法，即个人的时间表，从基于活动的模型的轻型版本衍生，被送入MATSIM仿真框架。模拟对于两个欧洲城市哈瑟尔特即（比利时），博洛尼亚（意大利）进行。校准对基础方案总流量计数建模框架后，一些交通管理政策的影响（限制汽车进入，增加了总线频率）进行检查。结果表明，限制汽车访问是从网络减少交通也移车司机/乘客其他出行方式方面更有效。相对于在频率增加公交基础设施的提高造成骑自行车者对公共交通，这是政策的不希望的结果，如果目标是提高可持续发展和环境的转变。在未来的研究中，框架将得到加强，对空气质量的排放和大气扩散模型集成，以确定效果，这种干预的结果。
Characterizing cycle structure in complex networks
http://arxiv.org/abs/2001.08541
Tianlong Fan, Linyuan Lü, Dinghua Shi, Tao Zhou
摘要： 周期的无处不在的存在是的网络复杂性重要始发之一，因为周期是导致在动力学连接和反馈效应的冗余路径的最简单的结构。因此在循环结构的深入分析可能会产生新的见解，度量模型和网络科学算法。通过测量到其上的节点参与其他节点的最小的周期的范围内，提出了一种索引，命名为周期比，量化各个节点的重要性。在真实的网络实验测试表明，周期比含有丰富的，除了众所周知的基准指数信息，即，由周期比节点的排名是由度，H指数及核数排名有很大的不同，而排名由三基准是非常相似对方。进一步的实验表明，周期比进行总体优于查明在保持网络连接性和促进网络同步关键节点的三个基准。
Bayesian estimates of transmission line outage rates that consider line dependencies
http://arxiv.org/abs/2001.08681
Kai Zhou, James R. Cruise, Chris J. Dent, Ian Dobson, Louis Wehenkel, Zhaoyu Wang, Amy L. Wilson
摘要： 输电线路停运率对电力系统可靠性分析的基础。线路停电并不多见，只出现约一年一次，所以停运的数据是有限的。我们提出了一个贝叶斯层次模型，充分利用线路的依赖，从有限的数据停运各个传输线的更好的估计停运率。贝叶斯估计有一个较低的标准偏差比将停运次数由年的数据的数量，特别是当故障的数量少只是估计停运率。贝叶斯模型产生更精确的单个线路停运率，以及这些利率的不确定性的估计。线路停运率更好的估计可以提高系统的风险评估，预测断电和维护计划。
Heterogeneous Scaling of Research Institutions
http://arxiv.org/abs/2001.08734
Keith A. Burghardt, Zihao He, Allon G. Percus, Kristina Lerman
摘要： 研究机构提供了科学发现的基础设施，但他们在知识生产中的作用还不是很清楚。为了解决这个差距，我们分析从数以百万计的科学论文的研究人员及其机构的活动。我们的分析揭示了机构的发展统计规律，与合作，研究成果以及与机构规模的影响规模如何。我们发现，尺度都是异构的，与时间无关。显著，这个结果是通过横截面分析，其在一个时间点测量的复杂系统错过。为了帮助解释这些发现，我们创建了一个简单的统计模型，并表明它再现协作和机构发展的尺度模式，包括协调网络内的异构致密化。我们的工作提供了政策的见解，促进创新和方法的复杂系统的推断统计模式。
一个动力系统视角揭示
俄罗斯Twitter运营中的协同
A Dynamical Systems Perspective Reveals Coordination in Russian Twitter Operations
http://arxiv.org/abs/2001.08816
Sarah Rajtmajer, Ashish Simhachalam, Thomas Zhao, Brady Bickel, Chris Griffin
摘要： 我们从动力系统的角度研究Twitter的数据。尤其是，我们专注于大组由Twitter公司公布的数据，并断言以表示俄罗斯的影响操作。我们提出了一个数学模型来描述，可以使用谱分析提取的每一天鸣叫生产。我们表明，这种数学模型使我们能够构建具有共同的谐波用户的家庭（集群）。我们的信息操作定义描述用户的策略标签制度，并显示所产生的策略对应于从他们的谐波标识的行为集群。然后，我们这些用户群比较从使用基于图的主题分析方法文本数据得出的人。我们表明，在用户群的谱性质与在谱簇表示用户主题组的数量。批量数据分析也提供了新的见解在之前的工作中的数据集。
MONSTER：未知社会网络
影响力估计和最大化的归纳方法
MONSTOR: An Inductive Approach for Estimating and Maximizing Influence over Unseen Social Networks
http://arxiv.org/abs/2001.08853
Jihoon Ko, Kyuhan Lee, Kijung Shin, Noseong Park
摘要： 影响最大化（IM）是在社会网络分析的最重要的问题之一。它的目标是找到种子节点谁通过社会网络最大限度地提高信息传播的给定数。因为它是一个NP问题，许多近似/启发式方法已经被开发，并且其中一些重复蒙特卡洛（MC）模拟遍地，具体数万次或更多次每潜在种子集，以可靠地估计影响。在这项工作中，我们提出了一种感应式机器学习方法，称为蒙特卡洛仿真器（MONSTOR），以预测在网络训练期间看不见MC的模拟结果。 MONSTOR可以大大加快通过更换重复MC模拟现有的IM方法。在我们的实验中，MONSTOR实现上与IM使用情况的准确性一点牺牲看不见真正的社会网络近乎完美的准确度。
在线问答社区内容评论对
用户延续的影响：一个可供性视角
The Impact of Content Commenting on User Continuance in Online Q&A Communities: An Affordance Perspective
http://arxiv.org/abs/2001.08927
摘要： 在线问题和解答（Q＆A）社区的参与者分享信息提供方便，创新的方式和协作解决与他人的问题。对于那些Q＆A社区越来越大的挑战是鼓励和保持持续的用户参与。从动机启示的角度来看，这项研究提出了一个研究框架来解释的内容在网上Q＆A社区用户行为继续征求意见的效果。参与者的任期在内容评论和用户持续之间关系的调节作用，也探讨。使用从大型在线Q＆A社区收集的纵向面板数据，本研究实证检验的内容评论的Q＆A社区的持续用户的参与效果。结果表明，评论收据和注释配置都是重要的激励因素在社区用户继续。具体来说，在提交的参加者问题，收到的意见对张贴问题的参与者的继续产生积极的影响，而答案评论都接收，并由参与者发布对在社区张贴答案的用户持续的积极影响。此外，使用权在社会上确实发现有内容的评论和用户持续之间的关系显著负调节作用。这项研究不仅提供内容的评论如何影响持续的用户参与以及如何参与社区温和派任期含量的影响评论更细致入微的理论知识，而且还提供了提高用户继续在网上Q＆A社区的影响。
Twenty Years of Network Science: A Bibliographic and Co-authorship Network Analysis
http://arxiv.org/abs/2001.09006
Roland Molontay, Marcell Nagy
摘要： 二十年前3篇开拓转向关注复杂的网络环境，并开始研究一个新的时代，建立所谓的网络科学的跨学科领域。也就是说，这些高被引论文开创性分别在小世界网络分别写了瓦和斯托加茨，巴拉布’ASI＆Albert和格文和纽曼，对无标度网络和复杂网络的群落结构。在过去的20年 – 由于该领域的多学科性质 – 一个多样化的，但不能分割的网络科学界又出现了。在本文中，我们研究这个社会是如何随着时间而演变对速度，多样性和跨学科的性质，通过网络科学家的成长合着者网络（在这里看到的概念指的是学者与至少一个文件引用至少上述三个里程碑的论文之一）。提供的31763网络科学论文书目分析之后，我们构建的56646名网络科学家合着网络，我们分析其拓扑结构和动态。我们阐明了的过去20年网络科技的合作模式通过调查合着者网络的许多结构特性，并通过使用增强的数据可视化技术。我们还确定了最核心的作家，最大的社区，调查的时空变化特征，以及网络的性能比较科学计量指标。
Rewriting Structured Cospans
http://arxiv.org/abs/2001.09029
摘要： 为了促进网络上的抽象水平的研究中，我们进一步研究结构cospans的形式主义。我们定义的结构cospans的TOPOS并建立其重写的理论。对于重写关系，我们提出了一个明确的双重语义编码结构cospans的组合性。对于应用程序，我们概括图的感应视点重写到在更宽的类topoi的重写。
Challenging the assumption of simple scaling in the observables of network growth
http://arxiv.org/abs/2001.09118
Max Falkenberg, Jong-Hyeok Lee, Shun-ichi Amano, Ken-ichiro Ogawa, Kazuo Yano, Yoshihiro Miyake, Tim S. Evans, Kim Christensen
摘要： 表示是优先连接 – – 真实网络中识别功法尺度已证明争议。批评者认为，直接测量网络的时空演化是不是找优惠的附件时测量度分布更好。然而，许多既定的方法没有考虑到不断增长的网络在安装任何潜在的时间依赖性仁，或假设节点度是关键观察到确定节点演进。在本文中，我们认为，这些假设可能导致错误的对未来的演化，和过去的产地，这些网络的结论。我们说明这些假设的风险，通过引入Barabasi阿尔伯特模式，“K2模式“”，其中新节点连接到节点的现有网络中成比例的节点数目的目标节点的距离的两个中的一个简单的适应，其效果我们展示了以数字和分析。因为该K2模型结果在时间相关度分布和附着仁，尽管开始出现成长为线性择优连接。我们通过表明类似的效果在使用美国物理学会引网络真正的网络看到支持这些结果。我们的研究结果表明，显著更多的关怀应该进入不断增长的网络演进的分析，以及，关于增长的网络的演进现有的结果可能是假的。
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！
本篇文章来源于微信公众号: 集智俱乐部
