- 通过成本补贴促进外部性采用互联网技术和服务;
- 用词向量和集合模型预测和理解法律制定;
- 在人类流动中建模时空程序;
- 随机块模型揭示了引文模式的映射及其在时间上的演变;
- 平衡创造和模仿的社会效益：基于代理模式的证据;
- 政治态度的网络视角：测试连通性假说;
- 何时瞄准中枢？复杂网络中的战略扩散;
- 多层网络的动态相互依赖和竞争;
- 通过分析科学技术分解后的科学论文专利引文，对科学/技术关系进行测试;
- 中国情绪与股票故事：波动性，因果关系和预测;
- 一种基于顺序的算法，用于在图挖掘中应用最小化控制集;
- 用社交媒体量化心理健康与神经用户嵌入;
- 矩阵完成与查询;
- 分析Facebook个人资料中公开披露的信息;
- 十九世纪复杂科学的前身;
通过成本补贴促进外部性采用互联网技术和服务
地址： http://arxiv.org/abs/1409.0090
作者： Steven Weber
摘要： 本文模拟了抽象的互联网技术或服务的时间采用动态，其中每个（当前或潜在）用户/客户感知到的服务的瞬时净值包含三个关键特征：i）用户服务亲和度异质性，ii）网络外部性，以及iii）订阅费用。网络外部性的互联网技术和服务面临“鸡蛋”问题，因为服务需要一个既定的客户群，以吸引新客户。在本文中，我们研究了成本补贴作为“到达膝盖”的手段，此时外部性推动了服务的快速采用，从而将均衡服务分数采用水平从初始接近零水平改变到最终接近一个水平（全面采用）。我们提供三种简单的补贴模型，并根据两种自然绩效指标进行评估：i）补贴服务达到给定目标采用水平所需的持续时间，以及ii）服务提供的补贴总成本。首先，我们提出一个“两目标采纳补贴”（TTAS）来补贴成本，以保持用户的正常净效用在一个（不变的）目标水平，直到达到实际的采用目标。其次，我们研究了上述特殊情况，目标是确保所有用户具有正的净效用，对应于“最快采用”补贴（QAS）。第三，我们引入一个称为AQAS的QAS近似值，只需要服务提供者将补贴水平调整一个规定的次数。第四，我们在统一和正常分布的用户服务亲和度的基础上研究均衡及其稳定性，突出表明每种情况下的不稳定均衡作为提供商的自然目标采用水平。最后，我们提供一个虚构的案例研究来说明结果。
用词向量和集合模型预测和理解法律制定
地址： http://arxiv.org/abs/1607.02109
作者： John J. Nay
摘要： 在2001年至2015年在美国国会提出的近7万张法案中，只有2,513张。我们开发了一种机器学习方法来预测任何法案成为法律的可能性。从2001年第107届大会开始，我们对前几届大会的数据进行了培训，预测了本届大会的所有议案，并重复到第113届大会作为考试。为了预测，我们用一种将立法词汇嵌入高维，语义负载向量空间的语言模型对每个单词进行了计分。这种语言表达使我们能够调查哪些词语增加任何主题颁布的可能性。为了测试文本和上下文的相对重要性，我们将文本模型与仅使用变量的上下文模型进行了比较，例如账单的赞助者是否在多数派对中。为了检验在引入账单变更后对我们预测最终结果的能力的影响，我们比较了使用最新数据在引入时使用的账单文本和元数据。在引入时，上下文只有预测优于纯文本，而最新的数据只能比上下文更好。组合文本和上下文总是表现最好。我们对组合模型进行了全局敏感性分析，以确定预测制定的重要变量。
在人类流动中建模时空程序
地址： http://arxiv.org/abs/1607.05952
作者： Luca Pappalardo, Filippo Simini
摘要： 人类移动建模在广泛的应用中是至关重要的，例如开发用于移动自组织网络的协议或如何在城市生态系统中进行分析。当前的生成模式不能准确地复制个人的周期性时间表，同时考虑个人在可变持续时间期间可能会中断该例程的可能性。在本文中，我们提出了DITRAS（基于DIARY的TRAjectory Simulator），这是一个模拟人类移动时空模式的框架。 DITRAS分为两个步骤：生成移动日记和将移动日记翻译成移动轨迹。我们提出一种数据驱动的算法，它从实际数据中构建一个日记生成器，捕获个体跟随或者破坏他们的例程的趋势。我们还提出了基于优惠勘探和优惠回报概念的轨迹生成器。我们用建议的日记和轨迹生成器实例化DITRAS，并将得到的时空模型与其他时空移动性模型产生的实际数据和合成数据进行比较，该模型通过使用日记和轨迹发生器的几种组合实例化DITRAS而构建。我们表明，提出的模型以最准确的方式再现真实轨迹的统计特性，从而向人们提出了人类流动时空模式起源的理解。
随机块模型揭示了引文模式的映射及其在时间上的演变
地址： http://arxiv.org/abs/1705.00018
作者： Darko Hric, Kimmo Kaski, Mikko Kivelä
摘要： 在本研究中，我们绘制了科学期刊引文网络的大规模结构，并通过使用随机块模型（SBM）及时跟踪其发展。 SBM拟合程序是可用于将期刊的分层分组分组显示为显示相似的输入和输出引用模式的块的原理方法。这些方法直接在引用网络上工作，而不需要基于节点相似性构建辅助网络。我们将SBMs从我们从大约6.3亿次引用的数据集中构建的期刊网络中找到，并找到各种不同类型的块，例如集群，桥接，源和汇。此外，我们使用SBM的最近一般化来确定手工策划的科学分类到科学子领域的分类与日志网络的块结构有关，以及这种关系如何随时间变化。 SBM方法试图找到一个网络的网络，这是最好的高级代表性的期刊网络，我们说明了这些块网络（在不同的分辨率级别）可以如何用作科学的地图。
平衡创造和模仿的社会效益：基于代理模式的证据
地址： http://arxiv.org/abs/1705.00107
作者： Liane Gabora, Simon Tseng
摘要： 虽然抽象的鼓励创造力，但在教育和工作环境中往往不鼓励创造力。使用基于代理的文化演化模式，我们研究了通过模仿创新保护效应来回味创造力的新颖性效应对社会有益的观点。在实验一中，我们系统地介绍了创造力的个人差异，并观察到创作者与模仿者的比例以及创作者的创造力之间的权衡。过多的创造力是有害的，因为创作者投资未经证实的想法，牺牲了传播被证明的想法。实验二测试了假设，如果个人根据自己的创造性成功调整创造力，社会整体就会受益。当有效的创作者创造出更多的创作者和无效的创作者创造较少的（社会规范）时，代理人分为创作者和模仿者，产出的平均适应度暂时较高。我们假设效应的暂时性质是由于输出适应度的上限。在实验三中，我们通过给代理人提供将简单输出链接到任意复杂的输出中的可能输出空间，使得总是可能的输出。具有连锁产出的能力，社会监管的效果确实可以无限期地保持下去。结果根据经验数据进行讨论。
政治态度的网络视角：测试连通性假说
地址： http://arxiv.org/abs/1705.00193
作者： Jonas Dalege, Denny Borsboom, Frenk van Harreveld, Han L. J. van der Maas
摘要： 政治态度研究的重点之一就是态度力量。强烈的态度是持久和有影响力的，而态度差的是波动和无关紧要的。最近，提出了因果态度网络（CAN）模型作为态度的综合测量模型。在这种模式中，态度被概念化为因果关联的评价反应网络（即信仰，感觉和对态度对象的行为）。在这里，我们测试了强大态度对应于高度连接的态度网络的CAN模型的中心假设。我们使用1980 - 2012年美国全国选举研究会对总统候选人的态度（总共18955）的数据。结果表明，态度网络的态度强度和连通性强烈相关。其他分析表明，非行为评估反应（即对总统候选人的信念和感觉）之间的联系高度预测行为（即投票决定）与非行为评估反应之间的联系。这一结果表明，政治态度网络的连通性考虑到态度 - 行为一致性在表决决策方面的强弱态度之间的差异。我们得出结论，网络理论提供了一个有希望的框架，以促进对态度力量的理解。
何时瞄准中枢？复杂网络中的战略扩散
地址： http://arxiv.org/abs/1705.00232
作者： Aamena Alshamsi, Flavio L. Pinheiro, Cesar A. Hidalgo
摘要： 在网络上传播行为的最有效方式是什么？最近关于网络扩散的文献主要集中在简单的传染病模型上，如果与单一的“感染”个体接触可能导致传染，而复杂的传染病则是传染性需要与多种“感染”的来源接触。虽然在简单的传染性的情况下，集中在中心节点的战略是有效的，但在复杂传染的情况下最有效的策略是相对未知的。在这里，我们研究在复杂传染的情况下优化网络行为扩散的策略，通过比较选择在每个步骤中定位哪些节点的算法。我们发现，与简单传染的情况相反，中心节点的目标是有效的策略，在复杂传染的情况下，最小化总扩散时间需要使用针对较少连接节点的动态策略，并且在关键中间时间也就是说，在复杂传染的情况下的战略问题不是谁的目标，而是何时瞄准中心。我们为简单的网络结构分析解决模型，并且还使用数值模拟来表明，这些动态策略优于可以被假设为有效的更简单的策略，像总是选择感染概率最高的节点。这些发现揭示了在复杂传染的情况下优化网络扩散的动态策略。
多层网络的动态相互依赖和竞争
地址： http://arxiv.org/abs/1705.00241
作者： Michael M. Danziger, Ivan Bonamassa, Stefano Boccaletti, Shlomo Havlin
摘要： 从关键的基础设施到生理和人脑，复杂的系统很少孤立地发生。相反，一个系统中的节点的功能通常会促进或抑制另一个系统中的节点的功能。尽管结构相互依赖的进步，建模相互依赖和动态系统之间的其他交互已被证明是难以捉摸的。在这里，我们定义了一个广泛适用的动态依赖关系链接，并为通用动态系统之间的相互依赖和竞争性交互开发了一个通用框架。我们应用我们的框架来研究多层振荡器网络中的相互依赖和竞争性同步，并在流行模型中研究合作/竞争性传染病。使用我们在数值上验证的均值场理论，我们发现爆破过渡和丰富的行为，在渗透模型中不存在，包括滞后，多稳定性和混沌。这里提出的框架提供了一种强大的新方法来建模和理解我们周围的许多互动复杂系统。
通过分析科学技术分解后的科学论文专利引文，对科学/技术关系进行测试
地址： http://arxiv.org/abs/1705.00258
作者： Fang Han, Christopher L. Magee
摘要： 科学知识发展与技术发展的关系被广泛认为是技术演进最重要和最复杂的一个方面。本文通过使用更严格的结构来区分基于技术领域的技术（定义为随着时间的构成，使用特定的技术知识体系实现特定的通用功能）的工作，增加了对这种关系的理解。
中国情绪与股票故事：波动性，因果关系和预测
地址： http://arxiv.org/abs/1705.00294
作者： Zhenkun Zhou, Ke Xu, Jichang Zhao
摘要： 网络社交媒体（如Twitter或其变体微博）如何与股票市场互动，以及是否可以成为预测股市的有说服力的代理人，多年来一直在辩论，特别是对于中国。作为行为金融国家的传统理论，个人情绪可以影响投资者的决策，从网络情绪的角度，系统地进一步探索这些有争议的话题是合理的，网络情绪在社交媒体上大量推出。透过深入研究超过一千万股股票相关推文和三百万来自微博的投资者，透露具有较高情绪波动性的经验不足的投资者对市场波动比经验或体制更为明智，其主导职业也表明，中国市场可能比西方国家更有情绪。然后，相关分析和因果关系检验表明，中国股票市场的五大特征可以通过各种在线情绪，如厌恶，喜悦，悲伤和恐惧来预测。具体来说，所提出的预测模型明显优于基准模型，包括以纯粹的财务时间序列为输入特征的模型，用于在$ K $ - 离散化下预测股票市场的五个属性。我们还在现实的在线应用场景中采用这种预测模型，并进一步证明其性能。
一种基于顺序的算法，用于在图挖掘中应用最小化控制集
地址： http://arxiv.org/abs/1705.00318
作者： David Chalupa
摘要： 支配集是一组图的顶点，使得所有其他顶点在主导集合中具有邻居。我们提出一种新的基于秩序的随机局部搜索（RLS $ _o $）算法来解决大图中最小主导集问题。针对多种类型的问题实例提出实验评估。这些实例包括单元磁盘图，其表示无线网络的模型，随机无标度网络，以及来自两个社交网络的样本和在网络科学中研究的现实图。我们的实验表明，RLS $ _o $表现优于古典近似算法和基于蚁群优化和局部搜索的两种元启发式算法。此外，随着实例大小的增加，我们的算法和替代方法之间的性能差距似乎扩大了。基于顺序的算法能够为具有数万个顶点的图找到小的支配集合。它也在图挖掘中的应用也被简要说明。
用社交媒体量化心理健康与神经用户嵌入
地址： http://arxiv.org/abs/1705.00335
作者： Silvio Amir, Glen Coppersmith, Paula Carvalho, Mário J. Silva, Byron C. Wallace
摘要： 精神疾病对全世界很大一部分人口产生不利影响。然而，传统上用于估计和表征精神卫生状况普遍程度的方法是耗时且昂贵的。因此，关于精神卫生状况普遍程度的最佳估计通常是过时的。使用从社交媒体内容中得到的广泛，综合信息来补充这些调查方法的自动化方法为大规模的近实时估算提供了潜在的手段。反过来，这些可以提供支持，评估和迭代改进公共卫生计划和干预措施的精神。我们提出了一种包含用户嵌入的自动心理健康状况量化的新型模型。这是建立在最近的工作探索表征学习方法，通过利用社会媒体的历史来诱导嵌入。这样的嵌入捕获个人的潜在特征（例如，政治倾向），并编码一个软弱的同情概念。在本文中，我们调查用户嵌入从Twitter的历史记录学习编码与心理健康状态相关的信息。为此，我们估计一组已知受抑郁症和创伤后应激障碍（PTSD）影响的用户以及一组人口统计匹配的“控制”用户的用户嵌入。然后，我们对这些嵌入进行了评估：（i）他们在精神卫生状况方面获得亲和关系的能力;和（ii）基于这些特征的下游心理健康预测模型的表现。我们的实验结果表明，用户嵌入在精神状况之间捕获用户之间的相似性，并且预示着心理健康。
矩阵完成与查询
地址： http://arxiv.org/abs/1705.00399
作者： Natali Ruchansky, Mark Crovella, Evimaria Terzi
摘要： 在许多应用中，例如推荐器系统和流量监控，数据以仅部分观察和低等级的矩阵的形式出现。这些数据集的基本数据分析任务是矩阵完成，其目标是准确地推断矩阵中缺少的条目。即使当数据满足低等级假设时，经典的矩阵完成方法也可以输出具有显着误差的完成 - 因为重建的矩阵与真实的基础矩阵有很大的不同。通常，这是由于观察到的条目中包含的信息不足。在这项工作中，我们通过提出一个主动版本的矩阵完成来解决这个问题，可以对真正的底层矩阵进行查询。随后，我们设计了Order＆Extend，它是将矩阵完成方法和查询策略统一到一个算法中的第一种算法。订单和扩展可以通过明智地查询少量附加条目来识别和缓解不足的信息。在对现实世界数据集的广泛实验评估中，我们证明了我们的算法是有效的，并且能够准确地重构真矩阵，同时仅询问少量查询。
分析Facebook个人资料中公开披露的信息
地址： http://arxiv.org/abs/1705.00515
作者： Reza Farahbakhsh, Xiao Han, Angel Cuevas, Noel Crespi
摘要： Facebook，最受欢迎的在线社交网络是用户共享信息并与朋友联系的虚拟环境。除了许多有用的方面，外部实体/用户可以访问大量的公开的个人和敏感信息。在本文中，我们研究了Facebook个人资料属性的公开曝光，以了解Facebook用户在隐私方面被认为是什么类型的属性，因此很少被公开，大多数Facebook个人资料中都有哪些属性可用。此外，我们还通过统计用户平均公开获得的属性数量来分析Facebook用户的公开曝光率。为了完成我们的分析，我们抓住了479K随机选择的Facebook用户的个人资料。最后，为了展示Facebook资料中公开提供的信息的效用，我们在本文中给出了三个案例研究。第一个进行基于性别的分析，以了解男性或女性是否分享或多或少的信息。第二个案例研究描述了Facebook用户的年龄分布。最后一个案例研究使用从Facebook个人资料推断的数据，根据其大小来绘制城市中全球人口的分布情况。
十九世纪复杂科学的前身
地址： http://arxiv.org/abs/physics/0110041
作者： Osame Kinouchi
摘要： 复杂科学呈现出一些经常性的主题：消散系统中出现均衡的定性新行为，复杂系统在相变和分岔点的边界上的显着趋势，呈现标点平衡的历史动态，暂定的补充达尔文进化与某些进步思想（被理解为增加计算能力）等等。这样的主题确实属于一个漫长的科学和哲学传统，好奇地，已经出现在弗雷德里克·恩格斯七十年代的工作中世纪。因此，复杂性科学的明显新颖性似乎不在于其基本思想，而是使用数学和计算模型来说明，测试和开发这些想法。由于政治家作为候选人戈尔（Al Gore）最近宣布，复杂性科学强烈地影响了自己的世界观，或许更好地了解与复杂适应系统概念有关的思想和意识形态。
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。本系列在个人博客网络科学研究速递 进行同步更新，并提供RSS订阅。
