- 多层网络中的社区检测，链路预测和层相互依赖;
- 表征在线营销中的产品生命周期：销售，信任，收入和竞争建模;
- 科学，宗教与进化教学;
- 网络信息科学;
- struc2vec：从结构身份学习节点表示;
- 关于社会网络应用的神经认知的建模;
- 社会网络信息扩散建模与应用于WeChat;
- 内容特征对自动在线滥用检测的影响;
- 完全合作共同感染模型中滞后的多样性;
- 食物桥梁：新的网络建构揭示烹饪原理;
- 在Twitter中的垃圾邮件检测学习网络功能;
- 以多层网络为基础的以节点为中心的社区检测，具有层次覆盖多样化偏好;
多层网络中的社区检测，链路预测和层相互依赖
地址： http://arxiv.org/abs/1701.01369
作者： Caterina De Bacco, Eleanor A. Power, Daniel B. Larremore, Cristopher Moore
摘要： 复杂系统通常以相同实体之间不同类型的交互为特征。这些可以被描述为多层网络，其中每层代表一种类型的交互。这些层可能以复杂的方式相互依赖，揭示了网络中不同种类的结构。在这项工作中，我们提出一个生成模型和一个有效的期望最大化算法，它允许我们执行推理任务，如社区检测和链接预测。我们的模型假定层次之间共同的重叠社区，同时允许这些社区以不同的方式影响每一层，包括分类，分解或定向结构的任意混合。它还为我们提供了数学原理的方法来定义层之间的相互依赖关系，通过测量一层的信息有助于我们预测另一层中的链接。特别地，这允许我们将层分组在一起以压缩冗余信息，并且识别足够预测其余层的精确的小组层。我们通过分析合成数据和两个真实的多层网络来说明这些发现，一个代表南印度村民之间的社会支持关系，另一个代表疟疾寄生虫基因之间的共享遗传子串材料。
表征在线营销中的产品生命周期：销售，信任，收入和竞争建模
地址： http://arxiv.org/abs/1704.02993
作者： Santosh K C, Arjun Mukherjee
摘要： 最近的研究看到消费者评论分析出现了高涨。虽然已经探索了几个方面，但是在线上产品生命周期中发生的事件的时间动态变化较少。什么是主要销售模式？他们如何受到审查数量，评级，乐观和情绪的影响？信任特征如何，对销售和收入有何影响？在市场竞争中会发生什么？收购/恢复何时发生，销售收入增加百分比？这项工作旨在回答这些基础研究问题，其基于对亚马逊超过100万种产品的评论的销售时间序列分析。我们发现销售的新颖时尚模式和销售与评级的有趣相关性。我们发现信任和乐于助人的收入更高。在分析的基础上，我们提出了一种预测销售量的模型，其显着优于其他基线。然后再探讨市场竞争的现象。特别是，我们描述了在竞争中控制产品生存/死亡的不同因素以及竞争预测模型。大规模审查的实验结果表明了提出的方法的有效性。
科学，宗教与进化教学
地址： http://arxiv.org/abs/1704.03023
作者： P.C. Hohenberg
摘要： 这篇文章讨论了科学与宗教之间的关系，特别是哲学家托马斯·纳格尔（Thomas Nagel）的一篇文章引起的争议，批评了科学机构排除了智能设计的讨论。他还批评了法官在Kitzmiller与Dover的决定，排除了公立学校科学教室智能设计的讨论。提出了斯蒂芬·古尔德（Stephen J.Gould）的论文的辩护，表明科学和宗教代表了不重叠的法律（NOMA）。
网络信息科学
地址： http://arxiv.org/abs/1704.03091
作者： Henrique F. de Arruda, Filipi N. Silva, Cesar H. Comin, Diego R. Amancio, Luciano da F. Costa
摘要： 提出了信息理论与网络科学相结合的框架，形成了网络信息科学的新可能。通过整合和整合诸如复杂性，编码，拓扑预测和网络动态等概念，所提出的基于网络的框架不仅可以扩展传统的信息科学，而且也是建模，表征和分析广泛类型的现实问题从语言交流到DNA编码。基本上，原始网络应该通过一些网络动态（例如随机游走）对其拓扑进行采样而获得的时间序列传输，无需压缩。我们显示压缩程度最终与基于原始网络的拓扑结构和采用的动态预测符号频率的能力有关。关于通过使用各种随机游走来发送几个网络模型的拓扑结构的效率来说明所提出的方法的潜力。获得了几个有趣的结果，包括根据所考虑的动力学在高性能和低性能之间振荡的BA模型的行为，以及为两个类似地理模型获得的不同性能。
struc2vec：从结构身份学习节点表示
地址： http://arxiv.org/abs/1704.03165
作者： Daniel R. Figueiredo, Leonardo F. R. Ribeiro, Pedro H. P. Saverese
摘要： 结构身份是对称的概念，其中根据网络结构及其与其他节点的关系来识别网络节点。结构认同在过去几十年中在理论和实践中进行了研究，但最近才用代表学习的技术来解决。这项工作提出了struc2vec，一个用于学习节点结构身份的潜在表示的新颖而灵活的框架。 struc2vec在不使用节点或边缘属性的情况下评估结构相似性，使用层次来测量不同尺度的相似度，并构建多层图来编码结构相似性并生成节点的结构上下文。数值实验表明，用于学习节点表示的最先进技术无法捕获更强的结构身份概念，而struc2vec在此任务中表现出优异的性能，因为它克服了现有技术的局限性。
关于社会网络应用的神经认知的建模
地址： http://arxiv.org/abs/1704.03192
作者： Jieqiang Wei, Junfeng Wu, Marco Molinari, Vladimir Cvetkovic, Karl H. Johansson
摘要： 在本文中，我们研究社会网络中的神经认知。引入随机模型，并将其展示为在巴甫洛瓦社区和社交网络中引入两个着名的模型，即特殊情况，即Rescorla-Wagner模型和Friedkin-Johnsen模型。讨论了这些模型的解释和比较。我们考虑两种情况，当干扰是独立的相同分布的所有时间和随机变量的分布根据马尔科夫链进化。我们表明，这两种情况的系统是均方稳定的，国家的期望趋于一致。
社会网络信息扩散建模与应用于WeChat
地址： http://arxiv.org/abs/1704.03261
作者： Liang Liu, Bo Qu, Bin Chen, Alan Hanjalic, Huijuan Wang
摘要： 在线社交网络中记录的用户活动痕迹，例如随着时间的推移创建，查看和转发/共享信息，开辟了新的可能性，可以定量和系统地了解社交网络上的信息传播过程。从像WeChat这样的在线社交网络，我们可以收集大量的信息级联树，每个树都会告诉消息/信息的扩展轨迹，例如哪个用户创建信息，哪些用户查看或转发由哪些邻居共享的信息。在这项工作中，我们提出了两种异质非线性模型。这两个模型都通过WeChat数据进行了验证，重现和解释了级联树的关键特征。具体来说，我们首先应用随机递归树（RRT）对级联树拓扑进行建模，捕获关键特征，即级联树的平均路径长度和度数方差相对于树的节点数（大小）。具有单个参数$ \θ$的RRT模型描述了树的增长机制，其中现有树中的节点具有连接到新添加的节点的概率$ d_i ^ {\θ} $。识别的参数$ \ theta $量化级联树的相对深度或宽度，指示信息通过星形广播或病毒式逐跳传播传播。 RRT模型解释了集线器的外观，因此随着级联尺寸的增加，平均路径长度可能会更小，如WeChat所述。我们进一步提出随机敏感视图前向删除（SVFR）模型来描述动态用户行为，包括创建，查看，转发和忽略给定社交网络上的消息。
内容特征对自动在线滥用检测的影响
地址： http://arxiv.org/abs/1704.03289
作者： Etienne Papegnies (LIA), Vincent Labatut (LIA), Richard Dufour (LIA), Georges Linares (LIA)
摘要： 由于互联网人员越来越多，网络社区近年来已经相当重要。在线社区中的用户内容主要是手动执行的，通过自动方法减少工作量对于社区维护者来说具有极大的经济利益。通常，行业使用基本方法，如坏字过滤和正则表达式匹配来协助主持人。在本文中，我们考虑自动确定消息是否滥用的任务。这个任务很复杂，因为消息是以非标准的方式编写的，包括拼写错误，缩写，社区特定的代码...首先，我们使用在线消息的标准功能来评估我们提出的系统。然后，我们评估增加预处理策略的影响，以及为在线浏览器策略游戏社区开发的原始特定功能。我们最后提出使用特征选择来分析这种广泛特征的有用性。这项工作可能会导致两种可能的应用：1）自动标记潜在的滥用消息，以将主持人的注意力集中在一小部分消息上;和2）通过在没有任何人为干预的情况下决定是否滥用信息来完全自动化审核过程。
完全合作共同感染模型中滞后的多样性
地址： http://arxiv.org/abs/1704.03294
作者： Jorge P. Rodríguez, Yu-Hao Liang, Jonq Juang
摘要： 我们提出了一个完全合作的共感染模型，其中单独感染的个体比那些易感患者更可能获得第二种疾病，双重感染的个体也被认为比感染一种疾病的感染者更具传染性。通过混合和基于网络的方法研究了两种相互作用的传染病之间的完全合作共同感染模型的动态。我们显示前一种方法显示三种类型的迟滞，即$ C $，$ S_l $和$ S_r $类型，其中最后两种类型之前未被识别。当传播速率超过下面的阈值时，第一种（即，第二种和第三种）类型显示（相当于，展示）不连续爆发从无病（低流行）状态向高流行状态转变。此外，当传播率达到阈值时，第三种（即，第一种和第二种）类型具有（相当于拥有）从高流行状态到低流行率（即无病）状态的不连续根除过渡以上。还提供了在测量模型的均匀性的参数方面对这三种类型的滞后的完整表征。最后，我们在数值上评估随机网络中的这种流行病学动态。
食物桥梁：新的网络建构揭示烹饪原理
地址： http://arxiv.org/abs/1704.03330
作者： Tiago Simas, Michal Ficek, Albert Diaz-Guilera, Pere Obrador, Pablo R. Rodriguez
摘要： 在这份手稿中，我们提出，分析和讨论传统美食背后的一个可能的新原则：食物桥接假说及其与食品配对假说的比较，使用Ahn等人在食品配对研究中使用的相同数据集和图模型。 。食物桥接假设假定如果两种成分不具有强分子或经验亲和力，则它们可能通过成对亲和力链变得仿射。也就是说，在Ahn等人使用的图形模型中，链代表连接两个成分的路径，最短路径代表两种成分之间最强的成对链亲和力链。食物配对和食物搭配是不同的假设，可能描述传统美食配方背后的可能机制。食物配对通过将配方中的成分与相似的化合物混合来增强风味，并且食物桥接平滑成分之间的对比度。传统美食中都观察到食物配对和食物搭配，如本文所示。我们根据食物配对和食物连接观察了四类美食：（1）东亚美食在一个极端倾向于避免食物配对和食物搭配;和（4）拉丁美洲的菜肴，在另一个极端，遵循这两个原则。对于两个中产阶级：（2）东南亚菜，避免食物配对，跟随食物连接;和（3）西餐，跟随食物配对，避免食物搭桥。
在Twitter中的垃圾邮件检测学习网络功能
地址： http://arxiv.org/abs/1704.03404
作者： K C Santosh, Suman Kalyan Maity, Arjun Mukherjee
摘要： 社会媒体正在通过广泛的公共信息增加他们的影响力，从而积极地用于公司和组织的营销。与传统媒体（如电视和报纸）不同，这种营销活动难以识别。因此，确定社交媒体中的推广者是非常重要的。虽然存在着积极的研究，但是现有的方法还远远不能解决问题。要识别这些骗子，了解他们的社交圈创作策略和内容发布动态非常重要。是否有特定的垃圾邮件发送者类型？每种类型的成功如何？我们根据Twitter的社会关系分析这些问题。我们的分析发现两种类型的垃圾邮件发送者及其与内容帖子动态的关系。我们的结果发现垃圾邮件的新颖动态，这是直观和有争议的。我们提出ENWalk，一个通过学习社交媒体用户的功能表征来检测垃圾邮件发送者的框架。我们使用偏移于垃圾邮件动态的随机游戏来学习特征表征。大型Twitter网络的实验结果和相应的推文显示了我们的方法的有效性，优于现有的方法
以多层网络为基础的以节点为中心的社区检测，具有层次覆盖多样化偏好
地址： http://arxiv.org/abs/1704.03441
作者： Roberto Interdonato, Andrea Tagarelli, Dino Ienco, Arnaud Sallaberry, Pascal Poncelet
摘要： 信息网络中以节点为中心或本地社区检测的问题是指给定输入节点的社区的识别，具有关于网络拓扑的有限信息。然而，现有的解决这个问题的方法并不适用于复杂的网络。在本文中，我们提出了一种基于多层网络模型的本地社区检测新颖框架。根据基于多层相似性的社区关系，我们的方法依赖于社区内部连接密度与外部连接密度之间的比例最大化。我们还定义了一种偏好计划，允许发现以不同程度的层次覆盖多样化为特征的当地社区。对现实世界多层网络进行的实验评估显示了我们的方法的意义。
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。
