- 在收集之前思考：建立社交媒体研究的数据收集方法;
- 陪审团审议中的羊群效应和顽固的证据;
- 批发电力市场的相关性与聚类;
- PyPSA-ZA：高时空的细节下南非整合风能和太阳能的投资和运营协同优化;
- 互动网络与系统危机的非关键性：渗透分析;
- 平均场变分推理的社团检测理论与计算保证;
- 用Letheia忘记遗忘，对持续观察者隐藏内容的删除;
- 表征跨域复杂网络的结构多样性;
- 全局排名估算;
- 支持人类的社交机器人;
- Slashdot动物园：挖掘带有负边的社会网络;
- 调查社会团体对单向行人流动的影响;
- 在多人在线游戏中大规模地研究社会网络结构和团队表现;
- 本地核心成员辅助社区结构检测;
- 绕过重连和极度鲁棒的欧拉网络;
- 情感议定书：利用人群智慧的分散化议定书;
在收集之前思考：建立社交媒体研究的数据收集方法
原文标题： Think before you collect: Setting up a data collection approach for social media studies
地址： http://arxiv.org/abs/1601.06296
作者： Philipp Mayr, Katrin Weller
摘要： 本章讨论了设计社交媒体研究数据收集设置的重要挑战。它概述了如何仔细考虑收集和使用哪些数据，并且认识到特定数据收集方法可能对可执行的分析类型产生的影响以及可以在研究。我们将在设置数据收集框架之前突出重点提出的问题，并将其与访问社交媒体数据的不同选项相关联。本章主要以Twitter和Facebook的研究为例。研究德国2013年选举期间的政治交流案例研究应作为实际应用场景。在这个案例研究中，我们使用Facebook和Twitter的数据，基于不同的收集方式构建了几个社交媒体数据集。
陪审团审议中的羊群效应和顽固的证据
原文标题： Evidence of Herding and Stubbornness in Jury Deliberations
地址： http://arxiv.org/abs/1710.11180
作者： Keith Burghardt, William Rand, Michelle Girvan
摘要： 我们探讨如何从宏观统计学推断集体决策的机制，特别是陪审团审议的机制。我们首先假设竞争意见的动态可以在联合分配最终投票和时间来做出决定时留下“指纹”。我们通过对来自不同年份收集的不同国家的陪审团数据集进行建模来探讨这一假设，并确定哪些模型最能解释陪审团的意见动态。在我们最适合的模式中，个人陪审员具有通过陪审团多数意见的“放牧”倾向，但随着他们目前的意见增加的时间量的增加，他们对改变观点的抵制也是如此称为“越来越顽固”）。相比之下，其他没有增加固执的模型，或没有放牧，就会对数据造成较差的影响。我们的研究结果表明，固执和放牧在集体决策中起着重要的作用。
批发电力市场的相关性与聚类
原文标题： Correlations and Clustering in Wholesale Electricity Markets
地址： http://arxiv.org/abs/1710.11184
作者： Tianyu Cuy, Francesco Caravelli, Cozmin Ududec
摘要： 我们研究了日前和实时批发电力市场中的位置边际价格结构。特别是我们考虑两个北美市场的情况，并表明价格相关性包含了电网位置结构的信息。我们研究各种聚类方法，并引入一种基于spiky时间序列的事件同步的相关函数，另一种基于市场提供的位置名称的字符串相关性。这允许我们重新构建网格的位置结构的方面。
PyPSA-ZA：高时空的细节下南非整合风能和太阳能的投资和运营协同优化
原文标题： PyPSA-ZA: Investment and operation co-optimization of integrating wind and solar in South Africa at high spatial and temporal detail
地址： http://arxiv.org/abs/1710.11199
作者： Jonas Hörsch, Joanne Calitz
摘要： 南非正处于获得高质量风能和太阳能资源的有利位置，能源生产成本远远低于将来安装的发电量;但低碳能源系统的可行性仍在审视之中。本研究介绍了空间和时间上解决的技术经济模型共同优化发电和输电能力的投资和运行。根据IRP2016基准假设，南非的27个供应地区配备了一年的按小时分列的时间序列。评估和讨论了对可再生能源发电和减排温室气体排放措施的不同限制的八个不同情景。发现可再生能源的70％的能源是利用灵活的天然气生产和扩建几个输送走廊进行成本最优的整合。 95％的CO $ {} _ 2 $减少导致成本增加20％的中等程度。模型的开源性质和限制免费提供的数据鼓励对未来南非能源系统的可访问和透明的讨论，主要基于可再生风能和太阳能资源。
互动网络与系统危机的非关键性：渗透分析
原文标题： Non-criticality of interaction network over system's crises: A percolation analysis
地址： http://arxiv.org/abs/1710.11267
作者： Amir Hossein Shirazi, Abbas Ali Saberi, Ali Hosseiny, Ehsan Amirzadeh, Pourya Toranj Simin
摘要： 从多变量时间序列中提取交互网络是复杂系统广泛关注的话题之一。虽然这种方法有广泛的应用，但以前的大多数分析都集中在成对关系上。在这里，我们建立了这样一种方法的潜力，通过与渗透理论的概念联系来引出系统的聚合行为。研究从指标相关网络提取的金融市场动态交互网络，建立加权网络。与渗透模型相对应，我们发现，除了金融危机之外，互动网络的行为像一个关键的随机网络Erd \ H {o} sR '{e} nyi，在接近金融危机时，我们的模型偏离关键的随机网络和不同大小的不同的行为。我们进行进一步分析，以澄清我们的观察不是危机相关性增长的简单后果。
平均场变分推理的社团检测理论与计算保证
原文标题： Theoretical and Computational Guarantees of Mean Field Variational Inference for Community Detection
地址： http://arxiv.org/abs/1710.11268
作者： Anderson Y. Zhang, Harrison H. Zhou
摘要： 平均值变分贝叶斯法在统计学和机器学习中越来越受欢迎。其迭代坐标上升变分推理算法已广泛应用于大规模贝叶斯推理。参见Blei等人（2017年）进行综合评估。尽管平均场方法的普及，但是基本的理论理论基本上没有太大的区别。据我们所知，迭代算法从未对任何高维和复杂模型进行研究。在本文中，我们研究了随机块模型下社区检测的平均场方法。对于迭代的Batch Coordinate Ascent Variational Inference算法，我们可以看出它具有线性收敛速度，并在$ \ log n $ iterations内收敛到最小值。这补充了Bickel等人的结果。 （2013），研究了平均场变分贝叶斯的全局最小值，并得到了全局模型参数的渐近正态估计。此外，我们获得了吉布斯抽样的类似的最优结果，并计算最大似然估计的迭代程序，这可以是独立的。
用Letheia忘记遗忘，对持续观察者隐藏内容的删除
原文标题： Forgetting the Forgotten with Letheia, Concealing Content Deletion from Persistent Observers
地址： http://arxiv.org/abs/1710.11271
作者： Mohsen Minaei, Mainack Mondal, Patrick Loiseau, Krishna Gummadi, Aniket Kate
摘要： 大多数人今天容易在社交平台上公开披露他们的个人信息。作为一种应对策略，这些平台提供了允许用户删除其职位的机制，并且很大一部分用户行使此权利被遗忘。然而，具有讽刺意味的是，在实践中，用户试图通过删除来减少对敏感帖子的关注，吸引了来自缠扰者，好奇的朋友，甚至特别是那些（删除的）帖子的勒索者的不必要的注意。事实上，今天有多个第三方服务可以识别和囤积数百万用户的删除帖子。因此，一般来说，删除可能会使用户更容易受到对其隐私的攻击，用户希望使他们的帖子被遗忘的话可能会面临“如果我不这样做，如果我没有”困境就会死亡“的困境。以间歇性取款的形式，我们提出了一个相当破坏性的解决方案（Letheia），这个问题（真的）忘记了遗忘。如果平台愿意放弃不间断的非删除帖子的可用性，Letheia将在长时间内为已删除的帖子提供隐私。在Letheia，对抗观察者不确定某些职位是永久删除还是暂时撤回;与此同时，对抗观察家也被大量虚假的未被删除的职位淹没。我们分析关于用户通过Twitter删除的大规模数据，并彻底调查如何选择临时提款和未删除职位的复活之间交替的持续时间分配。我们在不同的设置下，在Letheia的隐私，可用性和对抗性开销之间找到一个有利的平衡。例如，我们显示，在保持高达95％的内容可用性的同时，Letheia从删除时提供最多3个月的删除隐私，同时仍将对抗精度保持在20％。
表征跨域复杂网络的结构多样性
原文标题： Characterizing the structural diversity of complex networks across domains
地址： http://arxiv.org/abs/1710.11304
作者： Kansuke Ikehara, Aaron Clauset
摘要： 复杂网络的结构在数十年来一直是许多科学和工程学科的兴趣所在。本领域的一些研究重点是寻找不同类型网络的共同特征，如重尾度分布，小世界和模块化结构，并试图在复杂网络中建立结构普遍性理论。然而，为了解释我们在现实世界网络中观察到的结构多样性，不同领域的网络结构没有全面的研究。在本文中，我们研究了986个不同领域的现实世界网络，从生态食物网到在线社会网络以及四个流行网络模型产生的575个网络。我们的研究利用一些机器学习技术，如随机森林和混淆矩阵，以显示网络域之间的网络结构关系。我们的研究结果表明，网络类别中存在一些纯粹基于网络结构的网络难以区分的分区。我们已经发现，网络类别的这些分区倾向于具有类似的基本功能，约束和/或网络的生成机制，即使相同分区中的网络具有不同的起源，例如生物过程，人类的工程结果等。表明网络的起源，无论是生物的，技术上的还是社会的，可能不一定是形成类似网络结构的决定性因素。我们的研究结果揭示了我们可以揭示复杂网络结构多样性隐藏原则的可能方向。
全局排名估算
原文标题： Global Rank Estimation
地址： http://arxiv.org/abs/1710.11341
作者： Akrati Saxena, S. R. S. Iyengar
摘要： 在现实世界的复杂网络中，节点的重要性取决于两个重要参数：1.节点的特征，以及2.给定应用的上下文。目前的文献包含了几种中心度量，这些措施被定义为基于给定的应用需求来测量节点的重要性。这些中心性度量为每个表示其重要性指标的节点分配中心价值。但是在实际应用中，我们对基于给定中心度量度的中心位置可以测量的节点的相对重要性更感兴趣。为了计算一个节点的中心秩序，我们需要计算所有节点的中心性值，并对它们进行比较以获得等级。此过程需要整个网络。因此，由于现实世界网络规模大，动态性强，对现实应用来说是不可行的。在本项目中，我们的目标是提出快速有效的方法来估计节点的全局中心秩序，而不计算所有节点的中心性值。这些方法可以进一步扩展到估计排名，而不需要整个网络。提出的方法使用中心度量，抽样技术或机器学习模型的结构行为。在这项工作中，我们还讨论了如何将这些方法应用于程度和接近度中心秩序估计。
支持人类的社交机器人
原文标题： Socialbots supporting human rights
地址： http://arxiv.org/abs/1710.11346
作者： E. Velázquez, M. Yazdani, P. Suárez-Serrato
摘要： 社交媒体或非人类/算法社交媒体用户最近被记录为竞争在线社会网络上的信息传播和中断。在这里，我们调查墨西哥Twitter的社交媒体对“Tanhuato”侵权行为报告的影响。我们分析BotOrNot API的适用性，从英语到西班牙语推文推广，并提出适应西班牙语的bot检测。然后，我们使用文本和情感分析来比较机器人和人类推文之间的差异。我们的分析表明，机器人实际上有助于人类用户的信息增殖。这表明分类机器人的分类法也应该包括非对抗角色。我们的研究有助于了解在实证在线社会网络数据中观察到的自动化账户的不同行为和意图。由于这种类型的分析很少用不同于英语的语言进行，所以我们在这里使用的技术也适用于其他非英语语料库。
Slashdot动物园：挖掘带有负边的社会网络
原文标题： The Slashdot Zoo: Mining a Social Network with Negative Edges
地址： http://arxiv.org/abs/1710.11395
作者： Jérôme Kunegis, Andreas Lommatzsch, Christian Bauckhage
摘要： 我们分析了Slashdot技术新闻网站的用户关系语料库。数据来自Slashdot Zoo功能，该网站的用户可以将其他用户标记为好友和敌人，并提供正面和负面的认可。我们将社会网络分析技术应用于负边权重问题。特别地，我们考虑全局网络特征的签名变体，例如聚类系数，诸如中心性和流行度度的节点级特征以及诸如距离和相似性度量之类的链路级特征。我们评估这些措施用于识别不受欢迎的用户，以及预测链接符号的任务，并表明网络呈现乘法传递性，允许使用基于矩阵乘法的代数方法。我们将我们的方法与仅适用于正加权边的传统方法进行比较。
调查社会团体对单向行人流动的影响
原文标题： Investigating the effect of social groups in uni-directional pedestrian flow
地址： http://arxiv.org/abs/1710.11460
作者： Luca Crociani, Yiping Zeng, Andrea Gorrini, Giuseppe Vizzari, Weiguo Song
摘要： 通过离散模型，在单向流动特征的情景下研究了二元组成员之间的凝聚力的影响：模拟了具有不同宽度的瓶颈的房间的走廊和出口。该模型利用自适应机制管理模拟组成员的动态，根据组的分散平衡运动的概率;通过参数$ \ kappa_c $和$ \ delta $校准内聚机制。所有场景都用两个程序进行模拟：（1）由个体行人组成的群体，以验证模拟模型并提供基线数据; （Proc。2）人口，包括二元组（50％的模拟行人），以验证其影响。在走廊情景中，双层的存在导致中高密度下的速度和特定流量的降低。从一个独特的中央出口的平方房出来，符合最近文献研究的结果，同时也表明二者对动态产生负面影响，通常导致步行速度较慢，行人流量下降。忽略二元组的存在将导致过高估计出口流。
在多人在线游戏中大规模地研究社会网络结构和团队表现
原文标题： Large-scale study of social network structure and team performance in a multiplayer online game
地址： http://arxiv.org/abs/1710.11507
作者： Antti Ukkonen, Juho Hamari
摘要： 对理论和实践感兴趣的一个问题是，如果团队成员之间的熟悉程度如何，就社会网络结构而言，与团队在某项任务中的成功有关。在本文中，我们以新颖的方式重新审视了这个重要问题，通过采用Dota 2的游戏结果统计数据，这是一个流行的基于团队的多人在线游戏，并结合了Steam社区的网络数据，Steam社区是玩家社会网络服务。我们对4168个团队进行了大规模的分析，研究网络密度，团队内社会网络的最小和最大程度与团队绩效相关，并确定团队技能如何调节此关联。我们观察到，最低程度与良好的表现强烈相关，特别是在技能较低的团队中。连同我们在本文中证实的以前的网络密度结果，我们的研究结果表明，一个成功的团队不仅在整体上是中等程度的连接，而且其成员在团队关系中也应该不会太少也不会太多。
本地核心成员辅助社区结构检测
原文标题： Local Core Members Aided Community Structure Detection
地址： http://arxiv.org/abs/1710.11539
作者： Xiaoping Fan, Zhijie Chen, Fei Cai, Jinsong Wu, Shengzong Liu, Zhining Liao, Zhifang Liao
摘要： 朋友在社会网络中的关系可能是强弱的。一些研究工作表明，朋友之间的密切关系形成良好的社区结构。基于这一结果，我们提出了一种基于邻居关系密切度检测社会网络社区结构的有效方法。该方法计算每个邻居节点与核心节点之间的重力，然后判断节点是否应在社区中进行分类，最终形成社区检测过程。实验结果表明，提出的方法可以有效地挖掘社会结构，计算复杂度低
绕过重连和极度鲁棒的欧拉网络
原文标题： Bypass rewiring and extreme robustness of Eulerian networks
地址： http://arxiv.org/abs/1710.11575
作者： Junsang Park, Seungwon Shin, Sang Geun Hahn
摘要： 旁路重连使得网络对于删除节点（包括故障和攻击）非常有效。引入了有向网络旁路重连的概念，在无限有向随机网络上进行随机旁路重连，并进行了仿真分析和数值分析。因此，随机旁路重连使得无限有向（无向）随机网络非常鲁棒，除了有限节点之外，每个节点的度数等于外向度（均匀度）。因此，我们得出一个广义的结果，网络具有强连接的跨越子网络，该子网络具有欧拉路径或循环，当且仅当存在旁路重连的方式以使得网络对于每个被去除的节点的组合而言非常鲁棒。
情感议定书：利用人群智慧的分散化议定书
原文标题： Sentiment Protocol: A Decentralized Protocol Leveraging Crowd Sourced Wisdom
地址： http://arxiv.org/abs/1710.11597
作者： Anton Muehlemann
摘要： 群众的智慧是当今社会的宝贵财富。预测选举不仅重要，而且在营销和金融业也起着至关重要的作用。拥有值得信赖的意见来源可以使预测更准确，市场可预测。到目前为止，调查的根本问题是缺乏激励措施，让参与者提供准确的信息。经典解决方案，如小额货币奖励或获奖的机会往往不是很有吸引力，也不会阻止多次输入或随机填写答案。在这项工作中，我们提出了一个通过可定制的激励框架来解决这两个问题的框架。
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。
