- 在无标度网络中优化危机后恢复计划;
- 非泊松活动驱动的时间网络上的随机游走;
- 时间社会网络上包含错误信息的传播;
- 墨卡托：发现复杂网络的如实双曲嵌入;
- 用于抑制网络传播的脉冲策略;
在无标度网络中优化危机后恢复计划
原文标题： Optimization of the post-crisis recovery plans in scale-free networks
地址： http://arxiv.org/abs/1904.10625
作者： Mohammad Bahrami, Narges Chinichian, Ali Hosseiny, Gholamreza Jafari, Marcel Ausloos
摘要： 通用汽车公司或当地企业，在危机后的经济衰退期间哪一个更好受到刺激，政府的刺激是为了克服经济衰退？由于预算限制，要问如何增加经济复苏的机会是非常重要的。回答这个问题的关键要素之一是了解经济网络的亚稳特征。伊辛模型已被建议用于研究文献中的这些特征。在同质网络中，至少需要最小激活，迫使Ising网络切换其局部均衡，其中这种最小值与节点特性无关。然而，在无标度网络中，当人们试图推动网络切换其真空时，面临的问题是最好刺激哪些节点以最小化成本。在该论文中，已经表明，度值高的节点的刺激通常成本较低。尽管有规则的网络，但在无标度网络中，刺激成本取决于网络特征，例如协调性。虽然我们利用伊辛模型来解决经济学中的问题，但我们的分析揭示了许多其他有关社会经济系统刺激的问题。
非泊松活动驱动的时间网络上的随机游走
原文标题： Random walks in non-Poissoinan activity driven temporal networks
地址： http://arxiv.org/abs/1904.10749
作者： Antoine Moinet, Michele Starnini, Romualdo Pastor-Satorras
摘要： 由于新的大量时间分辨数据指出了许多自然和人类交互的突发动态，在复杂系统社区中对非马尔可夫动态的兴趣最近兴起，表现在连续交互之间的事件间时间显示重尾分布。特别是，经验数据表明，时间网络的突发动态可能会对运行在它们之上的动态过程的行为产生深远的影响。在这里，我们研究随机游走的情况，作为扩散过程的范例，展开由非泊松活动驱动动力学产生的时间网络。我们推导出无限网络规模和强老化极限的稳态占用概率和首次通过时间分布的解析表达式，表明非马尔可夫网络上的随机游动动力学与马尔可夫网络中观察到的基本不同。我们在平均事件间发散时间的极限中发现了一种特别令人惊讶的行为，即使节点的激活概率是非均匀分布的，随机游走者感觉网络是同质的。我们的结果得到了广泛的数值模拟的支持。我们预计，研究时间演化复杂拓扑的非马尔可夫动力学的研究人员可能对我们的研究结果感兴趣。
时间社会网络上包含错误信息的传播
原文标题： Containing misinformation spreading in temporal social networks
地址： http://arxiv.org/abs/1904.10801
作者： Wei Wang, Yuanhui Ma, Tao Wu, Yang Dai, Xingshu Chen, Lidia A. Braunstein
摘要： 来自计算机科学，网络科学和数学等各个领域的许多研究人员都在关注如何遏制威胁社会系统和破坏社会健康的互联网错误信息的爆发。关于该主题的大多数研究将个体之间的联系视为静态的，但这些联系随时间而变化，因此社会网络也是时间网络。目前，对于在时间网络中包含错误信息爆发的问题，没有理论上的方法。因此，我们提出了时间网络的错误信息传播模型，并使用新的理论方法对其进行描述。我们提出了一种基于优化最终爆发大小的启发式（HC）策略，该策略优于简化策略，例如包含随机（RC）和包含目标（TC）的策略。我们通过进行广泛的数值模拟和理论分析来验证我们的HC策略在人工和现实网络上的有效性。我们发现HC策略大大增加了爆发阈值并降低了最终爆发阈值。
墨卡托：发现复杂网络的如实双曲嵌入
原文标题： Mercator: uncovering faithful hyperbolic embeddings of complex networks
地址： http://arxiv.org/abs/1904.10814
作者： Guillermo García-Pérez, Antoine Allard, M. Ángeles Serrano, Marián Boguñá
摘要： 我们介绍了Mercator，一种可靠的嵌入方法，用于将真实的复杂网络映射到它们的双曲线潜在几何体中。该方法假设网络结构由流行度 times Similarity mathbb S ^ 1 / mathbb H ^ 2 静态几何网络模型很好地描述，它可以适应任意度分布并重现许多实际网络的关键属性，包括自相似性模式。该算法混合机器学习和最大似然方法以推断底层双曲盘中节点的坐标，观察到的网络拓扑与几何模型之间具有最佳匹配。在快速模式下，Mercator使用模型调整的机器学习技术执行尺寸缩减，以生成快速准确的地图，其质量已经超过文献中的其他嵌入算法。在精化墨卡托模式中，快速模式嵌入结果被视为最大似然估计中的初始条件，这显著提高了最终嵌入的质量。除了作为嵌入工具的准确性之外，Mercator还具有系统地推断节点排序或角度位置以及隐藏度和全局模型参数的明显优势，并且能够嵌入具有任意度分布的网络。总的来说，我们的结果表明，在依赖于模型的框架中混合机器学习和最大似然技术可以促进复杂网络的有意义的映射。
用于抑制网络传播的脉冲策略
原文标题： Pulse strategy for suppressing spreading on networks
地址： http://arxiv.org/abs/1904.10883
作者： Qiang Liu, Xiaoyu Zhou, Piet Van Mieghem
摘要： 在网络传播模型中，每个节点都可以感染其邻居并自发治愈。假设固化随时间均匀发生。脉冲免疫/固化策略更有效并广泛应用于抑制扩散过程。我们通过脉冲固化的基本易感染（SI）过程对流行病过程进行建模，并结合潜在的接触网络。脉冲SI模型的平均场流行阈值显示为 frac 1 lambda_1 ln frac 1 1-p ，其中 lambda_1 和 p 是邻接矩阵的最大特征值和每次固化所覆盖的节点分数。与广泛研究的均匀固化过程相比，我们表明脉冲固化策略节省了大约36.8美元％，即 p 约0.632美元，与网络结构不变的固化操作数量。我们的结果可能有助于相关政策制定者估算控制传播过程的成本。
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。
