- 控制复杂网络拥塞：公平，效率和网络结构;
- 具有重叠社区的稀疏和模块化图的可交换随机度量;
- 二十世纪的波动与经济增长;
- 使用模块化密度测量的网络社区检测;
- 风险与互动厌恶：囚徒困境中的筛选机制;
- GitHub和StackOverflow：分析跨越多个社交协作平台的开发者兴趣;
- 发现Facebook的政治话题讨论主题与谱语境化;
- 协同推理共存信息扩散;
- 具有随机性的智能驱动器模型 - 对交通流动振荡的新见解;
- 用于测试社区检测算法的分层基准图;
控制复杂网络拥塞：公平，效率和网络结构
地址： http://arxiv.org/abs/1512.09293
作者： Lubos Buzna, Rui Carvalho
摘要： 我们考虑两个基本（最大流量和均匀流）和两个现实（最大 - 最小公平和比例公平）拥塞控制方案，并分析算法和网络结构如何影响吞吐量，流量分配的公平性和位置瓶颈边。更实际的比例公平和最大 - 最小公平算法具有类似的吞吐量，但是径流分配在无标度上比在随机规则网络中更不平等。无标度网络的均匀流算法中的随机规则对等体的吞吐量较低，这在复杂的网络文献中是有利的。然而，我们显示，在度数指数$ \ gamma $和平均度$ {k} $给出的参数空间区域的所有其他拥塞控制算法上，这种关系是相反的。此外，均匀流算法严重低估了拥塞网络的网络吞吐量，并且路径流分配的丰富现象学仅存在于更逼真的$ \ alpha $ -fair算法系列中。最后，我们展示了通过边的路径数量表征了这些算法中各种瓶颈边的位置。瓶颈的这种识别可以在复杂网络的两个领域和拥塞控制之间提供桥梁。
具有重叠社区的稀疏和模块化图的可交换随机度量
地址： http://arxiv.org/abs/1602.02114
作者： Adrien Todeschini, Xenia Miscouridou, François Caron
摘要： 我们提出了一种具有重叠社区结构的稀疏网络的新型统计模型。该模型基于将图表示为可交换点过程，并且自然地将具有重叠块结构的现有概率模型推广到稀疏状态。我们的建设建立在完全随机措施的载体上，并具有可解释的参数，每个节点都被分配一个向量，代表其与一些潜在社区的隶属关系。我们开发模拟这类随机图的方法，以及进行后推理。我们表明，所提出的方法可以从两个现实世界网络中恢复可解释的结构，并且可以处理具有数千个节点和数万个边的图。
二十世纪的波动与经济增长
地址： http://arxiv.org/abs/1708.06792
作者： Mercedes Campi, Marco Dueñas
摘要： 二十世纪是经济增长良好，收入分配不平等的时期。本文分析了二十世纪国际增长率分布及其动态。我们表明，整个世纪的特点是国内生产总值人均增长率分布的高度异质性，反映在区域层面和不同发展水平国家不同的形式和分布的持续不对称性。我们发现，在二十世纪上半叶出现的全球冲突背景下，主要涉及大型经济体的国家波动与国家规模之间的众所周知的负规模关系并不显着。 1956年以后，波动率的再分配导致了显着的负规模关系，最近被认为是经济组织发展的强大特征。我们的结果有助于更多的实证事实，引起对传统宏观经济理论的关注，以更好地解释增长过程的潜在复杂性，并揭示其历史演变。
使用模块化密度测量的网络社区检测
地址： http://arxiv.org/abs/1708.06810
作者： Tianlong Chen, Pramesh Singh, Kevin E. Bassler
摘要： 模块化自介绍以来一直是评估复杂网络中社区结构质量的最广泛使用的指标之一。然而，与模块化相关的分辨率限制问题限制了其对社区大小小于一定规模的网络的适用性。在过去，已经有各种尝试来解决这个问题。为了解决模块化方面的一些已知问题，特别是分辨率限制问题，最近为了解决网络中社区结构的质量，引入了新的度量标准模块化密度。模块化密度解决了使用模块化方面无法检测到的一些社区。但是，我们发现，通过调查一些无法检测到预期的社区结构的情况，完全不能解决限制问题。为了解决这个问题，我们引入了这个度量的一个变体，并表明它进一步降低了分辨率限制问题，有效地消除了广泛的网络中的问题。
风险与互动厌恶：囚徒困境中的筛选机制
地址： http://arxiv.org/abs/1708.06844
作者： Gabriel A. Canova, J. J. Arenzon
摘要： 当合作者（C）和叛逃者（D）之间的相互作用可以在一个群体中被部分地避免时，可能总体上加强合作。存在这种筛选机制的一个例子是出现在对他人是中立的风险厌恶者（孤独者，L）的存在下，即无论其战略如何，L及其对手都能获得相同的收益。他们在囚徒困境（PD）博弈中的存在使合作者和叛逃者的共存远远超出了他们缺席的水平。另一种筛选机制是通过例如场地稀释晶格获得的异质景观。在这种情况下，通过一部分这种非活动的互动网站来增强合作。通过考虑两种机制的相互作用，我们可以看出，密度范围内爆炸性增加，恰好高于渗透阈值，阻止了中立性，孤独者灭绝，行为恢复到纯PD博弈。有趣的是，尽管叛逃者在该地区通常是丰富的，但这也是如此。这一点必须与未稀释的情况下的相应的无孤立地区进行比较，除了非常小的情况外，由合作者主导。
GitHub和StackOverflow：分析跨越多个社交协作平台的开发者兴趣
地址： http://arxiv.org/abs/1708.06860
作者： Roy Ka-Wei Lee, David Lo
摘要： 软件开发人员越来越多地使用各种社交协作平台进行软件开发和学习。在这项工作中，我们检查了开发人员在GitHub和Stack Overflow内部和之间的兴趣的相似之处。我们的研究发现，开发人员在GitHub和Stack Overflow中共享共同的兴趣，平均来说，39％的GitHub存储库和Stack Over的问题，开发人员参与的问题符合共同的利益。此外，开发人员与两个平台中共同参与活动的其他开发人员也有类似的兴趣。特别是，与共同参与其他平台活动的其他开发人员相比，共同提交和共同提出请求相同的GitHub存储库并共同回答相同的Stack Overflow问题的开发人员共享更多的共同兴趣。
发现Facebook的政治话题讨论主题与谱语境化
地址： http://arxiv.org/abs/1708.06872
作者： Yilin Zhang, Marie Poux-Berthe, Chris Wells, Karolina Koc-Michalska, Karl Rohe
摘要： 我们提出了一种新技术，谱语境化，在2012年法国总统大选期间研究Facebook上的政治参与。特别是，我们研究了八位主要候选人的Facebook职位以及这些职位下的意见。我们发现了（i）以候选人为中心的结构的证据，其中公民主要评论一个候选人的墙壁和（ii）以问题为中心的结构（即政治主题），其中公民的注意力和表达主要针对具体的一系列问题（如经济，移民等）。为了发现以问题为中心的结构，我们开发了谱语境化，一种用高维节点协变量分析网络的新方法。这种技术可以扩展到成千上万个节点和数千个协变量。在Facebook数据中，没有任何语境信息的谱聚类找到（i）候选和（ii）问题集合的混合。具有文本数据的语境化信息有助于分离这两个结构。我们得出结论，表明这种新颖的方法在统计模型下是一致的。
协同推理共存信息扩散
地址： http://arxiv.org/abs/1708.06890
作者： Yanchao Sun, Cong Qian, Ning Yang, Philip S. Yu
摘要： 最近，\ textit {扩散历史推论}已经成为一个新兴的研究课题，因为它对各种应用有很大的好处，其目的是根据不完整的观察重建信息扩散轨迹的遗漏历史。然而，现有的方法通常只关注单个信息扩散跟踪，而在现实社会网络中，通常在同一网络上共存多个信息扩散。在本文中，我们提出了一种称为协同推理模型（CIM）的新方法，用于推论共存信息扩散的问题。通过利用共存信息扩散之间的协同作用，CIM将多个信息扩散整体模拟为稀疏的4阶张量，称为共存扩散张量（CDT），没有任何先验假设的扩散模型，并通过一个共同的信息扩散历史CDT的低阶近似与来自附加数据源的异质约束的融合。为了提高效率，我们进一步提出了一种称为基于时间窗的并行分解算法（TWPDA）的最优算法，可以通过利用信息扩散的时间局部性来加快推理而不会对精度造成任何影响。对现实世界数据集和合成数据集进行的广泛实验验证了CIM和TWPDA的有效性和效率。
具有随机性的智能驱动器模型 - 对交通流动振荡的新见解
地址： http://arxiv.org/abs/1708.06952
作者： Martin Treiber, Arne Kesting
摘要： 交通流量振荡，包括交通波，是拥挤交通的一个常见但不完全了解的特征。可能的机制包括交通流动不稳定，无差异区域或有限的人类感知阈值（行动点）和外部加速度噪声。然而，在某种情况下，这些因素的相对重要性尚不清楚。通过向智能驾驶员模型和其他车辆跟随模型添加外部噪声和动作点，从而获得包含所有三种振荡机制的最小模型，从而将光引入此问题。我们分析地表明，即使在线性稳定流动的次临界状态（订单参数$ \ epsilon <0 $）中，外部白噪声也导致时空速度相关性“预期”线性不稳定状态的波形。幅度足够远离阈值，幅度以$（ - \ epsilon）^ { - 0.5} $。通过对实验车队和自行车交通的模拟和比较，我们显示具有动作点的外部噪声和无差异区域具有基本相同的效果。此外，流量不稳定主导高速公路的振荡，而外部噪声或行动点以低所需速度（例如车辆城市或自行车交通量）占优势。对于自行车交通工具，噪音甚至可能导致完全发达的波浪，即使是在亚临界体系中的单文件流量。
用于测试社区检测算法的分层基准图
地址： http://arxiv.org/abs/1708.06969
作者： Zhao Yang, Juan I. Perotti, Claudio J. Tessone
摘要： 分层组织是复杂系统的一个重要的，普遍的特征;为了理解他们的组织，描述其组成部分之间的相互作用的基础（通常是复杂的）网络的研究起着核心作用。许多以前的作品已经表明，社会，生物和技术系统中的许多现实世界网络呈现出层次化的组织，通常是社区结构层次结构的形式。已经提出了许多人工基准图，以便测试不同的社区检测方法，但是没有开发基准来彻底测试分层社区结构的检测。在本研究中，我们通过扩展基准图的Lancichinetti-Fortunato-Radicchi（LFR）集合来填补这一空缺，采用Ravasz和Barab“asi提出的构建分级网络的规则。我们采用此基准测试三种最流行的社区检测算法，并使用传统的互信息和最近推出的层次互信息量化其准确性。结果表明，Ravasz-Barab \ asi-Lancichinetti-Fortunato-Radicchi（RB-LFR）基准产生了复杂的层次结构，构成了被考虑的社区检测方法的具有挑战性的基准。
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 https://www.complexly.me 进行更新，并提供RSS订阅。
