- 探索科学合作网络的合作博弈机制;
- 基于作者相似度的姓名消歧误差分析;
- 自组织系统的噪声诱导同步：无限空间中的Hegselmann-Krause动力学;
- 国家旅行数据评估英国车辆电气化影响的数值分析;
- 构建基于位置的社交媒体用户集;
- 用部分时间戳估计网络中的感染源;
- SIR-Hawkes：关于流行病模型和霍克斯点过程的关系;
- 跨非结构化在线社会网络的身份匹配：威胁与对策;
- 复杂网络群体演化预测分析;
- 卡茨中心性的控制分析视角;
- 神经机器翻译对抗训练的作者属性匿名性;
- 复杂网络动态的熵和粗粒化;
- 图过滤器和滤波器组的设计;
- 用领导理念检测动态社会网络中的社区结构;
探索科学合作网络的合作博弈机制
原文标题： Exploring cooperative game mechanisms of scientific coauthorship networks
地址： http://arxiv.org/abs/1711.01404
作者： Zheng Xie, Jianping Li, Miao Li
摘要： 由研究人员之间的合作和竞争所产生的科学合作，反映了有效的人力资源组织。研究人员，他们通过合作获得的预期收益以及他们的合作成本构成了博弈的要素。因此，我们提出了一个合作博弈模型来探索科学共同体网络的演化机制。该模型产生几何超图，其中成本由空间距离建模，并且利益由节点声誉表示。即几何区域依赖于节点在空间和时间上的位置。以正效益 - 负成本为条件的模拟合作策略反映了合作中的空间互惠原则，并产生了高度的聚类和程度相关性，这是合作网络的两个典型特征。模拟的声誉产生了广义的泊松部分和胖尾部出现在经验数据的具体分布中， G。纸团队规模分布。模拟成本和声誉的综合效应再现了程度分布，程度与局部聚类系数之间的相关性等过程。该模型提供了一个个体策略如何引发网络复杂性的例子，以及博弈论社会关系网络。
基于作者相似度的姓名消歧误差分析
原文标题： Merging error analysis of name disambiguation based on author similarity
地址： http://arxiv.org/abs/1711.01406
作者： Zheng Xie, Jianping Li, Miao Li, Dongyun Yi, Yanqin Feng, Zonglin Xie
摘要： 错误地将不同的作者识别为合作者网络的名称消歧中称为合并错误。研究合并误差的测量和分配有助于收集高质量的合作网络。在测量方面，我们提供了一个贝叶斯模型来通过作者相似度来度量错误。我们举例说明了使用模型和合作者相似度来度量由基于初始的名字消歧方法引起的错误。大规模合作网络的实证结果表明，使用合着者相似度不能增加通过姓氏和第一个名字的首字母来消除歧义的准确性。在分布方面，将合着数据表示为超图，假设合并错误率适合超指数的超合并，我们发现超合并网络性质与低合并误差超图的性能高度相似的超图可以由高合并错误超图。这意味着集中在高度超节点的纠错是一个劳动和时间节省的方法来提高共同体网络分析的数据质量。
自组织系统的噪声诱导同步：无限空间中的Hegselmann-Krause动力学
原文标题： Noise-induced synchronization of self-organized systems: Hegselmann-Krause dynamics in infinite space
地址： http://arxiv.org/abs/1711.01432
作者： Wei Su, Jin Guo, Xianzhong Chen, Ge Chen
摘要： 对于基于局部规则的Hegselmann-Krause（HK）动力学在有限空间中的噪声诱导共识，已经得到了很好的理论分析。然而，当系统状态被允许在无限空间中时，会出现严重的数学困难，问题依然存在。在本文中，我们彻底解决了无限空间中允许系统状态的情况，并给出了临界噪声强度。
国家旅行数据评估英国车辆电气化影响的数值分析
原文标题： Numerical Analysis of National Travel Data to Assess the Impact of UK Fleet Electrification
地址： http://arxiv.org/abs/1711.01440
作者： Constance Crozier, Dimitra Apostolopoulou, Malcolm McCulloch
摘要： 准确预测电动汽车的未来电力需求对于制定政策和产业战略至关重要。在这里，我们提出一种方法，使用传统车辆的调查数据创建一组具有代表性的电力需求曲线。这是通过开发一个模型，将旅程和车辆参数映射到能源消耗，并将其单独应用于整个数据集。作为一个案例研究，全国旅行调查被用来创建一组代表一个完全电力的英国车辆的档案。这允许预测所需的电力需求和所需车辆电池的尺寸。另外，通过从数据推断位置信息，评估各种收费策略的有效性。这些结果将在国家计划和作为进一步研究电动汽车影响的投入方面有用。
构建基于位置的社交媒体用户集
原文标题： Building a Location-Based Set of Social Media Users
地址： http://arxiv.org/abs/1711.01481
作者： Christopher Marks, Tauhid Zaman
摘要： 在许多情况下，人们可能希望通过监视当地社交媒体用户的内容来获得环境中的情境意识。通常的挑战是如何从目标位置建立一组用户。在这里，我们介绍一种方法来构建这样一组用户，方法是使用\ emph {expand-classify}方法，从目标位置的一小组种子用户开始，然后迭代收集其邻居，然后对其位置进行分类。我们使用最大似然估计在因子图模型上执行这种分类，该因子图模型结合了用户简档的特征以及社会网络连接。我们表明，最大似然估计减少到在适当定义的图上解决最小割问题。使用我们的方法，我们能够在几个小时内为许多不同的地点获得几千名用户。通过使用地理位置数据，我们发现我们的方法对于居民少于50万的人口中心来说通常具有良好的准确性，而对于大型城市而言，性能会有所下降。我们还发现，我们的方法能够以比现有的搜索方法更高的准确度收集更多的用户。最后，我们表明，通过研究通过我们的方法获得的具体用户的内容，我们可以确定菲律宾等地的重大社会动荡的发生。
用部分时间戳估计网络中的感染源
原文标题： Estimating Infection Sources in Networks Using Partial Timestamps
地址： http://arxiv.org/abs/1711.01537
作者： Wenchang Tang, Feng Ji, Wee Peng Tay
摘要： 我们研究基于网络拓扑识别网络中感染源的问题，以及感染时间戳的一个子集。对于树状网络中单个感染源的情况，我们推导出源和未知扩散参数的最大似然估计量。然后，我们引入一个新的启发式，涉及一个参数化格罗莫夫矩阵族的优化，为通用图开发一个单一的源估计算法。与文献中普遍采用的广度优先搜索树启发式算法相比，仿真结果表明，与其他几种基准算法相比，我们的方法具有更好的估计精度，即使这些算法需要扩散参数等更多的信息。接下来我们开发了一般图的多源估计算法，首先将图分割成源候选集，然后将单源估计算法应用到每个集群。我们显示，如果图是一棵树，那么每个源候选集群至少包含一个源。使用合成网络和真实网络的仿真以及使用真实世界的数据的实验表明，我们提出的算法能够在少量的跳跃内估计真实的感染源，并观察到感染时间戳的一小部分。
SIR-Hawkes：关于流行病模型和霍克斯点过程的关系
原文标题： SIR-Hawkes: on the Relationship Between Epidemic Models and Hawkes Point Processes
地址： http://arxiv.org/abs/1711.01679
作者： Marian-Andrei Rizoiu, Swapnil Mishra, Quyu Kong, Mark Carman, Lexing Xie
摘要： 用于在线信息扩散建模的两个主要框架是流行病模型和霍克斯点过程。前者将信息视为蔓延到在线用户群体中的病毒性传染病，并采用最初在流行病学领域开发的工具。后者认为个人广播信息是一个点过程中的事件，他们根据观察（或假定）的社会原则调整事件率;它们已被广泛用于金融和地球物理等领域。在这里，我们首先研究这两个成熟框架之间的联系，我们发现它们是等价的。更确切地说，霍克斯模型中的事件发生率与易感染 - 恢复（SIR）模型中的新感染率相同，因为它们对恢复事件的预期是一个霍克斯过程中未被发现的。这为将跨框架的一个框架开发的工具应用到其他框架铺平了道路。我们在这项工作中还做了三个贡献。首先，我们提出霍克斯N，它是霍克斯基本模型的扩展，其中我们引入了可能发生的有限最大事件数的概念。其次，我们展示HawkesN来比现有的最先进的Hawkes建模更好地解释真实的转推级联。在观察级联时可以学习人口的大小，但需要大量的训练数据。第三，我们采用基于马尔可夫链的SIR方法来计算HawkesN配置的部分观察级联的最终尺寸分布。我们对在线流行度的普遍感知随机性提出了一个解释：实际扩散级联的最终尺寸分布倾向于具有两个最大值，一个对应于大的级联尺寸，另一个对应于大约零。
跨非结构化在线社会网络的身份匹配：威胁与对策
原文标题： Profile Matching Across Unstructured Online Social Networks: Threats and Countermeasures
地址： http://arxiv.org/abs/1711.01815
作者： Anisa Halimi, Erman Ayday
摘要： 在这项工作中，我们提出了一个非结构化在线社会网络（OSNs）的配置文件匹配（或deanonymization）攻击，其中图结构的相似性不能用于配置文件匹配。我们考虑用户公开分享的不同属性。这些属性既包括用户名等明显的标识，也包括用户在不同平台的不同帖子之间的兴趣相似或情感变化等非显而易见的标识。我们研究了使用这些属性的不同组合对配置文件匹配的影响，以便以广泛的方式显示隐私威胁。我们提出的框架主要依赖于机器学习技术和优化算法。我们对由我们构建的两个实际数据集评估提议的框架。我们的结果表明，不同OSN中的用户的配置文件可以通过仅使用公共共享属性并且不使用OSN的基础图结构而以高概率匹配。我们还提出了可能的对策，以降低用户共享的属性的准确性（或效用）为代价来减轻这种威胁。我们制定了用户的隐私和个人资料效用之间的折中方案作为优化问题，并显示用户的个人资料略有变化会减少攻击的成功。我们相信，这项工作将是一个宝贵的一步，为用户建立一个隐私保护工具，防止OSN之间的配置文件匹配攻击。
复杂网络群体演化预测分析
原文标题： Analysis of group evolution prediction in complex networks
地址： http://arxiv.org/abs/1711.01867
作者： Stanisław Saganowski, Piotr Bródka, Michał Koziarski, Przemysław Kazienko
摘要： 在一个对接受度和社会社群成员高度期望的世界中，预测社会群体演化的能力似乎是一项令人着迷的研究任务，但却非常复杂。因此，进行了问题分解，提出了一种新的，适应性强，通用的社会网络群体演化预测方法（称为GEP）。 （1）对众多参数（时间窗口类型和大小，社区检测方法，演化链长度，分类器使用等）的分析，（2） ）与其他现有方法进行比较分析，（3）将转移学习概念适应于群体演化预测，（4）用更合适的训练集增强分类模型，（5）预测更远和更多的未来事件。此外，还提出了许多反映特定时间的社区状态的新的预测特征，并提供了对分类过程最有价值的特征的排名。此外，这项工作确定了现有的演化预测方法的一些问题。其中最严重的是方法问题，应用范围狭窄，验证不足，对方法和实验进行了肤浅的描述，以及与其他方法缺乏或不可靠的比较。
卡茨中心性的控制分析视角
原文标题： A control analysis perspective on Katz centrality
地址： http://arxiv.org/abs/1711.01891
作者： Kieran J. Sharkey
摘要： 有效地控制在网络上传播的动态的方法通常基于识别最有影响力的节点。这些节点的知识可以用于有针对性地控制动态，如流行病，或用于修改与疾病相关的生物化学途径。同样，它们对于确定在社会支持网络和物流网络等方面提高网络弹性的失败点也很有价值。为了实现这些目标，许多措施常常被称为“中心性”。在这里，我们考虑卡茨的中心性，并提供一个新的解释作为连续时间动态的稳态解决方案。这使我们能够实施敏感性分析，类似于生化途径分析中使用的代谢控制分析。结果产生了一个中心性，它为每个节点量化其不在网络中的净影响。它还具有要求具有高中心性的节点在传播系统的动力学方面发挥核心作用的理想性质，即具有既能接收来自其他人的流量又能传递其能力的能力。对Katz中心性的这一新观点对于有向网络的更全面的分析非常重要。
神经机器翻译对抗训练的作者属性匿名性
原文标题： Author Attribute Anonymity by Adversarial Training of Neural Machine Translation
地址： http://arxiv.org/abs/1711.01921
作者： Rakshith Shetty, Bernt Schiele, Mario Fritz
摘要： 基于文本的分析方法允许揭示隐私相关的作者属性，如性别，年龄和文本作者的身份。即使作者试图删除隐私敏感内容，这样的方法也可能危及匿名作者的隐私。在本文中，我们提出了一种自动方法，称为敌对作者属性匿名神经翻译（A4NT），以打击这种基于文本的对手。我们将机器翻译中使用的序列到序列的语言模型和生成的敌对网络结合起来，混淆了作者的属性。与需要配对数据的机器翻译技术不同，我们的方法可以在包含不同作者的不成对的文本语料库上进行训练。重要的是，我们提出并评估技术来限制我们的A4NT以保留输入文本的语义。 A4NT学习对输入文本做最小的改变，以成功地欺骗作者属性分类器，同时保持输入的意义。我们通过两个不同的数据集和三个设置的实验来展示我们提出的方法在愚弄作者属性分类器方面是有效的，从而提高了作者的匿名性。
复杂网络动态的熵和粗粒化
原文标题： Entrograms and coarse graining of dynamics on complex networks
地址： http://arxiv.org/abs/1711.01987
作者： Mauro Faccin, Michael T. Schaub, Jean-Charles Delvenne
摘要： 使用信息论的观点，我们研究如何通过使用图分区粗糙的网络上的动态作用。具体而言，我们感兴趣的是如何根据分区对马尔可夫过程的状态空间的聚集影响如此获得的低维动态。我们强调，对于特定图上的动态特性，可能会有多个粗粒度的描述来捕捉原始过程的不同的，不可比较的特征。例如，由一个分区诱导的粗粒化可以与动态中的时间尺度分离相称，而另一个粗粒化可以对应于保持原始过程的马尔可夫性质的不同的低维动力学。从计算力学的文献中得到灵感，我们发现一个方便的工具来概括和可视化粗粒度模型（分区）的这种动力学性质是熵。信息熵收集某些信息论测量，量化信息如何在时间步骤中流动。这些信息论量包括熵率，以及包含在过程中的存储器的量度，即动态可以如何被一阶马尔可夫过程近似。我们利用熵来研究原始动态的状态空间转换图中特定的宏观连接模式如何导致粗粒度描述的理想性质。从而为网络结构与动态之间的相互作用提供了新的视角，并从信息论的角度提出了分割的过程。我们专注于核心 - 外围或集群组织可能近似的网络，并强调这些粗粒度描述中的每一个都可以捕获作用于网络上的马尔可夫过程的不同方面。
图过滤器和滤波器组的设计
原文标题： Design of graph filters and filterbanks
地址： http://arxiv.org/abs/1711.02046
作者： Nicolas Tremblay, Paulo Gonçalves, Pierre Borgnat
摘要： 图信号处理的基本操作在于处理在图上索引的信号，或者通过对图进行过滤，从中提取特定部分，或者通过改变其表示域，使用一些更适合于表示包含在其中的信息的转换或字典。本章的目的是回顾引入滤波器和图表信号的一般概念。我们首先回顾一下实现这个框架的总体框架，其重点是引入一些与图信号相关的谱域来定义一个图傅立叶变换。我们展示了如何通过查看图信号的变化来引入频率分析的概念。然后，我们转向图滤波器的引入，这些图滤波器被定义为一维信号或二维图像的经典等价物，作为在信号的每个频率上运行的线性系统。给出了一些过滤器及其实现的例子。最后，作为图信号的替代表示，我们关注从滤波器定义的多尺度变换。连续多尺度变换，如图上的谱小波，以及滤波器组在图上的多种方法。讨论了图滤波器组的几种变体，用于结构化和任意图，重点放在抽取或聚合运算符选择的中心点。
用领导理念检测动态社会网络中的社区结构
原文标题： Detecting Community Structure in Dynamic Social Networks Using the Concept of Leadership
地址： http://arxiv.org/abs/1711.02053
作者： Saeed Haji Seyed Javadi, Pedram Gharani, Shahram Khadivi
摘要： 在社会网络中检测社区结构是一个基本问题，使我们能够确定具有相似兴趣的参与者群体。目前已经有大量的工作集中在静态网络中寻找社区，但实际上由于社会网络的动态性，它们不断演变。忽视社会网络的动态方面，既不能捕捉网络的演化行为，也不能预测个人的未来状态。除了动态之外，现实世界社会网络的另一个重要特征是领导者的存在，即具有高度中心性的节点吸引其他成员并因此形成当地社区。在本文中，我们设计了一种有效的方法，使用直觉的社区领导者的重要性和持久性，随着时间的推移，在高度动态的社会网络中逐步检测社区。我们提出的方法能够基于以前的网络结构找到新的社区，而无需从头重新计算它们。这个独特的功能，使我们能够快速有效地检测和跟踪社区。在合成和现实世界的社会网络上的实验结果表明，我们的方法在发现动态社会网络中的社区方面既有效又高效。
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。
