- 度修正植入性分割模型重建的不可能性;
- 医疗补助人群中处方模式的网络抽象;
- 随机游走影响的成长网络的游走者视角;
- 基于同质性的传播过程模拟社会网络中的真假新闻;
- 人群控制游戏中的集体社交行为;
- 在更安全的路径上更快的马：对加权网络的有效重建的广义推断;
- 飓风中疏散离境和出行时间的联合建模;
- 概率性弃权的空间囚徒困境博弈中的合作;
- Evoplex：基于主体的网络建模平台;
- Twitter上角色相关用户分类的混合模型;
- 用于产品市场预测的网络和机器学习组合方法;
- 使用多重符号网络多重分区分析欧洲议会的点名;
- 告诉我一些我朋友不知道的事情：社会网络中的多样性最大化;
- 基于网络社区检测的住宅电力负荷曲线聚类;
- 消除在线社会网络中的影响力源;
- 各城市就业的非线性分布;
度修正植入性分割模型重建的不可能性
原文标题： An Impossibility Result for Reconstruction in a Degree-Corrected Planted-Partition Model
地址： http://arxiv.org/abs/1511.00546
作者： Lennart Gulikers, Marc Lelarge, Laurent Massoulié
摘要： 我们考虑度校正随机块模型（DC-SBM）： n 节点上的随机图，具有i.i.d.权重（ phi_u）_ {u = 1} ^ n （可能是重尾），分为 q geq 2 渐近等大小的簇。模型参数是两个常数 a，b> 0 和权重的有限二阶矩 Phi ^ {（2）} 。顶点 u 和 v 通过边连接，概率为 frac { phi_u phi_v} {n} a 当它们在同一个类中且概率为 frac { phi_u phi_v} {n } b 否则。我们证明，当（a-b）^ 2 Phi ^ {（2）} leq q（a + b）时，在理论上不可能以与真实社区结构正相关的方式估计聚类。作为我们证明的副产品，我们获得了（1） DC-SBM中当地社区的精确耦合结果，我们在后续文件[Gulikers et al。，2017]中使用它来建立一个大数定律本地功能和（2）远程互动在（幂律）DC-SBM中很弱。
医疗补助人群中处方模式的网络抽象
原文标题： Network Abstractions of Prescription Patterns in a Medicaid Population
地址： http://arxiv.org/abs/1811.09610
作者： Radhakrishnan Nagarajan, Jeffery Talbert
摘要： 了解处方模式在很大程度上依赖于综合统计指标。医生采购，不适当的处方，药物转移和患者寻求处方药的证据跨越多个开处方者需要了解开处方者和处方医生社区的协同工作，而不是将他们视为独立实体。我们将开处方者之间的潜在关联建模为开处方 - 开处方者网络（PPN），随后在医疗补助人群中在一个月内调查其在II，III，IV类药物中的性质。社区结构检测算法和地理空间布局揭示了PPN中的特征模式与其随机图代理对应物明显不同，它们拒绝将它们作为潜在的生成机制。具有推荐阈值的异常检测还揭示了处方药专业的一部分，其在组合物II，III，IV药物中被组成性标记。开处方社区的存在可以帮助进行有针对性的监测，并且它们与随机图的偏差可以作为评估PPN在时间和干预前/后的演变的指标。
随机游走影响的成长网络的游走者视角
原文标题： A random walker's view of networks whose growth it shapes
地址： http://arxiv.org/abs/1811.09611
作者： Robert J. H. Ross, Charlotte Strandkvist, Walter Fontana
摘要： 我们研究了一个简单的模型，其中网络的增长由一个或多个随机游走者的位置决定。根据游走者的速度，该模型产生一系列位于众所周知的限制情况之间的结构。我们证明了游走者观察到的平均程度与全局方差有关。调节游走者确定节点附着位置的程度与随机选择相反，类似于尺度游走者的速度并产生新的限制行为。该模型提出了物理实例中关于能量和计算资源需求的问题。
基于同质性的传播过程模拟社会网络中的真假新闻
原文标题： Homogeneity-Based Transmissive Process to Model True and False News in Social Networks
地址： http://arxiv.org/abs/1811.09702
作者： Jooyeon Kim, Dongkwan Kim, Alice Oh
摘要： 在社会网络中发布和共享绝大多数真假新闻故事，并且用户基于多种因素来分散故事。从一个用户到另一个用户的新闻故事的扩散不仅取决于故事的内容和真实性，还取决于用户之间的主题兴趣的一致性。在本文中，我们提出了一种新颖的贝叶斯非参数模型，它将新闻故事的同质性作为调节发布和共享用户主题兴趣之间的主题相似性的关键组成部分。我们的模型扩展了分层Dirichlet过程，以模拟新闻故事的主题，并结合贝叶斯高斯过程潜变量模型来发现同质性值。我们在真实世界的社会网络数据集上训练我们的模型，并找到与其真实性及其内容标签密切相关的新闻故事的同质性价值。最后，我们展示了我们模型的监督版本比最先进的神经网络和贝叶斯模型更好地预测新闻故事的标签。
人群控制游戏中的集体社交行为
原文标题： Collective social behavior in a crowd controlled game
地址： http://arxiv.org/abs/1811.09730
作者： Alberto Aleta, Yamir Moreno
摘要： 尽管做了很多努力，人群的行为还没有完全理解。现代通信媒体的出现使其成为一个更具挑战性的问题，因为人群动态可以通过人与人之间的技术互动来推动。在这里，我们研究了人群控制游戏（Twitch Plays Pok 'emon）的动态，其中近两百万玩家参与了两周多。我们沿着游戏特征的两个不同阶段剖析系统动力学的时间演变。我们发现不遵循人群平均行为的玩家是在游戏中取得成功的关键。后一个发现可以通过再现观察到的行为的n阶Markov模型很好地解释。其次，我们分析了游戏的一个阶段，玩家可以在两种不同的游戏模式之间做出决定，模仿投票系统。我们的研究结果表明，在某些条件下，集体动力可以更好地被视为类似群体的行为，而不是人群。最后，我们根据社会认同理论讨论我们的研究结果，这似乎很好地描述了观察到的动态。
在更安全的路径上更快的马：对加权网络的有效重建的广义推断
原文标题： A faster horse on a safer trail: generalized inference for the efficient reconstruction of weighted networks
地址： http://arxiv.org/abs/1811.09829
作者： Federica Parisi, Tiziano Squartini, Diego Garlaschelli
摘要： 对金融网络结构的了解为评估系统性风险和其他重要特性提供了有价值的信息。然而，由于金融数据通常受到机密性的影响，因此网络重建技术变得有必要从部分信息推断出连接（即拓扑）的存在及其强度（即链路权重）。最近，已经进行了各种“赛马”以比较这些方法的性能。这些比较基于任意选择的网络相似性度量。在这里，我们建立了广义似然方法，以严格定义，估计和比较加权网络的重建方法。关键因素是可以单独约束拓扑和链接权重，以遵循将它们与观察到的边连接起来的某些“紧密”经验关系。我们发现，对每个链路权重的概率进行统计上严格的估计应该包含重构网络拓扑的整个分布，并且我们提供了执行此操作的一般过程。我们的结果表明，通过“修整”迄今为止可获得的最佳性能方法获得最佳方法，其中链接权重具有一定的指数分布。该方法快速，无偏和准确，并且再现具有最高广义似然性的经验网络。
飓风中疏散离境和出行时间的联合建模
原文标题： Joint modeling of evacuation departure and travel times in hurricanes
地址： http://arxiv.org/abs/1811.09911
作者： Hemant Gehlot, Arif Mohaimin Sadri, Satish V. Ukkusuri
摘要： 飓风是沿海地区和某种程度上内陆地区家庭定期面临的代价高昂的自然灾害。详细了解疏散行为是制定有效应急计划的基础。一旦家庭决定撤离，关键的行为问题是个人离开目的地的时间。准确估计疏散出发时间对于预测随时间的疏散需求和制定有效的疏散策略非常有用。此外，撤离人员到达其首选目的地所需的时间非常重要。全面了解影响旅行时间的因素对于紧急官员控制道路交通非常有用，并有助于防止交通拥堵等不利条件。过去的研究表明，出发时间和旅行时间可能是相关的。因此，一个重要的问题是疏散出发时间和旅行时间之间是否存在相互依存关系？离登陆点靠近会增加短途旅行的可能性吗？如果注定距离较远，人们是否更有可能提早离开？在这项研究中，我们提出了一个模型，以共同估计飓风后撤离期间的出发和旅行时间。实证结果强调了适应疏散行为的这些维度之间的相互关系的重要性。本文还试图通过实证研究个人社会关系对疏散离境和出行时间联合估计的影响。来自Hurricane Sandy的调查数据用于计算实证结果。结果表明社会网络的重要作用以及飓风期间疏散离境和旅行时间的其他关键因素。
概率性弃权的空间囚徒困境博弈中的合作
原文标题： Cooperation in the spatial prisoner's dilemma game with probabilistic abstention
地址： http://arxiv.org/abs/1811.10114
作者： Marcos Cardinot, Josephine Griffith, Colm O'Riordan, Matjaž Perc
摘要： 研究表明，增加弃权作为一种选择将社会困境转变为摇滚纸剪刀式博弈，其中叛逃者主宰合作者，合作者主宰禁欲者（孤独者），反叛者（孤独者）反过来主宰叛逃者。通过这种方式，即使在不利条件下，弃权仍可以维持合作，尽管由于循环支配地位，叛逃仍然存在。然而，迄今为止，弃权或充当孤独者一直被视为一种独立的第三种战略，以补充传统的合作和背叛。在这里，我们考虑概率弃权，其中每个玩家被分配在特定博弈实例中弃权的概率。在这两个极限情况下，所研究的博弈回归到没有孤独的囚徒困境博弈或可选的囚徒困境博弈。对于中级概率，我们有一个新的混合博弈，这对合作的成功演变最有利。我们希望这种新颖的混合博弈能够更加真实地反映可选/自愿参与的困境。
Evoplex：基于主体的网络建模平台
原文标题： Evoplex: A platform for agent-based modeling on networks
地址： http://arxiv.org/abs/1811.10116
作者： Marcos Cardinot, Colm O'Riordan, Josephine Griffith, Matjaž Perc
摘要： Evoplex是一个快速，强大且可扩展的平台，用于在网络上开发基于主体的模型和多代理系统。每个代理都表示为一个节点，并与网络结构定义的邻居进行交互。 Evoplex是复杂系统建模的理想选择，例如在演化博弈论和计算社会科学中。在Evoplex中，模型没有与执行参数或可视化工具相结合，并且有一个用户友好的图用户界面，使所有用户都能轻松地从新手到经验丰富，创建，分析，复制和再现实验。
Twitter上角色相关用户分类的混合模型
原文标题： A Hybrid Model for Role-related User Classification on Twitter
地址： http://arxiv.org/abs/1811.10202
作者： Liuqing Li, Ziqian Song, Xuan Zhang, Edward A. Fox
摘要： 为了帮助各种研究，我们提出了TWIROLE，这是Twitter上与角色相关的用户分类的混合模型，可以检测与男性相关的，与女性相关的，与品牌相关的（即组织或机构）用户。 TWIROLE利用来自推文内容，用户配置文件和配置文件图像的功能，然后应用我们的混合模型来识别用户的角色。为了评估它，我们使用了两个关于Twitter用户的现有大型数据集，并进行了内部和内部比较实验。 TWIROLE优于现有方法，并在多个角色中获得更均衡的结果。我们还确认用户名和配置文件图像是此任务的良好指标。我们的研究扩展了以前的工作，不考虑与品牌相关的用户，并且有助于未来的评估工作相对于依赖自我标记数据集的调查。
用于产品市场预测的网络和机器学习组合方法
原文标题： A combined network and machine learning approaches for product market forecasting
地址： http://arxiv.org/abs/1811.10273
作者： Jingfang Fan, Keren Cohen, Louis M. Shekhtman, Sibo Liu, Jun Meng, Yoram Louzoun, Shlomo Havlin
摘要： 可持续金融市场在人类社会的运作中发挥着重要作用。尽管如此，金融市场风险的检测和预测仍然充满挑战，并引起科学界的极大关注。在这里，我们开发了一种基于组合网络理论和机器学习的新方法来研究金融产品市场的结构和运作。我们的网络链接基于公司产品的相似性，并使用美国证券交易委员会（SEC）提交的美国上市公司文件构建。我们发现，我们网络中的一些功能可以作为金融市场风险的良好前兆。然后，我们结合网络拓扑和机器学习方法来预测成功和失败的公司。我们发现使用我们的方法进行的预测比其他众所周知的回归技术要好得多。这里介绍的框架不仅有助于预测金融市场，还提供了洞察力，并展示了网络理论与机器学习相结合的力量。
使用多重符号网络多重分区分析欧洲议会的点名
原文标题： Analysis of Roll-Calls in the European Parliament by Multiple Partitioning of Multiplex Signed Networks
地址： http://arxiv.org/abs/1811.10337
作者： Nejat Arinik (LIA), Rosa Figueiredo (LIA), Vincent Labatut (LIA)
摘要： 十多年来，图表被用来模拟议会中的投票行为。然而，文献中描述的方法受到若干限制。两个主要的原因是：1）它们依赖于原始数据的一些时间整合，这导致一些信息丢失，和/或2）它们识别敌对选民群体，但不识别与其发生相关的上下文。在本文中，我们提出了一种利用多重签名图解决这两个问题的新方法。它包括首先分别对每个层进行分区，然后按相似性对这些分区进行分组。我们通过将其应用于欧洲议会数据集来表明我们的方法的兴趣。
告诉我一些我朋友不知道的事情：社会网络中的多样性最大化
原文标题： Tell me something my friends do not know: Diversity maximization in social networks
地址： http://arxiv.org/abs/1811.10354
作者： Antonis Matakos, Aristides Gionis
摘要： 社交媒体在改善我们社会中的信息传播方面具有巨大的潜力，然而，他们一直对一些不良影响负责，例如极化和过滤泡沫。因此，了解这些消极现象并制定对抗它们的方法非常重要。在本文中，我们提出了一种新方法来解决社交媒体中破坏过滤泡沫的问题。我们这样做的目的是最大化暴露给连接的社交媒体用户的信息的多样性。我们将暴露多样性最大化的问题表达为二次背包问题。我们证明了所提出的多样性最大化问题是不可接近的，因此，我们采用多项式非近似算法，其灵感来自为二次背包问题开发的解决方案，以及可扩展的贪婪启发式算法。我们使用特定于实例的上界来补充我们的算法，这些上限用于为给定的问题实例提供经验近似保证。我们的实验评估表明，提出的贪婪算法随后是随机局部搜索，它是选择的算法，因为它的质量与效率之间存在权衡。
基于网络社区检测的住宅电力负荷曲线聚类
原文标题： Clustering Residential Electricity Load Curves via Community Detection in Network
地址： http://arxiv.org/abs/1811.10356
作者： Yunyou Huang, Jianfeng Zhan, Nana Wang, Chunjie Luo, Lei Wang, Rui Ren
摘要： 对家庭负荷曲线（LC）进行分析具有显著的预测个人用电模式的价值，从而有利于制定需求 - 响应策略，最终实现能效提高和减排。 LC聚类是一种广泛使用的分析技术，它通过将类似的LC分组到相同的子组中来发现电力消耗模式。然而，先前的聚类方法将数据集中的每个LC视为单独的时间序列，忽略不同LC之间的固有关系，从而限制聚类方法的性能。更重要的是，由于LC的显著波动性和不确定性，以前的LC聚类方法不可避免地导致集群数量较多或集群内存在巨大差异，这对于实际应用需求是不可接受的。在本文中，我们提出了一种解决此问题的综合方法。首先，我们将LC聚类任务转换为网络中的社区检测任务。其次，我们提出了一种融合社区检测的聚类方法，以提高LC聚类的性能，包括网络构建，社区检测和典型的负载分布提取。该方法将数据集转换成网络，其中LC之间的固有关系由网络边表示。第三，我们构建了一个多层典型的负载配置文件目录，以便在集群内的差异和集群数量之间进行权衡，使研究人员能够根据实际应用需求评估不同层次的LC和客户。实验表明，我们的综合方法优于最先进的方法。
消除在线社会网络中的影响力源
原文标题： Disentangling sources of influence in online social networks
地址： http://arxiv.org/abs/1811.10372
作者： Matija Piškorec, Tomislav Šmuc, Mile Šikić
摘要： 在线社会网络中的信息传播由两种类型的影响促进 - 内生（对等）影响依赖于网络结构和每个用户的当前状态以及独立于这些影响的外部（外部）。然而，从数据推断这些影响仍然是一个挑战。在本文中，我们提出了一种方法，仅使用社会网络结构和单个激活级联来产生内生和外生影响的估计。我们评估了模拟激活级联的方法以及从几个大型Facebook政治调查应用程序获得的级联。我们表明，我们的方法能够提供在线社会网络中内生和外生影响的估计，表征每个用户的激活是内生或外生驱动的，并确定最有影响力的用户群。
各城市就业的非线性分布
原文标题： The nonlinear distribution of employment across municipalities
地址： http://arxiv.org/abs/1811.10438
作者： Faustino Prieto, José María Sarabia, Enrique Calderín-Ojeda
摘要： 本文分析了西班牙各城市就业的非线性分布。此外，我们探讨广义幂律（GPL）分布族的性质，并测试其对就业数据建模的充分性。包括Pareto（幂律）分布的层次结构的GPL族的层次结构被深入研究。推导出一个新的重尾GPL分布子系列，其右尾相当于帕累托（幂律）模型。我们的研究结果一方面表明，西班牙城市的就业分布遵循上限的幂律行为，另一方面，GPL模型在整个分布范围内对就业数据建模的充分性。
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。
