最近几周不在国内，更新或有延迟。
- 基于心理场理论的二维交通流模型研究;
- 解码网络中的社区;
- 考虑到连接权重幂函数的网络节点排序;
- 相关的网络的网络增强了对灾难性故障的稳健性;
- CTRL + Z：恢复匿名社交图;
- 一种模拟人类迁徙的机器学习方法;
- 什么是正确的事情？用简单的道德推动增加亲社会性;
- 在不真实的答案下查询谣言源头;
- 欧洲风力发电系统的气候变化对后备能源和储存需求的影响;
- 基于模体的图卷积神经网络;
- 音乐听众中的社会情结传播：一项有130万参与者的自然实验;
- CSWA：无时空聚合的时空社区感知;
基于心理场理论的二维交通流模型研究
原文标题： Research on two-dimensional traffic flow model based on psychological field theory
地址： http://arxiv.org/abs/1711.05254
作者： Wenhao Li, Yu Nie, Zhongyao Yang, Shaochun Zheng, Dehui Wang
摘要： 本文研究了扇形缓冲区对收费广场性能的影响。建立了基于力学模型和心理场的二维交通流模型和综合评估模型。交通流模型通过建立坐标系来模拟。进入收费广场时，我们首先建立排队论模型来分析车辆。然后，基于心理场建立二维稳定跟车模型，对离开收费广场的车辆进行分析。根据心理场理论，我们分析了每辆车的受力情况。每辆车的力量都是车辆在观测区域和障碍物的贡献。通过在心理领域通过等势线投射这些车辆和障碍物，获得对后续车辆的价值和方向加速度的影响。因此，也获得了每个车辆的速度和位置的变化。接下来，我们根据车辆的状态建立仿真模型，并根据车辆的状态变化规律。通过模拟系统，我们得到了收费广场的投入和产出的吞吐量。然后，我们通过最大吞吐量和道路的需求来获得道路上的承载压力。使用单位面积的汽车数量作为安全系数。然后根据道路承载力，成本和安全系数建立综合评价模型。
解码网络中的社区
原文标题： Decoding communities in networks
地址： http://arxiv.org/abs/1711.05310
作者： Filippo Radicchi
摘要： 根据最近的信息论提议，在网络中定义和识别社区的问题可以被解释为在噪声信道上的经典通信任务：节点的成员是信道被信道擦除，网络中的边和非边是由编码器引入的奇偶校验位，但是通过信道降级，社区识别算法是解码器。这个解释完全等同于基于众所周知的用于社区检测的统计推断算法。解释的唯一区别在于，噪声信道取代了随机网络模型。然而，不同的观点则有机会利用丰富的编码理论工具对社区检测问题产生新的见解。在本文中，我们举例说明标准编码理论方法在社区检测中的两个主要应用。首先，我们利用最先进的解码技术来生成一组准最佳社区检测算法。第二个也是更重要的是，我们证明了香农的噪声信道编码定理可以被用来建立一个下限，这里叫做解码边界，用于理想解码器可以容忍的最大噪声量，以实现对群落的完美检测。当计算出了完善的合成基准时，可解码性界限准确地解释了市场上现有的最佳社区检测算法所取得的性能，告诉我们只有很小的改进余地仍然存在。
考虑到连接权重幂函数的网络节点排序
原文标题： Ranking of nodes of networks taking into account the power function of its weight of connections
地址： http://arxiv.org/abs/1711.05315
作者： A.M. Soboliev, D.V. Lande
摘要： 为了对社会性的准分级网络中的节点进行排序，有必要对网络进行详细的分析，并根据所有给定的准则对所得结果进行评估，并确定最具影响力的节点。现有的排名算法绝大多数估计这样的网络总体上不允许明确地确定节点之间的影响。在研究过程中，分析已知的HITS节点排名结果，PageRank，并将得到的数据与网络专家评估进行比较。对于准层次网络的有效分析，修改了HITS的基本算法，允许根据给定的标准（它们之间的输入和输出链接的数量）对节点进行评估和排序，这对应于专家评估的结果。结果表明，接收方法在某些情况下提供了符合实际社会关系的结果，以及节点作者的指标 - 预先分配的社会角色。
相关的网络的网络增强了对灾难性故障的稳健性
原文标题： Correlated network of networks enhances robustness against catastrophic failures
地址： http://arxiv.org/abs/1711.05317
作者： Byungjoon Min, Muhua Zheng, Hernán A. Makse
摘要： 自然界中的网络很少独立运行，而是以一种网络形式（NoN）相互作用。不同网络之间相互依赖的网络网络包含与全局激活规则相关的突然崩溃的不稳定性。作为崩溃不稳定性的一种补救措施，在这里我们调查一个相关NoN模型，发现崩溃不稳定性可以通过一个特定的相关连通性模式来消除。我们发现，当枢纽提供了大部分的互连和互连收敛时，一个网络系统就会系统地变得稳定。我们的研究确定了一个稳定的NoN相对于灾难性失败的结构。我们的结果进一步提出了通过操纵连接模式来增强网络健壮性的合理方法，以及基于本地规则控制节点状态的其他方法。
CTRL + Z：恢复匿名社交图
原文标题： CTRL+Z: Recovering Anonymized Social Graphs
地址： http://arxiv.org/abs/1711.05441
作者： Yang Zhang, Mathias Humbert, Bartlomiej Surma, Praveen Manoharan, Jilles Vreeken, Michael Backes
摘要： 来自在线社交互动的社交图谱包含了当今工业界和学术界广泛使用的大量信息。但是，由于这些社交图表中包含的信息的敏感性，在发布之前需要对其进行适当的匿名处理。已经提出的用于净化社交图数据的图匿名化技术大部分依赖于原始图的结构的扰动，更具体地说是其边集的扰动。在本文中，我们确定了这些基于边的匿名机制的一个基本弱点，并利用它来恢复大部分原始图结构。首先，我们提出了一种依靠图嵌入来量化给定图中边的合理性的方法。我们在两个众所周知的图匿名机制下的三个真实社会网络数据集上的实验证明，在大多数情况下，这种方法可以非常有效地检测AUC值高于0.95的假边。其次，依据高斯混合模型和最大后验概率估计，我们推导出一个最优决策规则，根据观测图数据检测边是否为假。我们进一步证明，这种方法具体危及所考虑的图匿名机制提供的隐私保证。为了减轻这个漏洞，我们提出了一个方法来生成虚假的边尽可能合理给定的图结构，并将其纳入现有的匿名机制。我们的评估表明，增强的机制不仅减少了图恢复的机会（AUC下降高达35％），而且还提供比现有匿名方法更好的图表效用。
一种模拟人类迁徙的机器学习方法
原文标题： A Machine Learning Approach to Modeling Human Migration
地址： http://arxiv.org/abs/1711.05462
作者： Caleb Robinson, Bistra Dilkina
摘要： 人类移徙是一种人类的流动性，一次旅行涉及一个人为了改变他们的住所而移动。在城市规划应用，国际贸易，传染病传播，保护规划和公共政策发展方面，尽可能准确地预测人类移民。传统的人员流动模型，比如引力模型或者更新的辐射模型，只能根据人口和距离特征来预测人员的流动性。这些模型已经在通勤流程（一种不同类型的人员流动性）上进行了验证，主要用于大量事先没有获得地面真实流动数据的模拟场景。这些模型的一个缺点是它们有一个固定的形式，因此不能捕捉到更复杂的迁移动态。我们提出机器学习模型，能够结合任何数量的外生特征，来预测起源/目的地的人类迁徙流动。我们的机器学习模型在各种评估指标上都优于传统的人力流动模型，既可以预测美国之间的迁移，也可以预测国际迁移。一般而言，预测性的人类迁徙机器学习模式将为人类迁徙提供一个灵活的基础，以便在不同的假设条件下（例如潜在的海平面上升或人口增长情景）进行人类迁徙。
什么是正确的事情？用简单的道德推动增加亲社会性
原文标题： What's the right thing to do? Increasing pro-sociality with simple moral nudges
地址： http://arxiv.org/abs/1711.05492
作者： Valerio Capraro, Glorianna Jagfeld, Rana Klein, Mathijs Mul, Iris van de Pol
摘要： 亲和亲社会行为之间的冲突是我们这个时代许多关键问题的核心，比如减少空气污染和稀缺资源的重新分配。为了我们社会的福祉，因此找到促进对利己主义者的亲社会选择的机制是至关重要的。特别重要的是，廉价而易于实施的是那些可以改变人们行为而不禁止任何选择或大幅度改变经济激励的机制，即所谓的“推动”。以前的研究发现，道德推理（如使社会规范显著）可以促进亲社会行为。然而，关于它们的效果是否会随着时间的推移而持续存在，而且还不清楚。这个问题是研究表明，亲社会行为往往跟随反社会行为的关键，从而表明一些道德操纵可能适得其反。在这里，我们提出一类对亲社会性有很大积极影响的简单道德推理。在研究1-4中，我们用经济博弈来表明，让受试者告诉“他们认为是道德上正确的事情”，不仅在选择之后立即增加亲社会性，而且在随后的选择中甚至增加当社会环境发生变化时。在第5-7研究中，我们证明了我们机制的外部有效性：我们表明，道德推动增加了约44％的慈善捐赠。这样做，我们的结果表明，简单的道德推动可以成功地用于增加实验室内和现实世界的亲社会行为。
在不真实的答案下查询谣言源头
原文标题： Rumor Source Detection under Querying with Untruthful Answers
地址： http://arxiv.org/abs/1711.05496
作者： Jaeyoung Choi, Sangwoo Moon, Jiin Woo, Kyunghwan Son, Jinwoo Shin, Yung Yi
摘要： 社会网络是大多数人通过互动就新产品，社交趋势和政治问题交换意见的主要途径。找出最初是谁扩散信息，即找到一个谣言源头或一个趋势制定者，通常是非常重要的。众所周知，这样的任务是非常具有挑战性的，如果我们只是从给定的扩散快照估计源，那么对于正规树来说，源检测概率不能超过31％。在实践中，寻找来源通常需要询问“你是传闻的来源？”的过程。或者“谁告诉你这个谣言？”这将增加检测来源的机会。在本文中，我们考虑两种查询：（a）简单的批量查询和（b）在假设查询可能不真实且具有某种可能性的情况下使用方向进行交互式查询。我们针对这些查询提出了估计算法，并且由于不真实而量化了它们的检测性能和额外预算的量，分析表明查询显著地提高了检测性能。我们进行广泛的模拟来验证我们在合成和现实世界的社会网络拓扑上的理论发现。
欧洲风力发电系统的气候变化对后备能源和储存需求的影响
原文标题： Impact of climate change on backup energy and storage needs in wind-dominated power systems in Europe
地址： http://arxiv.org/abs/1711.05569
作者： Juliane Weber, Jan Wohland, Mark Reyers, Julia Moemken, Charlotte Hoppe, Joaquim G. Pinto, Dirk Witthaut
摘要： 风力发电的高时变性是实现可持续能源供应的主要挑战。大型备用和储存设施对于确保低可再生能源发电时期的供电是必要的，特别是在可再生能源比例高的国家。我们表明，强烈的气候变化可能会阻碍间歇性风能的系统集成。为此，我们分析了基于欧洲高分辨率气候预测的风力发电的时间特征，揭示了中欧，北欧和西欧大部分地区后备能源和储存需求的强劲增长。这种影响可以追溯到长期低风力发电的可能性增加和季节性风力变率的增加。
基于模体的图卷积神经网络
原文标题： Motif-based Convolutional Neural Network on Graphs
地址： http://arxiv.org/abs/1711.05697
作者： Aravind Sankar, Xinyang Zhang, Kevin Chen-Chuan Chang
摘要： 本文将卷积神经网络（CNN）从规则的网格结构数据（如图像）推广到具有不规则连接结构的图，特别是具有类型化节点和模式的表达式异构图。我们提出了一种新颖的空间卷积操作来模拟CNN的关键方面：局部连通性和平移不变性，使用高阶结构。我们使用motif的概念，这为我们提供了灵活性来描述异构图的空间位置关于其模式，或任何关于所需的高阶连接模式的图。我们开发了一种新颖的神经网络体系结构Motif-CNN，它通过将从多个模式中提取的信息通过更深层次结合起来，捕获更高阶的结构和特征信息。我们在社会网络和现实世界异构图表上的半监督学习任务的实验表明，相对于现有的图CNN和各自的最新技术而言，这是显著的收获。
音乐听众中的社会情结传播：一项有130万参与者的自然实验
原文标题： Social Complex Contagion in Music Listenership: A Natural Experiment with 1.3 Million Participants
地址： http://arxiv.org/abs/1711.05701
作者： John Ternovski, Taha Yasseri
摘要： 现场音乐活动会在音乐流中产生复杂的传染吗？本文发现肯定的证据，但只为最受欢迎的艺术家。我们从Last.fm（一个音乐跟踪网站）生成一个新的数据集，分析两个月时间内130万用户的收听历史。我们使用每日博弈次数和事件出席数据进行回归不连续性分析，以显示出席者和他们的朋友网络中音乐会出席对音乐听众的因果影响。首先，我们显示参加一个音乐艺术家的现场音乐会，每位参与者每天约1首歌（p值<0.001），增加了艺术家在音乐会的参与者之间的听众。此外，我们表明，这种影响是传染性的，可以传播给没有参加事件的用户。但是，传染的程度取决于艺术家的类型。我们只观察到已经成熟，受欢迎的艺术家的听觉传染性增加（每位参加者的朋友每天播放0.6次以上，p <0.001），而对于新兴的明星则没有这种效果。我们还显示，蔓延效应的大小随着参加现场活动的朋友的数量单调增加。
CSWA：无时空聚合的时空社区感知
原文标题： CSWA: Aggregation-Free Spatial-Temporal Community Sensing
地址： http://arxiv.org/abs/1711.05712
作者： Jiang Bian, Haoyi Xiong, Yanjie Fu, Sajal K. Das
摘要： 在本文中，我们提出了一种新的社区感知范式 - {C}群体{S} {W}没有{A} ggregation}。 CSWA旨在获取目标区域各个分区的环境信息（如空气污染或温度），而不汇总社区成员收集的传感器和位置数据。 CSWA在社区成员上运行在一个安全的对等网络之上，并提出了一种基于“并行随机梯度下降”的新型分布式时空压缩感知框架。通过分布式优化学习“低秩结构”，CSWA使用本地存储在每个成员的移动设备中的传感器数据来近似每个感测周期的每个分区（覆盖和未覆盖）中的传感器数据的值。基于实际数据集的仿真实验表明，CSWA表现出较低的逼近误差（即，在全市温度传感任务中低于$ 0.2 ^ C，在城市空气污染传感中低于$ 10 $的PM2.5指标），并执行与基于数据聚合和集中计算的最先进的算法相比（有时甚至更好）。
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。
