- 网络结构和系统复杂性;
- 人类轨迹特征;
- 计算社会动力学：分析群体中的人脸级别交互;
- 社会网络中基于Agent的意见形成建模：社会心理学和演化博弈论的视角;
- 随机球形图;
- 巴西研究人员文章的altmetric表现：对CNPq生产力奖学金持有者的分析;
- 图的单纯形几何;
- 不确定性总是不好吗？主题竞争力对不确定意见的影响;
- 以内容为中心的网络中时间演变的社区检测和预测;
网络结构和系统复杂性
原文标题： About Network Structures and Systems Complexity
地址： http://arxiv.org/abs/1807.06044
作者： Olexandr Polishchuk
摘要： 本文对复杂网络系统研究的结构和功能方法进行了分析。为了研究这些系统的行为，引入了流邻接矩阵，并定义了系统元素的局部和全局动态特性。介绍了网络系统流核心的概念，分析了其在复杂网络k核上的优势。提出了识别网络系统真实结构，降低模型维数的方法。
人类轨迹特征
原文标题： Human Trajectories Characteristics
地址： http://arxiv.org/abs/1807.06100
作者： Suhad Faisal Behadili, Cyrille Bertelle, Loay E. George
摘要： 通信设备（移动网络，社交媒体平台）为其用户自愿或不自愿地产生数字轨迹。这种类型的集体数据可以为其对城市系统设计和开发的影响提供有力的指示。为了理解城市的集体人类行为，可以使用建模技术。在这项研究中，考虑了人类活动的最重要特征，即旋转半径。该参数用于测量个体在特定观察区域内的移动方式（远/频繁）。
计算社会动力学：分析群体中的人脸级别交互
原文标题： Computational Social Dynamics: Analyzing the Face-level Interactions in a Group
地址： http://arxiv.org/abs/1807.06124
作者： Nicholas Watkins, Ifeoma Nwogu
摘要： 交互同步指的是参与对话的两个或更多个人的言语或行为如何彼此更精细地同步，并且他们看起来几乎表现为彼此直接响应。研究表明，互动同步是关系的标志，并且是由于融洽而产生的。 ％研究还表明，多达三分之二的人类交流是通过非语言渠道进行的，如手势（或身体动作），面部表情，等等。在这项工作中，我们使用基于计算机视觉的方法来提取非语言线索，特别是从脸部提取，并开发一个模型来测量基于这些线索的交互同步。本文阐述了一种构建动态深度神经结构的新方法，该结构特别由中间长短期记忆网络（LSTM）组成，通过模拟两个或多个过程之间的非线性依赖关系，可用于学习和预测两个或多个过程之间的同步程度。他们。在合成数据集上，其中序列对是从具有已知协变量的高斯过程生成的，当在100对交互信号上测试时，该架构可以成功地确定在0.5％的误差内的生成过程的协方差值。在涉及三人组的真实数据集中，该模型成功地估计了每组的同步程度，范围为1到5，执行5倍验证时的总体预测平均值为2.96％ error以随机排列作为对照基线的26.1％。
社会网络中基于Agent的意见形成建模：社会心理学和演化博弈论的视角
原文标题： Agent-based opinion formation modeling in social network: a perspective of social psychology and evolutionary game theory
地址： http://arxiv.org/abs/1807.06182
作者： Xicheng Yin, Hongwei Wang, Pei Yin
摘要： 大多数以前关于意见建模的研究缺乏对个体心理活动和群体行为的同时研究。本文的动机是从社会学和心理学的角度提出一种基于态度变化理论，群体行为理论和演化博弈论的基于主体人的在线意见形成模型。在这个模型中，影响说服过程的因素有三个，包括领导者的可信度，接受者的特征和群体环境。该模型应用于Twitter，分析主题类型，参数变化和意见领袖对意见形成的影响。实验结果表明，争议话题的观点演变表现出更大的不确定性和可持续性。利益与成本的比率对意见形成有显著影响，适度的比率将导致最长的放松时间或最统一的全球意见。此外，拥有大量粉丝的名人比专家更能影响公众舆论。本文丰富了意见形成模型的研究，其结果为企业在公共关系和市场预测方面提供了管理见解。
随机球形图
原文标题： Random spherical graphs
地址： http://arxiv.org/abs/1807.06220
作者： Alfonso Allen-Perkins
摘要： 这项工作通过考虑一组点均匀且独立地分布在（d-1） - 球体的表面上来解决随机几何图（RGG）模型的修改，该球体在d-维度中具有半径r欧几里得空间，而不是单位超立方体[0,1] ^ d。然后，如果两个顶点的大圆距离最多为s，则它们通过链接连接。在d = 3的情况下，由该模型生成的随机球形图（RSG）的拓扑属性作为s的函数进行研究。我们获得了RSG平均度，度分布，连通性，平均路径长度，直径和聚类系数的解析表达式。通过设置r = \ sqrt {\ pi} /（2 \ pi），我们还显示了RSG的拓扑属性与二维RGG和随机矩形图（RRG）的拓扑属性之间的差异。令人惊讶的是，就平均聚类系数而言，当考虑其边界效应时，RSG看起来更类似于RGG的分析估计而不是RGG本身。我们通过计算机模拟支持我们的所有发现，证实了为RSG提出的理论模型的准确性。
巴西研究人员文章的altmetric表现：对CNPq生产力奖学金持有者的分析
原文标题： The altmetric performance of publications authored by Brazilian researchers: analysis of CNPq productivity scholarship holders
地址： http://arxiv.org/abs/1807.06366
作者： Ronaldo Ferreira Araujo, Marcelo Alves
摘要： 目前的工作旨在分析由国家科学和技术发展委员会（CNPq）的生产力奖学金获得者（PQ）的研究人员撰写的巴西出版物的南美表现。在本研究范围内，有人认为2017年10月的活动指标（n = 14.609）。在Lattes上注册的科学产品通过GetLattesData收集，并通过2016年至2017年10月期间发布的持有数字对象标识符（n = 99064）的学术期刊的文章进行过滤。根据密度和变化的分布对在线注意数据进行分析;出版语言和知识领域;以及提供其altmetric值的源类型的平均性能。密度证明了变量的长尾行为，大部分文章的altmetrics得分= 0，而少数文章的索引很高。在线注意力的平均值表明用英语撰写并属于健康与生物科学知识领域的文章表现更好。至于消息来源，门德利有一个很好的表现，其次是Twitter和Facebook的低报道
图的单纯形几何
原文标题： The Simplex Geometry of Graphs
地址： http://arxiv.org/abs/1807.06475
作者： Karel Devriendt, Piet Van Mieghem
摘要： 图是各种科学领域研究的中心对象，如离散数学，理论计算机科学和网络科学。这些图通常使用组合，代数或概率方法进行研究，每种方法都以独特的方式突出显示图的属性。在这里，我们讨论一种研究图的新方法：单形几何（单形是一个广义三角形）。 Miroslav Fiedler提出的这种观点将（单纯形）几何学的技术引入图论的领域，相反，通过精确对应。我们介绍了这种图 - 单形对应关系，确定了图特征和单纯形属性之间的一些基本连接，并以一些应用程序为例。
不确定性总是不好吗？主题竞争力对不确定意见的影响
原文标题： Is Uncertainty Always Bad?: Effect of Topic Competence on Uncertain Opinions
地址： http://arxiv.org/abs/1807.06519
作者： Jin-Hee Cho, Sibel Adalı
摘要： 由于嘈杂，不确定或未经证实的信息的广泛可用性，公共/社交媒体传播的信息激增使得决策极具挑战性。虽然信息的不确定性问题已经研究了几十年，但很少有研究调查如何将嘈杂（或不确定）或有价值（或可信）的信息表达到人们的意见中，从而模拟导致以下方面的证据数量和质量的不确定性。一个具体的意见。在这项工作中，我们通过使用主观逻辑来建模和分析意见和信息模型，其中初始证据集与不同类型的证据（即，赞成与骗局或嘈杂与有价值）相混合，其被纳入到原始传播者，通过网络传播信息。在广泛的模拟研究的帮助下，我们研究了不同比例的信息类型或代理人的先前信念或主题能力如何影响整体信息传播。根据我们的调查结果，代理人的高度不确定性在做出正确决策时并不一定总是不好，只要他们足够胜任，不至少偏向于虚假信息（例如，两个极端之间的中立）。
以内容为中心的网络中时间演变的社区检测和预测
原文标题： Temporally Evolving Community Detection and Prediction in Content-Centric Networks
地址： http://arxiv.org/abs/1807.06560
作者： Ana Paula Appel, Renato L. F. Cunha, Charu C. Aggarwal, Marcela Megumi Terakado
摘要： 在这项工作中，我们考虑了在不断发展的网络中将链接，内容和时间分析结合起来进行社区检测和预测的问题。这种时间和内容丰富的网络出现在许多现实生活中，例如书目网络和问答论坛。文献中的大多数工作（使用内容和结构）处理网络的静态快照，并且它们不反映在多个快照上发生的动态变化。将社区中的动态变化纳入分析还可以提供有关网络变化的有用见解，例如跨社区的作者迁移。在这项工作中，我们提出了Chimera，一种可以同时考虑图链接，内容和时间分析的共享因子分解模型。该方法通过以多维形式提取网络的潜在语义结构来工作，但是以考虑这些嵌入的时间连续性的方式。这种方法通过使用嵌入作为代理来简化底层网络的时间分析。这种简化的结果是，也可以使用这种嵌入的时间序列来预测未来的社区。我们提出的实验结果说明了该方法的有效性。
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。