- 用于指导闭环在线用户活动的随机微分方程框架;
- 网络模型中社区检测的信息论限度;
- 通过动态社区检测优化功能性含时网络中的状态变化检测;
- 锅和勺：使用Jefferson-D'Hondt方法的席位分配和偏见;
- 社交媒体对意见形成的影响;
- 不够审慎使得男人诚实，但女人并非如此;
- 教堂增长的数学模型：系统动力学方法;
- 移动人群感知的社会网络辅助工作者招募;
- 加密货币市场的机器学习;
- 音乐艺术家的复合网络：异构层间链接的影响;
- 从Facebook状态推断人性特征;
- 对网络中心性看法的转变;
- 基于深度扩散网络模型的假新闻检测;
用于指导闭环在线用户活动的随机微分方程框架
原文标题： A Stochastic Differential Equation Framework for Guiding Online User Activities in Closed Loop
地址： http://arxiv.org/abs/1603.09021
作者： Yichen Wang, Evangelos Theodorou, Apurv Verma, Le Song
摘要： 最近，人们对使用点过程来模拟连续时间的用户活动感兴趣。这个框架在不同的应用程序中产生了新颖的模型和改进的性能。然而，大多数先前的作品集中在“开放式循环”设置，其中学习模型用于预测任务。通常，我们对“闭环”设置感兴趣，在此设置中需要学习策略，以合并用户反馈并将用户活动引导至理想状态。虽然点过程具有良好的预测性能，但如何将它们用于具有挑战性的闭环活动指导任务尚不清楚。在本文中，我们提出了一个框架来将点过程转换为随机微分方程，这使我们能够从随机最优控制扩展方法来解决活动指导问题。我们还设计了一种高效的算法，并且表明我们的方法比现有技术更有效地将用户活动引导到期望的状态。
网络模型中社区检测的信息论限度
原文标题： Information-theoretic Limits for Community Detection in Network Models
地址： http://arxiv.org/abs/1802.06104
作者： Chuyang Ke, Jean Honorio
摘要： 我们分析了几种网络模型中节点标签恢复的信息论限制。这包括随机块模型，指数随机图模型，潜在空间模型，有向优先附着模型和有向小世界模型。对于随机块模型，不可恢复性条件取决于在社区内以及不同社区之间存在边的概率。对于潜在空间模型，不可恢复性条件取决于潜在空间的维度以及潜在空间中社区的距离和范围。对于有向优惠附着模式和有向小世界模型，不可恢复性条件取决于同域和邻域大小之间的比率。我们还考虑随机块模型和潜在空间模型的动态版本。
通过动态社区检测优化功能性含时网络中的状态变化检测
原文标题： Optimizing state change detection in functional temporal networks through dynamic community detection
地址： http://arxiv.org/abs/1805.08286
作者： Michael Vaiana, Sarah F. Muldoon
摘要： 随着时间的推移，动态社区检测提供了对网络集群的连贯描述，允许人们随着网络的发展来跟踪社区的增长和死亡。然而，模块性最大化（一种用于执行多层社区检测的流行方法）需要指定合适的零模型以及分辨率和层间耦合参数。重要的是，算法精确检测群体演化的能力取决于这些参数的选择。在功能时间网络中，不断演化的社区反映了网络节点之间不断变化的功能关系，因此检测到的社区反映系统的任何状态变化尤为重要。在这里，我们提出的分析工作表明，统一的零模型提供了对检测时态关联网络中的小型演化社区的改进的敏感性。然后，我们提出了一种方法，通过基于层之间的网络节点的自相似性对层之间的自识别链接建模来提高模块性最大化对状态节点动态变化的敏感性。从建模和数学的角度来看，这种方法更适合功能性时态网络，因为它结合了网络节点的动态特性。我们基于神经科学中的应用来激励我们的方法，其中网络节点代表神经元，功能边代表时间上的发射模式的相似性。最后，我们证明在神经元刺激火车的模拟数据集中，当神经元组随着时间的推移改变它们的燃烧性质时，基于神经元的发射特性更新层间链路提供了优越的社区探测的演化网络结构。
锅和勺：使用Jefferson-D'Hondt方法的席位分配和偏见
原文标题： Pot and ladle: seat allocation and seat bias under the Jefferson-D'Hondt Method
地址： http://arxiv.org/abs/1805.08291
作者： Jarosław Flis, Wojciech Słomczyński, Dariusz Stolicki
摘要： 我们提出了一个简单的公式，用于根据全国投票股份和选举制度的固定参数，采用Jefferson-D'Hondt方法进行席位分配，从而在多区选举中估算国家席位份额。拟议公式澄清了座位偏差与派对数量和地区数量之间的关系。我们讨论我们的公式与单区渐进式座位偏差公式的简单概括有什么不同，以及我们的方法能够给出确切结果的假设。我们进一步表明，尽管违反了这些假设，但该公式很好地估计了所有拥有全国性党派制度的欧盟国家的实际席位分配情况，并在议会选举中使用了Jefferson-D'Hondt席位分配方法，即克罗地亚，捷克共和国，芬兰，卢森堡，荷兰，波兰，葡萄牙和西班牙。最后，我们提出了评估政治策略的一些公式的应用。
社交媒体对意见形成的影响
原文标题： Effect of Social Media on Opinion Formation
地址： http://arxiv.org/abs/1805.08310
作者： Kamyar Nazeri
摘要： 在这项工作中，我们调查了社交媒体对人口意见形成过程的影响。这个效应被模拟为二维Sznajd模型的动力学中的一个外部领域，其中一个代理遵循社交媒体的概率为P。我们研究磁场的演化，决定时间的分布和在外场存在下的平均弛豫时间。我们的结果表明，大小为L的晶格上的平均弛豫时间遵循幂律，其中指数取决于概率P.我们还表明，对于意见的任何初始分布，系统的两个不同状态之间的相变减小概率P正在增加。对于P〜0.18的临界点，没有观察到相变，并且系统演变为专政，而不管人群中意见的初始分布如何。
不够审慎使得男人诚实，但女人并非如此
原文标题： Lack of deliberation drives honesty among men but not women
地址： http://arxiv.org/abs/1805.08316
作者： Valerio Capraro, Niko Peltola
摘要： 以前的实验已经探索了性别和认知反思对不诚实的影响。然而，据我们所知，没有研究调查这两个因素之间的潜在相互作用。在这里，我们报告了一个大型的在线实验（N = 766），受试者首先有机会为自己的利益撒谎，然后进行认知反射测试（CRT）。我们发现性别与CRT评分之间存在显著的相互作用，因此缺乏审议会促进男性的诚实而不是女性的诚实。额外的分析强调，这种效应不是由直觉人士驱动的，而是至少部分地由那些答案既不直观也不审慎的人所推动，他们在我们的欺骗博弈中碰巧是特别诚实的。
教堂增长的数学模型：系统动力学方法
原文标题： Mathematical Modeling of Church Growth: A System Dynamics Approach
地址： http://arxiv.org/abs/1805.08482
作者： John Hayward
摘要： 使用数学建模教堂增长的可能性是使用人口建模的想法进行调查的。有人提出，一个主要的增长机制是通过宗教爱好者和非信徒之间的接触，在那里爱好者只是在有限的时间内热情。在那段时间之后，他们仍然是教会成员，但在招聘方面效率较低这导致了适用于各种教会增长情况的普遍流行病模型。结果表明，即使是这样一个简单的模型，也可以帮助理解教会成长的方式，特别是在宗教复兴时期。这是Hayward（1999）使用系统动力学和SIR模型的一些小修改的修订版本。
移动人群感知的社会网络辅助工作者招募
原文标题： Social-Network-Assisted Worker Recruitment in Mobile Crowd Sensing
地址： http://arxiv.org/abs/1805.08525
作者： Jiangtao Wang, Feng Wang, Yasha Wang, Daqing Zhang, Leye Wang, Zhaopeng Qiu
摘要： 工作人员招聘是移动人群感知（MCS）中的关键研究问题。虽然以前的研究依赖于具有预先假设的大型用户池的特定平台，但本文利用受影响的社会网络传播来协助MCS工作人员招聘。我们首先选择社会网络上的一部分用户作为初始种子，并将MCS任务推送给他们。然后，受影响的接受任务的用户被招募为工作人员，最终目标是最大化覆盖范围。具体而言，为了选择接近最佳的种子集合，我们提出两种算法，分别命名为基本选择器和快速选择器。基本选择器采用基于预测移动性的迭代贪婪过程，该过程具有良好的性能，但受到无效率问题的困扰。为了加速选择，提出了快速选择器，其基于朋友之间地理位置的相互依赖性。对两个真实世界数据集的实证研究证实，快速选择器在各种设置下比基线方法获得更高的覆盖率，同时，它比基本选择器更有效，而仅牺牲一小部分覆盖范围。
加密货币市场的机器学习
原文标题： Machine Learning the Cryptocurrency Market
地址： http://arxiv.org/abs/1805.08550
作者： Laura Alessandretti, Abeer ElBahrawy, Luca Maria Aiello, Andrea Baronchelli
摘要： 机器学习和AI辅助交易在过去几年吸引了越来越多的兴趣。在这里，我们使用这种方法来检验加密货币市场的低效率可以被利用来产生异常收益的假设。我们分析2015年11月至2018年4月期间每日1,681美元加密货币的数据。我们显示，通过最先进的机器学习算法辅助的简单交易策略优于标准基准。我们的研究结果表明，不平凡的但最终简单的算法机制可以帮助预测加密货币市场的短期演变。
音乐艺术家的复合网络：异构层间链接的影响
原文标题： Multiplex networks of musical artists: the effect of heterogeneous inter-layer links
地址： http://arxiv.org/abs/1805.08711
作者： Johann H. Martínez, Stefano Boccaletti, Vladimir V. Makarov, Javier M. Buldú
摘要： 通过包括人工网络模型的分析和数值研究，已经广泛研究了拓扑结构从多路网络中的解耦状态变为耦合状态的方式。一般来说，这些实验假定层之间的统一互连一方面提供了对多路复用网络的结构性质的分析处理，另一方面却丧失了对实际网络的适用性，其中链路权重的异质性是内在特征。在本文中，我们研究了音乐家的两层复用网络，这些网络的层次与经验数据集相对应，并且链接了以下信息：（i）它们之间的协作和（ii）音乐相似性。在我们的模型中，存在着协作和相似性层之间的联系，但它们并不是所有节点都无处不在。具体而言，根据艺术家的邻域之间的结构相似性，考虑到每层的交互级别，创建（和加权）层间链接。接下来，我们评估层间链路的权重的不均匀性对整个网络的结构性质的影响，即拉普拉斯矩阵的第二小的特征值（代数连通性）。我们的结果显示了代数连接的价值的转变，这远离经典的理论预测，其中层间连接的权重被认为是均匀的。
从Facebook状态推断人性特征
原文标题： Inferring Human Traits From Facebook Statuses
地址： http://arxiv.org/abs/1805.08718
作者： Andrew Cutler, Brian Kulis
摘要： 本文探讨了使用语言模型从用户的Facebook状态更新中预测20种人的特征。数据由myPersonality项目收集，包括用户状态以及他们的个性，性别，政治认同，宗教信仰，种族，生活满意度，智商，自我披露，公平观念以及对占星术的信仰。一个可解释的模型符合最先进的结果，可以预测性别和个性;并为智商，耸人听闻的利益，政治认同和对生活的满意度等其他特征设定标准。此外，每个特质都会发布高度加权的单词。这些列表对于创建关于人类行为的假设以及理解模型提取的信息是有价值的。使用性能和提取的功能，我们分析社交媒体上建立的模型。我们探索的现实世界问题包括性别分类偏倚和剑桥分析师使用心理模型。
对网络中心性看法的转变
原文标题： A change of perspective in network centrality
地址： http://arxiv.org/abs/1805.08740
作者： Carla Sciarra, Guido Chiarotti, Francesco Laio, Luca Ridolfi
摘要： 在浏览器的搜索栏中输入“昨天”提供了一个长长的网站列表，其中排名靠前的是The Beatles的视频链接。浏览器显示其搜索结果的顺序是使用网络中心性的一个显著示例。中心性衡量节点在网络中的重要性，它在许多领域起着至关重要的作用，从社会学到工程学，从生物学到经济学。许多指标可用于评估中心性。但是，中心性度量通常基于临时假设，并且没有普遍接受的方法来比较不同度量标准的有效性和可靠性。在这里我们提出了一个新的观点，其中心性定义自然地从网络的最基本特征 - 邻接矩阵中出现。按照这个观点，自然会出现不同的中心性措施，包括程度，特征向量和中心权威中心性。在这个理论框架内，可以比较不同指标的准确性。对大量网络进行的测试表明，标准中心性度量标准的表现不令人满意，突出了这些度量标准的内在局限性，用于描述复杂网络中节点的中心性。提出更多信息丰富的多组件中心度度量作为标准度量的自然延伸。
基于深度扩散网络模型的假新闻检测
原文标题： Fake News Detection with Deep Diffusive Network Model
地址： http://arxiv.org/abs/1805.08751
作者： Jiawei Zhang, Limeng Cui, Yanjie Fu, Fisher B. Gouza
摘要： 近年来，由于网络社会网络的蓬勃发展，出于各种商业和政治目的的假消息在网络世界中大量出现并普遍存在。以欺骗性的言语，在线社会网络用户很容易被这些在线虚假新闻感染，这已经给线下社会带来了巨大影响。提高在线社会网络信息可信度的一个重要目标是及时发现虚假消息。本文旨在研究从在线社会网络中检测虚假新闻文章，创作者和主题的原理，方法和算法，并评估相应的性能。本文论述了假新闻的未知特征以及新闻文章，创作者和主题之间的各种联系带来的挑战。基于详细的数据分析，本文介绍了一种新型的自动假新闻可信推断模型，即FakeDetector。基于从文本信息中提取的一组显式和潜在特征，FakeDetector构建了一个深度扩散网络模型，以同时学习新闻文章，创作者和主题的表示。已经对现实世界的假新闻数据集进行了大量实验，以将FakeDetector与几种最先进的模型进行比较，实验结果证明了所提模型的有效性。
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。