- 代表委员会集体选择的网络社会算法分析;
- 关于可再生能源互补性的评论：概念，指标，应用和未来研究方向;
- 耦合Stuart-Landau振子的新型跃迁和Bellerophon态;
- 亲和力：一种用于短信数据的潜在用户相似性比较系统;
- 疏散中的哭狼效应：一种博弈论方法;
- 无监督的Twitter用户立场检测;
- 多路网络和时间网络中基于特征向量的可调中心性;
- 稀疏Twitter-Sphere中药物滥用检测的集成深度学习模型;
- 层级可导航小世界图的比较研究;
- 根据国家消费数据估算国家特定的空间加热阈值温度;
代表委员会集体选择的网络社会算法分析
原文标题： Analysis of a networked social algorithm for collective selection of a committee of representatives
地址： http://arxiv.org/abs/1904.01602
作者： Alexis R. Hernandez, Carlos Gracia-Lazaro, Edgardo Brigatti, Yamir Moreno
摘要： Hern andez等人最近的一项工作。引入了由基于信任的社会网络支持的网络投票规则，其中可能的代表的指示基于个人意见。个人捐款不仅仅是简单的计票，而是基于主体投票。这些机制产生了所选委员会的高度代表性，削弱了赞助关系的可能性。通过结合个人的完整性及其感知，我们在此处讨论了由此产生的委员会的可信性问题。我们的结果表明，该投票规则为具有高度完整性的小型委员会提供了很高的代表性。此外，投票系统显示对投票算法的战略和不真实应用的鲁棒性。
关于可再生能源互补性的评论：概念，指标，应用和未来研究方向
原文标题： A review on the complementarity of renewable energy sources: concept, metrics, application and future research directions
地址： http://arxiv.org/abs/1904.01667
作者： J. Jurasz, F.A. Canales, A. Kies, M. Guezgouz, A. Beluco
摘要： 预计并且在区域内观察到，可再生能源的广泛部署将很快涵盖能源需求。然而，天气和气候驱动的能源的特征在于显著的空间和时间变化。克服可再生能源提供的供需之间不匹配的常用解决方案之一是在单个发电站（如风能 - 太阳能，太阳能 - 水能或太阳能 - 风能 - 水力发电站）中两个或多个能源的混合。混合能源的运作基于可再生能源的互补性质。考虑到此类系统日益增长的重要性以及该领域越来越多的研究活动，本文对研究，分析，量化和利用可再生能源之间时空，空间和时空互补效应的研究进行了全面回顾。审查首先简要概述了现有的研究论文，制定了主要概念的详细定义，总结了当前的研究方向，并结束了未来的未来研究活动。该评价提供了关于互补概念研究的时间和空间信息。
耦合Stuart-Landau振子的新型跃迁和Bellerophon态
原文标题： Novel transition and Bellerophon state in coupled Stuart-Landau oscillators
地址： http://arxiv.org/abs/1904.01776
作者： Jiameng Zhang, Xue Li, Yong Zou, Shuguang Guan
摘要： 我们研究了具有频率加权耦合的Stuart-Landau振荡器系统中的同步。对于三个典型的单峰频率分布，即洛伦兹，三角和均匀，我们发现当频率分布相对紧凑时发生一阶跃迁，而当相对宽度时同步跃迁是连续的。在这两种情况下，在非相干状态和同步状态之间存在贝勒罗芬状态。值得注意的是，我们揭示了具有振幅的这种耦合振荡器的新型过渡行为，即，Bellerophon状态的状态实际上包含两个阶段。在第一阶段，振荡器实现混沌相位同步;而在第二阶段，振荡器形成周期性的相位同步。我们的结果表明，Bellerophon状态也存在于具有振幅动力学的耦合振荡器中。
亲和力：一种用于短信数据的潜在用户相似性比较系统
原文标题： affinity: A System for Latent User Similarity Comparison on Texting Data
地址： http://arxiv.org/abs/1904.01897
作者： Tobias Eichinger, Felix Beierle, Sumsam Ullah Khan, Robin Middelanis, Veeraraghavan Sekar, Sam Tabibzadeh
摘要： 在社会网络服务领域，基于简档数据寻找类似用户是常见的做法。智能手机包含可用于用户分析的传感器和个人上下文数据。然而，一个巨大的个人数据来源，即短信数据，几乎没有被用于用户分析的研究。我们认为有三个原因：首先，私人短信数据由于其亲密的特点而不能共享。其次，适当保护隐私的相似性度量的定义是非平凡的。第三，评估表示潜在无限主题集的文本消息数据的相似性度量的质量是非平凡的。为了克服这些障碍，我们提出了亲和力，这是一种以隐私保护的方式可靠且有效地评估用户的文本消息历史之间的相似性的系统。私人短信数据保留在用户设备上，并且用于比较的数据以潜在格式进行比较，该潜在格式既不允许重建比较单词也不允许重建任何原始私有纯文本。我们通过计算60位美国参议员的Twitter历史之间的相似性来评估我们的方法。由此产生的相似性网络在政党分类任务中达到平均85.0％的准确率。
疏散中的哭狼效应：一种博弈论方法
原文标题： The Cry Wolf Effect in Evacuation: a Game-Theoretic Approach
地址： http://arxiv.org/abs/1904.01963
作者： Alexandros Rigos, Enrico Ronchi, Erik Mohlin
摘要： 在今天的恐怖主义和以安全为中心的世界中，疏散紧急情况，演习和误报正变得越来越普遍。在紧急情况下，当局对撤离令的遵守情况可以在紧急情况的结果中发挥关键作用。如果撤离人员经历重复的紧急情况，可能是误报（例如，疏散演习，假炸弹威胁等）或实际威胁，伊索的哭狼效应（重复误报警减少订单合规性）会严重影响他/她撤离的可能性。为了分析这个关键的未解决的疏散研究问题，提出了一种博弈论方法。博弈论用于探索撤离者和权威的相互最佳反应。在提议的模型中，当局获得是否存在威胁的信号，并决定是否下令疏散。撤离人员在收到撤离令后，随后根据后来的信念决定是留下还是离开，这些信念是根据当局的行动而更新的。推导出最佳响应，并使用顺序均衡和完美贝叶斯均衡作为解决方案概念（用直觉标准精炼均衡）。模型结果突出了宣布的疏散演习的好处，并表明提高威胁检测的准确性可以防止与狼狼效应相关的大量低效率。
无监督的Twitter用户立场检测
原文标题： Unsupervised User Stance Detection on Twitter
地址： http://arxiv.org/abs/1904.02000
作者： Kareem Darwish, Peter Stefanov, Michaël J. Aupetit, Preslav Nakov
摘要： 我们提出了一种非常有效的无监督方法，用于检测Twitter用户对有争议话题的立场。特别是，我们使用降维来将用户投影到低维空间，然后进行聚类，这使我们能够找到代表不同立场的核心用户。我们的方法与目前最先进的方法相比具有三个主要优点，这些方法基于监督或半监督分类。首先，我们不需要事先对用户进行任何标记：相反，我们创建群集，之后手动标记更容易，例如，在几秒或几分钟而不是几小时。其次，不需要域或主题级知识来指定相关的立场（标签）或进行实际标签。第三，我们的方法在面对数据偏斜时是稳健的，例如，当某些用户或某些站点在数据中具有更大的表示时。我们尝试了用户相似度特征，数据集大小，降维方法和聚类算法的不同组合，以确定跨三个不同数据集（英语和土耳其语）的最有效和计算效率最高的组合。我们在有效性和效率方面的最佳组合使用转发的帐户作为功能，UMAP用于降维，以及用于群集的Mean Shift，并产生少量高质量用户群，通常只有2-3个，超过98％纯度。此外，我们的方法对于参数值的变化以及随机初始化也是鲁棒的。
多路网络和时间网络中基于特征向量的可调中心性
原文标题： Tunable Eigenvector-Based Centralities for Multiplex and Temporal Networks
地址： http://arxiv.org/abs/1904.02059
作者： Dane Taylor, Mason A. Porter, Peter J. Mucha
摘要： 表征社会，生物，信息和技术网络中节点的重要性是网络科学和数据科学界的核心主题。我们提出了一个线性代数框架，它推广了基于特征向量的中心 - 包括PageRank ---为两个流行的多层网络类提供了一个通用框架：具有编码不同类型关系的层的多路网络和其中关系的时间网络时间的变化。我们的方法涉及研究联合，边际和条件超中心性，这些超中心性可以从超中心矩阵的主要特征向量中获得[Taylor et al。，2017]，其耦合与各个网络层相关联的中心矩阵。我们通过允许层通过（可能是不对称的）层间邻接矩阵耦合来扩展这个先前的工作（限于具有通过无向，时间相邻耦合的层的时间网络） tilde bf A ，其中每个条目给出层 t 和 t'之间的耦合。我们的框架为多重和/或时间网络的中心性分析提供了统一的基础，并揭示了超中心性对层间耦合拓扑的复杂依赖性。我们通过耦合强度 omega ge0 来扩展 tilde bf A ，并针对弱（ omega to0 ^ + ）和强耦合（ omega）的极限开发奇异摄动理论 to infty ），揭示了对 tilde bf A 的主要特征向量的有趣依赖。我们将该框架应用于两个经验数据集：欧洲航空运输的多重网络表示，以及编码美国大学和数学院数学家毕业和雇用的时间网络。
稀疏Twitter-Sphere中药物滥用检测的集成深度学习模型
原文标题： An Ensemble Deep Learning Model for Drug Abuse Detection in Sparse Twitter-Sphere
地址： http://arxiv.org/abs/1904.02062
作者： Han Hu, NhatHai Phan, James Geller, Stephen Iezzi, Huy Vo, Dejing Dou, Soon Ae Chun
摘要： 随着美国药物滥用问题的加剧，许多主要利用社交媒体数据（如Twitter上的帖子）研究药物滥用相关活动的研究将机器学习作为文本分类和过滤的有力工具。然而，鉴于Twitter用户的广泛主题，与大多数数据集中的药物滥用相关的推文很少见。这种不平衡的数据仍然是构建有效的推文分类器的主要问题，对于包含与滥用相关的俚语术语的研究尤其明显。在本研究中，我们通过设计一个集合深度学习模型来解决这个问题，该模型利用单词级和字符级功能来对与滥用相关的推文进行分类。在Twitter数据集上报告实验，我们可以在其中配置两个类别（滥用与非滥用）的百分比，以模拟具有不同幅度的数据不平衡。结果表明，我们的集成深度学习模型比传统机器学习模型的集合表现出更好的性能，特别是在严重不平衡的数据集上。
层级可导航小世界图的比较研究
原文标题： A Comparative Study on Hierarchical Navigable Small World Graphs
地址： http://arxiv.org/abs/1904.02077
作者： Peng-Cheng Lin, Wan-Lei Zhao
摘要： 自两年前发布源代码以来，分层可导航小世界（HNSW）图在大规模最近邻搜索任务中越来越受欢迎。这种方法的吸引力在于其优于大多数最近邻搜索方法的性能以及其对各种距离测量的通用性。在本文中，对这种搜索方法进行了几项比较研究。研究了层次结构在HNSW中的作用以及HNSW图本身的作用。我们发现HNSW中的层次结构无法实现本文所声称的“更好的对数复杂度尺度”，特别是在高维数据上。此外，我们发现在图多样化之后，在平面k-NN图的支持下，可以实现与HNSW类似的高搜索速度效率。最后，我们指出大多数基于图的搜索方法所面临的困难与“维度的诅咒”直接相关。与其他基于图表的方法一样，HNSW无法解决这种困难。
根据国家消费数据估算国家特定的空间加热阈值温度
原文标题： Estimating country-specific space heating threshold temperatures from national consumption data
地址： http://arxiv.org/abs/1904.02080
作者： Smail Kozarcanin, Gorm Bruun Andresen, Iain Staffell
摘要： 建筑物中的空间加热正在成为部门耦合能源系统研究的关键要素。数据可用性限制了建筑行业建模的努力，因为大多数国家没有直接计量热量消耗。空间加热通常与使用特定加热阈值温度的加热度 - 天数代表天气有关，但研究之间的方法不同。该研究使用广泛和公开的消费和天气数据估算国家特定的加热阈值温度。这允许在能源系统建模中捕获国家气候和文化特定的人类行为。国家电力和天然气消费数据通过线性模型与度日相关，Akaike的信息标准用于定义每个国家的夏季，当不需要空间供暖时。我们发现使用每日，每周和每月汇总消费数据计算的加热阈值温度在统计上无关紧要。一般来说，燃气加热的临界温度约为15.0 +/- 1.7摄氏度（日平均温度），而电加热平均温度为13.4 +/- 2.4摄氏度。我们发现6月，7月和8月期间没有空间供暖的迹象即使存在加热度日。
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。