- 用资产置换的扩展式出售模型描述现实的财富分配;
- Gab是什么？自由言论的堡垒或者右翼回声室？;
- 时间流逝的社交流中有影响力的用户订阅;
- 大型社会网络中的链接传输中心性;
- 交通流的流体动力学模型的相空间分析;
- 动态Galam模型;
- 分析主机和付费级域聚合的Web图;
- 黑洞指标：克服PageRank标准化问题;
- 一种基于相似性的图运算符建模方法;
用资产置换的扩展式出售模型描述现实的财富分配
原文标题： Describing Realistic Wealth Distributions with the Extended Yard-Sale Model of Asset Exchange
地址： http://arxiv.org/abs/1604.02370
作者： Jie Li, Bruce M. Boghosian, Chengli Li
摘要： 我们提出了一个随机的，基于主体的二元交易资产交换模型（AEM），用于财富分配，允许具有负值财富的代理。该模型保留了先前的AEM的某些特征，例如再分配和财富获得的优势，但它也允许转移以及对代理密度函数进行比例尺度。我们推导描述其时间演化的Fokker-Planck方程，并描述其数值解，其中包括解决找到最符合经验数据的模型参数的反演问题的方法。使用这种方法，我们将Fokker-Planck方程的稳态解与27年美国消费者财务状况调查数据进行比较。在这样做的时候，我们证明了在这段时间内平均误差小于0.16％的经验数据是一致的。我们提出了美国财富分配数据的模型参数作为时间的函数，假设分布绝热地响应其变化。我们认为，这样得到的模型参数的时间序列为分析财富不平等提供了一种有价值的新诊断工具。
Gab是什么？自由言论的堡垒或者右翼回声室？
原文标题： What is Gab? A Bastion of Free Speech or an Alt-Right Echo Chamber?
地址： http://arxiv.org/abs/1802.05287
作者： Savvas Zannettou, Barry Bradlyn, Emiliano De Cristofaro, Michael Sirivianos, Gianluca Stringhini, Haewoon Kwak, Jeremy Blackburn
摘要： 在过去的几年中，新的“边”社区已经建立并迅速在网络上获得了推动力。尽管最近的研究表明，它们的确影响错误信息如何传播到主流社区，但人们通常对他们如何演变以及他们吸引什么样的活动知之甚少。这激发了对他们进行监控并分析他们对Web信息生态系统的影响的需求。 2016年8月，一个名为Gab的新社会网络被创建为Twitter的替代品。它把自己定位为“首先是人和言论自由”，欢迎用户禁止或暂停其他社会网络。在本文中，我们尽我们所知地提供了Gab的第一个特征。我们收集和分析2016年8月至2018年1月期间336K用户制作的2200万个帖子，发现Gab主要用于新闻和世界事件的传播和讨论，并吸引更多的用户，阴谋论者和其他巨魔。我们还测量了平台上仇恨言论的普遍程度，发现它比Twitter上的要高得多，但低于4chan的政治错误委员会。
时间流逝的社交流中有影响力的用户订阅
原文标题： Influential User Subscription on Time-Decaying Social Streams
地址： http://arxiv.org/abs/1802.05305
作者： Xin Yang, Ju Fan
摘要： 影响力最大化要求从社会网络中获得$ k $大小的种子集，以便最大限度地发挥对所有其他用户的影响力（称为影响力扩散），因其在病毒式营销和流言控制中的重要应用而受到广泛关注。在现实世界的情景中，人们对特定话题中最有影响力的用户感兴趣，并且希望通过社会网络订阅兴趣话题。在本文中，我们制定了有影响力的用户在时间衰退的社交流中订阅的问题，该问题要求维护每个主题感知订阅查询的$ k $ -size有影响力的用户集合。我们首先分析广泛采用的滑动窗口模型，并提出一个新的时间衰减影响模型来克服计算社交流影响时的不足。基于筛选的流媒体算法开发，我们提出了一种有效的算法来支持动态更新社会网络时间衰减影响的计算。通过在订阅中使用信息，我们可以构造前缀树结构，使我们能够最小化计算每个更新影响的时间，并且易于维护。修剪技术也适用于前缀树，以优化社交流更新的性能。我们的方法确保$ \ frac {1} {2} - \ epsilon $近似比。实验结果表明，我们的方法在效率和结果质量方面明显优于基准方法。
大型社会网络中的链接传输中心性
原文标题： Link transmission centrality in large-scale social networks
地址： http://arxiv.org/abs/1802.05337
作者： Qian Zhang, Márton Karsai, Alessandro Vespignani
摘要： 了解链路在网络中传输信息的重要性可以提供方法来阻止或推迟持续的动态现象，如传播流行病或传播信息。在这项工作中，我们提出了一种基于随机扩散过程的新方法，它通过估计在全球扩散扩散过程中它们传递信息的节点的平均数来捕捉链路的重要性。我们提出了一个简单的算法解决方案来计算传输中心性，并以很低的计算成本在非常大的网络中对其进行近似。最后，我们将传输中心性应用于三个大型经验社会网络中弱连接的识别，表明这一度量标准在识别推动社会网络中传播过程的链接时优于其他中心性度量。
交通流的流体动力学模型的相空间分析
原文标题： Phase-Space Analysis of Fluid-Dynamical Models of Traffic Flow
地址： http://arxiv.org/abs/1802.05341
作者： M David Alvarez Hernandez, Shani Alvarez Hernandez
摘要： 本文首先分析动力型Borsche-Kimathi-Klar模型和Navier-Stokes型Helbing模型，研究两种流体动力学交通模型及其稳态。为了达到这个目的，该研究是通过在阶段空间中的一般分析来完成的。对于两种模型，相空间路径在几种情况下构建，明确地评估一些相空间轨迹。最终，讨论这些分析的结果。
动态Galam模型
原文标题： Dynamical Galam model
地址： http://arxiv.org/abs/1802.05389
作者： Taksu Cheon, Serge Galam
摘要： 我们引入了一种政治观点的时间演进模型，相当于Galam模型的动态扩展，在这个模型中，不灵活数量被视为动态变量。我们发现原来的Galam模型中不灵活的临界值现在变成了稳定性控制政治观点相位轨迹的系统的一个固定点。发现两个阶段的出现，其中保留了多数保留和制度变化的极限循环，这两个阶段分别占主导地位，并且还观察到它们之间的过渡。
分析主机和付费级域聚合的Web图
原文标题： Analysis of the Web Graph Aggregated by Host and Pay-Level Domain
地址： http://arxiv.org/abs/1802.05435
作者： Agostino Funel
摘要： 在本文中，网络被分析为由主机和支付级域（PLD）聚合的图。网络图数据集公开发布，由Common Crawl Foundation发布，基于2017年5月至6月至7月期间的网络爬虫。主机图有$ 13亿美元的节点和$ 53亿美元弧。 PLD图有$ \ sim $ 9100万个节点和$ \ sim $ 11亿个弧。我们研究了使用统计方法重点关注幂律检测的强/弱连通分量（SCC / WCC）的程度和大小分布。将幂律模型的统计合理性与几种替代分布的统计合理性进行比较。虽然在主机层面上没有证据显示功率定律尾部，但它们出现在PLD聚合中，用于不合规格，SCC和WCC尺寸分布。最后，我们通过研究最短路径长度的累积分布来分析距离相关特征，并给出图的直径估计。
黑洞指标：克服PageRank标准化问题
原文标题： Black Hole Metric: Overcoming the PageRank Normalization Problem
地址： http://arxiv.org/abs/1802.05453
作者： Marco Buzzanca, Vincenza Carchiolo, Alessandro Longheu, Michele Malgeri, Giuseppe Mangioni
摘要： 在网络科学中，通常需要对图节点进行排序。虽然分拣策略可能不同，但通常通过利用网络结构来进行分拣。尤其是，在过去的十年中，PageRank度量以不同的方式用于根据有多少邻居指向特定节点来生成排名。 PageRank很简单，易于计算并且在许多应用中都很有效，但它带有一个价格：由于PageRank是随机游走的应用，因此需要对弧权重进行归一化。这种标准化虽然是必要的，但会引入一系列不需要的副作用。在本文中，我们提出了一个名为Black Hole Metric的PageRank的概括，它可以缓解这个问题。我们设计了一种情景，其中副作用对排名特别有影响，在真实网络和合成网络中测试新指标，并显示结果。
一种基于相似性的图运算符建模方法
原文标题： A Similarity-based Approach to Modeling Graph Operators
地址： http://arxiv.org/abs/1802.05536
作者： Tasos Bakogiannis, Giannis Giannakopoulos, Dimitrios Tsoumakos, Nectarios Koziris
摘要： 由于数据的图表表现形式出现在多个领域，因此数据分析师需要能够根据不同运营商应用于不同运营商时所产生的效果，在大量不同的图输入中进行选择。由于需要大量资源，运营商对大部分可用数据源的彻底执行是不切实际的。此外，只要考虑到不同的运营商，就必须重新实施相同的流程。为了解决这个挑战，这项工作提出了一种高效的图算子建模方法。我们的新方法专注于输入本身，利用图相似性来推断关于多个输入图的知识。建模运算符仅针对可用图的一小部分子集执行，其行为与使用机器学习的其余图近似。这种方法与操作者无关，因为相同的相似性信息可以重复用于建模多个图操作符。我们还提出了一系列基于度分布的相似性度量标准，该度量分布证明能够产生高质量的估计，可比较甚至超越更昂贵的最先进的相似性度量。我们对真实世界和合成图的评估表明，我们的方法可以对许多常见运营商实现极其精确的建模，并通过强大的替代方案来管理大规模的加速。
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。