- 微博分析作为工作计划;
- 旁路重连和复杂网络的鲁棒性;
- 最优网络动力学对网络结构的敏感依赖;
- 使用ANFIS和确定性模型预测趋势主题;
- 分享经济的服务提供商：谁加入谁的利益？;
- 模拟各方投票权分配;
- 社会网络流行病流行情况介绍了自愿疫苗计划中紧迫的集体成果;
- 复杂网络中的核心偏向随机游走;
- 环境知识在涉及火灾和烟雾的撤离场景中的作用 - 多尺度建模和仿真方法;
微博分析作为工作计划
地址： http://arxiv.org/abs/1511.03193
作者： Peter Tolmie, Rob Procter, Mark Rouncefield, Maria Liakata, Arkaitz Zubiaga
摘要： 受到欧洲项目PHEME的启发，需要对基于Twitter的对话进行密切分析，以便通过社交媒体来看谣言的传播，本文有两个目标。第一个是将微博分析回到第一原则，并将微博分析看作是基础工作计划。另一个是描述这与人机交互在社会秩序中抓住人们与技术的互动构成的兴趣有什么根本的相关性。我们的关键发现是，尽管有一些表面相似之处，基于Twitter的对话是一个完全不同的社会现象，需要独立分析，将其视为自己独特的现象，而不是作为另一种可在框架内处理的对话种的现有对话分析。这激发了将微博分析建立为基础独立计划，从头开始研究微博的组织特征的观点。我们阐述了这种方法的方面已经开始在PHEME项目中塑造我们的设计活动。
旁路重连和复杂网络的鲁棒性
地址： http://arxiv.org/abs/1606.09579
作者： Junsang Park, Sang Geun Hahn
摘要： 引入旁路重连的概念，通过仿真分析和数值研究随机旁路重连。我们的研究结果表明，旁路重连使得网络对于包括随机故障和攻击在内的节点的去除很有效。特别地，随机旁路重连将均匀度无限网络上除去的节点之外的所有节点连接起来，并使任意占用概率的渗透阈值为0。在我们的例子中，偶数网络比原始网络具有随机旁路重连的鲁棒性，而原始网络比没有随机旁路的偶数网络更健壮。我们提出一种贪心绕线重连算法，它保证每个步骤中最大分量的最大大小，假设接下来哪个节点是未知的。仿真结果表明，贪婪旁路重连算法提高了攻击的互联网自主系统的鲁棒性，而不是随机旁路重连。
最优网络动力学对网络结构的敏感依赖
地址： http://arxiv.org/abs/1611.01164
作者： Takashi Nishikawa, Jie Sun, Adilson E. Motter
摘要： 网络结构与动态之间的关系对于许多领域的复杂系统的行为是决定性的。一个重要的长期问题涉及相对于给定性能测量优化动态的网络的属性。这里我们表明，这种优化可以导致动态对网络结构的敏感依赖。具体来说，使用扩散耦合系统作为例子，我们证明了动态状态的稳定性可以对无向最优网络和加权扰动（即，链路权重的小变化）的未加权结构扰动（即，链路去除和节点添加） ）用于有向最优网络。作为这种敏感性的机制，我们确定了在无向最优网络的互补中发生的不连续转换以及有向最优网络中特征向量退化的流行。这些发现建立了针对动态稳定性优化的网络的统一特征，我们用激活剂抑制剂系统中的图灵不稳定性，电网网络同步，网络扩散和其他几个网络过程进行了说明。我们的研究结果表明，与简单外推可能预期的相比，复合系统运行在最佳状态附近的网络结构可能会被微调，从而显着提高了稳定性。另一方面，他们也提出了对系统实际接近最佳状态的限制。最后，结果对生物物理网络具有潜在的影响，生物物理网络已经在优化适应性的竞争压力下演变，同时保持了对扰动的鲁棒性。
使用ANFIS和确定性模型预测趋势主题
地址： http://arxiv.org/abs/1709.07535
作者： René Escalante, Marco Odehnal
摘要： 热门话题通常是社会网络用户之间信息传播的结果。这些专题可以说是传闻。谣传的传播常常用与流行病传播相同的技术进行研究。为了提供预测曲线，提供了使用ANFIS训练的基于Takagi-Sugeno的模型。通常，许多数据集可能没有足够的测量变量，因此我们提出了一种通过选择由确定性模型给出的估计变量来获得更准确拟合扩展器曲线的方法。因此，在我们的数值实验中，使用了使用SIR和SIRS模型（具有延迟）的两种不同主题的确定性方法。
分享经济的服务提供商：谁加入谁的利益？
地址： http://arxiv.org/abs/1709.07580
作者： Qing Ke
摘要： 许多“分享经济”平台，如Uber和Airbnb，已经越来越受欢迎，为消费者提供了更多的选择和供应商赚取利润的机会。然而，它们也引发了关于监管，税收义务和对城市环境的影响的新兴问题，并引起了各利益集团的激烈辩论。关于这些问题的实证研究有限，部分原因是相关数据不可用。在这里，我们的目标是了解分享经济的服务提供商，调查谁加入谁和利益，使用美国的Airbnb市场作为案例研究。我们连接了超过211,000个拥有18.8万个主机的Airbnb列表，具有人口，社会经济地位（SES），住房和旅游特征。我们显示，无论参与形式还是年份，收入和教育都是连结到Airbnb的两个最有影响力的因素。家庭收入较低的居民或具有本科及以上学历的居民人数较高的地区，往往拥有更多的宿主。然而，在考虑上市的表现时，按照新收到的评论数量衡量，我们发现收入对整个房屋的上市有积极作用;位于家庭收入中位数较高的地区的房屋往往有更多新的评论。我们的研究结果从实证上证明，SES弱势地区的劣势和SES优势地区的优势可能存在于分享经济中。
模拟各方投票权分配
地址： http://arxiv.org/abs/1709.07655
作者： A. Kononovicius
摘要： 不同思想，人员和机构之间的竞争激发了社会经济制度的动态。从不同的金融市场提取的经验数据的大量分析建立了一套一致的风格化事实，描述了金融市场竞争的统计签名。建立和一致的风格化事实有助于为实现理论模型制定明确的目标。尽管在社会物理学中的实证分析相似丰富，但是没有一整套描述舆论动态的风格化事实。在这一贡献中，我们考虑到立陶宛议会选举期间各方的投票权分配情况。我们显示，大多数时间经验投票共享分布可以很好地适应许多不同的分布。在讨论这个特殊性的同时，我们提供了一些参数，包括一个简单的基于主体的模型，为什么Beta版本可以成为适合各方投票权分配的最佳选择。
社会网络流行病流行情况介绍了自愿疫苗计划中紧迫的集体成果
地址： http://arxiv.org/abs/1709.07674
作者： Anupama Sharma, Shakti N. Menon, V. Sasidevan, Sitabhra Sinha
摘要： 疫苗接种计划的成功至关重要地取决于其通过人口的一小部分，因为产生的群体免疫力可防止未来疫情爆发。然而，如果个人选择不接受疫苗接种，因为他们受到牛群免疫力的保护，那么一个运动的有效性就可能导致自己的失败。虽然这似乎是一个最佳的决定，基于对个人的成本和收益的合理评估，但是暴露了人口随后的暴发。我们调查自愿疫苗接种是否可以在一个综合的流行病模型中出现，这种流行病在社会网络上传播，该网络可以做出明智的决定是否接种疫苗。每个代理人可获得的信息包括本地网络社区和/或全球人口中疾病的普遍程度，以及受到保护的疾病的邻近部分。至关重要的是，治疗药物决定的回报随着疾病流行而演变，导致疫苗接种行为与传染病的传播共同演变。响应当地流行率的代理人的集体行为可能导致最终疫情规模的大幅度减少，特别是对于基础繁殖次数低于$ R_0 $的较少传染性疾病。接近流行阈值（$ R_0 \约1 $），使用当地流行率信息可能会导致最终疫苗覆盖面的二分回应。我们研究结果的意义表明，个人使用的信息的性质是确定涉及大规模接种疫苗的公共卫生干预计划成功的关键因素。
复杂网络中的核心偏向随机游走
地址： http://arxiv.org/abs/1709.07715
作者： Raul J Mondragon
摘要： 探索网络的一个简单策略是使用随机游走，随机游走随机从一个节点跳到相邻节点。已知偏置随机跳跃，步行者可以以相等的概率探索相同长度的每一步，这被称为最大熵随机游走（MERW）。构建MERW需要知道邻接矩阵的最大特征值和对应的特征向量，这需要对网络的全球知识。当这种全局信息不可用时，可以构造一个偏向随机游走，它仅使用节点的程度，即本地属性近似MERW。这里我们表明，也可以通过网络核心的属性（网络的中尺度属性）偏置随机游走来构造MERW的良好近似。我们提出一些例子，表明核心偏好随机游走优于程度偏差随机游走。
环境知识在涉及火灾和烟雾的撤离场景中的作用 - 多尺度建模和仿真方法
地址： http://arxiv.org/abs/1709.07786
作者： Omar Richardson, Andrei Jalba, Adrian Muntean
摘要： 我们研究一群人想要在有火灾的情况下从复杂的几何中逃脱，以及缓慢散布的烟幕。我们认为的人群由两个人群组成：一个人知道建筑物的地图，另一个人不知道给定的几何，只依靠潜在的知情的邻居来确定出口的运动路径。我们的目标是捕获环境知识对撤离人员与其存在火灾和不断变化的烟雾之间的停留时间之间的相互作用的影响。我们的方法是真正的多尺度 - 我们采用混合（连续离散随机）模型，可以区分可压缩和不可压缩的行人流动状态，并允许两尺度（微观和宏观）行人交互。模拟说明了模型的预期定性行为。
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。