- 大型约束图的渐进;
- 大型约束图的多约束结构和相位转换;
- Greenberg-Hastings在小世界网络上的动态：集体灭绝 - 活跃转变;
- 双饱和随机图中的双足结构;
- 边缘/三角形网络模型中的对称断裂过渡;
- Web服务的性质如何促进社交标签中的词汇创建;
- 一级过渡级联过程中的有效集体影响最大化;
- 具有边缘和三角形约束的大型网络的阶段;
- 在网络中寻找多个核心 - 外围对;
- 玛丽勒庞可以破坏她的玻璃天花板：差异弃权的激烈效果;
- 穿着许多（社会）帽子：你的不同的社交网络有多不同？;
- SNE：符号网络嵌入;
- 社会网络中去匿名化风险的量化;
- 国际合并和收购网络的时空模式;
- 对具有动态相对交互矩阵的DeGroot-Friedkin模型的分析;
- 复杂网络中扩散源的最优定位;
- 匹配的协变块模型;
- 是敌是友？ Population协议可以执行社区检测;
- 基于模体的方法来识别争议;
- 选择性收获网络;
- 消费者和策展人：在Reddit上的浏览和投票模式;
大型约束图的渐近
地址： http://arxiv.org/abs/1401.1170
作者： Charles Radin, Kui Ren, Lorenzo Sadun
摘要： 我们通过局部估计和模拟显示，如果通过其密度$ \ varepsilon $ of edges和$ \ tau $的三角形来约束简单图形，则渐近（以顶点数量）超过$ 95 \％$的可能这些密度的范围存在明确的典型图，并且它具有非常简单的结构：顶点被分解为固定相对大小$ c $和$ 1-c $的两个子集$ V_1 $和$ V_2 $，并且是在V_j $中的$ v_j \和V_k $中的$ v_k \之间的边界$ g_ {jk} $的明确定义的概率。此外，除了两个平滑的“相变”曲线外，四个参数$ c，g_ {11}，g_ {22} $和$ g_ {12} $是$（\ varepsilon，\ tau）$的平滑函数。
大型约束图的多约束结构和相位转换
地址： http://arxiv.org/abs/1405.0599
作者： Richard Kenyon, Charles Radin, Kui Ren, Lorenzo Sadun
摘要： 我们研究由边缘密度和$ k $ -star子图限定的大，简单，标记图的渐近，$ k \ ge 2 $ fixed。我们证明在这样的约束下，图形是“多节点的”：渐近地，在顶点的数量中存在顶点的分区到$ M <\ infty $子集$ V_1，V_2，\ ldots，V_M $，在V_i $中的任何$ v_i \和V_j $中的$ v_j \之间的边的定义的概率$ g_ {ij} $。对于$ 2 \ le k \ le 30 $，我们确定相位空间：edge和$ k $ -star密度的组合可渐近地实现。对于这些模型，在具有非唯一渐近（graphon）结构的相空间的边界上存在特殊点;对于2星模型，我们证明非唯一性扩展到相空间内部的熵最大化。
Greenberg-Hastings在小世界网络上的动态：集体灭绝 - 活跃转变
地址： http://arxiv.org/abs/1505.00182
作者： Leonardo I. Reyes
摘要： 我们提出一个在小世界网络上反应扩散模型的数值研究。我们在$ T $时间步长和从参数空间中的集合（全局）消失状态到活动状态的转换之后，表征模型的平均活动$ F_T $。我们在这些状态之间的边界处提供我们模型的参数之间的显式关系。集体活动状态可以与全球流行病蔓延或持续性神经元活动相关联。我们发现如果传输速率$ r $或平均配合数$ K $足够大，则$ F_T $不取决于网络中的无序。可以通过改变与网络相关联的两个参数来诱导共同的灭绝 - 活跃转换：$ K $和无序参数$ p $（其控制$ K $的方差）。我们还可以通过改变$ r $来诱导转换，其控制动态中的阈值大小。为了在转换时操作，模型的参数必须满足关系$ rK = a_p $，其中作为$ p /（1-p）$的函数的$ a_p $是拉伸的指数函数。我们的结果与操作{\ at}转换以增加其动态范围和/或在最佳信息处理条件下操作的系统相关。我们讨论如何玻璃行为出现在我们的模型。
双饱和随机图中的双足结构
地址： http://arxiv.org/abs/1509.05370
作者： Richard Kenyon, Charles Radin, Kui Ren, Lorenzo Sadun
摘要： 我们研究由边缘的极限密度和任意固定图形的限制子图密度$ H $限制的大的简单图形的渐近。我们证明，对于边缘密度的所有但有限多的值，如果$ H $的密度被约束为略高于对应的Erd \ H {O} s R | enyi图的密度，则典型的大图双参数，其参数随着密度分析地变化。渐近地，参数仅取决于$ H $的度序列。
边缘/三角形网络模型中的对称断裂过渡
地址： http://arxiv.org/abs/1604.07929
作者： Charles Radin, Kui Ren, Lorenzo Sadun
摘要：
Web服务的性质如何促进社交标签中的词汇创建
地址： http://arxiv.org/abs/1604.07993
作者： Koya Sato, Mizuki Oka, Yasuhiro Hashimoto, Takashi Ikegami, Kazuhiko Kato
摘要： 社交标记系统允许用户在共享资源上添加称为“标签”的任意字符串以组织和管理信息。 Yule - Simon进程显示了捕捉社交标签行为的人口动态的能力，它不处理新的词汇创建的机制，因为它假设新的词汇创建是一个类似泊松的随机过程。在这项研究中，我们从微观角度关注词汇创作的机制，并讨论它是否也遵循在Yule - Simon过程中假设的随机过程。为了捕捉词汇创建的微观机制，我们关注同一条目中使用的标签数量与本地词汇创建率之间的关系。我们发现这种关系不是简单随机过程的结果，并且在服务之间是不同的。此外，这些差异取决于用户的标签态度是私人的还是开放的。这些结果提供了一个新的索引来识别服务的内在性质的潜力。
一级过渡级联过程中的有效集体影响最大化
地址： http://arxiv.org/abs/1606.02739
作者： Sen Pei, Xian Teng, Jeffrey Shaman, Flaviano Morone, Hernán A. Makse
摘要： 在社交网络中，大群体的集体行为可以通过由“同伴压力”引发的级联过程由一小组影响者形成。对于大规模网络，在具有一阶跃迁的阈值模型中使用线性算法来有效识别多个有影响的扩展器仍然是一个具有挑战性的任务。在这里，我们通过探索行为级联的一般阈值模型的集体影响来解决这个问题。我们的分析显示，吊具的重要性是由亚临界路径固定的，级联传播的次临界路径：附加到每个吊具的亚临界路径的数量决定其对全局级联的贡献。亚临界路径的概念允许我们为大规模的网络引入线性可扩展的算法。在合成随机图和真实网络中的结果表明，与其他线性可缩放启发式方法相比，给定相同数量的种子，所提出的方法可以实现更大的集体影响。
具有边缘和三角形约束的大型网络的阶段
地址： http://arxiv.org/abs/1701.04444
作者： Richard Kenyon, Charles Radin, Kui Ren, Lorenzo Sadun
摘要： 基于数值模拟和局部稳定性分析，我们描述了随机图的边缘/三角形模型的相位空间的结构。我们支持对许多相变的连续性和不连续性的数学证明的模拟证据。在这个模型中除了一个任何相变之外的所有相变都破坏某种形式的对称性，并且我们使用该模型来探究对称性的变化如何与这些跃迁处的不连续相关。
在网络中寻找多个核心 - 外围对
地址： http://arxiv.org/abs/1702.06903
作者： Sadamori Kojaku, Naoki Masuda
摘要： 利用网络的核心 - 外围结构，核心节点密集地互连，外围节点以不同的程度连接到核心节点，并且外围节点稀疏地互连。已经为各种网络确定了由单个核心和外围组成的核心外围结构。然而，类似于许多经验网络由密集互连的节点组（即，社区）组成的观察，网络可以更好地被认为是多个核和外围的集合。我们提出一种可扩展的算法来检测网络中核心 - 外围结构的多个非重叠组。我们说明我们的算法使用合成和经验网络。例如，我们发现在一个政治博客网络中存在不同的政治倾向，以及在世界范围机场网络中的一些单一国家的国际和国内机场子网之间存在不同的核心 - 边缘对。
玛丽勒庞可以破坏她的玻璃天花板：差异弃权的激烈效果
地址： http://arxiv.org/abs/1703.04643
作者： Serge Galam
摘要： 差异弃权范围显示在投票日允许少数民族候选人赢得选举的“精确”投票估计。在具有以$ I_a $，$ I_b = 1-I_a $的投票意图和在$ x $和$ y $的相应投票率的两个候选竞争A和B中，存在临界值$ I_ {ac} I_ {ac}
穿着许多（社会）帽子：你的不同的社交网络有多不同？
地址： http://arxiv.org/abs/1703.04791
作者： Changtao Zhong, Hau-wen Chan, Dmytro Karamshu, Dongwon Lee, Nishanth Sastry
摘要： 本文研究用户何时在不同的社交网络中创建个人资料，无论他们是同一角色的冗余表达，还是适应每个平台。使用关于About.me的116,998个用户的个人网页，我们在几个主要的社交网络，包括Facebook，Twitter，LinkedIn和Instagram上识别和提取匹配的用户个人资料。我们找到不同的站点特定的规范的证据，例如在简档自描述的文本中使用的语言的差异，以及用作简档图像的图片的类型。通过学习一个强有力地标识平台的模型，给出用户的简档图像（0.657-0-0.829 AUC）或自我描述（0.608--0.847 AUC），我们确认用户确实以可识别和可学习的方式将他们的行为适应于个体平台。然而，不同的性别和年龄组对他们的行为进行了不同的适应，并且这些差异通常在不同的平台上是一致的。我们显示社会概况建设的差异对应于正式或非正式的平台的差异。
SNE：符号网络嵌入
地址： http://arxiv.org/abs/1703.04837
作者： Shuhan Yuan, Xintao Wu, Yang Xiang
摘要： 无符号的网络已有几种网络嵌入模型。然而，基于skip-gram的这些模型不能应用于符号网络，因为它们只能处理一种类型的链路。在本文中，我们提出我们的符号网络嵌入模型称为SNE。我们的SNE采用对数双线性模型，使用沿着给定路径的所有节点的节点表示，并且进一步结合两个带符号类型向量以捕获沿着路径的每个边缘的正或负关系。我们在有向和无向符号网络上进行两个实验，节点分类和链路预测，并与四个基线进行比较，包括矩阵分解方法和三个最先进的无符号网络嵌入模型。实验结果表明我们的符号网络嵌入的有效性。
社会网络中去匿名化风险的量化
地址： http://arxiv.org/abs/1703.04873
作者： Wei-Han Lee, Changchang Liu, Shouling Ji, Prateek Mittal, Ruby Lee
摘要： 发布隐私敏感数据的风险最近受到了相当大的关注。已经提出了几种去匿名化攻击以重新识别个体，即使应用数据匿名化技术。然而，没有关于由匿名化技术保存的数据实用程序和针对去匿名化攻击的数据漏洞的理论量化。在本文中，我们理论上分析了去匿名化攻击，并为匿名化数据（由匿名实用程序表示）的效用提供条件，以实现成功的去匿名化。就我们所知，这是量化匿名效用和去匿名化能力之间的关系的第一个工作。与以前的工作不同，我们的量化分析不需要关于图形模型的假设，因此为开发实用的去匿名化/匿名化技术提供了一般的理论指导。此外，我们评估对现实的Facebook数据集的最先进的去匿名化攻击，以显示以前的工作的局限性。通过比较这些实验结果和在我们的分析中得到的理论上可实现的去匿名化能力，我们进一步证明了以前的去匿名化攻击的无效性和未来更强大的去匿名化攻击的潜力。
国际合并和收购网络的时空模式
地址： http://arxiv.org/abs/1703.04899
作者： Marco Duenas, Rossana Mastrandrea, Matteo Barigozzi, Giorgio Fagiolo
摘要： 本文使用复杂网络方法分析了并购（M＆A）的世界网。我们使用并购数据建立了1995 - 2010年期间和224个国家的二进制和加权有向网络的时间序列。我们研究国际并购网络（IMAN）的不同的地理和时间方面，建立其链路属于特定的距离或时间间隔的滤波子网的序列。由于并购和贸易是进入国外市场的补充方式，我们使用用于国际贸易网络（ITN）研究的统计数据进行分析，突出了ITN和IMAN之间的相似性和差异性。与ITN相反，IMAN是一种低密度网络，其特征在于具有许多外部节点和低互易性的持久性巨型组件。聚类模式是非常异构和动态的。高收入经济体是主要收购者，其特点是高度连通性，这意味着大多数国家是少数收购者的目标。类似于ITN，地理距离强烈影响IMAN的结构：链路权重和节点度是非线性的，并且在短距离处存在分类模式。
对具有动态相对交互矩阵的DeGroot-Friedkin模型的分析
地址： http://arxiv.org/abs/1703.04901
作者： Mengbin Ye, Ji Liu, Brian David Outram Anderson, Changbin Yu, Tamer Başar
摘要： 本文分析了当网络拓扑动态变化（由动态相对交互矩阵描述）时，社会网络中个人社会力量的演变的DeGroot-Friedkin模型。 DeGroot-Friedkin模型描述了个人社会力量（自我评价，自重）如何随着个人网络讨论一系列问题而演变。我们试图研究动态变化的相对交互作用，因为相互作用可能根据所讨论的问题而改变。为了详细地探讨该问题，研究了两种不同的问题依赖网络拓扑的情况。首先，如果拓扑在周期性方面在问题之间变化，则表明个体的自我评价允许周期性的解决方案。第二，如果拓扑结构任意改变，在每个相对交互矩阵是双随机和不可约的假设下，个体的自我评价渐近收敛到一个独特的非平凡的平衡。
复杂网络中扩散源的最优定位
地址： http://arxiv.org/abs/1703.04915
作者： Zhao-Long Hu, Xiao Han, Ying-Cheng Lai, Wen-Xu Wang
摘要： 定位来自最小数据的扩散和传播的来源是网络科学中的重要问题，对社会具有巨大的应用价值。然而，缺乏一个处理最优源定位的一般理论框架。结合复杂网络的可控性理论和压缩感知，我们开发了一个具有高效率和鲁棒性的框架，用于任意分布源的任意加权网络中的最优源定位。我们提供最小输出分析，通过最少数量的信使节点来量化源可定位性，从而产生足够的测量以完全定位源。当识别出最小信使节点时，最佳源定位的问题变成稀疏信号重构之一，这可以使用压缩感测来解决。我们的框架应用于模型和经验网络表明均匀和更稠密的网络中的来源更容易被找到。令人惊讶的发现是，对于具有随机链路权重和弱噪声的连接的无向网络，单个信使节点足以定位任何数量的源。该框架加深了我们对网络源定位问题的理解，并提供具有广泛应用的高效工具。
匹配的协变块模型
地址： http://arxiv.org/abs/1703.04943
作者： Zahra S. Razaee, Arash A. Amini, Jingyi Jessica Li
摘要： 社区检测或聚类是网络数据分析的基本任务。许多真实的网络有一个二分的结构，使社区检测具有挑战性。在本文中，我们考虑一个模型，允许匹配的社区在二分设置，除了节点协变量与匹配的信息。我们推导出一个简单的快速算法来拟合基于变分推理思想的模型，并显示其对模拟和真实数据的有效性。除了拟合这种度校正模型的新颖方法之外，还考虑允许度校正的模型的变化。
是敌是友？ Population协议可以执行社区检测
地址： http://arxiv.org/abs/1703.05045
作者： Luca Becchetti, Andrea Clementi, Emanuele Natale, Francesco Pasquale, Prasad Raghavendra, Luca Trevisan
摘要： 我们提出一个简单的分布式算法，给定由两个社区（或集群）组成的规则图，每个引入一个良好的扩展器，并且它们之间的剪切具有稀疏度$ 1 / \ mbox {polylog}（n）$，恢复两个社区。更确切地说，在运行协议时，每个节点都为它自己分配$ m = \ Theta（\ log n）$ bits的二进制标签，使得对于除了少数异常值之外的所有异常值，分配具有汉明距离$ o（m）$的标签，而属于不同社区的节点接收具有至少$ m / 2-o（m）$的汉明距离的标签。我们将这样的结果称为图的“社区敏感标签”。我们的算法使用$ \ Theta（\ log ^ 2 n）$ local内存，并在每个节点执行$ \ Theta（\ log ^ 2 n）$本地工作步骤后计算社区敏感标签。我们的算法和其分析工作在“（随机）群体协议”模型中，其中匿名节点不共享任何全局时钟（该模型是异步的），并且通信在每轮的一个（随机）边缘上发生。我们相信，这是第一个可行的有效的协议，社区检测在这个模型中工作。
基于模体的方法来识别争议
地址： http://arxiv.org/abs/1703.05053
作者： Mauro Coletto, Kiran Garimella, Aristides Gionis, Claudio Lucchese
摘要： 在社交媒体讨论的主题中，有些导致了争议。一些最近的研究集中在识别社会媒体的争议的问题，主要是基于文本内容的分析或依靠全局网络结构。由于难以理解自然语言和调查全局网络结构，这种方法具有很大的局限性。在这项工作中，我们显示有可能通过利用网络模体，即用户交互的本地模式检测社交媒体的争议。所提出的方法允许对用户讨论及其随时间的演进的语言无关和细粒度和有效的计算分析。利用模体的监督模型可以实现85％的准确性，与基于传播和时间网络特征的基准模型相比，提高了7％。
选择性收获网络
地址： http://arxiv.org/abs/1703.05082
作者： Fabricio Murai, Diogo Rennó, Bruno Ribeiro, Gisele L. Pappa, Don Towsley, Krista Gile
摘要： 图上的主动搜索（AS）关注于在给定网络拓扑的全局知识以及查询预算下的边权重的情况下收集某些标记的节点（目标）。然而，在大多数网络中，节点，拓扑和边权重最初是未知的。我们引入选择性收获，AS的一个变体，其中必须从当前查询的节点集合的邻居中选择要查询的下一个节点;用于决定要查询哪个节点的可用训练数据限于由查询集（及其节点属性）及其邻居（没有任何节点或边缘属性）引起的子图。因此，选择性收获是一个顺序决策问题，其中我们必须决定在每个步骤查询哪个节点。在这种情况下训练的分类器受到隧道视觉效应的影响：无需求助于独立采样，查询有希望的节点的冲动迫使分类器收集越来越偏倚的训练数据，我们显示其显着损害AS方法和标准分类器的性能。我们发现，通过使用多个分类器，而不是通过将它们的预测组合成一个整体，但是在每个步骤使用的分类器之间切换，作为缓解隧道视觉效果的方式，可以收集更大的目标集合。我们发现交换分类器通过（a）使训练数据多样化和（b）拓宽接下来可以查询的节点的选择来收集更多的目标。这突出了我们的问题中的探索，开发和多样化权衡，超越了在经典顺序决策问题中发现的探索和利用二元性。从这些观察中，我们提出了D3TS，一种基于多臂匪盗的非固定随机过程的方法，其强制分类器多样性，在我们的评估中匹配或超过竞争方法在七个真实网络数据集上的性能。
消费者和策展人：在Reddit上的浏览和投票模式
地址： http://arxiv.org/abs/1703.05267
作者： Maria Glenski, Corey Pennycuff, Tim Weninger
摘要： 随着人群对新闻和信息的掌握成为常态，重要的是不仅要了解个人如何通过社交新闻网站消费信息，而且还要了解他们如何对他们的排名系统做出贡献。在目前的工作中，我们介绍并提供一个新的数据集，其中包含记录一年内309个Reddit用户的所有活动的活动日志。使用这个新收集的数据，我们提出的研究结果突出了研究的参与者的浏览和投票行为。我们发现大多数用户没有阅读他们投票的文章，总共73％的帖子被评级（即upvoted或downvoted），而没有首先查看内容。我们还在最可能投票的用户的浏览会话中显示认知疲劳的证据。
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。本系列在个人博客网络科学研究速递 进行同步更新，并提供RSS订阅。