Arxiv网络科学论文摘要8篇(2017-04-27)

• 消息传递，成对，Kermack-McKendrick和随机SIR流行模型之间的关系;
• Twitter的“星球大战”僵尸网络的发现，检索和分析;
• 了解人员流动对警察分配的影响;
• 友谊，竞争和诡计：表征文本中的想法之间的关系;
• 混合网络信息传输;
• 在复杂网络演进中的排名;
• 高性能并行计算在课堂上以公共物品博弈为例;
• 字符网络和书籍类型分类;

消息传递，成对，Kermack-McKendrick和随机SIR流行模型之间的关系

地址： http://arxiv.org/abs/1605.03555

作者： Robert R. Wilkinson, Frank G. Ball, Kieran J. Sharkey

摘要： 我们认为网络上的SIR流行病非常普遍的随机模型，允许个人的感染时期，以及在感染后与其邻居联系所需的时间相关。我们写下这个模型的消息传递方程组，并首次证明它有一个独特的可行解决方案。我们还通过证明该解决方案在任何固定时间$ t> 0 $的预期流行规模（累积感染事件数）提供了严格的上限，从而推广了较早的结果。我们将这些结果专门用于图（网络）对称的均匀特殊情况。这里的消息传递系统减少到只有四个方程。我们证明网络中的周期可以抑制感染的传播，并获得重大流行病学结果，以了解重大疫情的最终流行大小和阈值行为。对于泊松联系过程，这个消息传递系统相当于非马尔科夫对近似模型，我们显示了具有众所周知的成对模型作为特殊情况。我们进一步展示了一个消息传递系统序列，从刚刚描述的均匀开始，收敛到这个随机模型的确定性Kermack-McKendrick方程。对于泊松联系和恢复，我们显示出这种趋同是单调的，从中可以看出，消息传递系统（因此也是成对模型）在这里提供了一个更好的近似于在$ t> 0 $的预期流行大小比Kermack-McKendrick模型。

Twitter的“星球大战”僵尸网络的发现，检索和分析

地址： http://arxiv.org/abs/1701.02405

作者： Juan Echeverría, Shi Zhou

摘要： 众所周知，许多Twitter用户都是机器人，由计算机创建和控制。 Twitter机器人可以发送垃圾短信，操纵舆论，并用于在线欺诈。在这里，我们报告了Twitter上“星球大战”僵尸网络的发现，检索和分析，其中包括超过35万个漫游器，从“星球大战”小说中随机引用。这项工作为Twitter机器人的研究提供了宝贵的基础真实数据集。数据集非常大，比其他可用数据集大很多倍。更重要的是，它只包含一个僵尸网络 - 所有的僵尸网络。数据分析揭示了如何设计和创建僵尸网络的丰富细节。在撰写本文时，“星球大战”机器人尚未被阻止或从Twitter删除。尽管近年来为检测和删除Twitter机器人而做出的努力越来越多，但自2013年创建以来，它们已经非常隐蔽。我们偶然发现了“星球大战”机器人，这种方法非常“非常规”，与现有的努力不同。这应该反映未来的挑战和Twitter bot检测的当前问题。

了解人员流动对警察分配的影响

地址： http://arxiv.org/abs/1704.07823

作者： Carlos Caminha, Vasco Furtado

摘要： 由于人类流动性是大城市犯罪行为的代理，人民运动与犯罪之间存在着超级联系的关系，本文旨在评估这些调查结果如何影响警察分配的影响。更准确地说，我们阐明了分配战略之间的差异，资源分配是由流动人口群体分配的，而常规分配策略之间的区别，其中警察资源由行政区域（通常基于常住人口）分配。我们观察到按照这些策略分配的警察资源的分配有很大的差异，这证明了常规警察分配方法的不精确性。

友谊，竞争和诡计：表征文本中的想法之间的关系

地址： http://arxiv.org/abs/1704.07828

作者： Chenhao Tan, Dallas Card, Noah A. Smith

摘要： 了解意见如何相互关联是许多领域的一个根本问题，从知识史到公共传播。由于思想自然地嵌入在文本中，我们提出了第一个框架，系统地将思想之间的关系基于文本语料库中的事件进行表征，而不管这些想法如何表现。结合两个统计数据 - 文件中的同时发生和时间的流行率相关性 - 我们的方法揭示了许多不同的方式可以合作和竞争。例如，两个想法可以随着时间的推移密切跟踪对方的流行，但很少同时出现，几乎像“冷战”的情景。我们观察到成对并发和流行相关性呈现不同的分布。我们进一步表明，通过对新闻文章和研究论文进行深入的案例研究，我们的方法能够发现想法之间有趣的关系。

混合网络信息传输

地址： http://arxiv.org/abs/1704.07885

作者： Rongbin Chen, Wei Cui, Cunlai Pu, Jie Li, Bo Ji, Konstantinos Gakis, Panos M. Pardalos

摘要： 许多现实世界的通信网络通常具有固定节点和移动模式的混合性质，例如主要由固定基站和移动电话组成的移动电话网络。在本文中，我们讨论了具有固定和移动节点的混合网络的信息传输过程。固定节点（基站）在构成信息承载主干的平面上作为空间格点连接，作为信息包的源和目的地的移动节点（用户）分别连接到其最近的固定节点传递和接收信息包。当分组生成率从低于然后高于临界值时，观察到混合网络中流量负载的相位变化，从而测量分组传送的网络容量。获得最大网络容量的移动节点的最优速度。通过重新布线固定节点，通过考虑分组传输过程中固定节点的当前负载，进一步提高网络容量。我们的目的是从网络科学的角度优化混合网络的网络容量，并为未来通信基础设施的建设提供一些见解。

在复杂网络演进中的排名

地址： http://arxiv.org/abs/1704.08027

作者： Hao Liao, Manuel Sebastian Mariani, Matus Medo, Yi-Cheng Zhang, Ming-Yang Zhou

摘要： 复杂网络已经成为一个简单而强大的框架来表示和分析广泛的复杂系统。复杂网络中节点和边缘排名的问题对于广泛的现实世界的问题至关重要，因为它影响了我们如何访问在线信息和产品，人类活动中成功和人才的评估以及资源的稀缺程度如何分配公司和政策制定者等。这需要深入了解现有的排名算法如何执行，哪些是可能会影响其有效性的偏差。成熟的排名算法（例如流行的Google的PageRank）本质上是静态的，因此，当应用于快速演进的真实网络时，它们具有重要的缺点。近来在演进网络的理解和建模方面取得的进展使得能够考虑到时间尺度的广泛和多样化的排序算法的发展。这个审查的目的是调查现有的排名算法，静态和时间感知，以及他们的应用程序到不断发展的网络。我们强调网络演进对完善的静态算法的影响，以及包括实时网络流量预测，未来链路预测和高重要节点识别等任务的时间维度带来的好处。

高性能并行计算在课堂上以公共物品博弈为例

地址： http://arxiv.org/abs/1704.08098

作者： Matjaz Perc

摘要： 在统计物理学中使用计算机是常见的，因为描述整个系统粒子的粒子的行为的绝对数量通常使得不可能精确地解决它们。蒙特卡罗方法形成了一种特别重要的数学方法，用于解决统计物理学中的问题。虽然这些方法原则上是简单的，但它们的适当使用需要统计力学的良好指挥以及相当大的计算资源。本文的目的是展示如何在个人计算机上广泛使用的显卡的使用可以将蒙特卡罗模拟中的计算能力提升到数量级，从而允许现场课堂展示不了现实的现象。例如，我们将公共物品博弈用在一个平方格子上，其中两种策略在社会困境中竞争共同资源。我们显示系统中二阶相转变为吸收阶段属于有向渗透的普遍性等级，我们比较通过主处理器和合适的显卡获得该结果所需的时间。在过去十年间，图处理单元的并行计算已经积极开发，到今天，入门学习曲线对于那些熟悉编程的人来说，这一切都是陡峭的。因此，本课程成熟为研究生和高级本科课程，我们希望本文将有助于物理教育领域的这一进程。为此，我们提供了一个文档化的源代码，可以轻松地再现现有的结果，并进一步开发类似系统的蒙特卡罗模拟。

字符网络和书籍类型分类

地址： http://arxiv.org/abs/1704.08197

作者： Adriano J. Holanda, Mariane Matias, Sueli M. S. P. Ferreira, Gisele M. L. Benevides, Osame Kinouchi

摘要： 我们比较传记，传奇和虚构的文本的社会角色网络，寻找历史信息的统计标记。我们研究人物出现的频率，找到不依赖于文学属和历史内容的“齐普法”。我们还研究了全球和当地的复杂网络指数，特别是最近引入的Lobby（或Hirsh $ H（1）$）指数与度数，中间度和收敛度之间的关系图。我们也发现这些网络指标的书籍没有相关的差异。然而，我们发现，一个非常简单的索引，其基于Hapax Legomena现象（文中引用的一次），似乎有可能将纯粹的小说与传奇和传记文本分开。

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。