- 有向粒子运动的随机和粗粒化二维建模;
- 将疾病理解为异质性增加：一个复杂网络计算框架;
- 使用质量指标的双变量图的复杂网络中社区结构的经验表征;
- 向量空间查询复杂网络;
- 特征网络;
- 脑同步，一个虚假的朋友;
- 预测新场地的时间活动模式;
- PyPSA-Eur：欧洲传输系统的开放优化模型;
- 使用节点对抽样的分层图聚类;
- 通过随机游走采样估计最短路径长度分布;
- 城市形态分析中的平面性和街道网络表征;
有向粒子运动的随机和粗粒化二维建模
原文标题： Stochastic and Coarse-Grained Two-Dimensional Modeling of Directional Particle Movement
地址： http://arxiv.org/abs/1806.01365
作者： William Ott, Ilya Timofeyev, Thomas Weber
摘要： 我们研究了二维几何中相互作用的代理组的演化。我们引入了一个微观随机模型，其中包括模拟个体群体全局流动的场地模型以及局部交互规则。从这个微观模型中，我们推导出一个分析处理系统的守恒定律，控制着宏观密度的演变。数值模拟表明，守恒定律体系与微观模型之间有很好的一致性，尽管后者稍微更具扩散性。我们通过对保守法系统进行二阶修正得出结论。
将疾病理解为异质性增加：一个复杂网络计算框架
原文标题： Understanding diseases as increased heterogeneity: a complex network computational framework
地址： http://arxiv.org/abs/1806.01367
作者： Massimiliano Zanin, Juan Manuel Tuñas, Ernestina Menasalvas
摘要： 由于人体的复杂性，大多数疾病在其表现方式中表现出高的人际差异性，即在其表型中具有重要的临床影响 - 例如难以定义客观诊断规则。我们在这里探索这样一个假设，即用于定义疾病的体征和症状应该根据物理可观察量的分散性（而不是平均值）来理解。为此，我们提出了一个基于复杂网络理论的计算框架，根据成对的表型相似性将主体组映射到网络结构。我们证明了所得到的结构可以用来提高分类算法的性能，特别是在数量有限的情况下，对于合成和真实数据集都是如此。除了提供对疾病的另一种概念性理解之外，拟议的框架可能与日益增长的个性化或N-to-1医学领域具有特殊的相关性。
使用质量指标的双变量图的复杂网络中社区结构的经验表征
原文标题： An empirical characterization of community structures in complex networks using a bivariate map of quality metrics
地址： http://arxiv.org/abs/1806.01386
作者： Vinh-Loc Dao, Cécile Bothorel, Philippe Lenca
摘要： 社区检测是网络细观结构发现的一项重要任务。但是，“良好”社区的概念非常依赖于上下文，使用现有的社区检测技术来推断社区特征相对复杂。实际上，结构良好质量指标与预期拓扑模式之间存在差距会在评估社区结构时造成混乱。在本文中，我们介绍了不同结构良好性质的经验多元分析，以表征几种可检测的社区拓扑。具体而言，我们表明，结合两个代表性的结构维度，包括社区传递性和枢纽优势，可以区分不同的拓扑结构，如基于星型，基于团体，基于字符串和基于网格的结构。此外，这些拓扑类别公开了由Erd \ H {o} s-R \ {e} nyi，Watts-Strogatz和Barab '{a} si-Albert生成模型创建的图的结构近似。我们举例说明了由不同检测方法识别的流行社区拓扑结构，这些拓扑结构构成了许多网络类别，并将它们的结构与最相关的图生成模型相关联。有趣的是，这种联合表征揭示了不同网络类别中细观结构之间的基本差异，包括：通信，信息，生物，技术，社会，生态，合成网络等等。
向量空间查询复杂网络
原文标题： Querying Complex Networks in Vector Space
地址： http://arxiv.org/abs/1806.01445
作者： William L. Hamilton, Payal Bajaj, Marinka Zitnik, Dan Jurafsky, Jure Leskovec
摘要： 学习复杂网络的矢量嵌入是一种强大的方法，用于预测网络数据中缺失或不可观察的边。然而，在这方面的一个公开挑战是开发技术，可以推断网络数据中的$ \ textit {subgraphs} $，这可能涉及多个边关系的逻辑连接。这里我们介绍一个框架来预测关于连接逻辑查询---即子图关系---异构网络数据。在我们的方法中，我们将网络节点嵌入到低维空间中，并将逻辑运算符表示为在此嵌入空间中学习的几何操作（例如，平移，旋转）。我们证明了一小组几何操作足以表示网络上的连接逻辑查询，并且我们引入了这些操作符的一系列日益强大的实现。我们展示了这个框架在两个具有数百万条边界的网络应用研究中的实用性：预测药物 - 基因 - 疾病相互作用网络中的未观察子图，以及从流行的网络论坛得到的社交互动网络中。这些实验表明我们的框架如何有效地进行逻辑预测，例如“哪些药物可能靶向涉及X和Y疾病的蛋白质？”我们的结果一起强调了强加逻辑结构如何使网络嵌入对大规模知识发现更有用。
特征网络
原文标题： EigenNetworks
地址： http://arxiv.org/abs/1806.01455
作者： Jonathan Mei, José M.F. Moura
摘要： 在许多应用中，一组$ N $时间序列$ \ {x_ {nk}，k> 0 } _ {n = 1} ^ {N} $之间的相互依赖性很好地被一个图或网络$ G $ 。网络本身也可能随时间变化（即，如$ G_k $）。我们预计网络变化的速度要比时间序列慢得多。本文介绍了特征网络，这些网络是构建模块来组成实际网络$ G_k $，捕获时间序列之间的依赖关系。这些特征网络可以通过首先从数据中学习图$ G_k $的时间序列，然后进行主要网络分析过程来估计。提出并讨论了用于学习图的原始时间序列和本征网络的算法。模拟和实时数据的实验证明了学习的性能和对特征网络的解释。
脑同步，一个虚假的朋友
原文标题： Brain synchronizability, a false friend
地址： http://arxiv.org/abs/1806.01597
作者： David Papo, Javier M. Buldú
摘要： 同步在健康的认知和运动功能中发挥重要作用。然而，同步取决于局部动力学，耦合和拓扑之间的相互作用，以及给定拓扑组织如何同步网络的可能性仍然很少。为了研究解剖和功能脑网络的同步性，各种研究采用了主稳定函数（MSF）形式，这是一种优雅的工具，它允许分析由许多耦合振荡器组成的动态系统中同步状态的稳定性。在这里，我们认为大脑动力学不符合通常量化同步性的形式标准，也许更重要的是，这种量度本身所量化的是指一种从未在大脑中持有的全局动态条件（即使在大多数病理条件下），因此不应该根据它得出神经生理结论。我们讨论同步性的含义及其对神经科学的适用性，并提出了量化脑网络同步的替代方法。
预测新场地的时间活动模式
原文标题： Predicting the temporal activity patterns of new venues
地址： http://arxiv.org/abs/1806.01599
作者： Krittika D'Silva, Anastasios Noulas, Mirco Musolesi, Cecilia Mascolo, Max Sklar
摘要： 估算新开业场地的收入和业务需求至关重要，因为这些早期阶段通常涉及关键决策，如第一轮人员配备和资源分配。传统上，这种估计是通过粗粒度的措施进行的，例如观察当地场所或相似地点的场所（例如同一城市另一个车站周围的咖啡店）的号码。个人日常使用的设备和服务产生的众包数据的出现为更好地预测位置和场所的时间访问模式提供了可能性。在本文中，我们使用来自Foursquare的移动数据，这是一个以位置为中心的平台，我们将场地类别视为城市活动的代理，并分析它们随着时间流逝的流行程度。这项工作的主要贡献是一个预测框架，能够使用位置的特征时间特征和k-最近邻居指标来捕捉城市地区之间的相似性，以预测城市社区新场馆的每周人气动态。我们进一步展示了如何通过使用局部性和时间相似性作为特征，在开放一个月后预测新场地的流行程度。为了评估我们的方法，我们专注于伦敦。我们表明，城市的时间相似区域可成功用作新场馆访问模式的预测输入，与随机选择病房作为预测任务的训练集相比，改善了41％。我们将这些时间相似区域和地点的概念应用于与新场地相关的实时预测，并表明这些特征可以有效地用于预测场地的未来趋势。我们的研究结果有可能影响基于位置的技术设计和新业务所有者的决策。
PyPSA-Eur：欧洲传输系统的开放优化模型
原文标题： PyPSA-Eur: An Open Optimisation Model of the European Transmission System
地址： http://arxiv.org/abs/1806.01613
作者： Jonas Hörsch, Fabian Hofmann, David Schlachtberger, Tom Brown
摘要： PyPSA-Eur是欧洲电力系统在传输网络层面的第一个开放模型数据集，涵盖整个ENTSO-E区域。它包含6001线，3657座变电站，常规发电厂的新开放式数据库，电力需求和可变的可再生发电机可用性和地理电位的时间序列（在和以上的220kV的电压电平并且所有高压直流线路交变电流线）风能和太阳能的扩张。该模型适用于运营研究和发电和输电扩建规划研究。大陆范围和高度分辨的空间尺度能够对可再生能源发电的长程平滑效应及其不同的资源可用性进行适当的描述。限制免费提供的和公开的数据鼓励了模型数据开发的公开交换，并简化了模型结果的比较。数据集的另一个新颖之处在于发布了完整的自动化软件流水线，以便从原始数据集中组装支持流量就绪的模型，从而轻松替换和改进各个部分。本文重点介绍网络拓扑结构，欧洲电厂数据库的编制和自上而下加载时间序列区域化。它总结了从再分析天气数据集推导可再生风能和太阳能可用时间序列以及估算受土地使用限制的可再生能力潜力。最后，介绍了数据集的验证，包括一种将地理参考网络数据集相互比较的新方法。
使用节点对抽样的分层图聚类
原文标题： Hierarchical Graph Clustering using Node Pair Sampling
地址： http://arxiv.org/abs/1806.01664
作者： Thomas Bonald, Bertrand Charpentier, Alexis Galland, Alexandre Hollocou
摘要： 我们提出了一种基于模块化聚类技术的新型层次图聚类算法。该算法是凝聚的，并且基于由采样节点对的概率引起的簇之间的简单距离。我们证明这个距离是可以减小的，这使得使用最近邻居链可以加速聚集。该算法的输出是一个规则树状图，它揭示了该图的多尺度结构。结果在合成和真实数据集上都有说明。
通过随机游走采样估计最短路径长度分布
原文标题： Estimating Shortest Path Length Distributions via Random Walk Sampling
地址： http://arxiv.org/abs/1806.01757
作者： Minhui Zheng, Bruce D. Spencer
摘要： 在网络中，节点之间的最短路径非常重要，因为它们允许节点之间进行最快和最强的交互。然而，测量大型网络中所有节点之间的最短路径的计算量很大。在本文中，我们提出了一种通过随机游走采样来估计网络的最短路径长度（SPL）分布的方法。为了处理样本中二元组（节点对）的不相等包含概率，我们将Hansen-Hurwitz估计量和Horvitz-Thompson估计量（及其比率形式）的用法推广到采样的二元组中。基于马尔可夫链理论，我们证明了二元组的选择概率与两个节点的度数的乘积成正比。为了逼近二元组的实际SPL，我们使用观测到的SPL在诱导子图中对于具有较大程度变化的网络，即标准差至少是平均值的两倍，对于具有较小程度变化的网络，估计SPL使用具有小程度变化的网络的地标。通过对实际网络的仿真研究和应用，我们发现：1）对于大型网络，通过使用单个随机或多个随机游走，总步数等于网络中至少20％的节点，可以实现较高的估计准确度; 2）估计性能随着网络规模的增加而增加，但当网络足够大时趋于稳定; 3）一次随机游走以及多次随机游走; 4）Horvitz-Thompson比率估计器在四个估计器中表现最好。
城市形态分析中的平面性和街道网络表征
原文标题： Planarity and Street Network Representation in Urban Form Analysis
地址： http://arxiv.org/abs/1806.01805
作者： Geoff Boeing
摘要： 街道网络模型是城市旅行行为，可达性，设计模式和形态学研究的基础。这些模型通常被定义为平面，这意味着它们可以在没有任何地下通道或立交桥的情况下以二维方式表示。然而，真实世界的城市街道网络存在于三维空间中，并且经常以桥梁和隧道为特征的坡度分离：平面简化可能很有用，但它们也会影响真实世界街道网络分析的结果。本研究测量了全球50个城市中心的可驱动街道网络和非步行街道网络的非平面性，然后考察了城市间非平面性的变化。它开发了两个新指标 - 空间平面比率和边长度比率 - 来衡量平面度并描述基础设施和城市化。虽然一些街道网络大致是平面的，但我们凭经验量化了平面模型如何不一致但严重歪曲交叉口密度，街道长度，路由和连通性。
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。