- 石头剪子布模型的Lotka-Volterra和May-Leonard实现中最弱物种的占优;
- 权力网络：分析世界领导者在社交媒体的互动;
- 时间网络的社区发现挑战;
- 融入与分离：一种非线性版本的共演化投票模型;
- 使用规则等价在基于信任的推荐系统中利用弱关系;
- 具有不断发展的系统风险防护的网络和主体动态;
- 节点警报 - 检测快速演变图中的变化;
- 采用Twitter评估美国人乳头瘤病毒疫苗接种健康行为的决定因素;
- 通过强化学习学习社会网络发现的策略;
- 复杂环境中的群集——集体信息处理中的注意力折衷;
石头剪子布模型的Lotka-Volterra和May-Leonard实现中最弱物种的占优
原文标题： Predominance of the weakest species in Lotka-Volterra and May-Leonard implementations of the rock-paper-scissors model
地址： http://arxiv.org/abs/1907.11280
作者： P.P. Avelino, B.F. de Oliveira, R.S. Trintin
摘要： 我们重新审视了Lotka-Volterra和May-Leonard实现空间随机石头剪子布模型中“最弱”物种占主导地位的问题，其中一个物种的捕食概率降低了0< P_w <1 。我们表明，尽管存在不同的种群动态和空间模式，但这两种实现方式导致三种物种相对丰度的晚期值的定性相似结果（作为 P_w 的函数），如只要模拟格子足够大以使共存占优势 - “最弱”的物种通常比其他物种具有优势（特别是在它的捕食者之上）。然而，对于较小的模拟晶格，我们发现在具有随机初始条件的模拟的初始阶段的相对大的振荡可能导致物种存活的概率对晶格尺寸和总模拟时间的显著依赖性。
权力网络：分析世界领导者在社交媒体的互动
原文标题： Networks of Power: Analyzing World Leaders Interactions on Social Media
地址： http://arxiv.org/abs/1907.11283
作者： Evgeniia Iakhnis, Adam Badawy
摘要： 世界领导人越来越多地使用社交媒体平台作为政治沟通的工具。然而，尽管对社交媒体上的政府账户进行了越来越多的研究，但几乎没有人知道世界领导人之间的互动。我们利用2012年至2017年期间为193个国家的领导人提供了一个新颖的跨国互联网传播数据集，构建了转发和提及网络，以探索领导者沟通的模式。我们使用社会网络分析得出结论，社交媒体上的领导者互动非常类似于他们在线下世界的互动。此外，与强调民主国家之间特殊联系的民主和平理论相一致，我们认为政治制度是推特上各国之间聚类的主要预测因素。最后，我们探索领导者中心性的模式，以确定哪些特征决定哪些领导者在网络中占据更多的中心位置。我们的研究结果为政府行为者如何使用社交媒体提供了新的见解，并对我们理解新技术对新形式外交的影响具有重要意义。
时间网络的社区发现挑战
原文标题： Challenges in Community Discovery on Temporal Networks
地址： http://arxiv.org/abs/1907.11435
作者： Remy Cazabet, Giulio Rossetti
摘要： 社区发现是网络科学中研究最多的问题之一。近年来，许多作品都侧重于发现时间网络中的社区，从而识别动态社区。有趣的是，动态社区不仅仅是静态社区的序列;他们的动态性质带来了新的挑战。在本章中，我们将讨论其中的一些挑战以及最近提出的解决这些挑战的建议。除其他主题外，我们将讨论逐步发展的网络中的社区事件问题，通过变更识别身份，链路流中的动态社区，动态社区的平滑性以及算法的不同类型的复杂性。为了他们的发现。
融入与分离：一种非线性版本的共演化投票模型
原文标题： Fitting In and Breaking Up: A Nonlinear Version of Coevolving Voter Models
地址： http://arxiv.org/abs/1907.11608
作者： Yacoub H. Kureh, Mason A. Porter
摘要： 我们研究了共同演化投票模型的非线性版本，其中节点状态和网络结构都更新为耦合随机动力学过程。大多数关于共同决策选民模型的先前工作都集中在具有固定重连和采用概率的线性更新规则上。相比之下，在我们的非线性版本中，节点重新接收或采用的概率是它在其邻域内“适应”的程度的函数。为了探索这个想法，我们引入了一个参数 sigma ，它代表了一个共享其意见状态的更新节点的邻居部分。在更新中，概率 sigma ^ q （对于某些非线性参数 q ），更新节点重新开始;具有互补概率 1- sigma ^ q ，更新节点采用新的意见状态。我们使用三种重连方案来研究这种机制：在更新节点删除不一致边之后，然后通过在随机过程中选择新邻居来（1）“重新连接到随机”; （2）通过从共享其状态的节点的随机过程中选择新邻居来“重新连接到相同”;或者（3）完全没有重连的“重新连接”（类似于社交媒体上的“不友好”）。我们将非线性协同演化模型与几个现有的线性模型进行比较，我们在模型中发现初始网络拓扑可以在动力学中发挥更大的作用，而重连机制的选择起着较小的作用。我们模型的一个特别有趣的特征是，在某些条件下，如果少数节点将自己视为大多数节点，那么最初由少数节点保持的观点状态可以有效地扩散到网络中的几乎每个节点。根据这一观察结果，我们将结果与社会网络中多数错觉的近期工作联系起来。
使用规则等价在基于信任的推荐系统中利用弱关系
原文标题： Exploiting weak ties in trust-based recommender systems using regular equivalence
地址： http://arxiv.org/abs/1907.11620
作者： Tomislav Duricic, Emanuel Lacic, Dominik Kowald, Elisabeth Lex
摘要： 基于用户的协同过滤（CF）是创建推荐系统的最常用方法之一。然而，CF受到数据稀疏性和冷启动问题的困扰，因为用户通常只对可用项目的一小部分进行评级。一种解决方案是将附加信息结合到推荐过程中，例如由用户分配给他人的显式信任分数或由用户之间的社交连接产生的隐式信任关系。这种关系通常形成非常稀疏的信任网络，其可以用于基于他们信任的人为用户生成推荐。在我们的工作中，我们探索应用于信任网络的常规等价的使用，以生成用于选择用于项目推荐的k-最近邻居的相似性矩阵。如果网络中的两个顶点本身是等价的，并且通过使用计算正则等价的迭代方法，我们可以研究强弱关系对项目推荐的影响。我们评估了我们对从Epinions抓取的数据集上的冷启动用户的方法，并发现除了强关系之外，通过使用弱关联，我们可以在推荐准确性方面提高基于信任的推荐者的性能。
具有不断发展的系统风险防护的网络和主体动态
原文标题： Network and Agent Dynamics with Evolving Protection against Systemic Risk
地址： http://arxiv.org/abs/1907.11622
作者： Chulwook Park
摘要： 保护过程的动态一直是系统性风险分析的基本挑战。这种动态涉及的机制背后的概念原理和方法技术比研究人员理解的更难掌握。在本文中，我们展示了如何通过将简单算法应用于网络主体来构建各种各样的行为，可以想象，这可以提供一种简单的方法来摆脱复杂性。该模型从系统性风险扩散的概率开始。即使在非常随机的社会结构中，风险的传播也是由一组元素的任意网络属性保证的。尽管存在强烈的系统性风险，但是当通过启发式保护水平对保护进行大量投资时，也可能会导致无失败的可能性。非常有趣的是，发现许多应用程序仍在寻求机制，通过这些机制，网络化个体基于演化漂移的适应性构建许多这些保护过程或机制。我们的实施仍然需要根据现实世界中的情况进行完善，但总的来说，这种方法对于研究人员和那些需要使用保护动态来防止人工环境中内在随机性的系统性风险的人来说非常有用。
节点警报 - 检测快速演变图中的变化
原文标题： Node Alertness-Detecting changes in rapidly evolving graphs
地址： http://arxiv.org/abs/1907.11623
作者： Mirco A. Mannucci, Deborah Tylor
摘要： 在本文中，我们描述了一种检测快速发展的大规模图变化的新方法。涉及的关键概念是本地警报：节点在每个时间步骤监视其邻域内的变化。在这里，我们为协整的股票对提出了一个金融本地警报应用程序
采用Twitter评估美国人乳头瘤病毒疫苗接种健康行为的决定因素
原文标题： Mining Twitter to Assess the Determinants of Health Behavior towards Human Papillomavirus Vaccination in the United States
地址： http://arxiv.org/abs/1907.11624
作者： Hansi Zhang, Christopher Wheldon, Adam G. Dunn, Cui Tao, Jinhai Huo, Rui Zhang, Mattia Prosperi, Yi Guo, Jiang Bian
摘要： 目的测试使用Twitter数据评估消费者对综合行为模型（IBM）提供的人乳头瘤病毒（HPV）疫苗接种健康行为的决定因素的可行性。方法我们使用了从2014年到2018年的三个Twitter数据集。我们对推文进行了预处理和地理编码，然后构建了一个基于规则的模型，将每条推文分为促销信息或消费者讨论。我们应用主题建模来发现主要主题，随后在健康信息国家趋势调查（HINTS）中探讨了从消费者讨论中学到的主题与HPV相关问题的反应之间的关联。结果我们收集了2,846,495条推文并分析了335,681条地理编码推文。通过主题建模，我们确定了122个高质量的主题。讨论最多的消费者话题是“宫颈癌筛查”;在促销推文中，最受欢迎的话题是提高对“HPV导致癌症”的认识。 122个主题中的87个与促销信息和消费者讨论之间存在关联。在IBM的指导下，我们检查了Twitter发现与从HINTS获得的结果之间的一致性。可以通过关键字将35个主题映射到HINTS问题，可以将112个主题映射到IBM构造，并且45个主题在地理分布方面与HINTS响应具有统计上显著的相关性。结论不仅挖掘Twitter来评估消费者的健康行为，还可以获得与调查相当的结果，但可以通过理论驱动的方法获得更多的见解。尽管存在局限性，但这些令人鼓舞的结果促使我们开发出在不断变化的健康传播领域中利用社交媒体的创新方法。
通过强化学习学习社会网络发现的策略
原文标题： Learning policies for Social network discovery with Reinforcement learning
地址： http://arxiv.org/abs/1907.11625
作者： Harshavardhan Kamarthi, Priyesh Vijayan, Bryan Wilder, Balaraman Ravindran, Milind Tambe
摘要： 在现实社会网络中找到有影响力的参与者时，一个严峻的挑战是缺乏对底层网络结构的了解。目前最先进的方法依赖于手工制作的采样算法;这些方法以精心构造的顺序对节点及其邻居进行抽样，并从这个发现的网络中选择意见领袖，以最大化（未知）完整网络中的影响力传播。在这项工作中，我们提出了一个用于网络发现的强化学习框架，它自动学习编码网络重要结构属性的有用节点和图表示。在训练时，该方法识别网络的各部分，使得从该采样子图中选择的节点可以有效地影响整个网络中的节点。基于可转换网络结构的可适应策略的实现归因于对由相应奖励方案驱动的相关节点和图签名进行编码的框架的精细设计。我们尝试来自四个不同领域的真实社会网络，并表明我们的RL主体所学到的策略比目前最先进的方法提供了10-36％的改进。
复杂环境中的群集——集体信息处理中的注意力折衷
原文标题： Flocking in complex environments -- attention trade-offs in collective information processing
地址： http://arxiv.org/abs/1907.11691
作者： Parisa Rahmani, Fernando Peruani, Pawel Romanczuk
摘要： 生物和人工集体在各种任务中表现优于孤独个体的能力，在很大程度上取决于集体层面对社会和环境信息的有效处理。在这里，我们在复杂环境中模拟集体行为，其中包含许多可能令人分心的线索反直觉地，通过强烈限制个体的认知能力，可以最大化这种环境中的大规模协调，由于自组织动态，集体自我隔离了破坏信息。我们观察到协调和集体对环境线索的响应之间的基本权衡。我们的研究结果为生物学中集体行为的可能演化权衡提供了重要的见解，并提出了利用注意力瓶颈设计人工群的新原则。
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.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。