- 高级灾害风险管理的社交媒体数据分析与反馈;
- 股市直接因果关系网络;
- 传染病传播中的协同累积传染;
- 美国非常低出生体重婴儿的院际转运网络;
- 权力博弈的平均场模型;
- 动态的决策框架;
- 学习基于角色的图嵌入;
- Google Play的纵向研究;
高级灾害风险管理的社交媒体数据分析与反馈
原文标题： Social Media Data Analysis and Feedback for Advanced Disaster Risk Management
地址： http://arxiv.org/abs/1802.02631
作者： Markus Enenkel, Sofia Martinez Saenz, Denyse S. Dookie, Lisette Braman, Nick Obradovich, Yury Kryvasheyeu
摘要： 社交媒体不仅仅是单向的沟通渠道。数据可以被收集，分析和背景化，以支持灾难风险管理。但是，灾害管理机构通常使用这些增值信息来支持他们自己的决定。情景化信息和数据提供者之间的反馈回路将产生各种优势。首先，它可以促进来自社交媒体的与其他信息来源相关的预警的近实时通信。其次，它可以在应对行动中支持援助组织的工作人员。基于Harvey和Irma飓风的例子，我们展示了如何过滤，地理位置的Tweets可以用于快速的损害评估。我们声称，下一代大数据分析将不得不通过应用高级分析技术来产生可操作的信息。这些应用可以包括提供基于社交媒体的算法的训练数据，用于预测季节气候预测的实际旋风影响或新的社会经济验证指标。
股市直接因果关系网络
原文标题： Immediate Causality Network of Stock Markets
地址： http://arxiv.org/abs/1802.02699
作者： Li Zhou, Lu Qiu, Changgui Gu, Huijie Yang
摘要： 一个金融体系包含许多由他们的关系网络化的因素。大量的工作表明，网络的拓扑结构存储丰富的关于系统演化行为的信息，如崩溃和/或危机的预警信号。现有的工作主要集中在单一股票市场的网络结构上，而非一个覆盖全球多个甚至全部市场的宏观尺度的崩溃/危机。这种规模的不匹配导致了对拓扑结构的不可接受的噪声，以及缺乏存储在不同市场之间关系中的信息。在这项工作中，通过使用转移熵，我们重建了世界上分布的十个典型股票市场之间的影响力网络。有趣的发现包括，在金融危机之前，连接强度达到最大值，可以作为金融危机的预警信号;美国市场受到欧洲的单向和强烈影响，并以此为中心;一些强联系对也有密切的相关性。这些发现有助于理解全球金融体系动态过程的演变和建模。
传染病传播中的协同累积传染
原文标题： Synergistic cumulative contagion in epidemic spreading
地址： http://arxiv.org/abs/1802.02757
作者： Xavier R. Hoffmann, Marián Boguñá
摘要： 大多数流行病传播模型假定沿着不同感染渠道的无记忆代理和独立传播。然而，许多现实生活中的案例显然是时间敏感的，并且显示出强烈的相关性。虽然最近的一些研究工作已经分析了记忆的影响，而另外一些研究人员已经探索了协同传染方案，但两个主题很少结合在一起。我们发展了一种被赋予过去的记忆的感染机制的微观描述，同时结合了多种传染源的共同作用。已经在非结构化基板中，我们的模拟显示了各种各样的现象，包括普遍性丧失，集体记忆丧失，双稳态，滞后和兴奋性。这些特征是两种记忆模式之间复杂平衡的产物，表明非马尔可夫效应显著改变传染和传播过程的特性。将来包含异构联系网络和更精细的建模细节将提供关于复杂网络中的微观机制和拓扑性质与动态过程相关性的更多见解。
美国非常低出生体重婴儿的院际转运网络
原文标题： The Interhospital Transfer Network for Very Low Birth Weight Infants in the United States
地址： http://arxiv.org/abs/1802.02855
作者： Munik Shrestha, Samuel V. Scarpino, Erika M. Edwards, Lucy T. Greenberg, Jeffrey D. Horbar
摘要： 新生儿重症监护室非常低出生体重儿（VLBW）需要专业护理。在美国，这样的婴儿经常在医院之间转移。虽然这些新生儿转移网络在经济和婴儿发病率和死亡率方面都很重要，但国家一级的新生儿转移模式在很大程度上是未知的。从2015年起，我们使用44,753名婴儿，2,122家医院和9,722间医院间婴儿转移的数据，对美国VLBW婴儿的医院间转移网络进行了迄今为止最大的分析。我们发现转移是围绕地区社区进行的，尽管基本处于国界之内，但通常至少包含两个不同州的医院。应用层次的谱测量，我们发现我们的测量和被测社区中的婴儿信息之间呈正相关。我们的研究结果具有描述美国新生儿保健特征的实际意义，可以广泛地应用于组织复杂适应系统的层次性作用。
权力博弈的平均场模型
原文标题： Mean field model of a game for power
地址： http://arxiv.org/abs/1802.02860
作者： Tatiana Karataieva, Volodymyr Koshmanenko, Malgorzata J. Krawczyk, Krzysztof Kulakowski
摘要： 我们的目标是建立一个权力博弈作为一个动力过程的模型，在这个过程中，一个玩家所拥有的超能力使他获得更多的权力。这种积极的反馈通常被称为马太效应。分析和数值方法允许识别模型动力学的一组固定点。不稳定不动点的位置给出了稳定不动点吸引盆地的一种认识。结果是根据强制力建模来解释的。
动态的决策框架
原文标题： The dynamic framework of decision-making
地址： http://arxiv.org/abs/1802.02894
作者： Gholamreza Askari, Madjid Eshaghi Gordji, Ali Zarei
摘要： 这项工作探讨了玩家之间互动中存在的动态。博弈的动态系统是一个新的态度，建模一个事件使用几个博弈建模。该模型允许我们分析每个玩家在与其他玩家目标和能力冲突之后的相互作用能力和可行性目标。作为一个应用，我们用二次博弈的动态系统来模拟二战后到二十世纪六十年代苏美关系。博弈的动态系统作为一个重要的洞察力，显然对建模战略互动具有重要意义，玩家追求增加个人兴趣的目标。另外，我们引入了一个新的博弈，在这个博弈中，大多数社会都存在这种困境。我们的调查取决于这个窘境的每个玩家都是超理性的。在超理性的概念中，除了个人利益或损失之外，玩家还会考虑其他行为人的利润或损失，然后选择一个他所希望的行为。在这个困境中，球员之间的信任已经很弱，但是却很脆弱。
学习基于角色的图嵌入
原文标题： Learning Role-based Graph Embeddings
地址： http://arxiv.org/abs/1802.02896
作者： Nesreen K. Ahmed, Ryan Rossi, John Boaz Lee, Xiangnan Kong, Theodore L. Willke, Rong Zhou, Hoda Eldardiry
摘要： 随机行走是许多现有网络嵌入方法的核心。然而，这种算法具有很多使用随机游走的限制，例如，由于这些方法产生的特征与顶点身份相关联，所以不能将其转移到新的节点和图。在这项工作中，我们介绍了Role2Vec框架，该框架使用归因随机游走的灵活概念，并且作为概括现有方法的基础，如DeepWalk，node2vec以及其他利用随机游走的其他方法。我们提出的框架使这些方法可以更广泛地适用于直推和归纳学习，以及用于具有属性的图（如果可用）。这是通过学习推广到新节点和图的函数来实现的。我们表明，我们提出的框架是有效的，平均AUC提高16：55％，同时在各种图表上平均需要比现有方法少853x的空间。
Google Play的纵向研究
原文标题： A Longitudinal Study of Google Play
地址： http://arxiv.org/abs/1802.02996
作者： Rahul Potharaju, Mizanur Rahman, Bogdan Carbunar
摘要： 大规模应用市场监测的困难影响了我们对其动态的理解。对于诸如应用程序更新频率，控制和定价，开发者操作对应用程序流行度的影响以及顶级应用程序列表中令人垂涎的成员，这一点尤其如此。在本文中，我们对从Google Play商店收集的两个数据集进行了详细的时间分析，其中一个由160,000个应用程序组成，另一个由87,223个新发布的应用程序组成。我们已经监控并收集了有关这些应用程序超过6个月的数据。我们的结果显示，大量这些应用程序在监视时间间隔内未被更新。而且，这些应用程序由少数开发者控制，这些开发者主宰了应用程序下载的总数。我们观察到，不经常更新的应用程序显著影响中等应用程序价格但是，更改的应用程序价格与下载计数不相关。此外，我们表明，获得更高等级的应用程序在顶级应用程序列表中具有更好的稳定我们表明，应用程序市场分析可以帮助检测新兴的威胁载体，并确定搜索排名欺诈，甚至恶意软件。此外，我们还讨论了应用程序市场分析对提高开发人员和用户体验的研究意义。
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。