最近几周不在国内，更新或有延迟。
- 基于总成本约束的空间嵌入双工网络的相位同步;
- 精灵：实时向2亿用户推荐30亿个项目的系统;
- 时间网络中受限制的信息流动显示间歇性社区;
- 公司支付网络和信用风险评级;
- 行人与景点互动的集体模式;
- 带有内存的活动驱动时态网络的动态拓扑;
基于总成本约束的空间嵌入双工网络的相位同步
原文标题： Phase Synchronization on Spacially Embeded Duplex Networks with Total Cost Constraint
地址： http://arxiv.org/abs/1711.07523
作者： Ruiwu Niu, Xiaoqun Wu, Jun-an Lu, Jianwen Feng
摘要： 多路复用网络的同步在过去几年引起了越来越多的关注。我们研究了Kuramoto振子在总成本约束下的单层和双层空间网络上的集体行为。 [Li G.，Reis S.D.，Moreira A.A.，Havlin S.，Stanley H.E.and Jr A.J.，{it Phys。之后，将其命名为李网络（Li.Rev.Lett。）104,018701（2010）]。在Li网络模型中，随着空间指数的增加，网络的结构将从随机型变为小世界，最后变为规则格。首先探讨空间指数如何影响Kuramoto振子的同步性在单层李网络上，发现李网络越接近规则的网格，越难以演化为同步。然后研究双层Li网络的同步性，发现层间相互作用的存在可以极大地提高层间和全局的同步性。当层间耦合强度大于某个临界值时，无论层内耦合强度如何，层间同步将始终发生。而且，在单层的Li网络中，节点越大越容易达到全局同步，而在双层Li网络中，这种现象变得不那么明显。最后，我们研究了链路间密度对全局同步的影响，并得到了如同密集的链路一样，稀疏的链路可以导致双链李网络的全局同步的出现。总之，层间相互作用在确定总成本约束的双重空间网络同步性方面起着至关重要的作用。
精灵：实时向2亿用户推荐30亿个项目的系统
原文标题： Pixie: A System for Recommending 3+ Billion Items to 200+ Million Users in Real-Time
地址： http://arxiv.org/abs/1711.07601
作者： Chantat Eksombatchai, Pranav Jindal, Jerry Zitao Liu, Yuchen Liu, Rahul Sharma, Charles Sugnet, Mark Ulrich, Jure Leskovec
摘要： 现代内容发现应用程序中的用户体验严重依赖于高质量的个性化推荐。然而，提供这样的建议的构建系统由于大量的项目，大量的用户以及对响应用户动作的建议的要求以及实时按需产生而提出了重大挑战。在这里，我们介绍Pixie，一个我们在Pinterest开发和部署的基于图的可扩展实时推荐系统。给定一组用户特定的引脚作为查询，Pixie从数十亿个可能引脚中实时选择那些与查询最相关的引脚。为了产生推荐，我们开发了Pixie随机游走算法，该算法利用了30亿个节点和170亿个边的Pinterest对象图。实验表明，与以前的基于Hadoop的生产系统相比，Pixie提供的建议可提高用户参与度的50％。此外，我们制定了一个图修剪策略，导致建议额外提高了58％。最后，我们讨论Pixie的系统方面，其中一台服务器每秒执行1200次推荐请求，延迟时间为60毫秒。今天，由Pixie支持的系统有助于Pinterest上超过80％的用户参与。
时间网络中受限制的信息流动显示间歇性社区
原文标题： Constrained information flows in temporal networks reveal intermittent communities
地址： http://arxiv.org/abs/1711.07649
作者： Ulf Aslak, Martin Rosvall, Sune Lehmann
摘要： 许多现实世界的网络是动态系统的表征，其交互作用随时间而变化，通常以不协调的方式和不规则的时间间隔进行。例如，大学生以间歇性小组形式进行联系，这些小组通过讲课，兴趣和朋友等多种因素反复形成和消解。这样的动态系统可以表示为多层网络，其中每个层代表时间网络的快照。在这种表示中，层之间的链接准确地捕捉这些层之间的真实依赖关系是至关重要的。然而，这些依赖往往是未知的。因此，目前的方法基于简单的假设来连接层，这些假设无法捕获节点级别的层依赖关系。例如，将其他层中的每个节点以相同的权重连接到自身，可以消除间歇组之间的基本依赖关系，这使得识别它们变得困难甚至不可能。在本文中，我们提出了一种基于每层内的网络结构来估计节点层依赖性的原理性方法。我们在社区检测框架Infomap中实现了我们的节点级耦合方法，并且证明了它与现有的合成和实时网络方法相比的性能。我们表明，我们的方法更有效地限制了多层社区内部的信息，以便Infomap能够更好地恢复多层基准网络中表示多个模式的种植群体，并更好地识别实际时间接触网络中的间歇性社区。这些结果表明，节点层耦合可以改善时态网络中信息传播的建模，更好地捕捉其动态社区结构。
公司支付网络和信用风险评级
原文标题： Corporate payments networks and credit risk rating
地址： http://arxiv.org/abs/1711.07677
作者： Elisa Letizia, Fabrizio Lillo
摘要： 理解企业间相互作用的结构对于识别风险集中以及财务困境传播的可能途径至关重要。在本文中，我们考虑支付的相互作用，并通过调查意大利企业的大型专有数据集来描述支付网络的拓扑性质。然后，我们重点关注支付网络与企业风险之间的关系。我们展示了风险同质性的存在，即具有相似风险的公司的趋势在统计上更加相互联系。在考虑公司对和考虑网络中确定的社区或层级时，都会观察到这种效应。通过应用机器学习技术，我们利用这个知识来表明节点的网络属性可以用来预测公司缺失的评级。我们的研究结果表明，风险评估也应该量化地考虑到企业之间的相互作用网络。
行人与景点互动的集体模式
原文标题： Collective patterns of pedestrians interacting with attractions
地址： http://arxiv.org/abs/1711.07833
作者： Jaeyoung Kwak
摘要： 散步是人类生活的基本活动，不仅是在地点之间移动，而且是与周围环境相互作用。步行到目的地时，行人可能会熟悉艺术品，商店展示和公共活动等景点。如果这样的景点足够诱人，行人选择停止步行，以加入景点。在拥挤的情况下，景点的存在可能会大大影响人流的模式。人们可以看到，吸引行人在繁忙时间在购物中心经常阻碍路人在旅游景点附近的流动。在美国黑色星期五等购物假期间，购物者在商店里竞争非常有吸引力的产品，这种行为可能会导致行人事件。本文所做的工作通过建立吸引人行为运动的数学模型，再现了数值模拟中的这些现象。在模型中，为了反映景点和行人交通的特点，考虑了人群偏好和吸引力的吸引力。此外，本文提出了基于行人与景点相互作用的预测现象的可能解释。所提出的模型可以应用和扩展，例如，优化购物中心和博物馆的人流。
带有内存的活动驱动时态网络的动态拓扑
原文标题： Dynamic topologies of activity-driven temporal networks with memory
地址： http://arxiv.org/abs/1711.07868
作者： Hyewon Kim, Meesoon Ha, Hawoong Jeong
摘要： 我们调查时间分辨率和时间分辨率在时间网络的动态尺度属性的相互作用，其中我们提出了一个活动驱动的网络模型与内存。我们还展示了如何控制时间分辨率和内存。时态网络是静态子网络的时间序列。分析网络的时间分辨率对于确定网络的动态拓扑结构起着重要的作用。在粗粒度网络上执行随机游走（RW）过程，我们探讨了在RW过程中扩散属性中记忆的作用。特别是，我们关注有时和无时间记忆的时态网络中动态拓扑的演化。基于时间聚合网络中的时间渗透概念，我们讨论了最大簇大小的增长模式与RW过程的扩散特性之间的关系。最后，我们在时态网络的动态拓扑中提出了有限尺度尺度（FSS）的形式，通过解析猜想进行了数值验证。
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。