- 基于收缩分析的隐私保护非线性观测器设计;
- 模拟住宅供热的深度脱碳，将全球变暖限制在1.5℃;
- 风险和信息在小世界网络的小组形成实验中的作用;
- 多空间传递网络的多分辨率张量分解;
- 基于反应扩散动力学的网络中心性识别了有影响力的扩散者;
- 一般Press-Dyson分析：利他主义，互惠和勒索策略;
- 跟踪动态网络中的Top-K影响力节点;
- 用于分层网络和时态网络中链路预测的张量和二分块模型;
- 通过基于邻域的特征映射为冷启动用户提供跨域推荐;
- 从观看角度分析MOOC;
- 客体我、我的回声室、和主体我：对社交媒体极化的反思;
- 动态竞争网络：检测联盟和领导者;
基于收缩分析的隐私保护非线性观测器设计
原文标题： Privacy-Preserving Nonlinear Observer Design Using Contraction Analysis
地址： http://arxiv.org/abs/1507.02250
作者： Jerome Le Ny
摘要： 实时信息处理应用程序（如启用更智能基础架构的应用程序）日益专注于分析从个人获得的隐私敏感数据。要产生关于系统用户群体习惯的准确统计数据，可能需要通过基于模型的估计器来处理这些数据。此外，例如来自流行病学或社会科学的人口动态模型常常是非线性的。受这些趋势的驱动，本文提出了一种基于隐私保护模型的非线性观测器的设计方法，依靠加性输入或输出噪声为提供输入数据的个人提供差分隐私保证。对于输出扰动的情况，收缩分析允许我们设计收敛的观察者，并适当地设置隐私保护噪声的水平。两个例子说明了这种方法：估计动态社会网络中的边形成概率，以及依赖流行病学模型的综合症监测。
模拟住宅供热的深度脱碳，将全球变暖限制在1.5℃
原文标题： Simulating the deep decarbonisation of residential heating for limiting global warming to 1.5C
地址： http://arxiv.org/abs/1710.11019
作者： Florian Knobloch, Hector Pollitt, Unnada Chewpreecha, Vassilis Daioglou, Jean-Francois Mercure
摘要： 将全球变暖限制在1.5C的全经济方案表明，到2050年建筑领域的直接碳排放量应该减少到几乎为零，但没有回答如何通过现实政策实现这一目标的问题。我们采用基于模拟的方法对政策情景进行建模，目标是实现住宅供热几乎完全的低碳化，这是住宅建筑中最大的直接排放源。政策效果在很大程度上取决于家庭的行为决策，特别是在深度脱碳和迅速转型的背景下。因此，我们使用非均衡自下而上模型FTT：Heat来模拟在惯性和有限理性背景下政策引导向低碳加热的转变，重点放在采暖技术上。结果表明，到2050年可实现接近零的脱碳，但需要大量的政策努力。与仅依靠碳税作为唯一的政策工具相比，预计政策组合对于推动有效的低碳技术市场更为有效和强大。结合可再生能源补贴，可实现近乎完全的脱碳化，住宅碳税为50-200欧元/吨二氧化碳。由政策引发的技术转型将最初将家庭面临的平均供热成本增加10-30％，但也可能导致中期的成本降低幅度相似。模型预测显示了家庭行为过早取代供热系统的不确定性，这在很大程度上影响了现有建筑库存转变为低碳途径的速度。
风险和信息在小世界网络的小组形成实验中的作用
原文标题： Role of risk and information in a group formation experiment on a small-world network
地址： http://arxiv.org/abs/1803.01085
作者： Kunal Bhattacharya, Tuomas Takko, Daniel Monsivais, Kimmo Kaski
摘要： 在社会网络中，人类通常通过维持友谊和社区归属而受益，其中像同性恋这样的因素起关键作用。这些网络远未成为静态的，而是随着人们不时决定建立新的友谊并与旧的友谊脱节而不断变化或发展。从友谊或团体关系中分离出来有一定的风险因素，特别是当分离决定是在有限的信息下完成时。在与人类合作者的合作博弈形式的实验中，我们调查了团队的形成并测量了风险的感知。在博弈中，玩家最初设置为一个小世界网络，并且其结构信息有限，协调他们的动作以形成团体。我们还使用基于概率匹配的数据驱动模型来研究参与者之间的局部协调。我们的研究结果表明，小组形成的速度主要取决于球员的本地信息处理。我们发现，即使在有限的信息处理环境中，人类也能展现出最佳的风险认知。
多空间传递网络的多分辨率张量分解
原文标题： Multiresolution Tensor Decomposition for Multiple Spatial Passing Networks
地址： http://arxiv.org/abs/1803.01203
作者： Shaobo Han, David B. Dunson
摘要： 这篇文章的动机是跨多个博弈收集的足球位置传递网络。我们将这些数据称为复制的空间传递网络---为了准确地模拟这些数据，有必要考虑传递事件的传递者和接收者的空间位置。这种空间注册和重复发生在整个博弈中，代表着与通常社会网络数据的主要区别。作为研究传球动态如何影响球队表现的一个关键步骤，我们专注于制定总结不同球队传球策略的方法。我们提出的方法依赖于一个新的多分辨率数据表示框架和泊松非负性块项分解模型，它可以自动生成从粗到细的低秩网络图。所提出的方法适用于从2014年FIFA世界杯收集的详细的传球记录数据。
基于反应扩散动力学的网络中心性识别了有影响力的扩散者
原文标题： Network centrality based on reaction-diffusion dynamics reveals influential spreaders
地址： http://arxiv.org/abs/1803.01212
作者： Flavio Iannelli, Manuel Sebastian Mariani, Igor M. Sokolov
摘要： 网络科学中研究最多的问题之一是识别这些节点，一旦激活，最大化感兴趣的扩散过程所达到的节点分数。同时，学者们将网络有效距离作为拓扑度量来估计扩散扩散过程的命中时间。在这里，我们通过引入一个称为ViralRank的中心性度量来连接两个问题 - 影响性的传播者识别和传播过程的打击时间估计 - 这个度量衡量节点在随机 - 走有效距离。我们发现，ViralRank显著优于最先进的中心性度量标准，以确定超关键联系网络流程和群体全球传染流程的有影响的扩散器。我们的研究结果加深了我们对有影响的传播者识别问题的理解，并揭示了可靠的扩散击打时间估计如何为其解决方案做出贡献。
一般Press-Dyson分析：利他主义，互惠和勒索策略
原文标题： Generalized Press-Dyson Analysis: Altruistic, Reciprocal, and Extortive Strategies
地址： http://arxiv.org/abs/1803.01282
作者： Robert D. Young
摘要： 囚徒困境博弈在社会，生物和物理科学领域有着悠久的历史，Press和Dyson开发了一种新颖的方法来分析八维战略概况到二维派生空间的映射，并在无限迭代的囚徒困境博弈。我们扩展了新闻 - 戴森分析并引入了策略参数的概念，该概念表明玩家得分之间的线性关系是迭代囚徒困境博弈中无处不在的特征。扩展的新闻 - 戴森分析适用于各种战略概况，包括针锋相对，双赢输入和其他随机战略集。广义的新闻 - 戴森战略集（GPDS）完全是基于“相互叛逃后的叛逃”而定义的。勒索零行列式策略是GPDS的特例。与其他玩家相比，GPDS显示会为其用户带来更大（令人费解的），相等（相互）或更小（利他主义）的分数，而与其他玩家的策略集无关，赢 - 输 - 失 - 换一般策略也会显示出令人费解，互惠和利他主义的分数，但这些分数处于对手策略的控制之下。导致相互叛逃的相互GPDS是两个理性参与者的均衡策略概况。这反映了单人博弈和有限重复的囚徒困境的平衡相互叛逃。 GPDS描述了双方合作的途径，并增强了双方球员的分数，包括天真的球员学习时的理性和天真的球员。结果是两名球员的分数都比相互背叛的分数高。
跟踪动态网络中的Top-K影响力节点
原文标题： Tracking Top-K Influential Vertices in Dynamic Networks
地址： http://arxiv.org/abs/1803.01499
作者： Yu Yang, Zhefeng Wang, Tianyuan Jin, Jian Pei, Enhong Chen
摘要： 网络中的影响传播已经取得了丰硕的应用，并且已经在文献中进行了广泛的研究。然而，只有非常有限的初步研究解决了处理现实网络中高度动态变化的挑战。在本文中，我们解决了动态网络中追踪顶部$ k $影响顶点的问题，其中动态变化被建模为边权重更新流。在普遍采用的线性阈值（LT）模型和独立级联（IC）模型下，我们解决了这个问题的两个基本版本：追踪顶部$ k $有影响力的个体并寻找最佳$ k $ -seed集合以最大化影响传播（影响最大化）。我们采用基于轮询的方法并维护随机RR集合的样本，以便我们可以用可证明的质量保证来近似顶点的影响。众所周知，通过油藏采样方法可以很容易地完成对RR网络动态变化的更新，因此关键的挑战在于有效地确定需要多少个RR集才能获得高质量的保证。我们使用两个简单的信号，这两个信号都可以以$ O（1）$ time的形式访问，以决定适当数量的RR集。我们证明了我们方法的有效性。对于这两项任务而言，我们的方法所产生的误差只是对事实真相的倍增因素。为了影响最大化，我们还提出了一种用于查找$ k $种子的有效查询算法，这比实际中的最先进的查询算法快一个数量级。除了全面的理论结果之外，我们在大型实际网络上的实验结果清楚地证明了我们算法的有效性和效率。
用于分层网络和时态网络中链路预测的张量和二分块模型
原文标题： Tensorial and bipartite block models for link prediction in layered networks and temporal networks
地址： http://arxiv.org/abs/1803.01616
作者： Marc Tarres-Deulofeu, Antonia Godoy-Lorite, Roger Guimera, Marta Sales-Pardo
摘要： 许多现实世界的复杂系统都被很好地表现为多层网络;预测这些系统中的交互是预测网络科学中最紧迫的问题之一。为了解决这个挑战，我们引入了两个用于多层和时间网络的随机块模型;其中一个使用节点作为其基本单位，而另一个则着重于链接。我们还开发可扩展的算法来推断这些模型的参数。由于我们的模型同时描述所有图层，因此我们的方法在对任何特定图层进行预测时充分利用整个网络中包含的信息。我们通过分析两个经验数据集---电子邮件通信的时间网络和治疗不同癌症类型的药物相互作用网络来说明我们方法的潜力。我们发现，同时对所有图层进行建模的结果通常会导致更精确的链路预测。但是，最具预测性的模型取决于正在考虑的数据集;而基于节点的模型更适合预测药物相互作用，基于链接的模型更适合预测电子邮件通信。
通过基于邻域的特征映射为冷启动用户提供跨域推荐
原文标题： Cross-Domain Recommendation for Cold-Start Users via Neighborhood Based Feature Mapping
地址： http://arxiv.org/abs/1803.01617
作者： Xinghua Wang, Zhaohui Peng, Senzhang Wang, Philip S. Yu, Wenjing Fu, Xiaoguang Hong
摘要： 协同过滤（CF）是推荐系统中广泛采用的技术。传统的CF模型主要侧重于预测用户对单个域（如电影域或音乐域）中项目的偏好。这种模型面临的一个主要挑战是数据稀疏性问题，特别是CF无法对完全没有评级的冷启动用户做出准确的预测。尽管跨域协作过滤（CDCF）被提出用于在不同域之间有效地转移用户的评级偏好，但由于极端的数据稀疏性，现有的CDCF模型仍然难以解决目标域中的冷启动用户。在本文中，我们针对目标领域的冷启动用户提出了跨域潜在特征映射（CDLFM）模型。首先，为了更好地表征用户在稀疏域中的特征，我们考虑用户对评级行为的相似性关系，并通过引入用户相似性（MFUS）来提出矩阵分解，其中提出了三种相似性度量。接下来，为了跨域进行知识转移，我们提出了一种基于邻域的梯度增强树方法来学习跨域用户潜在特征映射函数。对于每个冷启动用户，我们基于与辅助域中的冷启动用户具有相似评级行为的链接用户的潜在特征对，了解他/她的特征映射功能。根据映射函数及其辅助域中的潜在特征，可以预测目标域中冷启动用户的偏好。从亚马逊交易数据中提取的两个实际数据集的实验结果证明了我们提出的模型与其他最先进的方法的优越性。
从观看角度分析MOOC
原文标题： Profiling MOOCs from viewing perspective
地址： http://arxiv.org/abs/1803.01698
作者： Zheng Xie, Xiao Xiao, Jianping Li, Jinying Su, Guochang Zhou
摘要： 分析课程与学生的学习行为密切相关。因此，我们从观看行为的角度描述MOOCs，这是MOOC学习中最常见的行为。基于观看行为数据，我们提供了识别潜在全能者的方法，并测量了教学顺序和学习顺序之间的相关性。具体而言，基于信息熵算子，我们提供了一个衡量课程吸引力的指标，它综合地解决了投入课程的观看时间和观看的课程视频的数量。该指数描述了反复观看的边际效用递减和观看新视频的信息增加。观看与学习之间的不清楚关系使我们的结果无法直接评估课程质量。尽管如此，这些可以用来检测课程的哪些方面需要加强。
客体我、我的回声室、和主体我：对社交媒体极化的反思
原文标题： Me, My Echo Chamber, and I: Introspection on Social Media Polarization
地址： http://arxiv.org/abs/1803.01731
作者： Nabeel Gillani, Ann Yuan, Martin Saveski, Soroush Vosoughi, Deb Roy
摘要： 同性恋 - 我们倾向于与其他人分享我们对世界的看法和观点 - 这既是人性的一部分，也是我们许多数字社会网络的组织原则。然而，当涉及到政治或文化时，同性恋可以放大部落的思维模式，并产生“回声室”，降低在线话语的质量，安全性和多样性。虽然一些研究已经凭经验证明了这一点，但很少有人研究如何让用户意识到他们的政治回声分庭的范围和性质影响他们后来的信仰和行动。在本文中，我们将介绍Social Mirror，一款社会网络可视化工具，使Twitter用户可以探索其社会网络的政治活动部分。我们使用Social Mirror将具有政治话语历史的Twitter用户招募到一个随机实验中，在这个实验中我们评估不同治疗对参与者i）对他们网络连接的信念的影响，ii）他们选择关注谁的政治多样性，和iii）他们选择分享的URL的政治对齐。虽然我们认为对共享URL的平均政治调整没有影响，但我们发现，推荐遵循相反政治意识形态的账户可减少参与者对其网络连接的政治同质性的信念，但仍可在治疗一周后增强其连接多样性。相反，参与者增强他们对Twitter连接的政治同质性的信念，在治疗2-3周后，其网络连接变得更加多样化。我们探讨信念和行为之间的这些断开关系对未来促进我们数字公共领域更健康交流的努力的影响。
动态竞争网络：检测联盟和领导者
原文标题： Dynamic Competition Networks: detecting alliances and leaders
地址： http://arxiv.org/abs/1803.01783
作者： Anthony Bonato, Nicole Eikmeier, David F. Gleich, Rehan Malik
摘要： 我们考虑随着时间的推移而动态演变的竞争代理人的社会网络。这样的动态竞争网络是指向的，其中从节点$ u $到$ v $的有向边对应于否定的社交互动。我们提出了一个新颖的假设，作为预测工具来发现动态竞争网络中的联盟和领导者。我们使用社交博弈节目Survivor和Big Brother的投票记录数据来验证假设。
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。