- 心理病理网络中的症状如何预测？ 18个公开数据集的再分析;
- 超越“欲速不达”的效果;
- 持续关系的力量背后的时间模式;
- 家乡城镇用户的位置感知推荐系统;
- 不断变化的手机图中的社交活动;
- 基于点过程的现实扩散动力学的通用组件;
- 识别错误信息的重要微博识别：基于注意的方法;
- 检疫快速遏制网络流行病的相对效率;
- 选择节点和购买链接以最大化网络中的信息扩散;
- 期刊影响因子可以作为初级研究员选择的标准吗？基于研究者数据的大规模实证研究;
- 流行病在单向循环耦合网络上的传播;
心理病理网络中的症状如何预测？ 18个公开数据集的再分析
地址： http://arxiv.org/abs/1612.06357
作者： Jonas M B Haslbeck, Eiko I Fried
摘要： 背景网络分析精神病理学数据侧重于网络结构及其衍生物，如节点中心性。从中心性措施可以得出的一个结论是，具有最高中心性的节点可能是由其相邻节点最多确定的节点。然而，中心性是一个相对的措施：知道一个节点是高度中心的，没有关于它的邻居确定的程度的信息。这里我们提供一个节点的确定（或可控性）的绝对度量 - 其可预测性。我们引入可预测性，估计18个经验网络论文中所有节点在精神病理学上的可预测性，并将其统计与中心性相关。方法我们进行了文献综述，收集了18篇已发表论文的数据（几种情绪和焦虑障碍，药物滥用，精神病，自闭症和transdiagnostic数据）。我们将最先进的网络模型适用于所有数据集，并计算所有节点的可预测性。结果可预测性与样本量无关，大多数症状网络中中等高度，并且在数据集内和之间差异很大。社区可预测性高于临床样本，情绪和焦虑症最高，精神病最低。结论可预测性是症状网络的重要附加特征，因为它给出了每个节点的可控性的绝对度量。它可以得出结论，如何自我确定一个症状网络，并可能有助于通知干预策略。讨论了可预测性与未来方向的局限性。
超越“欲速不达”的效果
地址： http://arxiv.org/abs/1706.06140
作者： I.M. Sticco, F.E. Cornes, G.A. Frank, C.O. Dorso
摘要： 紧急情况下拥挤的人们相互挤压通过出口逃跑时，“欲速不达”的效应提高。随着个人的努力越来越大，撤离时间的统计减速可以实现。减速是由于在试图离开房间时临时阻止出路的小群行人（例如，小型人类群）的存在造成的。属于这个阻塞群的行人的压力增加了焦虑程度的增加和/或更多的人尝试通过同一个门离开房间。然而，我们的调查显示，非常高的压力会改变阻塞群集的动态，从而改变沿着逃逸过程的时间延迟的统计。可以承认减少持久的延误，同时整体疏散性能提高。我们提出这一新现象的结果超出了“更快更慢”的制度。
持续关系的力量背后的时间模式
地址： http://arxiv.org/abs/1706.06188
作者： Henry Navarro, Giovanna Miritello, Arturo Canales, Esteban Moro
摘要： 社会网络是由具有非常不同结构和动力特性的强弱联系构成的。但是，人类互动的什么特点搭配起来呢？在这里，我们从实际的角度来看待这个问题，通过找到什么是社会互动的属性，使联系更加坚定，从而更强有力地保持未来的社会互动。使用大型纵向手机数据库，我们基于社会互动的强度，亲密度，结构和时间模式构建了持续持续的预测模型。虽然我们的结果证实结构（嵌入性）和强度（呼叫次数）与连续持久性相关联，但是我们发现通信事件的时间特征是更好和更有效的连续持久性预测器。具体来说，虽然关系中的通信总是突发，我们发现比平均值更突发的联系更有可能衰减，表明这种联系强度不仅体现在网络的强度或拓扑上，而且反映在个人分配时间方面或关注他们的关系。我们还发现，稳定的关系需要和需要一个恒定的节奏，如果通信停止超过以前的通信频率的8倍以上，那么很可能这种关系会衰退。我们的结果不仅对于了解社会关系的力量也是重要的，而且揭示了网络中不同时间尺度之间的纠缠，从微观联系突发和节奏到宏观网络演化。
家乡城镇用户的位置感知推荐系统
地址： http://arxiv.org/abs/1706.06239
作者： Hao Wang, Yanmei Fu, Qinyong Wang, Hongzhi Yin, Changying Du, Hui Xiong
摘要： 空间项目推荐已成为帮助人们发现有趣位置的重要手段，特别是当人们访问不熟悉的地区时。目前的一些研究主要集中在基于用户登记记录的空间项目建议的个人和集体地理偏好建模上，但是他们未能探索跨地理区域的用户兴趣漂移现象，即用户在旅行时会表现出不同的兴趣到不同地区。此外，他们忽视公众意见对后续用户签到行为的影响。具体来说，直观的是，用户将拒绝登记一个空间项目，其历史评论看起来总体上是负面的，尽管它可能符合他们的兴趣。因此，有必要在正确的位置向正确的用户推荐正确的项目。在本文中，我们提出了一种潜在的概率生成模型，称为LSARS，通过适应用户兴趣漂移和人群情绪，模拟用户在家乡和城外情境下的用户登记活动的决策过程，可以从空间项目和用户评论的内容中了解位置感知和情感感知的个人兴趣。由于市区外用户活动稀缺，LSARS进一步旨在融入当地用户登记行为学习的公众偏好。最后，我们将LSARS部署到两个实际应用场景：空间项目推荐和目标用户发现。两个大型基于位置的社交网络（LBSN）数据集的大量实验表明，LSARS比现有的最先进的方法实现更好的性能。
不断变化的手机图中的社交活动
地址： http://arxiv.org/abs/1706.06253
作者： Carlos Sarraute, Jorge Brea, Javier Burroni, Klaus Wehmuth, Artur Ziviani, J.I. Alvarez-Hamelin
摘要： 过去十年来，城市人口大量使用手机，对人力流动性的大规模研究得到了显着的提高。研究手机的活动，不仅可以推断个人之间的社交网络，还可以观察这些人在空间和时间上的运动。在这项工作中，我们调查这两个相关信息来源可以在检测和分析大型社会事件的背景下进行整合。我们表明，大型社会事件的特征不仅在于事件周边的天线的活动异常增加，而且还伴随着事件中出席者的社会关系的增加。此外，通过增加的天线活动来检测到大型社交事件，我们可以使用网络连接来推断事件中是否存在未观察的用户。更准确地说，我们处理以下三个挑战：（i）通过增加天线活动自动检测大型社会事件; （ii）描述检测到的事件的社会凝聚力;和（iii）分析推测未观察用户是否在事件中的可行性。
基于点过程的现实扩散动力学的通用组件
地址： http://arxiv.org/abs/1706.06282
作者： Minkyoung Kim, Raja Jurdak, Dean Paini
摘要： 人类和自然活动中的突发事件高度集中，表明这些活动受到社会或自然系统中以前的事件的影响。现实世界中的骇人听闻的行为传达了潜在的扩散过程的信息，这些信息一直是各种科学社区从在线社交媒体到犯罪学和流行病学的重点。然而，跨越学科的现实世界扩散动态的普遍组成部分仍未得到探索。在这里，我们介绍了跨学科的广泛的扩散过程，并提出了扩散框架的通用组件。通过对载体传播的疾病登革热的案例研究，我们将这些成分应用于基于扩散的人类疾病传播研究。提出的扩散普遍性可以激发跨学科研究，为扩散模型提供一个基本框架。
识别错误信息的重要微博识别：基于注意的方法
地址： http://arxiv.org/abs/1706.06314
作者： Qiang Liu, Feng Yu, Shu Wu, Liang Wang
摘要： 随着社会媒体的快速发展，大量的误传在社交媒体如微博等方面也广泛传播，对人类生活造成负面影响。如今，自动的错误识别已引起学术界和工业界的关注。对于社交媒体上的事件通常由多个微博组成，目前的方法主要是基于全局统计特征。但是，关于社会媒体的信息充满喧嚣，应该得到缓解。此外，关于事件的大多数微博对于识别错误信息几乎没有贡献，在这些错误信息中，有用的信息可以很容易地被无用的信息所淹没。因此，重要的是挖掘重要的微博可靠的错误信息识别方法。在本文中，我们提出了一种基于注意的识别错误信息（AIM）的方法。基于注意机制，AIM可以选择具有最大注意力的微博来进行错误识别。 AIM的注意机制包括内容注意和动态注意两个部分。内容注意是基于每个微博的文本功能计算的。动态注意与微博的发布时间与事件开始之间的时间间隔有关。为了评估AIM，我们对微博数据集和Twitter数据集进行了一系列实验，实验结果表明，提出的AIM模型优于最先进的方法。
检疫快速遏制网络流行病的相对效率
地址： http://arxiv.org/abs/1706.06321
作者： Giovanni Strona, Claudio Castellano
摘要： 最近的几项研究已经解决了最佳网络免疫的问题，提供了有效的标准来确定要拆除的关键节点，以便分离网络，从而防止广泛疫情爆发的发生。然而，虽然这些标准的效率也在经验网络中得到证明，但预防性免疫很少适用于现实世界的情景，通常的做法是使用检疫措施来控制疫情暴发的后果。在这里，我们将预防效率与隔离效率进行比较，在两个具有不同程度分布的综合网络上的已删除节点和已保存节点之间的权衡以及全球航空运输网络之间进行权衡。我们展示如何与常识相一致，但与常规做法相反，预防措施几乎总是比治愈更好：通过检疫拯救受感染的网络在第一次感染后不久就会变得无效。
选择节点和购买链接以最大化网络中的信息扩散
地址： http://arxiv.org/abs/1706.06466
作者： Gianlorenzo D'Angelo, Lorenzo Severini, Yllka Velaj
摘要： 独立级联模型（ICM）是一个广泛研究的模型，旨在捕捉社会网络和一般复杂网络中信息扩散的动态。在这个模型中，我们可以区分传播信息和不活动节点的活动节点。该过程从一组称为种子的初始活动节点开始。递归地，当前活动节点可以根据边集合上的概率分布来激活其邻居。在一定数量的这些递归周期之后，大量的节点可能变得活跃。当没有其他节点被激活时，该过程终止。从多明戈斯和理查森的工作开始，已经进行了一些研究，目的是形成一个给定的扩散过程，以便在过程结束时最大化激活的节点数量。研究最多的问题之一是Kempe等人正式确定并且包括找到一组初始种子，其在预算约束下使活动节点的预期数量最大化。在本文中，我们研究了Kempe等人的问题的泛化。我们允许我们花费部分预算来创造事件发生的新缘故。也就是说，预算可以用来根据成本函数来购买种子或边。该问题不管理PTAS，除非$ P = NP $。我们提出两种近似算法：前者给出了一个取决于边成本的近似比，并且当这些成本高时增加;后一种算法给出了一个常数近似保证，当边成本可以小时，该保证大于第一种算法的近似保证。
期刊影响因子可以作为初级研究员选择的标准吗？基于研究者数据的大规模实证研究
地址： http://arxiv.org/abs/1706.06515
作者： Lutz Bornmann, Richard Williams
摘要： 在研究人员的职业生涯早期，很难评估他们的工作有多好，学者最终会有多么重要或有影响力。因此，资助机构，学术部门和其他人经常使用“期刊影响因子”（JIF），作者发表在哪里，以评估他们的工作，为未来的工作提供资源和奖励。然而，以这种方式使用JIF已经受到严重的批评。本研究使用一个具有数以千计的个人研究者出版物的大型数据集，测试JIF（在它的标准化变体中）在其职业生涯开始时识别从长远来看取得成功的候选人的能力。根据Web of Science主题类别和出版年份，这里使用的指标不是裸体JIF和引用数量。研究结果表明，JIF（其归一化变体）能够区分发表论文的研究人员在一个领域和出版年度中的引用影响高于或低于平均水平 - 不仅在短期内，而且在短期内在长期。然而，结果的低到中等效应大小也表明，JIF（在其标准化变体中）不应被用作识别后续成功的唯一标准：其他标准，如具体研究的新颖性和意义，学术区别和以前机构的声誉也应该考虑。
流行病在单向循环耦合网络上的传播
地址： http://arxiv.org/abs/1706.06520
作者： Zhongpu Xu, Xinchu Fu
摘要： 实际流行病传播网络通常由相互联系的几种网络组成，相互关联的网络具有不同的拓扑和流行病学动态。此外，大多数人类疾病都源于动物，人畜共患感染总是传播在互联网络上。在本文中，我们考虑了由三个互连子网组成的单向圆耦合网络的流行病传播。在这里，通过引入异质平均场方法建立了两个单向三层循环交互网络，得到了基本的繁殖次数，证明了模型的无疾病平衡和地方性平衡的全局稳定性。通过数学分析和数值模拟，发现两种模型的基本再生数$ R_0 $取决于感染率，感染期，平均程度和程度比。在第一个模型中，内部联系模式的网络结构对$ R_0 $的影响要大于交叉联系模式。在相同的接触模式下，内部感染率比交叉感染率对R $ $有更大的影响。在第二个模型中，异质网络中的疾病占统治网络疾病对R $ $的影响更大，三个子网络之间的感染在传播过程中起着重要的作用。数值示例非常好地验证和扩展了这些理论结果。
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。本系列在个人博客网络科学研究速递 进行同步更新，并提供RSS订阅。