- 所有成功的社区都相似吗？表征和预测在线社区的成功;
- 在承诺与绩效之间：通过治理网络实施科技政策;
- 行人的身体旋转行为在通过和交叉流动中避免碰撞;
- 武装冲突数据的涌现规则性和尺度率;
- 追踪演化社会网络中社区的不同方法的比较研究;
- 基于差分隐私共识的分布式优化;
- 基于小波变换和机器学习的人群密度估计;
- 零排放邻域（ZENs）能源系统的成本优化设计：Evenstad的模型表示和案例研究;
- 图的集合聚类：比较和应用;
- 离散时间NIMFA流行病模型的病毒状态动力学;
- 多路网络的算法复杂性;
- 消除社区检测偏差：低连接度节点的重要性;
所有成功的社区都相似吗？表征和预测在线社区的成功
原文标题： Are All Successful Communities Alike? Characterizing and Predicting the Success of Online Communities
地址： http://arxiv.org/abs/1903.07724
作者： Tiago Cunha, David Jurgens, Chenhao Tan, Daniel Romero
摘要： 在线社区的激增为研究解释团队成功的机制创造了令人兴奋的机会。虽然越来越多的研究通过单一措施（通常是成员数量）来调查社区成功，但我们认为有多种方法可以衡量成功。在这里，我们提出了一个系统的研究，以了解这些成功定义之间的关系，并根据社区生命最早期的社区属性和行为来测试它们的预测程度。我们确定了大多数社区所需的四项成功措施：（i）成员数量的增长; （ii）保留成员; （iii）社区的长期生存; （iv）社区内的活动量。令人惊讶的是，我们发现我们的测量结果没有表现出很高的相关性，这表明他们捕获了不同类型的成功。此外，我们发现不同的成功度量是通过在线社区的不同属性来预测的，这表明可以通过不同的行为来实现成功。我们的工作揭示了对成功在在线社区中所代表什么的基本理解以及对它的预测。我们的研究结果表明，成功是多方面的，无法通过单一测量来衡量或预测。这种洞察力对于创建新的在线社区以及为这些社区提供便利的平台设计具有实际意义。
在承诺与绩效之间：通过治理网络实施科技政策
原文标题： Between Promise and Performance: Science and Technology Policy Implementation through Governance Networks
地址： http://arxiv.org/abs/1903.07730
作者： Travis A. Whetsell, Michael J. Leiblein, Caroline S. Wagner
摘要： 本研究分析了美国科技政策对全球战略联盟网络研发的影响。在20世纪80年代中期，美国的高科技产业似乎正在崩溃。行业领导者和决策者通过创建一个名为Sematech的计划来支持和保护美国公司。虽然许多学者认为Sematech是成功的，但该计划如何成功仍不清楚。本研究考察了政策与绩效之间的中间网络机制的作用。一般的主张是政府可以采取行动，加强组织间的合作和公共目标的公司绩效。本研究结合网络分析和纵向回归技术，测试政策对1986年至2001年间半导体公司不平衡小组中企业网络地位和技术绩效的影响。该研究表明政府可能通过旨在发展的组织间创新实现政策和强大的治理网络管理。
行人的身体旋转行为在通过和交叉流动中避免碰撞
原文标题： Body-rotation behavior of pedestrians for collision avoidance in passing and cross flow
地址： http://arxiv.org/abs/1903.07742
作者： Hiroki Yamamoto, Daichi Yanagisawa, Claudio Feliciani, Katsuhiro Nishinari
摘要： 我们观察行人的身体旋转行为，以避免他们在拥挤的情况下移动。在这种情况下，身体取向通常不同于行走方向，即行人侧向行走。在本文中，我们主要关注在狭窄走廊中通过体旋转避免碰撞时身体取向和行走方向之间的偏差。我们进行了简单的实验，其中两个行人相互通过。我们发现，当走廊的宽度小于两个行人宽度的总和时，行人会转动身体。通过分析在狭窄的走廊中彼此包围的两个椭圆的几何形状来解释这种行为。此外，我们开发了一个初步模型，并成功地模拟了实验中观察到的身体取向和行走方向之间的偏差。此外，我们进行了交叉流动实验，该实验比通过实验更加复杂和现实，并确认身体旋转行为也是复杂和现实场景不可或缺的因素。
武装冲突数据的涌现规则性和尺度率
原文标题： Emergent regularities and scaling in armed conflict data
地址： http://arxiv.org/abs/1903.07762
作者： Edward D. Lee, Bryan C. Daniels, Christopher R. Myers, David C. Krakauer, Jessica C. Flack
摘要： 大规模武装冲突是现代文明的一个特征。冲突统计数据显示出显著的规律性，如死亡率和持续时间的幂律分布，但这些属性仍然是不同的，尽管是突出的冲突特征。我们探索了一份大型详细的数据，其中包含10美元5美元的武装冲突报告，这些报告跨越20年，耗资近10美元4公里。通过将时空近似事件聚类成冲突雪崩，我们表明冲突报告，死亡人数，持续时间和地理范围的数量满足一致的比例关系。通过这些尺度变量测量的冲突的时间演变显示出紧急对称性，反映了冲突雪崩轨迹中的自相似性。总之，我们的测量描述的系统不同于对冲突增长的普遍解释，例如自相似的森林火灾模型。对我们的研究结果的自然解释是关键性语言，表明武装冲突由低维度过程主导，这种过程以令人惊讶的统一和可预测的方式与物理维度成比例。
追踪演化社会网络中社区的不同方法的比较研究
原文标题： A Comparative Study of Different Approaches for Tracking Communities in Evolving Social Networks
地址： http://arxiv.org/abs/1903.07784
作者： Ziwei He, Etienne Gael Tajeuna, Shengrui Wang, Mohamed Bouguessa
摘要： 在现实世界的社会网络中，人们越来越关注跟踪用户群的演变并检测他们可能经历的各种变化。已经为此提出了几种方法。在研究这些方法时，我们观察到它们中的大多数使用两阶段过程。在第一阶段，他们运行算法来识别每个时间戳的用户组。在第二阶段，基于相似性度量的成对比较被用于跟踪用户组并检测他们可能经历的变化。虽然大多数现有方法使用两阶段过程，但它们都运行不同的算法来识别社区，并依赖于不同的相似性度量来跟踪用户组随时间的变化。注意到根据所研究的动态社会网络，不同的方法可能表现不同，我们决定对一些现有的跟踪方法进行高水平的调查，然后对其中一些进行比较分析。在我们的分析中，我们在两种主要情况下比较算法：（1）当用户组不重叠时（）当组重叠时。该研究是在从DBLP，自治系统（AS）和Yelp数据集中提取的三个不同的测试平台上完成的。
基于差分隐私共识的分布式优化
原文标题： Differentially Private Consensus-Based Distributed Optimization
地址： http://arxiv.org/abs/1903.07792
作者： Mehrdad Showkatbakhsh, Can Karakus, Suhas Diggavi
摘要： 当数据集包含有关个人的敏感信息时，数据隐私是学习中的一个重要问题。本文考虑了数据隐私约束下基于共识的分布式优化。基于共识的优化包括一组以图排列的计算节点，每个计算节点都有一个取决于其本地数据的局部目标，其中每个步骤节点都采用其邻居消息的线性组合，以及采用新的梯度步。由于该算法需要交换依赖于本地数据的消息，因此私有信息在每一步都会泄露。以（ epsilon， delta） - 差异隐私（DP）为标准，我们考虑节点在广播之前将随机噪声添加到其消息中的策略，并表明该方法通过有界均方来实现收敛。错误，同时满足（ epsilon， delta） - DP。通过放宽以前工作中更严格的 epsilon -DP要求，我们在文献中加强了已知的收敛结果。我们用数值结果对论文进行了总结，证明了我们的均值估计方法的有效性。
基于小波变换和机器学习的人群密度估计
原文标题： Estimation of crowd density applying wavelet transform and machine learning
地址： http://arxiv.org/abs/1903.07806
作者： Koki Nagao, Daichi Yanagisawa, Katsuhiro Nishinari
摘要： 我们进行了一个简单的实验，其中一个行人穿过拥挤的区域并用商业平板测量身体旋转角速度。然后，我们开发了一种通过将连续小波变换和机器学习应用于实验中获得的数据来预测人群密度的新方法。我们发现使用角速度数据的预测精度与使用原始速度数据的精度一样高。因此，我们得出结论，角速度与人群密度有关，我们可以通过角速度估计人群密度。我们的研究将通过开发一种测量人群密度的简便方法，为管理行人的安全和舒适做出贡献。
零排放邻域（ZENs）能源系统的成本优化设计：Evenstad的模型表示和案例研究
原文标题： Cost Optimal Design of Zero Emission Neighborhoods' (ZENs) Energy System: Model Presentation and Case Study on Evenstad
地址： http://arxiv.org/abs/1903.07978
作者： Dimitri Pinel, Magnus Korpås, Karen B. Lindberg
摘要： 零排放社区（ZEN）是挪威研究的一个概念，旨在减少邻里的CO_2排放。这个概念的一个问题是如何设计这种邻域的能量系统以符合ZEN定义。根据这个定义，我们提取CO_2平衡，要求在邻域的生命周期内每年净CO_2排放。本文提出了一个MILP模型，用于获得ZEN能源系统的成本优化设计，并在案例研究中进行了演示。不同的技术被列为投资选择，特别是PV作为现场发电量的平均值。风力涡轮机不包括在本研究中，因为在大多数城市的背景下是不合适的。案例研究的结果强调了光伏投资在达到ZEN要求方面的重要性。例如，我们的10 000平方米建筑面积的测试案例需要大约850千瓦的太阳能，每年的能源需求约为700兆瓦时电力和620兆瓦时的热量。相比之下，对其他技术的投资很小。
图的集合聚类：比较和应用
原文标题： Ensemble Clustering for Graphs: Comparisons and Applications
地址： http://arxiv.org/abs/1903.08012
作者： Valérie Poulin, François Théberge
摘要： 我们最近基于共识聚类的概念提出了一种用于图（ECG）的新的集合聚类算法。我们通过复制比较基线图的图聚类算法的研究来验证我们的方法，显示ECG优于领先的算法。在本文中，我们通过考虑更广泛的基准参数来扩展我们的比较，生成具有不同属性的图。我们提供了新的实验结果，表明ECG算法可以缓解众所周知的分辨率限制问题，并且可以提高分区的稳定性。我们还说明了如何使用ECG获得的集合来量化图中社区结构的存在，以及放大与种子顶点最密切相关的子图。最后，我们通过将ECG与加权图上的社区检测以及社区感知异常检测的先前结果进行比较来说明ECG的进一步应用。
离散时间NIMFA流行病模型的病毒状态动力学
原文标题： The Viral State Dynamics of the Discrete-Time NIMFA Epidemic Model
地址： http://arxiv.org/abs/1903.08027
作者： Bastian Prasse, Piet Van Mieghem
摘要： 大多数关于流行病的研究都依赖于连续时间制定的模型。然而，现实世界的流行病数据以数字方式收集和处理，离散时间流行病模型更准确地描述了这一点。我们分析了具有异构扩散参数的有向网络上的离散时间NIMFA流行病模型。特别地，我们显示病毒状态正在增加并且不会超过稳态，稳态是全局指数稳定的，并且我们提供了限制病毒状态演化的线性系统。因此，离散时间的NIMFA模型成功地捕获了病毒传播的定性行为，并提供了研究现实世界流行病的有力手段。
多路网络的算法复杂性
原文标题： Algorithmic complexity of multiplex networks
地址： http://arxiv.org/abs/1903.08049
作者： A. Santoro, V. Nicosia
摘要： 多层网络保留了关于复杂系统组成部分之间不同交互的完整信息，并且最近证明在建模交通网络，社交圈和人类大脑时非常有用。一个基本且仍然存在的问题是评估系统的多层表示是否以及何时是比传统的单层聚合网络方法更优质的模型。在这里，我们从算法信息论的角度来解决这个问题。我们提出了一种将多层网络编码为比特串的直观方法，并且我们将多层网络的复杂性定义为与多层相关的比特串的Kolmogorov复杂度与相应的聚合图的比率。我们发现，对于等效的单层图，多层模型可以编码存在最大量的附加信息。我们展示了如何使用我们的度量来获得多维系统的低维表示，将多层网络聚类成一小组有意义的超级族，以及检测不同时变多层图中的临界点。这些结果表明，信息论方法可以有效地用于多维复杂系统的研究，并为更加系统地分析静态和时变多维复杂系统铺平了道路。
消除社区检测偏差：低连接度节点的重要性
原文标题： Debiasing Community Detection: The Importance of Lowly-Connected Nodes
地址： http://arxiv.org/abs/1903.08136
作者： Ninareh Mehrabi, Fred Morstatter, Nanyun Peng, Aram Galstyan
摘要： 社区检测是社会网络分析中的一项重要任务，使我们能够识别和理解社会结构中的社区。然而，许多社区检测方法要么未能将低度（或低度连接）的用户分配给社区，要么将它们分配给小型社区，以防止他们被纳入分析。在这项工作中，我们调查排除这些用户如何偏向分析结果。然后，我们通过将它们合并到更大的组中，引入了一种对于低连接用户更具包容性的方法。实验表明，我们的方法在F1和Jaccard相似度得分方面优于现有技术水平，同时减少了对低度用户的偏见。
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。