- ComPAS：流图的社区保留抽样;
- 中国简化的高度可再生电力网络的成本优化设计;
- 基于异构扩散模型的在线社会网络多元影响最大化;
- 对妇女性与生殖健康的传染病进行互联网辅助风险评估;
- 挖掘关于经济问题的舆论：Twitter和美国总统大选;
- 专家意见不一致的观点：来自气候科学，气候政策，天体物理学和公众舆论的初步证据;
- Twitter转发的非齐次泊松过程的分层模型;
- 财富不平等的动力学;
- 影响力，积极分子和预算：通往总统的道路;
- 基于熵的缺失链路预测方法;
ComPAS：流图的社区保留抽样
原文标题： ComPAS: Community Preserving Sampling for Streaming Graphs
地址： http://arxiv.org/abs/1802.01614
作者： Sandipan Sikdar, Tanmoy Chakraborty, Soumya Sarkar, Niloy Ganguly, Animesh Mukherjee
摘要： 在大数据时代，图采样在许多环境中是不可或缺的。现有的抽样方法大都是针对静态图而设计的，目的在于保留样本中原始图的基本结构属性（如度分布，聚类系数等）。我们认为，对于任何抽样方法来说，都不可能产生一个可以保留原始图的所有属性的通用代表性样本;而是抽样应该是特定于应用程序的（例如保留信息传播所需的中心）。在这里，我们将社区检测视为应用场景。我们提出的ComPAS是一种新颖的抽样策略，与以前的方法不同，它不仅被设计用于流图（这是现实世界场景的更现实的表示），而且还保留了样本中原始图的社区结构。综合和不同实际图的实证结果表明，ComPAS是最好的保留底层社区结构，其平均性能达到了静态图最知名算法的73.2％。
中国简化的高度可再生电力网络的成本优化设计
原文标题： Cost-optimal design of a simplified highly renewable Chinese electricity network
地址： http://arxiv.org/abs/1802.01623
作者： Hailiang Liu, Gorm Bruun Andresen, Martin Greiner
摘要： 中国经济的快速增长导致了中国能源需求的增加。结合中国的排放控制和清洁空气举措，导致了可再生能源技术，风能和太阳能等领先的大规模扩张。然而，它们的间歇性和不均匀的地理分布提出了如何在未来的可持续电力系统中最好地利用它们的问题，在这个系统中，它们的联合生产可能远远超过所有其他技术。众所周知，遥远地区的相互连接为风能和太阳能提供了更有利的生产模式。另一方面，长途连接挑战传统的地方能源自主权。本文将量化中国连片省份互联的优势。为此，引入了两种不同的方法。第一个目标是逐步增加非均质性，即非局部风能和太阳能发电，使生产成本最小化，而不考虑生产和需求之间的匹配。第二种方法优化了低成本生产和高能源利用价值之间的折衷。在这两种情况下，对中国100％可再生电力网络的研究都是基于8年来每个省份风电和太阳能发电和电力需求的高分辨率小时制。从研究中我们得出的结论是，与均匀分布的可再生能力的基线设计相比，异构网络不仅降低了资本投资，而且减少了热量单位的备份调度。在内蒙古，江苏，海南和西北等省份增加容量，异构布局可使电力成本（LCOE）降低高达27％，减少备份需求高达64％。
基于异构扩散模型的在线社会网络多元影响最大化
原文标题： Multiplex Influence Maximization in Online Social Networks with Heterogeneous Diffusion Models
地址： http://arxiv.org/abs/1802.01729
作者： Alan Kuhnle, Md Abdul Alim, Xiang Li, Huiling Zhang, My T. Thai
摘要： 受重叠用户链接在一起的在线社会网络的驱动，我们研究了复合上的影响最大化问题，每一层都有自己的影响扩散模型。这个问题是影响最大化问题的新颖版本，需要在多路复用的每一层上结合传播类型的新分析。我们确定了一个新的属性 - 广义确定性子模块，当它满足每一层的传播时，确保多路复用的传播是子模块 - 在这种情况下，我们制定了ISF，即近似比为$（1 - 1 / E）$。由于包含多个OSN的复用的大小可能包含数十亿用户，因此我们制定了在复用的每一层上并行运行的算法KSN。 KSN采用$ \ alpha $ -approximation算法A对单层网络上的影响最大化问题作为输入，其近似比为$ \ frac {（1-ε）\ alpha} {（o + 1）k} $为任意$ \ epsilon> 0 $，$ o $是重叠用户的数量，$ k $是Multiplex中的层数。对实际和合成多路复用的实验验证了所提出算法在异构多路复用中影响最大化问题的有效性。 ISF和KSN的实现可以在这个http URL中找到
对妇女性与生殖健康的传染病进行互联网辅助风险评估
原文标题： Internet - assisted risk assessment of infectious diseases in women sexual and reproductive health
地址： http://arxiv.org/abs/1802.01733
作者： Andrzej Jarynowski, Damian Marchewka, Andrzej Buda
摘要： 我们为患者和医疗保健专业人员开发开源感染风险计算器，作为医院获得性感染（分娩过程中）和性传播感染（如艾滋病毒）的应用程序。非传染性疾病的高级版本不适用于流行病学。然而到目前为止，波兰互联网上没有感染风险计算器，尽管可能存在可用于创建这种工具的数据。算法涉及信息系统（如HIS在医院）的数据和应用数学建模，贝叶斯推断，逻辑回归，协方差分析和社会网络分析的调查。最后，用户可以填写或从信息系统导入数据，以获得风险评估和测试不同的设置，以学习整体风险。最有希望的风险计算器是针对患者医院卫生检查模式中与医疗相关的感染而开发的。对于医院流行病学家来说，最广泛的版本可能包括基于主体人建模的多层医院交互。计算器的简化版本致力于那些需要个性化定期和定性变量描述的怀孕住院史的患者。患者通过交互式Web应用程序接受风险评估，并附加描述可修改的风险因素。我们还为性传播感染如艾滋病毒提供解决方案。有意义的描述和机会百分比的计算结果是实时呈现给感兴趣的用户的。最后，用户填写表格以获得给定设置的风险评估。
挖掘关于经济问题的舆论：Twitter和美国总统大选
原文标题： Mining Public Opinion about Economic Issues: Twitter and the U.S. Presidential Election
地址： http://arxiv.org/abs/1802.01786
作者： Amir Karami, London S. Bennett, Xiaoyun He
摘要： 民意调查是选举中舆论和政治家之间的桥梁。但是，开展调查以披露人们对经济问题的反馈意见是有限的，昂贵的和耗时的。近年来，Twitter等社交媒体让人们分享他们对选举的看法。社交媒体为收集大量社交媒体数据提供了一个平台。本文提出了一种计算舆论挖掘方法来探讨选举期间社交媒体中的经济问题。目前相关研究独立使用文本挖掘方法进行选举分析和选举预测;本研究结合两种文本挖掘方法：情感分析和主题建模。该提议的方法已经有效地部署在数百万推特上，以分析2012年美国总统选举期间人们对经济的担忧。
专家意见不一致的观点：来自气候科学，气候政策，天体物理学和公众舆论的初步证据
原文标题： Divergent Perspectives on Expert Disagreement: Preliminary Evidence from Climate Science, Climate Policy, Astrophysics, and Public Opinion
地址： http://arxiv.org/abs/1802.01889
作者： James R. Beebe, Maria Baghramian, Luke O'C. Drury, Finnur Dellsen
摘要： 我们报告了一项探索性研究的结果，该研究考察了气候科学家，气候政策专家，天体物理学家和非专家（N = 3,367）对气候科学和天体物理学中造成分歧的持续性因素的判断。我们发现，与受过教育的非专家相比，气候专家认为，气候科学对气候变化的分歧较少，方法因素和个人或机构偏见在产生现有分歧方面的作用不如通常报告或假设的那么重要。我们还发现，与其领域内的更大的固有不确定性和数据缺陷相对应，从事宇宙射线的天体物理学家通常更愿意承认专家的不同意见，更多地认为一组数据可以有多个有效的解释，不像气候科学家那样快速地否认某个非标准观点的人是非专家。
Twitter转发的非齐次泊松过程的分层模型
原文标题： A hierarchical model of non-homogeneous Poisson processes for Twitter retweets
地址： http://arxiv.org/abs/1802.01987
作者： Clement Lee, Darren J Wilkinson
摘要： 我们提出了一个非均匀泊松过程（NHPP）的分层模型，用于在线社交媒体上的信息传播，特别是Twitter转发。每个原始鸣叫的转推由NHPP建模，其中强度函数是时间衰减组件和取决于原始鸣叫作者的跟随者计数的另一个组件的乘积。后者允许我们解释或预测网络中心相关协变量的最终转推数。推理算法能够计算贝叶斯因子，以便于模型选择。最后，该模型被应用于两个井号标签的转发数据集。
财富不平等的动力学
原文标题： Dynamics of Wealth Inequality
地址： http://arxiv.org/abs/1802.01991
作者： Zdzislaw Burda, Pawel Wojcieszak, Konrad Zuchniak
摘要： 我们讨论了财富分配演进的统计模型，宏观经济规模下的不平等和经济分层。演化是由随机波动引起的，随机波动由比例增长法则以及个人之间的直接相互作用和私人与公共部门之间的相互作用所驱动。我们着眼于积累优势的效应，研究税收和再分配在减少贫富差距过程中的作用。我们特别指出，资本税可能会大大减少财富不平等，并导致系统的稳定。该模型预测人口衰退成为量化财富水平的经济类别。经济分层的效应体现在财富分配直方图的一种特征多式的形式上。我们在中国城市地区财富分配的经验数据中观察到了这种多模式模式。
影响力，积极分子和预算：通往总统的道路
原文标题： Clout, Activists and Budget: The Road to Presidency
地址： http://arxiv.org/abs/1802.02048
作者： L. Böttcher, Hans J. Herrmann, Hans Gersbach
摘要： 在最简单的情况下，政治运动涉及两个争夺多数票的竞选运动组织。我们提出了一个新的数学框架来研究社会网络上的政治运动动态，其成分是政治活动家或者说服个人。活动人士相信并不会改变他们的意见，他们能够在社会网络中移动，以激励有说服力的人根据他们的意见进行投票。我们描述活动人数，政治影响力，预算和运动成本之间复杂的相互作用对运动结果的影响。我们还发现，选择派遣一定数量的维权人士的运动组已经预先决定胜利。此外，我们显示候选人在政治影响力方面的优势可以克服大量的预算不利条件或更少的积极分子，如美国2016年总统选举所示。
基于熵的缺失链路预测方法
原文标题： Entropy-based approach to missing-links prediction
地址： http://arxiv.org/abs/1802.02064
作者： Federica Parisi, Guido Caldarelli, Tiziano Squartini
摘要： 链路预测是网络理论中的一个活跃的研究领域，旨在揭示未知关系或者从观察到的网络结构中预测未来关系的出现。本文表示我们对有关缺失链路预测的研究流的贡献。在这里，我们提出一种基于熵的方法来预测给定的缺失链接百分比，通过识别最可能的未观察链接。概率系数通过在可访问的网络结构上求解适当定义的空模型来计算。通过比较我们的基于可能性的本地方法和一系列经济和金融网络上最流行的算法，我们发现我们的表现最好，正如一些统计指标，如ROC曲线下的精度或面积所指出的。通过使用这些方法以及更大的灵活性（可应用于各种网络结构，无论是有向的，加权的还是二分的），可以实现的更高的准确度使其成为可用的链路预测算法的强有力竞争者。
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。