- 主流和跨学科在科学论文的相关性中的作用;
- 含时网络的跨核心分解：算法和应用;
- 不完美的检测下的链路预测：生态网络的协同过滤;
- 合作者驱动和背叛者驱动的惩罚如何影响合作？;
- 随机线性布置中的边交叉;
- 热力学敏感性作为在社会困境中的合作行为的量度;
- 复杂网络上非马尔可夫主体基于拒绝的仿真;
- K跳协作博弈模型：最大化总收入的自适应策略;
主流和跨学科在科学论文的相关性中的作用
原文标题： The role of mainstreamness and interdisciplinarity for the relevance of scientific papers
地址： http://arxiv.org/abs/1910.03628
作者： Stefan Thurner, Wenyuan Liu, Peter Klimek, Siew Ann Cheong
摘要： 有一个从科学资助机构，行业需求和公众科学应该变得更冒险，更外的开箱和多学科交叉。是否可以告诉科学论文如何跨学科和出的现成的，或纸是主流？这里我们使用的书目耦合网络，从刊登在过去的一个世纪的物理评论杂志，所有的物理论文得出，要尽量将其识别为主流，外的开箱，或跨学科的。我们表明，网络集群到科学领域。单篇论文相对于这些集群的位置，让我们估计其主流或跨学科的学位。我们发现，在过去几十年的主流报纸增加分数，超出现成的分数降低，跨学科的试卷分数保持不变。研究论文的奖励，我们发现，在绝对引用而言，无论是主流和跨学科的论文奖励。从长远来看，主流报纸进行小于引用率方面跨学科的。我们的结论是，以避免对趋势一主流新的激励机制是必要的。
含时网络的跨核心分解：算法和应用
原文标题： Span-core Decomposition for Temporal Networks: Algorithms and Applications
地址： http://arxiv.org/abs/1910.03645
作者： Edoardo Galimberti, Martino Ciaperoni, Alain Barrat, Francesco Bonchi, Ciro Cattuto, Francesco Gullo
摘要： 当分析颞网络中，基本任务是致密的结构（即，显示出大量的链接顶点组）中，用它们的时间跨度在一起（即，该时间段的量，高密度保持）的鉴定。我们称这样的芯跨越：在本文中，我们通过引入其中每个核心有两个量，其核数，它量化它是如何密集相连，它的跨度，这是一个时间间隔相关联的时间性核心分解的概念解决这个任务-cores。用于在离散时间域中 T 限定的时间网络，包括在 T 时间间隔的总数是在二次| T | ，使得跨度核的总数为潜在二次| T | 为好。我们的第一个主要贡献是一种算法，通过跨度内核之间剥削遏制性能，有效地计算所有翼展核心。然后，我们专注于只发现最大跨度核心，不受任何其他跨度核通过其核数财产和跨度都占主导地位，即跨度核心的问题。我们制定了非常有效的算法，它利用在极大性条件理论成果直接提取最大那些没有计算所有跨度核心。最后，我们引入时间社区搜索，其中一组查询顶点作为输入提供的问题，我们的目标是找到一组包含查询顶点，覆盖了整个底层时域 T 密集连接子图。我们推导出这个问题并找到（最大）跨度核问题之间的联系。基于此连接上，我们将展示怎样的社区搜索时间可在多项式时间内通过动态规划来解决，以及如何最大跨度内核能够获利利用来显著加快行动的基本算法。
不完美的检测下的链路预测：生态网络的协同过滤
原文标题： Link Prediction Under Imperfect Detection: Collaborative Filtering for Ecological Networks
地址： http://arxiv.org/abs/1910.03659
作者： Xiao Fu, Eugene Seo, Justin Clarke, Rebecca A. Hutchinson
摘要： 矩阵完成基于协同过滤被认为是可扩展的，有效的在线服务链路预测（例如，电影推荐），但不符合生态网络链路预测的挑战。生态网络的独特挑战是，观测数据是进行系统的不完善的检测，由于精确的现场采样的难度。在这项工作中，我们提出了定制的生态双边网络链路预测的新框架。我们的方法开始于掺入泊松N-二混合模型，在统计生态学在现场取样模拟单一物种的不完善检测一种广泛使用的框架。尽管其单品种分析大量使用，这种模式从来没有被认为是不同的物种之间联系的预测，也许是因为两个链路预测和N-混合模型推断的复杂性。通过明智泊松的N-混合模型与潜在空间概率非负矩阵分解（NMF）模型相结合，提出了感兴趣的问题一个直观的统计模型。我们还提供一个可扩展的融合，保证优化算法来处理相关的最大似然识别问题。在合成数据和两个真实世界的生态网络数据的实验结果，来验证我们提出的方法。
合作者驱动和背叛者驱动的惩罚如何影响合作？
原文标题： Cooperator-driven and defector-driven punishments: How do they influence cooperation?
地址： http://arxiv.org/abs/1910.03820
作者： Pengbi Cui, Zhi-Xi Wu, Tao Zhou, Xiaojie Chen
摘要： 经济研究表明，有两种类型的可以看作是当今全球经济的一个重要组成部分，调控方案：自我调节的自我监管组织实施治理行业惯例，以及政府监管这被认为是另一项计划，以维持公司坚持。特别感兴趣的一个突出问题是定量地了解演化动力学这些调节机制的作用。通常情况下，处罚的出现通常的规定执行。考虑到这两种类型的惩罚，以曲线的规定，我们开发一个博弈模型，其中有相应的策略组合6种的演化情况的考虑。此外，半解析法开发，使我们能够充分叛逃和nondefection的阶段之间的边界的准确估计。我们发现，与演化动力学相关，无限充分混合的人口，既惩罚的混合独自在促进公众合作，执行好于一个惩罚，但对于网络人口的合作者驱动的惩罚原来是一个更好的选择。我们还发现的协同效应，处罚罚款和反馈的灵敏度上无限充分混合人口的公共合作单调促进作用。相反，对于网络人口是需要的最好的促进惩罚者种群反馈灵敏度的最佳中间范围。总体而言，网络结构是整体更有利于惩罚者，并进一步为公众合作，因为惩罚者和合作者谁不惩罚背叛者之间的两个网络互惠与互利的。
随机线性布置中的边交叉
原文标题： Edge crossings in random linear arrangements
地址： http://arxiv.org/abs/1910.03926
作者： Lluís Alemany-Puig, Ramon Ferrer-i-Cancho
摘要： 在空间网络，顶点被布置在一定的空间和边可以交叉。在这里，我们考虑在一维点阵，其中当所述顶点序列上方画成它在语言和生物网络发生边可以交叉排列顶点的特定情况。这里，我们调查边交叉的顶点均匀随机排列的零假设下的分布。我们泛指此号码在树木的任何网络的期望现有公式和导出交叉在任意空间依靠方差的代数结构的新颖特征的数量的方差的一般表达式。我们提供的期望和完全图，圈图，一个正则图和各种树木（星树，准明星树和线性树）方差紧凑公式。在这些网络中，期望和方差作为网络尺寸的函数的尺度是渐近幂律状。我们的工作铺平了道路，为进一步研究和在一维或调查高维或其他的嵌入的格子的交叉数的分布应用程序的方式。
热力学敏感性作为在社会困境中的合作行为的量度
原文标题： Thermodynamic susceptibility as a measure of cooperative behavior in social dilemmas
地址： http://arxiv.org/abs/1910.03949
作者： Colin Benjamin, Aditya Dash
摘要： 在社会困境的热力学极限合作的出现是一个新兴的研究领域。同时（使用复制动力学）的数值方法是多如牛毛，分析方法是罕见的。一种特别有用的分析方法是利用在1-d和社会困境博弈自旋-1/2伊辛模型之间的映射，并计算磁化，这是一个社会困境合作者和变节的分数之间的净差。在本文中，我们看一下易感性，其中探针的球员采取一定的策略分数变化的净率，对于经典和量子社会困境。是的原因，在统计力学的问题，相比于磁化的热力学磁化率为微观行为，例如，观察在群体中的小变化采用一定的策略更敏感的探针。在本文中，我们发现了奖励，吸盘的收益，并在经典囚徒困境诱惑热力学敏感性为正，这意味着从缺陷玩家变化的这一比率配合比反之亦然更大，虽然纳什均衡的双参加博弈的投奔。在经典的鹰鸽博弈，资源热力敏感性暗示的球员交换的速度从鸠战略兜售占主导地位。纠缠量子囚徒困境（QPD）在确定热力易感性的行为的不平凡的作用。在最大的纠缠，我们发现，吸盘的收益和诱惑增加玩家切换到缺陷率。在零温度极限，我们发现，有在博弈中两个二阶相变，由易感性差异显著。此行为是类似于II型超导体，其特征在于还两个二阶相变被视为看见。
复杂网络上非马尔可夫主体基于拒绝的仿真
原文标题： Rejection-Based Simulation of Non-Markovian Agents on Complex Networks
地址： http://arxiv.org/abs/1910.03964
作者： Gerrit Großmann, Luca Bortolussi, Verena Wolf
摘要： 在与主体商根据网络拓扑他们的邻里互动随机模型是研究在实际系统复杂的动态模式的出现，强大的建模框架。随机模拟往往是优选的 - 有时是唯一可行的 - 的方法来调查这样的系统。以前的研究主要集中在哪里，直到交互发生在随机时间服从指数分布马尔可夫模型。在这项工作中，我们研究了一个总体框架，每个主体是在几个州的一个模型系统。主体可以随意改变自己的状态，通过其完整的邻居的影响，而时间到下一个事件可以按照任意的概率分布。传统上，这些仿真通过更新互联主体的速度和任意分布抽样随机停留时间的高计算成本的阻碍。我们提出了一个拒绝为基础，事件驱动的模拟算法来克服这些限制。我们的方法过于接近的对应的事件间隔时间的瞬时速率，同时拒绝事件平衡这些过度近似。我们证明了我们对流行和传播信息模型方法的有效性。
K跳协作博弈模型：最大化总收入的自适应策略
原文标题： A k-hop Collaborate Game Model: Adaptive Strategy to Maximize Total Revenue
地址： http://arxiv.org/abs/1910.04125
作者： Jianxiong Guo, Weili Wu
摘要： 在在线社会网络（嗅觉神经元），人际沟通和信息共享正在发生的一切的时候，它是实时的。当用户启动在嗅觉神经元的活动，马上，他/她就会自动在他/她的好友圈进行了一定的影响。然后，在引发剂的友谊圈子的一些用户将被吸引到参加本次活动。基于这样的事实，我们设计了一个K-跳协作博弈模型，这意味着由用户发起的活动只能影响其距离是在嗅觉神经元引发的k跳之内的那些用户。此外，我们引入收益最大的K下一跳协作博弈（RMKCG），其标识以获取利益尽可能发起人数量有限的问题。协作博弈模型详细描述了如何量化的好处和它背后的逻辑。我们不知道有多少追随者将用于提前的活动而产生，因此，我们需要采用自适应策略，其中谁是下一个可能引发决策依赖于过去的决定的结果。自适应RMKCG问题可以被视为一个新的随机优化问题，我们证明它是NP难，自适应单调，但不自适应子模块。但在某些特殊情况下，我们证明它是自适应的子模块和自适应贪心策略可以获得（1-1 / E） - 逼近自适应子模理论。由于我们的模型的复杂性，很难计算每个候选用户的边际收益，那么，我们提出了一个便捷，高效的计算方法。我们的算法的有效性和正确性是由重模拟真实世界的社会网络，最终验证。
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.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。