- 主稳定性函数揭示了网络中由扩散驱动的模式形成;
- 项目的稳定性：一项实验测试;
- 团队运动中队形结构的表征;
- 挖掘密度对比子图;
- 论意见与在线讨论的复杂性;
- 高阶网络分析工具;
- 无信号交叉口的拥塞分析;
- 简单封闭和高阶链路预测;
- 在线社交系统中的优惠券广告：算法和抽样技术;
- 在线社会网络中发现隐藏的主题中心和权威;
- 人才与运气：成功与失败中随机性的作用;
- 健康保险索赔数据建模的社会网络分析框架;
- 指导社会活动：随机最优控制观点;
主稳定性函数揭示了网络中由扩散驱动的模式形成
原文标题： Master stability functions reveal diffusion-driven pattern formation in networks
地址： http://arxiv.org/abs/1610.07635
作者： Andreas Brechtel, Philipp Gramlich, Daniel Ritterskamp, Barbara Drossel, Thilo Gross
摘要： 我们研究网络中的扩散驱动模式形成，这是一类多层系统，其中不同的层具有相同的拓扑结构，但具有不同的内部动态。假设试剂通过随机行走散布在层内，而层可以通过层之间或层内的反应来创建或破坏。我们表明，均匀稳态的稳定性可以用主稳定函数方法进行分析，这种方法揭示了网络中的模式形成和连续空间中的模式形成之间的深层比喻。为了说明，我们考虑了生态偏食网的一个广义模型。这个相当复杂的模型描述了由一个个体栖息地网络组成的区域内的许多不同物种的分散，同时受到现实的，非线性捕食者与猎物的相互作用。在这个例子中，该方法揭示了动力学对空间结构的复杂依赖性。所提出的方法处理这个相当复杂的系统的能力突出了它作为生态学和其他应用的有前景的工具。
项目的稳定性：一项实验测试
原文标题： Stability of items: an experimental test
地址： http://arxiv.org/abs/1802.06764
作者： Michele Pasquini, Maurizio Serva
摘要： 一种语言的词语随时会被新词语随机替换，但是很长时间以来，人们发现，与某些词语（含义）相对应的词不太经常被其他词语替代。通常，给定项目的替换率不是直接可观察到的，但它是由估计的稳定性推断出来的，相反，这是可观察的。这个想法在词典统计学文献中有很长的路要走，但没有什么能确保它给出正确的答案。由于Protolanguage（Latin）是已知的，替代率可以明确计算，所以Romance系列语言允许直接测试替代率的估计稳定性。测试的结果有三个方面：首先，我们证明试图通过估计的稳定性推断替代率的标准方法是合理的;其次，我们能够重写非普遍替代率（取决于项目的比率）的Glottochronology的基本公式，第三，我们给出了无可争辩的证据，即对于不同的语言族来说稳定性排名是相同的。与马达加斯加方言家族相比，这最后的结果也得到支持。作为一个副作用，我们还提供了一些证据，即拉丁庸俗拉丁文而非晚期拉丁文拉丁文是现代拉丁语言语言的根源。
团队运动中队形结构的表征
原文标题： Characterization of the formation structure in team sports
地址： http://arxiv.org/abs/1802.06766
作者： Takuma Narizuka, Yoshihiro Yamazaki
摘要： 我们提出了一种基于Delaunay三角网确定团队运动形态结构的方法。从每个参与者的Delaunay三角测量中获得的邻接矩阵被认为是形成模式。我们的方法允许时间序列分析和地层的定量比较。通过将我们的方法与层次聚类相结合，还提出了一种分类算法。
挖掘密度对比子图
原文标题： Mining Density Contrast Subgraphs
地址： http://arxiv.org/abs/1802.06775
作者： Yu Yang, Lingyang Chu, Yanyan Zhang, Zhefeng Wang, Jian Pei, Enhong Chen
摘要： 密集子图发现是许多图挖掘应用中的一个关键原语，例如检测社会网络中的社区以及从生物数据中挖掘基因相关性。大多数关于密集子图挖掘的研究只处理一张图。然而，在许多应用中，我们有不止一个描述同一组实体之间关系的图。在本文中，给定两个共享同一组顶点的图，我们研究了检测子图的问题，这些子图在密度方面与对比度最高。我们称之为子图密度对比子图，简称DCS。考虑两种广泛使用的图密度度量，平均度和图亲和度。对于这两种密度度量，挖掘DCS相当于从“差异”图中挖掘最密集的子图，其可能具有正边和负边权重。由于负边权重的存在，现有的密集子图检测算法无法识别我们需要的子图。在两种图密度测度下，证明了挖掘DCS的计算硬度，并开发了求解DCS的高效算法。我们还对几个真实世界的数据集进行了广泛的实验，以评估我们的算法。实验结果表明，我们的算法既有效又有效。
论意见与在线讨论的复杂性
原文标题： On the Complexity of Opinions and Online Discussions
地址： http://arxiv.org/abs/1802.06807
作者： Utkarsh Upadhyay, Abir De, Aasish Pappu, Manuel Gomez-Rodriguez
摘要： 在日益极化的世界中，将复杂性降低为基于情感的简单论点的煽动者正在流行起来。意见和在线讨论陷入蛊惑？在这项工作中，我们的目标是提供计算工具来调查这个问题，并通过这样做，探索在线讨论的性质和复杂性以及他们的意见空间，揭示每个参与者所处的位置。更具体地说，我们提出了一个建模框架，在网上讨论中构建潜在的意见表达，这与网络投票所衡量的人类判断一致。如果两个观点在所产生的潜在意见空间中接近，那是因为人们认为它们是相似的。我们的建模框架在理论上是基础的，并且在意见和投票模型与矩阵的符号级别之间建立了令人惊讶的联系。此外，它还提供了一套实用的算法来估计观点的潜在空间的维度，并推断在线讨论的参与者所表达的意见在这个空间中的位置。来自Yahoo!的大型数据集的实验新闻，雅虎！财务，雅虎！体育和新闻室的应用程序表明，一维观点模型往往无法准确地代表在线讨论，提供对人类判断和意见的见解，并表明我们的框架能够通过依靠人类判断规避语言细微差别，如讽刺或幽默而不是文本分析。
高阶网络分析工具
原文标题： Tools for higher-order network analysis
地址： http://arxiv.org/abs/1802.06820
作者： Austin R. Benson
摘要： 网络是整个科学中复杂系统的基本模型，网络数据集通常是通过在单个节点和边级别描述的低阶连接模式进行分析的。然而，由小型子图捕获的高阶连接模式（也称为网络模式）描述了控制和调解许多复杂系统行为的基本结构。我们开发了三种网络分析工具，它们使用高阶连接模式来获得对网络数据集的新见解：（1）基于联合参与网络图案将节点聚类为模块的框架; （2）聚类系数测量的概括以研究高阶闭合模式;和（3）时间网络的网络图案的定义和用于对它们进行计数的快速算法。使用这些工具，我们分析生物学，生态学，经济学，神经科学，在线社会网络，科学合作，电信，交通和万维网的数据。
无信号交叉口的拥塞分析
原文标题： Congestion analysis of unsignalized intersections
地址： http://arxiv.org/abs/1802.06858
作者： Abhishek, Marko Boon, Michel Mandjes, Rudesindo Núñez-Queija
摘要： 本文考虑两个交通流使用的无信号交叉口。一系列汽车正在使用主要道路，并且优先于其他低优先级的道路。如果主要道路上的两辆后续车辆之间的间隙大于其关键车道，则属于后者的车辆穿过主要道路。自然会产生的问题是：鉴于汽车在主要道路上的到达模式，低优先级汽车的最高到达率如何，以使这些汽车的数量保持稳定？其次，关于二级公路上典型汽车的延误情况，可以说些什么呢？本文通过考虑一个简洁的模型来阐明这些问题，该模型揭示了所考虑的无信号交叉口的动态。该模型具有排队论的性质，揭示了用户行为对上述稳定性和延迟问题的影响的有趣见解。本文的贡献是双重的。首先，我们对驾驶员不耐烦的上述模型获得了新的结果。其次，我们揭示了迄今为止在现有文献中尚未被观察到的一些令人惊讶的方面，其中许多是由于小路的能力不能用平均空隙大小表示的事实造成的;相反，关键进展分布的更详细的特征起作用。
简单封闭和高阶链路预测
原文标题： Simplicial Closure and Higher-order Link Prediction
地址： http://arxiv.org/abs/1802.06916
作者： Austin R. Benson, Rediet Abebe, Michael T.Schaub, Ali Jadbabaie, Jon Kleinberg
摘要： 通过表示潜在的成对交互作用，网络为建模复杂系统提供了强大的形式。但是这些系统中的大部分结构都涉及到同时发生在两个以上节点之间的交互;例如，团队内的沟通而不是人与人之间的沟通，团队间而不是一对合作者之间的协作，或者一组分子之间的生物相互作用，而不仅仅是两个。我们将多于两个节点的集合上的这些类型的同时交互称为高阶交互;它们无处不在，但是它们的实证研究缺乏评估高阶模型的一般框架。这里我们介绍一个基于链路预测的框架，这是网络分析中的一个基本问题。传统的链路预测问题试图预测网络中新链接的出现，并且我们在这里调整它来预测哪些（更大）的元素将会有未来的交互。我们研究了来自各种领域的19个数据集的时间演变，并且使用我们的链路预测的高阶表达来评估对于新的多向相互作用最具预测性的结构特征的类型。在我们的研究结果中，我们发现不同的域在它们的高阶结构参数分布上差别很大，并且高阶链路预测问题显示出与传统的成对链路预测存在一些根本差异，对局部而不是长期的作用更大，范围信息预测新互动的出现。
在线社交系统中的优惠券广告：算法和抽样技术
原文标题： Coupon Advertising in Online Social Systems: Algorithms and Sampling Techniques
地址： http://arxiv.org/abs/1802.06946
作者： Guangmo (Amo) Tong, Weili Wu, Ding-Zhu Du
摘要： 在线社交系统已经成为病毒式营销的重要平台，其中产品广告是通过用户的交流进行的。采用该产品后，种子购买者可以通过在线消息将信息传播给他们的朋友。帖子和推文。另一个问题是，电子优惠券系统是帮助制造商和零售商吸引更多潜在客户的相关促销工具之一。通过向种子购买者提供优惠券，有机会说服那些有影响力的用户，然而，他们起初对产品不太感兴趣。在本文中，我们提出了一个基于优惠券的在线影响力模型，并考虑如何通过选择适当的种子买家来实现利润最大化的问题。这里考虑的问题与其他影响相关的问题明显不同，因为其目标函数不是单调的。我们提供算法分析并给出几种使用不同采样技术设计的算法。特别是，我们提出RA-T和RA-S算法，它们不仅可证明有效，而且可在大型数据集上扩展。所提出的理论结果通过在大规模真实世界社会网络上进行的大量实验进行评估。本文的分析也为社会网络中的非单调子模块最大化问题提供了一个算法框架。
在线社会网络中发现隐藏的主题中心和权威
原文标题： Discovering Hidden Topical Hubs and Authorities in Online Social Networks
地址： http://arxiv.org/abs/1802.07022
作者： Roy Ka-Wei Lee, Tuan-Anh Hoang, Ee-Peng Lim
摘要： 在许多可能有用的应用程序中发现在线社会网络中有影响力的用户是一个重要问题。特别是，HITS和其他链接分析方法经常用于识别网络图和在线社会网络中的枢纽和权威用户。然而，这些作品在分析中没有考虑链接的主题方面。克服这个限制的直接方法是在应用HITS算法之前首先应用主题模型来学习用户主题。在本文中，我们提出了一个称为Hub and Authority Topic（HAT）模型的新型主题模型来结合这两个过程，以共同学习枢纽，权威和主题兴趣。我们在两个方面评估HAT与几种现有的最先进的方法：（i）主题建模，和（ii）链接建议。我们对来自Twitter和Instagram的两个真实世界的数据集进行实验。我们的实验结果表明，HAT与学习主题中的最新主题模型相当，并且其优于链接推荐任务中的最新技术。
人才与运气：成功与失败中随机性的作用
原文标题： Talent vs Luck: the role of randomness in success and failure
地址： http://arxiv.org/abs/1802.07068
作者： A. Pluchino. A. E. Biondo, A. Rapisarda
摘要： 在竞争激烈的西方文化中，主要的优势主义范式是基于这样一种信念，即成功主要归功于个人素质，如人才，智力，技能，努力或冒险。有时候，我们愿意承认运气的某种程度也可以在取得重大物质成功方面发挥作用。但事实上，低估外部力量在个人成功故事中的重要性是相当普遍的。众所周知，智能或人才在人群中呈高斯分布，而财富分布 - 被视为成功的代表 - 通常遵循幂律（帕累托定律）。输入的正态分布与典型尺度以及输出的尺度不变分布之间的这种差异表明隐藏的一些成分在幕后工作。在本文中，在一个非常简单的基于主体的模型的帮助下，我们建议这种成分只是随机性的。特别是，我们证明，如果确实需要某种程度的才能才能在生活中取得成功，那么几乎从来没有最有才华的人达到成功的最高峰，被平庸但明智幸运的人超越。就我们的知识而言，这种违反直觉的结果 - 虽然在大量文献的界限之间隐含地提出 - 在这里首次被量化。它揭示了在成功达到成功水平的基础上评估绩效的有效性，并强调将过多的荣誉或资源分发给那些最终可能比其他人幸运的人们的风险。在这个模型的帮助下，一些政策假设也被处理和比较，以显示最有效的研究公共资助战略，以提高任人唯贤，多样性和创新。
健康保险索赔数据建模的社会网络分析框架
原文标题： A Social Network Analysis Framework for Modeling Health Insurance Claims Data
地址： http://arxiv.org/abs/1802.07116
作者： Ana Paula Appel, Vagner F. de Santana, Luis G. Moyano, Marcia Ito, Claudio Santos Pinhanez
摘要： 巴西的健康保险公司拥有关于组织索赔的数据，仅对提供者有所看法。通过这种方式，他们放弃了医生的观点以及他们如何分享患者。医生之间的伙伴关系在大多数情况下都可以看作是一项富有成果的工作，但有时这可能成为健康保险公司和患者的问题，例如建议仅因在同一诊所工作而去拜访另一位医生。这项工作的重点是更好地了解医生的活动以及这些活动在数据中的表现方式。我们的方法考虑了三个方面：医生之间的关系，医生与患者之间的关系以及医生与医疗保健提供者之间的关系。我们向巴西的一家大型健康保险公司提交了一份索赔数据库分析结果（详述了18个月的活动）。本文提出的主要贡献是一组代表模型：医生之间的相互转诊，患者保留以及医疗保险网络中的医生中心性。我们的研究结果显示了基于社会网络框架的建议模型，从实际健康保险索赔数据中提取了有关医生的令人惊讶的见解。
指导社会活动：随机最优控制观点
原文标题： Steering Social Activity: A Stochastic Optimal Control Point Of View
地址： http://arxiv.org/abs/1802.07244
作者： Ali Zarezade, Abir De, Utkarsh Upadhyay, Hamid R. Rabiee, Manuel Gomez-Rodriguez
摘要： 用户参与在线社会网络关键取决于相应平台的社交活动水平 - 用户采取的在线行为（如帖子，分享或回复）的数量。我们可以设计数据驱动算法来增加社交活动吗？在用户级别，这种算法可以通过帮助用户决定何时采取措施更有可能被同行注意到，从而增加活动。在网络层面，他们可以通过激励一些有影响力的用户采取更多行动来增加活动，这反过来会引发其他用户的额外行动。在本文中，我们使用标记时间点过程的框架为社会活动建模，使用带跳的随机微分方程（SDEs）推导出这些过程的替代表示，并利用这种替代表示形式开发两种有效的在线算法，在用户和网络级别的社交活动。在这样做的时候，我们在跳跃SDE的最优控制与双重随机标记时间点过程之间建立了一个以前尚未探索的连接，这是独立的。最后，我们对从Twitter收集的合成和真实数据进行了实验，并证明我们的算法能够比现有技术更有效地引导社交活动。
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。