- 流行病在社区人口异质性网络传播中的优化治理策略;
- 关于货币标准的一些物理概念;
- 提高基于人气的实体链接的图中心度量;
- 模拟组织结构和吹哨者对组织内腐败传染的影响;
- 随机网络中最短周期长度的分布;
- 规模至关重要：为什么知识市场会大规模失败！;
- 边不对称对网络鲁棒性的影响;
- 使用代理建模多发性硬化症脑部疾病：什么有效，什么没有？;
- 网络中个体社区的广义显著性检验;
流行病在社区人口异质性网络传播中的优化治理策略
原文标题： Optimal curing policy for epidemic spreading over a community network with heterogeneous population
地址： http://arxiv.org/abs/1602.04679
作者： Stefania Ottaviano, Francesco De Pellegrini, Stefano Bonaccorsi, Piet Van Mieghem
摘要： 能够以可承受的成本抑制流行过程的高效固化政策的设计必须考虑支持传染性过程的人口接触网络的结构。因此，我们以尽可能低的成本解决人口中的恢复资源分配问题，以防止疫情无限期地持续在网络中。具体而言，我们通过一阶平均场近似来分析易感染易感染的流行过程，其扩散在加权图上。首先，我们描述了接触网络对异质性人群中可能分为社区的流行病动态的影响。对于社区网络的情况，我们的调查依赖于公平划分的图论理论;我们表明，流行病门槛，网络鲁棒性对抗疫情蔓延的关键尺度，可以确定使用一个较低维度的动力系统。通过计算流行阈值，我们通过求解一个在社区网络情况下具有减小维数的凸最小化问题来确定一个成本最优化的治疗策略。最后，我们考虑一个两层次的最优固化问题，在这个问题中，一个算法被设计成在网络尺寸上具有多项式时间复杂度。
关于货币标准的一些物理概念
原文标题： Some Physics Notions on Monetary Standard
地址： http://arxiv.org/abs/1712.00001
作者： Tiago Fernandes
摘要： 货币的货币标准的经济学概念是从经典的物理学角度来审视的。分析了用于表示价值的物质要素的物理特征，以及基于能源供应能力，通过采用新的货币标准，经济的能源矩阵如何在持续增长中发挥重要作用。
提高基于人气的实体链接的图中心度量
原文标题： Graph Centrality Measures for Boosting Popularity-Based Entity Linking
地址： http://arxiv.org/abs/1712.00044
作者： Hussam Hamdan, Jean-Gabriel Ganascia
摘要： 许多实体链接系统使用基于集合图的方法来消除文档中的实体提及。他们大多集中在候选实体的图构建和初始权重上，较少关注比较图排序算法。在这项工作中，我们专注于基于图的排序算法，因此我们建议应用五个中心度量：度，HITS，PageRank，中间度和紧密度。利用知名度方法为每个文档构建候选实体的消歧图，然后应用中心度量度来选择最相关的候选，以提高实体知名度方法的结果。我们调查每个中心性度量对不同领域和数据集的绩效的有效性。我们的实验表明，一个简单而快速的中心度量度，如度中心度可以超越其他更耗时的度量。
模拟组织结构和吹哨者对组织内腐败传染的影响
原文标题： Modelling the Impact of Organization Structure and Whistle Blowers on Intra-Organizational Corruption Contagion
地址： http://arxiv.org/abs/1712.00095
作者： Maziar Nekovee, Jonathan Pinto
摘要： 我们通过对组织内部腐败的蔓延进行定量模拟来补充关于组织腐败的丰富的概念性工作。我们系统地改变了四个组织文化相关的参数，即组织结构，坏苹果位置，员工腐败倾向（腐败概率）和举报人数。我们的模拟研究发现，在结构较为扁平的组织中，相较于那些结构较高的组织，腐败在腐败概率较低的阈值下渗透到组织中。然而，后者的腐败个体的最终比例高于前者。而且，我们发现，对于一个拥有1000个强大组织的组织来说，就抑制腐败蔓延所需的举报人数而言，5％的劳动力是一个关键的门槛，如果这个数字在25％左右，那么腐败蔓延就是微不足道。我们的结果的影响进行了讨论。
随机网络中最短周期长度的分布
原文标题： The distribution of shortest cycle lengths in random networks
地址： http://arxiv.org/abs/1712.00098
作者： Haggai Bonneau, Aviv Hassid, Ofer Biham, Reimer Kuhn, Eytan Katzav
摘要： 我们给出了随机网络中最短周期长度（DSCL）分布的分析结果。该方法基于DSCL和最短路径长度（DSPL）的分布之间的关系。我们将这种方法应用于配置模型网络，为此之前获得了DSPL的分析结果。我们首先计算网络中至少存在一个周期的节点的比例。在一个周期内进行调节，我们提供了具有遵循泊松分布（Erdos-R \ enyi网络），简并分布（随机正则图）和幂律分布（尺度）的度分布的配置模型网络的DSCL免费网络）。计算DSCL的均值和方差。发现分析结果与计算机模拟结果非常吻合。
规模至关重要：为什么知识市场会大规模失败！
原文标题： Size Does Matter: Why Knowledge Markets Can Fail at Scale!
地址： http://arxiv.org/abs/1712.00139
作者： Himel Dev, Chase Geigle, Qingtao Hu, Jiahui Zheng, Hari Sundaram
摘要： 在本文中，我们将Stack Exchange平台上的社区问答（CQA）网站建模为知识市场，并分析这些市场如何以及为什么会发生规模失败。通过将CQA网站作为市场进行分析，网站运营商可以推断知识市场的失败情况，并设计防范这些失败的策略。我们的主要贡献是提供有关知识市场失灵的见解。我们探索了一套可以解释的经济生产模式来捕捉知识市场中的内容生成动态。这些最好的表现，如Cobb-Douglas方程在经济文献中是众所周知的，为知识市场中的内容生成提供了直观的解释。具体来说，（1）用户参与和内容依赖等内容生成因素具有不变的弹性 - 任何投入的百分比增加导致产出的百分比不断增加，（2）在许多市场中，因素表现为收益递减 - 递增的边际产出随着投入的增加而减少;（3）市场根据其规模报酬而变化; - 所有投入相应增加所导致的产出增加;（4）许多市场表现出规模不经济 - 市场健康度的下降是整个系统规模（参与者人数）的函数，
边不对称对网络鲁棒性的影响
原文标题： The Influences of Edge Asymmetry on Network Robustness
地址： http://arxiv.org/abs/1712.00156
作者： Lei Wang, Xincheng Wang
摘要： 进/出度分布的不对称是现实世界复杂网络中普遍存在的现象。本文提出了边不对称（EA）的概念来量化这一特征。我们设计了一个基于EA-战略进攻6种真实世界的网络，发现它能够达到的效果以及边介型（EB）和比折（ED）的程度和随机攻击策略更好。在仿真中，我们发现网络不对称性越大，基于EA的攻击策略执行得越好。根据定义，EA的计算复杂度远低于EB。因此，基于EA的攻击策略效率更高。我们验证了基于EA的攻击策略对四组大规模网络的影响。
使用代理建模多发性硬化症脑部疾病：什么有效，什么没有？
原文标题： Modeling the Multiple Sclerosis Brain Disease Using Agents: What Works and What Doesn't?
地址： http://arxiv.org/abs/1712.00190
作者： Ayesha Muqaddas, Muaz A. Niazi
摘要： 人类的大脑是已知宇宙中最复杂的生物结构之一。它由数十亿个神经元和突触组成。由于其内在的复杂性，准确描绘大脑的结构和功能可能是一项艰巨的任务。过去，已经对模拟脑疾病，结构和功能进行了大量的研究。其中一些研究采用了基于主体的方法，包括基于多代理的模拟模型以及大脑复杂网络。虽然这些模型都是使用基于主体的计算技术开发的，但是，就我们所知，没有一个人使用面向Agent的软件工程（AOSE）方法来开发大脑或疾病模型。这是一个问题，因为如果没有正当程序，开发的模型可能会错过重要的要求。除了分布式系统的概念外，AOSE还具有融合多代理系统，基于主体的建模，人工智能等概念的独特能力。 AOSE在分析，设计，实施和测试阶段涉及模型开发各个阶段的各种测试软件工程原理。在本文中，我们采用三种不同的AOSE方法来模拟多发性硬化症脑疾病，即GAIA，TROPOS和MASE。在开发模型之后，我们进一步采用基于探索性的建模（EABM）来开发一个复制以前结果的实际模型作为概念验证。本研究的主要目的是展示和探索AOSE方法在发展复杂大脑结构和认知过程模型中的可行性和有效性。我们的主要发现包括证明AOSE方法可以在建模各种生活复杂系统，特别是人类大脑方面有相当大的帮助。
网络中个体社区的广义显著性检验
原文标题： A generalised significance test for individual communities in networks
地址： http://arxiv.org/abs/1712.00298
作者： Sadamori Kojaku, Naoki Masuda
摘要： 许多经验网络具有社区结构，节点在每个社区（即一组节点）内密集地相互连接，并且在不同社区中稀疏。像其他地方和中等规模的网络结构一样，社区在各个方面通常都是异构的，如边的大小，密度，与其他社区的连通性和重要性。在本研究中，我们提出了一个方法来统计测试给定网络中个体社区的重要性。与以前的方法相比，本算法是独特的，因为它接受不同的社区检测算法和单个社区的相应质量函数。本方法要求对每个社区的质量进行量化，并将社区检测作为在社区中总结的质量函数的优化来执行。各种社区检测算法，包括模块性最大化和图分区符合这个标准。我们的方法估计随机网络质量函数的分布，以计算给定网络中每个社区的可能性。我们用合成和经验网络来说明我们的算法。
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。