- 复杂传染的最优模块性;
- 抗精神病药物对脑功能网络社区结构的影响;
- PageRank分布的阻尼效应;
- 基于分布式并行系统的学术期刊同行评审效果分析;
- 动员特朗普列车：理解政治巨魔社区的集体行动;
复杂传染的最优模块性
原文标题： Optimal modularity in complex contagion
地址： http://arxiv.org/abs/1806.00074
作者： Azadeh Nematzadeh, Nathaniel Rodriguez, Alessandro Flammini, Yong-Yeol Ahn
摘要： 在本章中，我们应用前一章介绍的理论框架，研究社会网络的模块化结构如何影响复杂传染的蔓延。特别是，我们关注最优模块性的概念，即当网络展现出恰到好处的模块性时，预测全局级联的发生。在这里，我们通过假设多个社区的存在以及网络中种子的均匀分布来概括这些发现。最后，我们对最优模块化机制下级联的时间演化提供一些见解。
抗精神病药物对脑功能网络社区结构的影响
原文标题： Effect of antipsychotics on community structure in functional brain networks
地址： http://arxiv.org/abs/1806.00080
作者： Ryan Flanagan, Lucas Lacasa, Emma K. Towlson, Sang Hoon Lee, Mason A. Porter
摘要： 精神分裂症是一种精神障碍，其特征是社会行为异常，未能将自己的想法和想法与现实区分开来，这与精神分裂症的功能性脑网络结构异常有关。利用网络分析中的各种方法，我们研究了两种经典治疗性抗精神病药物---阿立哌唑和舒必利对健康对照和已被诊断患有精神分裂症的患者的功能性脑网络结构的影响。我们使用介观响应函数来比较不同个体的功能性脑网络的社区结构，其测量社区结构如何在网络的不同尺度上变化。我们能够做出区分患者和控制的相当好的工作，并且我们在接受阿立哌唑治疗的患者中最为成功。我们证明，患者和对照之间的这种增加的分离仅与对照组的变化有关，因为患者组的功能性脑网络似乎主要不受这种药物的影响。这表明阿立哌唑对健康个体的社区结构具有显著和可测量的影响，但对诊断为精神分裂症的个体没有影响。相比之下，我们发现给予个体的药物舒必利使得将患者网络与对照的网络分开更加困难。总的来说，我们观察到药物（和安慰剂）对患者和对照的社区结构的影响差异，并且这种影响在不同群体中也不同。因此，我们证明不同类型的抗精神病药物选择性地影响脑网络的中尺度结构，为诸如社区等中尺度结构是大脑中有意义的功能单元提供支持。
PageRank分布的阻尼效应
原文标题： Damping Effect on PageRank Distribution
地址： http://arxiv.org/abs/1806.00127
作者： Tiancheng Liu, Yuchen Qian, Xi Chen, Xiaobai Sun
摘要： 这项工作将Brin和Page发明的个性化PageRank模型扩展到一系列具有各种阻尼方案的PageRank模型。增加模型种类的目标是捕获或识别更多类型的网络活动，现象和传播模式。 PageRank分布对阻尼机制变化的响应随后被解析表征，并在6个大型现实世界链接图上进行定量估算。这项研究导致了新的观察和实证研究结果。结果发现，6个图中每个模型对PageRank向量响应参数变化的模式的差异相对小于研究中使用的每个图的3个特定模型之间的差异。这表明模型变种用于区分网络活动和传播模式的效用。通过一种高效的算法，可以对多个阻尼模型和参数上的阻尼机制进行定量分析，该算法通过一个共享的，谱不变的子空间一次计算所有的PageRank矢量。发现谱空间对于每个真实世界图都是低维的。
基于分布式并行系统的学术期刊同行评审效果分析
原文标题： Analysis of Peer Review Effectiveness for Academic Journals Based on Distributed Parallel System
地址： http://arxiv.org/abs/1806.00287
作者： Zong-Yuan Tan, Ning Cai, Jian Zhou
摘要： 建立了基于并行系统的仿真模型，旨在探讨同行评审中相似学科内学术期刊数量与学术期刊整体质量的关系。该模型能够以分布的方式有效地模拟学术期刊的提交，回顾和接受行为。根据模拟实验，可能发生的情况是学术期刊的整体标准可能由于提交过多而恶化。
动员特朗普列车：理解政治巨魔社区的集体行动
原文标题： Mobilizing the Trump Train: Understanding Collective Action in a Political Trolling Community
地址： http://arxiv.org/abs/1806.00429
作者： Claudia Flores-Saviaga (1), Brian C. Keegan (2), Saiph Savage (1 and 3) ((1) West Virginia University, (2) University of Colorado Boulder, (3) Universidad Nacional Autonoma de Mexico (UNAM))
摘要： 政治巨魔不仅为卢尔茨（笑）带来了网络冲突，而且还出于意识形态的原因，例如宣传他们想要的政治候选人。政治巨魔集团最近获得了关注，因为他们被认为是帮助唐纳德特朗普赢得2016年美国总统选举的核心，这次选举涉及艰难的大规模动员。政治巨魔面临着独特的挑战，因为他们必须建立自己的社区，同时打乱他人。然而，人们对政治巨魔如何动员足够的参与突然成为他人的问题知之甚少。我们对来自最受欢迎和具有破坏性的政治琐事社区之一的超过1,600万条评论进行了定量纵向分析，该评分为\Donald（T \ D）。我们使用T_D作为透镜来了解这些不正常空间内的参与和集体行动。具体而言，我们首先研究最活跃的参与者的特征，以揭示可能推动其持续参与的因素。接下来，我们调查这些活跃的个人如何动员他们的社区采取行动。通过我们的分析，我们发现了最活跃的用于动员参与的不同话语策略，并部署了像机器人这样的技术工具来创建共享身份并维持参与。我们通过为市民媒体设计人员提供数据支持的设计含义来结束。
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。