- 一个共同非线性投票模型中的分段转换;
- 利用自然实验来量化徽章的因果效应;
- 时间接触网络中传染性的可及性：疾病潜伏期如何利用人类行为的节奏;
- 在线社区中可信度分析的概率图模型;
- 复杂组件系统中共享组件的统计;
- 证据属性在社会网络中的优势;
- 在原始和现代通信数据集中发现的两种类型的社会修饰;
- 拥塞条码：使用持久同源性探索城市拥堵的拓扑;
一个共同非线性投票模型中的分段转换
地址： http://arxiv.org/abs/1707.08111
作者： Byungjoon Min, Maxi San Miguel
摘要： 我们研究了同时描述节点状态和网络拓扑状态演化的共同非线性投票模型。代理人可以通过互动来采用其邻居的状态来切换其状态，其中多个邻居以非线性方式影响代理的状态。交互的非线性通过参数q来测量。通过以速率p重连连接，网络拓扑结构与耦合到节点状态动态的动态变化。通过分析和数值分析，我们在q，p参数空间中获得了三个不同阶段的相图：单个组件网络中的动态主动共存阶段，在单个组件网络中吸收共同相，并在分段网络中吸收相位。我们通过不同的机制发现这些阶段之间的不同转变：（i）活性和分裂相之间的连续吸收转变和（ii）在单一组分网络或分散相中的两个吸收相之间的不连续转变。
利用自然实验来量化徽章的因果效应
地址： http://arxiv.org/abs/1707.08160
作者： Tomasz Kusmierczyk, Manuel Gomez-Rodriguez
摘要： 各种在线平台使用数字徽章来鼓励用户采取某些类型的理想行为。然而，尽管他们越来越受欢迎，但是他们对用户行为的因果关系还没有很好的理解。这部分是由于缺乏反事实数据以及随着时间的推移影响用户行为的无数复杂因素。因此，他们的设计和部署缺乏一般原则。在本文中，我们专注于第一次使用用户首次采取特定类型的行动后颁发的首次徽章，并通过在流行的问答网站中延迟推出几张徽章来研究其因果效应。在这样做的过程中，我们引入了一个新颖的因果推理框架，其主要技术创新是一个强大的基于生存的假设检验程序，用于控制用户间的效用异质性，以及一种自举差异差异法，随着时间的推移，用户行为的随机波动。我们发现，如果用户从采取相应的动作获得的实用程序足够低，则首次使用徽章会引导用户的行为，否则徽章不会产生重大影响。此外，对于成功引导用户行为的徽章，我们进行反事实分析，并表明它们显着提高了社区级别的站点功能。
时间接触网络中传染性的可及性：疾病潜伏期如何利用人类行为的节奏
地址： http://arxiv.org/abs/1707.08252
作者： Ewan Colman, Kristen Spies, Shweta Bansal
摘要： 许多传染病的症状影响他们的主人退出社会活动，限制自己的传播潜力。因此，成功传播需要传染性的发生与其主人社会活跃的时间相一致。由于社会活动和传染性都是时间现象，我们假设当这两个过程同步时，疾病是最普遍的。我们考虑纳入行为反应的疾病动态，有效地缩短疾病的传染期。我们将此模型应用于从面对面社交互动中收集的数据，并详细了解潜伏期的持续时间如何影响疾病的可及性。然后，我们模拟网络上模型疾病的传播，以测试我们的结果的健壮性。具有与人的时间社会行为同步的潜伏期的疾病，即24小时或7天的潜伏期对应于潜在地有感染风险的个体的数量的峰值。对于具有现实参数的一系列疾病模型，存在这种同步的效果。传染病潜伏期与其普遍性之间的关系是非线性关系，强烈依赖于疾病蔓延的社会环境。
在线社区中可信度分析的概率图模型
地址： http://arxiv.org/abs/1707.08309
作者： Subhabrata Mukherjee
摘要： 阻止网络社区充分利用信息的主要障碍之一是用户贡献内容的质量和可信性受到广泛关注。此领域的先前作品是以社区的静态快照为依据，对数据结构（例如关系表）作出强有力的假设，或只考虑文本分类的浅层特征。为了解决上述限制，我们提出概率图模型，可以利用在线社区中的多个因素（如用户交互，社区动态和文本内容）之间的联合相互作用---自动评估用户提供的在线内容的可信度，以及用户的专业知识及其演进与用户解释的解释。为此，我们设计了基于条件随机字段的新模型，用于不同的设置，例如将部分专业知识用于半监督学习，以及处理离散标签以及数字等级进行细粒度分析。这使得应用程序能够从健康论坛中的用户贡献的帖子中提取药物的可靠副作用，并确定新闻社区中的可信内容。在线社区是动态的，随着用户的加入和离开，适应不断变化的趋势，随着时间的推移，网络社区成熟。为了捕捉这种动态，我们提出了基于隐马尔可夫模型，潜在Dirichlet分配和布朗运动的生成模型，以追踪用户专业知识及其语言模型随时间的不断演变。这使我们能够随着时间的推移来共同识别专家用户和可信内容，通过明确考虑用户的成熟度来改进最先进的推荐系统。这也使得诸如识别有用的产品评论等应用程序，以及用有限的信息检测假的和异常的评论。
复杂组件系统中共享组件的统计
地址： http://arxiv.org/abs/1707.08356
作者： Andrea Mazzolini, Marco Gherardi, Michele Caselle, Marco Cosentino Lagomarsino, Matteo Osella
摘要： 许多复杂系统是模块化的。这样的系统可以表示为“组件系统”，即基本组件的集合，例如LEGO集合中的乐高砖。在乐高集合中发现的砖块反映了目标架构，可以按照特定的指令列表构建。相反，在其他组件系统中，基础功能设计和约束在先验上并不明显，而且它们的检测通常是对科学和实践重要性的挑战，需要对组件统计数据进行清晰的了解。重要的是，一些定量不变量似乎对许多组件系统是常见的，最显着的是组分丰度的普遍广泛分布，其通常类似于众所周知的齐普夫定律。这种“法律”以一般和不平凡的方式影响组件统计，可能阻碍了系统特定功能约束或生成过程的识别。在这里，我们专注于共享组件的统计，即不同系统实现共享的组件数量的分布，例如在不同的乐高集合中发现的常见砖块。为了解决组件异构性的影响，我们考虑一个简单的空模型，它通过从可能的组件的宇宙中随机绘制构建系统实现。在丰度异质性的一般假设下，我们提供了组件发生的分析估计，从而量化了共享组件的统计。令人惊讶的是，这种简单的零模型可以正确地解释从细菌基因组，乐高集和书章数据中获得的经验分量发生分布的重要特征。具体的建筑特征和功能约束可以从发生模式中被检测为偏离这些无效预测，正如我们对细菌中“核心”基因组的说明性情况所示。
证据属性在社会网络中的优势
地址： http://arxiv.org/abs/1707.08418
作者： Salma Ben Dhaou (1), Kuang Zhou (2), Mouloud Kharoune (2), Arnaud Martin (2), Boutheina Ben Yaghlane (1) ((1) LARODEC, (2) IRISA)
摘要： 如今，为了检测社交网络中的社区，设计了许多方法。其中一些方法只考虑拓扑图结构，而其他方法则使用图结构和节点属性。在现实世界的网络中，图中有许多不确定和嘈杂的属性。在本文中，我们将介绍如何在第一步中检测具有不确定属性的图中的社区。数值，概率和证据属性根据图结构生成。在第二步中，一些噪声将被添加到属性中。我们对具有不同类型属性的图表进行实验，并根据规范化相互信息（NMI）值比较检测结果。实验结果表明，具有证据属性的聚类与具有概率和数值属性的聚类具有更好的结果。这说明了证据属性的优点。
在原始和现代通信数据集中发现的两种类型的社会修饰
地址： http://arxiv.org/abs/1707.08517
作者： Masanori Takano
摘要： 社交网站（SNS）提供了创新的社会融合方式，被称为社会梳理。这些都大大减少了社会梳理的时间和距离限制。在这里，我们展示了在由30个通信数据集（包括面对面，SNS，手机和Chacma狒狒）构建的模型中发现的两种类型的社会梳理（精心制作的社会梳理和轻量级社交修饰）。这种划分是由社会关系社会关系的数量和力量之间的权衡所引起的。复杂的社会梳理的权衡比轻量级社会梳理的权衡弱。另一方面，精心制作的方法的成本高于轻量化方法。这种模式将微观社会梳理行为与宏观社会结构与这些权衡相结合。人们倾向于使用精心设计的社交习惯来加强密切的关系，建立有限的社会（例如面对面和Chacma狒狒）。这似乎是先发制人。另一方面，人们倾向于使用轻量级的社交习惯来维持许多薄弱的社会关系，并建立扩大的浅层社会（如SNS）。人类近来已经获得了这种方法。生活在复杂社会中的轻量级人士使用各种社会习俗来有效地建立社会关系。精心设计的社交活动是为了从紧密的关系中获得合作。轻量级的社会梳理是为了从许多薄弱的关系中获取信息。
拥塞条码：使用持久同源性探索城市拥堵的拓扑
地址： http://arxiv.org/abs/1707.08557
作者： Yu Wu, Gabriel Shindnes, Vaibhav Karve, Derrek Yager, Daniel B. Work, Arnab Chakraborty, Richard B. Sowers
摘要： 这项工作提出了一种量化交通网络连通性的新方法。在拓扑数据分析领域的启发下，我们提出了一种新颖的方法来探索道路网络连通性在道路拥堵情况下的鲁棒性。拥塞条形码的鲁棒性总结在一起，可以直接从通常用于导航的交通数据集中构建。作为初步的演示，我们演示了纽约市一个社区公共交通数据集的主要技术。
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。本系列在个人博客 http://www.complexly.me 进行更新，并提供RSS订阅。