- 使用协同无人机的城市VANET按需路由;
- 网络合作的演化：联系紧密的合作伙伴可以加强合作，但遭到特洛伊木马的抵制;
- 按需共享出行效率的拓扑普遍性;
- 动态图中因果结构的高阶可视化;
- 社会网络上的同质化改变了竞争信息传播中的演化优势;
- 在Twitter上自动识别比较组以获得妊娠结局的数字流行病学信息;
- 基于广义群组的网络传播过程流行病模型：GgroupEM;
- 计算政治学研究综述;
使用协同无人机的城市VANET按需路由
原文标题： On-Demand Routing for Urban VANETs using Cooperating UAVs
地址： http://arxiv.org/abs/1908.05905
作者： Omar Sami Oubbati, Noureddine Chaib, Abderrahmane Lakas, Salim Bitam
摘要： 车载自组织网络（VANET）的特征在于频繁的路由路径故障，这是由于车辆方向的突然变化引起的高移动性。应该在考虑到这一挑战的情况下建立两个不同车辆之间的路线路径。稳定性和连通性是确保稳健可靠的数据传输的必要条件。这项工作背后的想法是利用新的反应式路由技术来提供稳定且连接良好的路由路径。无人驾驶飞行器（UAV）或所谓的无人机都可以参与发现过程，并且在这些发现的路径中是完全成员，以避免在网络稀疏连接时可能在地面上断开连接。基于NS-2模拟器执行该技术的不同测试，并将结果与专用于VANET的相关按需路由协议的结果进行比较。有趣的结果被区分显示减少的端到端延迟和高传输率，这证明车辆和UAV之间的这种异构通信能够扩展网络连接。
网络合作的演化：联系紧密的合作伙伴可以加强合作，但遭到特洛伊木马的抵制
原文标题： Evolution of cooperation in networks: well-connected cooperators can enhance cooperation but are counteracted by Trojan horses
地址： http://arxiv.org/abs/1908.05923
作者： Josefine Bohr Brask, Jonatan Bohr Brask
摘要： 合作行为本质上是普遍的，但解释合作如何演变构成了一项重大的科学挑战。仿真模型表明，社会网络结构在协同演化稳定中起着关键作用。然而，人们对初始条件对网络合作演变的重要性了解不多。关于这一点的知识对于判断建模和实验的结果在多大程度上可以告诉我们关于现实世界的东西至关重要。在这里，我们通过基于博弈论的仿真模型研究合作如何受到不同网络中合作者的初始网络位置的影响。我们发现在高度节点上放置合作者可以增强标准无标度网络中的合作，但不会增加标准泊松网络中的合作。相比之下，当合作者的初始位置与节点程度完全相关时，泊松网络在增加程度相关性的情况下可以保持高水平的合作，甚至超过无标度网络的合作。然而，当相关性不完美时，放置在合作者集群内的叛逃者可以充当特洛伊木马，允许叛逃入侵。结果与网络中的合作的计算机模拟相关，特别是与真实世界的合作实验相关，其中复制的数量通常较低，并且可能存在协作性和网络位置之间的随机初始相关性。
按需共享出行效率的拓扑普遍性
原文标题： Topological universality of on-demand ride-sharing efficiency
地址： http://arxiv.org/abs/1908.05929
作者： Nora Molkenthin, Malte Schröder, Marc Timme
摘要： 在城市和农村地区，乘坐共享可以极大地促进符合未来的可持续移动性。乘车共享车队的服务质量共同取决于底层街道网络的拓扑结构，时空需求分布和调度算法。然而，乘坐共享服务的效率通常通过经济或生态特别措施来量化，这些措施不会转移到具有不同特征的新服务区域。在这里，我们根据跨越网络拓扑的通用尺度规律的内在乘坐共享动态推导出乘坐共享效率的通用度量。我们证明了相同的扩展适用于不同拓扑的街道网络，包括城市，岛屿和农村地区，并且对修改请求分布和调度标准不敏感。这些结果进一步促进了我们对乘坐共享车队的集体动态的理解，并且可以实现对增加向以前未服务的区域创建或转移乘坐共享服务的可行性的条件的定量评估。
动态图中因果结构的高阶可视化
原文标题： Higher-Order Visualization of Causal Structures in Dynamics Graphs
地址： http://arxiv.org/abs/1908.05976
作者： Vincenzo Perri, Ingo Scholtes
摘要： 图绘制和可视化技术是复杂系统探索性分析的重要工具。虽然这些方法经常应用于可视化复杂网络上的数据，但我们越来越多地访问可以建模为时间网络或动态图的时间序列数据。在这种动态图中，时间戳边的时间排序决定了系统的因果拓扑，即哪些节点可以通过所谓的因果路径直接和间接地相互影响。虽然这种因果拓扑对于理解动态过程，节点或集群结构的作用至关重要，但我们缺乏将此信息合并到静态可视化中的图绘制技术。针对这一差距，我们提出了一种新颖的动态图绘制算法，该算法利用时间序列数据中的因果路径的高阶图模型来计算时间感知的静态图可视化。这些可视化将静态图的简单性与时间感知布局算法相结合，该算法突出了由边的时间动态产生的因果拓扑中的模式。
社会网络上的同质化改变了竞争信息传播中的演化优势
原文标题： Homophily on social networks changes evolutionary advantage in competitive information diffusion
地址： http://arxiv.org/abs/1908.05992
作者： Longzhao Liu, Xin Wang, Yi Zheng, Wenyi Fang, Shaoting Tang, Zhiming Zheng
摘要： 大规模社会网络上的竞争性信息传播揭示了谣言传染的基本特征，并对舆论形成产生了深远的影响。最近，人们越来越关注探索竞争演变的动力机制。尽管如此，人口同质性的影响仍然不明确，这种影响决定了强大的集体人类行为。在本文中，我们将同质效应纳入一个具有广义人口偏好的改进的竞争无知 - 撒布者 - 无知（SIS）谣言扩散模型。使用微观马尔可夫链方法，我们首先推导出竞争扩散结果的相图，并研究竞争信息如何在社会网络上传播和演化。然后我们探讨了同性恋的详细效果，这是通过重连机制来建模的。结果表明，同质地促进了分裂的“回声室”的形成，并保护弱势信息免于灭绝，这进一步改变甚至逆转了演化优势，即竞争信息的最终比例的差异。我们强调的结论是，只有当最初处于不利地位的信息具有更强的传输能力，并且拥有相对于另一个的扩散优势时，才会发生逆转。我们的框架提供了对人口同质性的竞争动态的深刻洞察，这可能为进一步控制错误信息和指导公众信仰系统铺平了道路。此外，逆转条件揭示了在许多真实场景中设计有效的竞争策略。
在Twitter上自动识别比较组以获得妊娠结局的数字流行病学信息
原文标题： Automatically Identifying Comparator Groups on Twitter for Digital Epidemiology of Pregnancy Outcomes
地址： http://arxiv.org/abs/1908.06015
作者： Ari Z. Klein, Abeselom Gebreyesus, Graciela Gonzalez-Hernandez
摘要： 尽管流产，死产，出生缺陷和早产等不良妊娠结局普遍存在，但其原因尚不清楚。我们通过开发一种自然识别用户的自然语言处理流程，在Twitter上选择比较组来寻求推动社交媒体用于妊娠结局的观察性研究。我们在推特上宣布怀孕的用户注释了2361条推文，用于培训和评估有监督的机器学习算法，作为自动检测已报告其怀孕达到足月且其婴儿出生时体重正常的女性的基础。在进一步处理基于多数投票的集合分类器的推文级预测后，该管道获得了0.933的用户级别F1分数，精度为0.947，召回率为0.920。我们将部署我们的管道，以确定用于在Twitter上研究妊娠结局的大型比较组。
基于广义群组的网络传播过程流行病模型：GgroupEM
原文标题： Generalized group-based epidemic model for spreading processes on networks: GgroupEM
地址： http://arxiv.org/abs/1908.06057
作者： Sifat Afroj Moon, Faryad Darabi Sahneh, Caterina Scoglio
摘要： 我们为任何区室流行病模型开发了一个基于群体的广义流行病模型（GgroupEM）框架（例如，易感染 - 易感染，易感染 - 感染 - 恢复，易感染 - 暴露 - 感染 - 恢复）。这里，一个组由一组单个节点组成。该模型可用于了解在非常大的复杂网络上传播的随机流行病的重要动态特征，提供关于群体状态的信息。按组聚合节点，状态空间变得小于基于个体的方法，代价是聚合错误，其受到等周不等式的强烈限制。我们还开发了该框架的平均场近似，以进一步减小状态空间大小。最后，我们将GgroupEM扩展到多层网络。由于基于组的框架在计算上比基于个体的框架更便宜且更快，因此当模拟时间很重要时，该框架非常有用。
计算政治学研究综述
原文标题： A Survey on Computational Politics
地址： http://arxiv.org/abs/1908.06069
作者： Ehsan ul Haq, Tristan Braud, Young D. Kwon, Pan Hui
摘要： 计算政治学是计算方法的研究，用于分析和调节用户文本，与政治活动相关的单一行为，如竞选宣传，政治派别和意见挖掘。随着互联网的快速发展和易用性，信息通信技术（ICT）已经引起了大量用户加入在线社区以及政治辩论等类似数据的数字化。这些社区和数字化数据包含有关用户及其与政治相关的行为的显性和潜在信息。对于研究人员来说，利用这些来源的数据来开发和设计系统是至关重要的，这些系统不仅可以为计算政治提供解决方案，还可以帮助其他企业（如营销人员）增加用户文本的单一参与和互动。在本次调查中，我们尝试对计算政治中的主要领域进行分类，并在一个地方总结突出的研究，以更好地理解跨不同和多维平台的计算政治。例如，在线社会网络，在线论坛和政治辩论。然后，我们通过强调未来的研究方向，机遇和挑战来结束本研究。
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。