- 接近Rado Multigraph的优先连接流程;
- 适应用于在含时图中枚举最大分类的Bron-Kerbosch算法;
- 过度的互惠扭曲了在线社交网络的声誉;
- 树状和随机规则图的模块化;
- 多重网络中的交互意见和疾病动态：不连续相变和非单调共识时间;
- 智能手机应用程序调查社会连接和心理健康之间的关系;
- 复杂网络中的影响最大化：度相关性的作用;
- 面向任务的网络推理的一般框架;
- 通过Facebook，Twitter和Google+专业用户的跨职位活动的表征;
- 通过使用拓扑图指标估计加权网络;
- 在多方评级网络上的强大的以信誉为基础的排名;
接近Rado Multigraph的优先连接流程
地址： http://arxiv.org/abs/1502.05618
作者： Richard Elwes
摘要： 我们考虑一个优先连接过程，其中一个多个图一次构建一个节点。在新节点发出的阶段$ t $中添加的边的数量由一些规定的函数$ f（t）$给出，概括了Kleinberg和Kleinberg在2005年考虑的模型，其中$ f $被假定为常数。我们显示，如果$ f（t）$在$ t $中的线性函数上下渐近地界定，则概率为$ 1 $，则该过程的无限极限与\ emph {Rado multigraph}是同构的。这个结构是我们在这里介绍的Rado图的自然多重图。
适应用于在含时图中枚举最大分类的Bron-Kerbosch算法
地址： http://arxiv.org/abs/1605.03871
作者： Anne-Sophie Himmel, Hendrik Molter, Rolf Niedermeier, Manuel Sorge
摘要： 互动的动态在复杂网络的分析中发挥越来越重要的作用。捕获这个的建模框架是由一组顶点（网络中的实体）和顶点之间的一组时间戳二进制交互组成的时间图。我们专注于枚举delta-cliques，这是对时态图的概念的扩展：对于给定的时间段delta，时间图中的delta-clique是一组顶点和一个时间间隔，使得所有顶点与每个至少在每个增量时间之后至少在时间间隔内步进。 Viard，Latapy和Magnien [ASONAM 2015，TCS 2016]提出了一种贪婪算法，用于枚举时间图中的所有最大delta-cliques。与这种方法相反，我们将Bron-Kerbosch算法（一种将静态图中列出所有最大分支的有效的递归回溯算法）适应于时间设置。我们从理论上获得令人鼓舞的结果（关于基于图参数“delta切片简并”的最坏情况运行时间分析）以及实际中对实际数据的实验。与Viard，Latapy和Magnien的算法相比，后者最终对于运行时间的最有趣的delte值进行了改进。
过度的互惠扭曲了在线社交网络的声誉
地址： http://arxiv.org/abs/1606.02597
作者： Giacomo Livan, Fabio Caccioli, Tomaso Aste
摘要： 点对点（P2P）经济依赖于在分布式网络系统中建立信任，其中用户的可靠性通过数字同行评审过程进行评估，该过程将评级集中到信誉评分中。在这里，我们提出了一种影响数字信誉的网络效应的证据，揭示了P2P网络的互惠水平极高。实际上，这些都远远高于那些兼顾零假设的那些，这种假设保留了所有节点对之间经验上观察到的一致性水平，而且接近结构上与网络声誉格局相适应的最高级别。这表明，由于用户通过评级交换来提高声誉或报复，企图使数字声誉支撑的众包流程可能会被大大扭曲。我们发现最不活跃的用户主要负责这种互惠诱发的偏见，并且可以利用这一事实来获得更可靠的信誉估计。我们的研究结果在不同的P2P平台之间是稳健的，包括评分用于对用户产生的内容进行投票并投票使用用户配置文件的两种情况。
树状和随机规则图的模块化
地址： http://arxiv.org/abs/1606.09101
作者： Colin McDiarmid, Fiona Skerman
摘要： 大型网络的聚类算法通常使用模块化分数来比较哪些分区更好地表示数据中的模块化结构。给定一个网络，顶点集合的分区的模块化是[0,1]中的一个数字，其测量部分内部边缘密度高于部分之间的程度;并且网络的模块化是任何分区的最大模块化。我们显示随机立方图通常在间隔（0.666,0.804）中具有模块性;对于大r的随机r-规则图通常具有$ {\ Theta}（1 / \ sqrt {r}）$的模块化。我们的结果可以为大规模网络中发现的聚类的统计学意义提供阈值。已知渐进和低度树的模块化是渐近的1.我们将这些结果扩展到所有图，其树形和最大度的乘积远小于边缘数。这表明例如，随机平面图通常具有接近1的模块化。
多重网络中的交互意见和疾病动态：不连续相变和非单调共识时间
地址： http://arxiv.org/abs/1612.01003
作者： Fátima Velásquez Rojas, Federico Vazquez
摘要： 意见形成和疾病传播是复杂网络中研究最多的动力学过程之一。在现实社会中，预期这两个过程将依赖于彼此并相互影响。然而，由于大多数研究分别对待它们，因此对意见动态对疾病动力学的影响知之甚少，反之亦然。在这项工作中，我们研究了选民模型的动态，其意见形成与疾病传播的联系过程相互交织，在通过两种类型的联系，社会和接触相互作用的代理人群中。这两个相互作用的动力学发生在两层网络上，通过在两个网络中存在的链接分数$ q $进行耦合。代理更新其状态的可能性取决于交互伙伴的意见和疾病状态。我们发现意见动态对疾病传播的性质有明显的后果。最重要的是，在接触过程中观察到的从健康到地方性阶段的平滑（连续）过渡在两层系统中变得突然（不连续）。因此，无视社会动态对流行病传播的影响可能会导致对传播的真实程度的误认。此外，当耦合$ q $克服阈值时，发现地方性健康的不连续转换。此外，我们表明，疾病动力学延迟了意见共识，导致了在模型参数的大范围内非单调地与$ q $变化的共识时间。平均场方法表明，意见和疾病的耦合动态可以通过与接触过程脱钩的选民模型的动态，意见和疾病传播的有效概率近似描述。
智能手机应用程序调查社会连接和心理健康之间的关系
地址： http://arxiv.org/abs/1702.02644
作者： Tjeerd W. Boonstra, Aliza Werner-Seidler, Bridianne O'Dea, Mark E. Larsen, Helen Christensen
摘要： 人际关系对成功的日常运作和健康是必要的。许多研究已经证明了通过直接的对等影响以及个人在社交网络中的位置，社会连接对于心理健康的重要性。使用智能手机的被动监控提供了一种先进的工具，可以根据个人之间的接近度来映射社交网络。本研究调查了使用智能手机应用程序测量和评估社交网络指标与心理健康之间关系的可行性。该应用程序收集了63位参与者的蓝牙和心理健康数据。近距离的社交网络是从蓝牙数据估计的，95％的边缘至少每30分钟扫描一次。大多数参与者发现这种数据收集方法可以接受，并报告说他们很可能参与将来使用此应用程序的研究。这些发现表明使用智能手机应用程序的可行性，参与者可以在自己的手机上安装，以调查社会连接和心理健康之间的关系。
复杂网络中的影响最大化：度相关性的作用
地址： http://arxiv.org/abs/1705.00630
作者： Didier Augusto Vega-Oliveros, Didier Augusto Vega-Oliveros, Francisco Aparecido Rodrigues
摘要： 我们提出了一种基于社区组织和网络中心性的方法来选择网络中信息传播最大化的节点集合。在这里考虑提出分类的人造网络和包括社会和通信网络在内的八个现实世界网络。与预期相反，我们观察到，在动力学结束时，增加吊具的数量可能不会提供额外的通知节点。此外，我们的仿真结果表明，我们的方法与贪心算法没有统计学差异。因此，可以通过根据社区结构进行最佳初始吊具的识别来优化影响最大化问题。
面向任务的网络推理的一般框架
地址： http://arxiv.org/abs/1705.00645
作者： Ivan Brugere, Chris Kanich, Tanya Y. Berger-Wolf
摘要： 我们简要介绍一个灵活的通用网络推理框架，将网络空间数据模型化，将网络结构优化为特定任务。我们引入一个关于网络影响最大化的正式问题陈述，其中网络结构不是作为输入，而是与影响最大化解决方案共同学习。
通过Facebook，Twitter和Google+专业用户的跨职位活动的表征
地址： http://arxiv.org/abs/1705.00714
作者： Reza Farahbakhsh, Angel Cuevas, Noel Crespi
摘要： 社交媒体（例如大公司，政治家，运动员，名人等）的专业人士正在集中使用在线社交网络（OSN），以便与不同目的的大量常规OSN用户（营销活动，客户反馈，公众声誉改善等）。因此，由于现有OSN的大型目录，专业玩家通常会在不同的系统中计算OSN帐户。在这种情况下，一个有趣的问题是专业用户是否在其OSN帐户中发布相同的信息，或者实际上是以不同的方式使用不同的OSN。我们将两个或多个OSN中发布相同信息的动作定义为交叉发布活动。本文旨在描述专业用户跨越三个主要OSN（Facebook，Twitter和Google+）的交叉发布活动。为此，我们对来自616个专业用户的超过2M个职位进行了大规模的基于度量的分析，这三个参与的OSN中有活跃账户。然后我们描述交叉现象的现象，并根据确定的特征分析行为模式。
通过使用拓扑图指标估计加权网络
地址： http://arxiv.org/abs/1705.00892
作者： Loukianos Spyrou, Javier Escudero
摘要： 图的拓扑指标提供了一种自然的方式来描述各种类型的网络的突出特征。图度量描述了图边缘的结构和相互作用，并且已经在许多科学领域中找到了应用。在这项工作中，通过开发包含网络拓扑的先前知识的优化方法，在网络估计中采用图度量的使用。图度量的导数在梯度下降方案中用于加权无向网络去噪，网络分解和网络完成。我们的方法的成功表现显示在一些玩具示例和现实世界的数据集中。最值得注意的是，我们的工作在图论，网络科学和优化之间建立了新的联系。
在多方评级网络上的强大的以信誉为基础的排名
地址： http://arxiv.org/abs/1705.00947
作者： João Saúde, Guilherme Ramos, Carlos Caleiro, Soummya Kar
摘要： 在线评论，评级和意见的传播以及对人们行为和决策的影响日益增加，从而为数据洪水提取有意义的信息提供了兴趣。因此，众所周知的产品和服务评级在商业，政府和其他方面起着至关重要的作用。我们提出了一个新的基于声誉的排名系统，利用多分级子网络，通过使用Kolmogorov复杂性，将用户聚类在一起。我们的系统是新颖的，它通过为不同的用户组分配可能不同的排名，反映出不同的意见/偏好。我们证明了系统的融合和效率，并表明它可以更好地应对垃圾邮件/虚假用户，而且攻击比最先进的方法更加强大。
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。本系列在个人博客网络科学研究速递 进行同步更新，并提供RSS订阅。