- 人类互动网络的时间稳定性;
- 全球博弈与嘈杂的信息共享;
- 在高密度条件下进行大规模行人流量实验;
- 小观点网络中的修辞诱导集团极化;
- 网络中结构角色相似性的谱图小波;
- DevRank：在Github挖掘有影响力的开发者;
- 社会传感器控制顺序信息融合;
- 在线社会网络中的音乐同声传译;
- 复杂网络的基于邻居的度数分布;
- 基于三相交通理论的自主驾驶物理学;
- 图注意力网络;
- 通过可见度图进行财务时间序列的统计验证;
- 社会网络去匿名化：对抗知识越多，用户被重新识别越多？;
- 大均匀随机网络中的渐近度分布：一点理论和反例;
- 衡量政治Gerrymandering的相对效率差距公式;
人类互动网络的时间稳定性
原文标题： Temporal stability in human interaction networks
地址： http://arxiv.org/abs/1310.7769
作者： Renato Fabbri, Ricardo Fabbri, Deborah C. Antunes, Marilia M. Pisani, Osvaldo N. Oliveira Jr
摘要： 本文报告了人类互动网络的稳定（或不变）属性，其基准来源于公共电子邮件列表。在时间轴和不同尺度的快照中观察到通过发送的消息，时间和拓扑识别的活动。我们的分析显示，所有网络的活动在几秒钟到几个月的时间范围内几乎相同。拓扑度量空间中的参与者的主要组成部分几乎保持不变，因为考虑了不同的消息集。参与者的活动遵循预期的无标度轨迹，从而通过与Erd \“os-R \”的模型相比，产生了顶点的中心，中间和外围类，这三个部分的相对大小基本相同所有电子邮件列表和时间一样，通常，顶点的$ 15 \％$是中枢，15-45 \％是中间人，$> 45 \％$是外设顶点。从Facebook，Twitter和ParticipaBR的12个网络获得了三个部门和拓扑指标的相对重要性，这些属性与文献一致，可能对人类互动网络是一般的，这对于建立参与者的类型学有重要的意义基于定量标准。
全球博弈与嘈杂的信息共享
原文标题： Global Games with Noisy Information Sharing
地址： http://arxiv.org/abs/1510.08204
作者： Hessam Mahdavifar, Ahmad Beirami, Behrouz Touri, Jeff S. Shamma
摘要： 全球博弈构成了一个不完整信息的博弈子类，其中一组代理人针对具有代表其权力的底层基础$ \ theta $的政权采取行动。每个代理人可以访问$ \ theta $的独立嘈杂观察。为了捕捉信息交换社会网络中的代理人的行为，我们假设代理人在做出决定之前在嘈杂的环境中分享观察。我们表明，具有嘈杂信息共享的全球博弈不会承认直观的门槛策略，这仅仅取决于代理人对底层$ \ theta $的信念。这与传统的全球博弈设置门槛政策的现有结果形成对比。在这个结果的驱动下，我们调查了更为普遍的门槛型政策收集中的均衡策略的存在，并且表明，如果在充分嘈杂的环境中发生信息共享，则存在这种均衡策略。
在高密度条件下进行大规模行人流量实验
原文标题： Large-scale pedestrian flow experiments under high-density conditions
地址： http://arxiv.org/abs/1710.10263
作者： Cheng-Jie Jin, Rui Jiang, S.C. Wong, Dawei Li, Ning Guo, Wei Wang
摘要： 尽管有大量关于行人流量的研究，关于高密度的数据仍然非常不足。我们在环形走廊上组织了一次大规模的行人流量实验。有278名参与者，达到高达9米2（-2）的密度。在单向流中，观察到四个不同的状态，包括自由流，拥塞状态，过充状态和超拥挤状态。超充气状态的特征与Helbing等人的经验数据中报道的“人群湍流”相似，可以发现停止状态与移动状态之间的转变。由于行人集群的下游传播，过度拥挤状态下的流量几乎不变。在双向流中，在实验中观察到三种不同类型的通道形成：（1）直接形成三条通道; （2）两条直通车道; （3）首先形成三条车道，然后转入两条车道。车道形成后，已经观察到一些有趣的现象，包括行人在车道上的不均匀分布，以及局部人群的形成和消散。我们的研究有助于更好地了解和建模高密度行人流动的动力学。
小观点网络中的修辞诱导集团极化
原文标题： Rhetorically-Induced Group Polarization in Small Opinion Networks
地址： http://arxiv.org/abs/1710.10295
作者： Michael Gabbay, Zane Kelly, Justin Reedy, John Gastil
摘要： 我们提出一个小组的极化作用的解释，讨论引起了极端的转变。在我们的理论中，修辞导致的不对称优先促进极端群体成员之间的多数形成，从而在极端方向上进一步扭转共识结果。此外，启发式问题替代可以将策略参考中的有效参考点转移到讨论中，从而产生政策方面的差异极化。介绍了实施理论的两个数学模型：一个简单的修辞近似多数模型和网络上的意见动态的接受转移约束模型，允许出现持久的多数职位。这些模式产生了极端的转变，没有典型的建模假设，就是对极端主义分子之间的更多的劝说的抵制。我们的在线小组讨论实验操纵政策方面，分歧级别和网络结构。对现有极化理论的挑战，其结果与质量和数量符合我们的理论和模式。
网络中结构角色相似性的谱图小波
原文标题： Spectral Graph Wavelets for Structural Role Similarity in Networks
地址： http://arxiv.org/abs/1710.10321
作者： Claire Donnat, Marinka Zitnik, David Hallac, Jure Leskovec
摘要： 驻留在图的不同部分的节点在其本地网络拓扑中可以具有类似的结构角色。这种角色的识别提供了对网络组织的重要洞察，也可以用于通知图上的机器学习。然而，学习节点的结构表示是一个具有挑战性的无监督学习任务，通常涉及手动指定和定制每个节点的拓扑特征。在这里，我们开发了GraphWave，该方法通过利用谱图小波扩散模式，通过低维嵌入来表示每个节点的局部网络邻域。我们证明具有相似本地网络邻域的节点将具有相似的GraphWave嵌入，即使这些节点可能驻留在网络的非常不同的部分。我们的方法随着边数量线性变化，不需要任何手工裁剪拓扑特征。我们评估合成和现实数据集的性能，比最先进的基准获得高达71％的改进。
DevRank：在Github挖掘有影响力的开发者
原文标题： DevRank: Mining Influential Developers In Github
地址： http://arxiv.org/abs/1710.10427
作者： Zhifang Liao, Haozhi Jin, Yifan Li, Benhong Zhao, Jinsong Wu, Shengzong Liu
摘要： 随着社会编码越来越受欢迎，了解开发人员的影响力可以使各种应用程序受益匪浅，如新项目广告和创新。然而，大多数现有的作品只集中在非加权和同质网络中排名有影响的节点，这些节点不能将正确的重要性分数传递给真正的重要节点。为了对Github中的开发者进行排名，我们定义开发者对吸引注意力的影响力，这可以通过未来获得的追随者的数量来衡量。我们进一步定义了一种新方法，DevRank，它通过根据用户行为（包括“提交”和“跟随”）构建的异构网络通过影响传播来对开发人员进行排名。我们的实验比较了DevRank和其他一些链接分析算法的性能，结果表明DevRank可以提高排名的准确性。
社会传感器控制顺序信息融合
原文标题： Controlled Sequential Information Fusion with Social Sensors
地址： http://arxiv.org/abs/1710.10546
作者： Sujay Bhatt, Vikram Krishnamurthy
摘要： 社会传感器网络通过执行贝叶斯社会学习来估计自然的未知状态，并且对个人的奖励功能进行了优化。社会传感器的决策包含有关基础状态的量化信息。融合中心如何动态地激发社会传感器来获取有关基础状态的信息？本文提出四个结果。首先，提供了模型参数的足够条件，在该条件下，融合中心的最优策略具有阈值结构。最优策略以封闭形式确定，并且在阈值处切换到两个完全指定的激励政策之间。第二，提供了最优阈值策略的样本路径表征，即由融合中心采用最优阈值策略产生的激励（随时间的平均趋势）的性质。表明最优激励序列是次mart ale，即随着时间的推移，最优激励机制平均增加。第三，表明融合中心可以通过采用次优策略渐近学习真实状态;换句话说，与社会传感器的控制信息融合可以一致。最后，提供了融合中心采用次优策略所产生的平均附加成本的均匀范围。这表明融合中心在信息获取成本和一致性方面的权衡。
在线社会网络中的音乐同声传译
原文标题： Homophily of Music Listening in Online Social Networks
地址： http://arxiv.org/abs/1710.10642
作者： Zhenkun Zhou, Ke Xu, Jichang Zhao
摘要： 同性恋者，从人口统计数据到情绪，在社会网络中建立离线或在线的连接。然而，随着音乐流媒体服务的蓬勃发展，网络音乐听力中是否存在同质性还不清楚。在本研究中，网易音乐和微博分别建立了同一组活跃用户的两个在线社会网络。通过提出多种相似性度量，显然已经证明，在线社会网络的音乐听力中确实存在同质性。微博中意想不到的音乐相似性也意味着通用社会网络的知识可以自信地转移到面向领域的网络中，用于上下文丰富和算法增强。进一步探索可能发挥作用的综合因素，深入揭示许多有趣的模式。发现女性朋友在音乐听力方面比较均匀，积极而精力充沛的歌曲显着吸引用户关注。我们的方法论和发现将揭示在线音乐服务中的实际应用。
复杂网络的基于邻居的度数分布
原文标题： Common neighbor based degree distribution of complex networks
地址： http://arxiv.org/abs/1710.10738
作者： Jie Li, Cunlai Pu
摘要： 揭示各种复杂网络的一般结构性质是网络科学的主要任务之一。我们将一束节点的程度定义为它们在网络中共享的常见邻居数，即基于公共邻居度（CNBD）。我们提供一个一般的模型，即统一的环模型，它统一了所有基于环的模型。我们提出了基于生成函数的一般框架来计算复杂网络的CNBD分布。我们发现在ER网络中，CNBD分布符合任意大小节点集的泊松定律。我们还研究了包括常规环格，小世界模型，无标度模型和现实世界网络在内的其他类型复杂网络的CNBD分布。
基于三相交通理论的自主驾驶物理学
原文标题： Physics of Autonomous Driving based on Three-Phase Traffic Theory
地址： http://arxiv.org/abs/1710.10852
作者： Boris S. Kerner
摘要： 在三相交通理论的框架下，我们已经揭示了自主驾驶的物理特征，而前一车辆没有固定的时间。已经做出了与自主驾驶的经典模型方法的比较，自动驾驶车辆试图达到前方车辆的固定（期望的或“最佳的”）时间。事实证明，与自主驾驶的经典模型相比，在三相交通理论框架下自主驾驶具有以下优点：（1）不存在弦不稳定性。 （ii）道路瓶颈的速度紊乱相当大。 （iii）基于三相理论的自主驾驶车辆，降低了由人驾驶和自主驾驶车辆组成的混合交通流量瓶颈的交通事故的概率;相反，即使是基于经典方法的单独的自主驾驶车辆也可能在混合交通流量的瓶颈中引发流量分解。
图注意力网络
原文标题： Graph Attention Networks
地址： http://arxiv.org/abs/1710.10903
作者： Petar Veličković, Guillem Cucurull, Arantxa Casanova, Adriana Romero, Pietro Liò, Yoshua Bengio
摘要： 我们提出图注意网络（GAT），操作图结构数据的新型神经网络架构，利用掩蔽的自我注意层来解决基于图卷积或其近似的现有方法的缺点。通过堆叠节点能够通过其邻域特征参与的层，我们启用（隐含地）为邻域中的不同节点指定不同的权重，而不需要任何类型的昂贵的矩阵运算（例如反转）或者取决于知道该图结构前期。以这种方式，我们同时解决了基于谱的图神经网络的几个关键挑战，使我们的模型很容易适用于归纳和转换问题。我们的GAT模型已经在三个已建立的转换和归纳图基准上获得了最先进的结果：Cora和Citeseer引用网络数据集，以及蛋白质 - 蛋白质相互作用数据集（其中测试图在培训期间完全看不见）。
通过可见度图进行财务时间序列的统计验证
原文标题： Statistical validation of financial time series via visibility graph
地址： http://arxiv.org/abs/1710.10980
作者： Matteo Serafino, Andrea Gabrielli, Guido Caldarelli, Giulio Cimini
摘要： 复杂系统的统计物理学不仅利用网络理论进行建模，而且有效地从许多动态现实世界系统中提取信息。金融系统提供了一个关键的研究案例：市场预测是一个未解决的科学挑战，但对社会具有至关重要的影响，因为金融危机对实体经济具有毁灭性的影响。因此，现在追求市场效率的强大估计是科学和制度上的优先事项。在这项工作中，我们研究了从几个交易市场指数的时间序列构建的可见度图。我们为这些图的每个链接提出了一个验证过程，该过程是从这样的系列的ARCH类型建模得到的零假设。在这个框架的基础之上，我们设计出一个市场指标，与之相关，甚至可以预测金融不稳定期。
社会网络去匿名化：对抗知识越多，用户被重新识别越多？
原文标题： Social Network De-anonymization: More Adversarial Knowledge, More Users Re-Identified?
地址： http://arxiv.org/abs/1710.10998
作者： Jianwei Qian, Xiang-Yang Li, Yu Wang, Shaojie Tang, Taeho Jung, Yang Fan
摘要： 随着数据交易和数据发布的趋势，许多在线社会网络已经启用了潜在敏感数据在网络上的交换或共享。因此，用户的隐私可能暴露给恶意的第三方，因为它们非常容易遭受去匿名攻击，即攻击者借助背景知识将社会网络中的匿名节点链接到其真实身份。以前在社会网络中脱离匿名的工作主要集中在设计准确有效的脱离匿名方法。我们从不同的角度研究这个话题，试图调查攻击者的知识与预期的去匿名化增益之间的内在联系。一个常见的直觉是攻击者拥有的辅助信息越多，越来越精确的去匿名化。然而，他们的关系比这更复杂。为了简化问题，我们尝试在几个假设下量化背景知识和去匿名化增益。我们对合成和实际网络数据的理论分析和模拟表明，在某些情况下，更多的背景知识可能不一定会导致更多的脱离匿名化增益。虽然我们的分析基于几个假设，但是这些发现仍然对攻击者在执行去匿名化时更好地利用背景知识留下了有趣的影响，并且为了让数据所有者在将数据发布到第三者时更好地衡量隐私风险派对。
大均匀随机网络中的渐近度分布：一点理论和反例
原文标题： Asymptotic degree distributions in large homogeneous random networks: A little theory and a counterexample
地址： http://arxiv.org/abs/1710.11064
作者： Siddharth Pal, Armand M. Makowski
摘要： 在随机图模型中，{\ em个人}节点的度数分布应该与记录具有给定度数的节点分数的{经验图}的（经验）度分布区分开来。我们引入一个通用框架来探索这些两度分布在大均匀随机网络中是否渐近地重合。讨论是在三个基本的统计假设下进行的程度序列：（i）分布均匀性的弱形式; （ii）存在渐近（节点）度分布;和（iii）一种弱形式的渐近不相关性。我们表明，在（i）和（ii）持有的同质随机网络中，这种渐近均衡可能失败，但（iii）不存在。反例是在随机阈值图中找到的。这一发现的含义是，随着一些作者的提出，随机阈值图不能用来代替无标度网络建模的Barab'asi-Albert模型。
衡量政治Gerrymandering的相对效率差距公式
原文标题： A Relative Efficiency Gap formula for measuring Political Gerrymandering
地址： http://arxiv.org/abs/1710.11086
作者： Kristopher Tapp
摘要： 引入效率差距公式来衡量政治流氓行为。它在Gill v。Whitford案中发挥了关键作用，其案例目前在最高法院面前，但Bernstein和Duchin最近显示出一些有问题的数学属性。我们提出了一种新的相对版本的效率差距公式，其继承了其理想的但不是其不良特征。衡量双方浪费的票数之间的差异，而不是衡量双方所投票的比例之间的差异。
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。