- 复仇者如何集结：对电影有效演员表的生态建模;
- 网络中的压缩接近性;
- 决定电网节点整合低谷不稳定性的结构和动力学因素;
- 使用多室流行病学模型来描述欧洲流感的动态;
- 公共拍卖市场中卡特尔检测的网络方法;
- 治理网络的物理学：多层自适应网络传染动力学的临界转变，及其在可再生资源可持续利用的应用;
- 公民对商品及服务税的情感：对Twitter数据的时空分析;
- 一种用于属性网络嵌入的图自动编码器;
- 理解社会网络中的过滤泡沫和极化;
复仇者如何集结：对电影有效演员表的生态建模
原文标题： How the Avengers assemble: Ecological modelling of effective cast sizes for movies
地址： http://arxiv.org/abs/1906.08403
作者： Matthew Roughan, Lewis Mitchell, Tobin South
摘要： 电影中的角色数量是一个有趣的特征。但是，直接测量并非易事。诸如著名演员数量之类的简单指标变动很大。我们在这里表明，基于香农熵衡量的“生态多样性”概念可以表征电影中的角色数，并且在分类中是有效的。我们还展示了如何使用Jensen-Shannon散度来推广度量，以提供出现在不同电影中的角色的相似性的度量，例如用于Netflix等推荐系统。我们将度量应用于漫威电影宇宙，并展示了度量对于这部非常成功的专营电影告诉了我们什么。特别要强调的是，这些度量为漫威电影宇宙中的电影“成功”的程度给出了有效的预测，同时给出了理解整个电影系列故事之间关系的自然方法。
网络中的压缩接近性
原文标题： Compressive Closeness in Networks
地址： http://arxiv.org/abs/1906.08335
作者： Hamidreza Mahyar, Rouzbeh Hasheminezhad, H Eugene Stanley
摘要： 由于当今庞大的现实网络，网络科学应用的分布式算法非常重要。在这样的算法中，允许节点仅与其直接邻居进行本地交互。这是因为每个节点通常都不知道整个网络拓扑结构。最近，关于网络内的不同重要概念的中心节点的分布式检测已经受到很多关注。紧密度中心性是评估节点在给定网络中基于其可访问性的重要性（影响）的重要措施。在本文中，首先，我们引入了一个与全局亲密度中心性相关的局部（以自我为中心）度量;但是，它具有非常低的计算复杂度。其次，我们提出了一种基于压缩感知（CS）的框架，以利用所提出的本地度量准确地恢复网络中的高度紧密度中心节点。以自我为中心的度量计算和通过CS的聚合都是有效的并且仅使用相邻节点之间的本地交互来分布。最后，我们通过在各种合成和现实世界网络上的广泛实验来评估所提出方法的性能。结果表明，所提出的局部度量与全局紧密度中心性相关，优于当前局部度量。此外，结果表明，所提出的基于CS的方法优于现有技术的方法，并且具有显著的改进。
决定电网节点整合低谷不稳定性的结构和动力学因素
原文标题： On structural and dynamical factors determining the integrated basin instability of power-grid nodes
地址： http://arxiv.org/abs/1906.08629
作者： Heetae Kim, Mi Jin Lee, Sang Hoon Lee, Seung-Woo Son
摘要： 在提供交流电的电力系统中，必须保持相位与额定频率的同步。量化电网系统恢复其与这种扰动同步的程度的同步稳定性取决于各种因素。作为我们可以设计和控制的内在因素，电网的传输容量影响同步稳定性。因此，具有针对外部扰动的不同传输容量水平的同步稳定性的过渡模式提供了立体视角以理解电网的同步行为。在这项研究中，我们通过使用盆地稳定性的概念作为传输能力的函数，广泛地研究影响同步稳定性转变的因素。对于系统方法，我们引入了整体流域不稳定性，随着传输容量的增加，这种不稳定性逐渐增加。我们首先采用简单的5节点模体作为电网构建模块的案例研究，并采用更现实的IEEE 24总线模型来突出决定性因素的复杂性。我们发现网络拓扑中的栅极保持器等结构特性和节点上的大功率输入/输出等动态特性都会导致同步不稳定。结果表明，均匀分布的发电和避免瓶颈可以提高电网系统的整体同步稳定性。
使用多室流行病学模型来描述欧洲流感的动态
原文标题： On the use of multiple compartment epidemiological models to describe the dynamics of influenza in Europe
地址： http://arxiv.org/abs/1906.08631
作者： Inbar Seroussi, Nir Levy, Daniela Paolotti, Nir Sochen, Elad Yom-Tov
摘要： 我们开发了一个多区间易感染 - 恢复（SIR）模型，以分析几种传染病在不同地理区域的传播。此外，我们提出了一种数据质量敏感的优化框架，用于将该模型拟合到观测数据。我们使该模型符合欧洲6种流感病毒株中一种感染流感季节的人数。除了描述流感的时间和空间传播之外，该模型还提供了每个菌株和每个季节的国家间和国内感染率和恢复率的估计值。我们发现疾病参数保持相对稳定，相对于季节和污渍的相关性超过0.5美元。通过推断的疾病参数聚类流感病毒株与基因组亚型一致。令人惊讶的是，我们的分析表明，国家间的人口流动在欧洲流感的传播中起着微不足道的作用。最后，我们证明该模型允许估计相邻国家疾病负荷较差或不存在数据的国家的疾病负荷。我们的研究结果揭示了有关流感传播机制和疾病参数的信息。这些可用于辅助疾病监测和控制流感以及异源环境中的其他感染性病原体。
公共拍卖市场中卡特尔检测的网络方法
原文标题： A network approach to cartel detection in public auction markets
地址： http://arxiv.org/abs/1906.08667
作者： Johannes Wachs, János Kertész
摘要： 竞争公司可以通过集体设定价格来增加利润，从而给消费者带来巨大的成本。这类公司被称为卡特尔，因为这种行为是非法的，他们的行动是秘密的，很难被发现。卡特尔感受到一个重要的内部障碍：成员感到作弊的短期激励。在这里，我们提出了一个基于网络的框架，以检测竞标市场中的潜在卡特尔，其基础是一组公司能够克服这一障碍并维持合作的机会取决于其相互作用的模式。我们根据共同竞标行为创建公司网络，检测相互作用的群体，并衡量他们的凝聚力和排他性，这是他们集体行为的两个群体级特征。应用于学校牛奶市场，我们的方法检测已知卡特尔并计算它具有高凝聚力和排他性。在格鲁吉亚共和国2011年至2016年颁发的一套全面的近150,000份公共合同中，检测到的具有高凝聚力和排他性的群体更有可能展示卡特尔行为的传统标记。我们在模拟模型中复制组拓扑与合作的出现之间的这种关系。我们的方法提出了一种可扩展的，无监督的方法，可以在竞标市场中找到最适合形成持久卡特尔的企业集团。
治理网络的物理学：多层自适应网络传染动力学的临界转变，及其在可再生资源可持续利用的应用
原文标题： The physics of governance networks: critical transitions in contagion dynamics on multilayer adaptive networks with application to the sustainable use of renewable resources
地址： http://arxiv.org/abs/1906.08679
作者： Fabian Geier, Wolfram Barfuss, Marc Wiedermann, Jürgen Kurths, Jonathan F. Donges
摘要： 自适应网络是模拟现象的通用方法，例如传染和扩散动力学，临界转变和结构形成，它们来自复杂网络结构和节点状态的动态协同演化。在这里，我们研究了具有动态节点状态的多层自适应网络中传染动力学的临界转变，并提出了可持续资源利用治理的应用。我们专注于三层自适应网络模型，其中多中心治理网络与资源用户的社会网络相互作用，后者又与可再生资源的生态网络相互作用。我们发现可持续性有利于缓慢的交互时间尺度，大的同质网络适应率（只要低于碎片阈值）和高税率。有趣的是，我们还观察到生态独裁（减少模型与单一治理行为者总是对不可持续的资源使用征税）和多个参与者的多中心治理网络之间的权衡。在后一种情况下，与生态独裁案例相比，可持续性得到提升，但高税率受阻。这些结果突出了在多层自适应网络上产生传染动力学的紧急转变的机制，并展示了如何理解和近似分析它们，与理解从物理学和流行病学到社会学和全球可持续性科学等不同学科的复杂适应系统相关。本文还提供了对可持续可再生资源利用治理中税收形式的政策潜在关键干预点的见解，这可以为更详细的过程详细社会生态模型提供信息。
公民对商品及服务税的情感：对Twitter数据的时空分析
原文标题： Citizens' Emotion on GST: A Spatio-Temporal Analysis over Twitter Data
地址： http://arxiv.org/abs/1906.08693
作者： Deepak Uniyal, Ankit Rai
摘要： 人们可能不是近在咫尺，但他们仍然是 - 凭借社会网络。社会网络以多种方式改变了人们的生活。人们可以在Twitter，Facebook或任何其他媒体的各种平台上表达自己的观点，意见和生活经历。此类事件构成了对产品或服务的审查，传达对政治行为的看法，预测股价或对诸如非货币化或商品及服务税等政府政策提供反馈。这些社交平台可用于调查公众正在产生的情绪曲线的见解。这种分析有助于提高产品质量，预测未来前景，并以更好的方式实施公共政策。这种对情绪分析的研究正在迅速增加。在本研究报告中，我们分别对1,42,508和58,613条推文进行了时间分析和空间分析，这些推文是在2017年7月4日至2017年7月25日的商品及服务税后实施期间发布的。这些推文是使用Twitter流媒体API。一个着名的词汇，加拿大国家研究委员会（NRC）情感词典用于意见挖掘，展示八种基本情绪的混合，即快乐，信任，期待，惊讶，恐惧悲伤，愤怒，厌恶和两种情绪，即积极和消极为6,554个单词。
一种用于属性网络嵌入的图自动编码器
原文标题： A Graph Auto-Encoder for Attributed Network Embedding
地址： http://arxiv.org/abs/1906.08745
作者： Keting Cen, Huawei Shen, Jinhua Gao, Qi Cao, Bingbing Xu, Xueqi Cheng
摘要： 归属网络嵌入旨在从网络结构和节点属性中学习低维节点表示。现有方法可以分为两类：（1）第一组分别从网络结构和节点属性中学习两个分离的节点表示，并将它们连接在一起; （2）另一组通过将节点属性转换为网络结构来获得节点表示，反之亦然。但是，这两个群体都有其缺点。第一组忽略了这两种信息之间的相关性，而第二组假设网络结构和节点属性之间存在很强的依赖关系。在本文中，我们从一个新的角度解决了属性网络嵌入，即通过对其属性局部子图建模来学习目标节点的表示。为了实现这一目标，我们提出了一种新颖的图自动编码器框架，即GraphAE。对于目标节点，GraphAE首先聚合来自其属性本地子图的属性信息，从而获得其低维表示。接下来，GraphAE将其表示扩散到其本地子图中的节点以重建其属性信息。我们提出的观点将学习节点表示的问题转化为对网络结构和节点属性中表现出的上下文信息进行建模的问题，从而具有学习归因网络的良好节点表示的高容量。对现实世界数据集的广泛实验结果表明，所提出的框架在链路预测和节点分类任务方面优于最先进的网络方法。
理解社会网络中的过滤泡沫和极化
原文标题： Understanding Filter Bubbles and Polarization in Social Networks
地址： http://arxiv.org/abs/1906.08772
作者： Uthsav Chitra, Christopher Musco
摘要： 最近的研究表明，社交媒体的使用 - 虽然与用户信息和观点的多样性相关联 - 已经加剧了用户在许多问题上的两极分化。这种现象的流行理论集中在“过滤泡沫”的概念上：通过自动推荐用户可能同意的内容，社会网络算法创建了具有相似思想的用户的回声室，否则这些回声室将不会出现。然而，虽然已经在现实世界的网络中观察到回声室，但过滤器气泡的证据很大程度上是事后的。在这项工作中，我们开发了一个数学框架来研究滤波器气泡理论。我们通过引入另一个演员网络管理员来修改经典的Friedkin-Johnsen观点动态模型，该网络管理员通过对社会网络的边权重进行微小更改来过滤用户的内容（例如，调整新闻提要算法以更改用户之间的互动）。在Reddit和Twitter的真实网络中，我们表明，当激励网络管理员减少用户之间的分歧时，即使相对较小的边变化也会导致网络中回声室的形成并增加用户极化。我们理论上通过分析随机块模型生成的合成图来支持社会网络对外部干预的观察敏感性。最后，我们展示了对网络管理员激励的轻微修改可以减轻滤波器气泡效应，同时最小程度地影响管理员的目标客户，用户意见不一致。
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。