- 西班牙2015年和2016年全国大选中的双党派分解，职能网络和法院分析;
- 网络结构和Twitter上的信息多样性模式;
- 概率图中信息流的最大化;
- 波尔兹曼博弈在异构共识动态中的应用;
- 社会等级制度的自组织和时间稳定性;
- SneakPeek：基于用户交互的图像兴趣挖掘;
- 童年语言和生成模式的长期相关性;
- 在线社会网络的级联崩溃;
- 通过城市指标和统计学习来预测犯罪;
- 众包准确而强有力地预测了最高法院的决定;
- 功能分形城市网络：地理空间共存和基础设施的同质性;
西班牙2015年和2016年全国大选中的双党派分解，职能网络和法院分析
原文标题： Bipartisanship breakdown, functional networks and forensic analysis in Spanish 2015 and 2016 national elections
地址： http://arxiv.org/abs/1607.02841
作者： Juan Fernández-Gracia, Lucas Lacasa
摘要： 在本文中，我们提供了一个社会网络和对2015年12月发生的西班牙全国大选投票计数的法医分析，以及2016年6月的续集。投票数量是在市级提取的，产生了一个异常高分辨率的数据集， 8000个样品。我们首先通过分析几个双党派指数的空间分布来考察两党分裂现象。我们发现这样的崩溃在世界主要地区和人口密集地区更为突出，而在两党合一仍然占优势的农村地区则不那么重要，其演变在2016年略为巩固，有一些证据表明我们假设是由于心理上的双重统治。风险规避机制。第三步，我们通过应用取证技术来统计投票数据来探讨投票数据在多大程度上是忠实的。我们首先探讨首要数字分布符合本福特法律为每个主要政党。结果和解释在不同的聚合层次上是不同的，在不同的层次上有所不同，在全国范围内找到一个一般的好的定量协议，但在个别区域发现系统不符合的情况。作为一个补充的指标，我们进一步探讨了共享投票人数和投票率的统计数据，发现保守党集群中的一个轻微倾向，以向高投票率和投票权共享区域抹黑，以前被解释为可能的标志增量欺诈。在任何情况下，2015年和2016年选举的结果都是质的相似。
网络结构和Twitter上的信息多样性模式
原文标题： Network structure and patterns of information diversity on Twitter
地址： http://arxiv.org/abs/1607.06795
作者： Jesse Shore, Jiye Baek, Chrysanthos Dellarocas
摘要： 社交媒体有很大的潜力来支持多样化的信息共享，但是像Twitter这样的平台并没有导致那些持矛盾观点的人之间的沟通。由于用户可以选择跟随谁，之前的研究表明，社交媒体用户存在于“回声室”中或者变得两极化。我们在Twitter上张贴的超链接的完整截面中寻找证据，使用以前经过验证的新闻来源的政治倾向的措施来研究信息的多样性。与预测相反，我们发现平均帐户帖子链接到更多的政治温和新闻来源，而不是他们收到的新闻来源。然而，一个微小的网络核心成员确实会出现两极分化的证据，并且由于其受欢迎程度和活动而对整体接受的大多数推文负责，这可以解释在社交媒体上普遍存在的两极分化现象。
概率图中信息流的最大化
原文标题： Efficient Information Flow Maximization in Probabilistic Graphs
地址： http://arxiv.org/abs/1701.05395
作者： Christian Frey, Andreas Züfle, Tobias Emrich, Matthias Renz
摘要： 通过大型网络可靠地传播信息，例如通信网络，社会网络或传感器网络在许多涉及营销，社会网络和无线传感器网络的应用中是非常重要的。然而，友谊的社会联系可能已经过时，通信链接可能失败，从而导致这种网络中的不确定性概念。在本文中，我们解决了在边预算有限的情况下优化不确定网络信息传播的问题。我们证明这个问题需要解决两个NP难题：预期信息流的计算和边的最优选择。为了计算到源顶点的期望信息流，我们提出了F树作为专门的数据结构，它识别图的独立分量，信息流可以通过分析和高效计算得到，或者传统的蒙特卡罗采样可以独立于剩余的网络来应用。对于找到最优边的问题，我们提出了一系列利用这个数据结构属性的启发式算法。我们的评估表明，这些启发式方法导致高质量的解决方案，从而产生高信息流，同时保持低运行时间。
波尔兹曼博弈在异构共识动态中的应用
原文标题： Boltzmann games in heterogeneous consensus dynamics
地址： http://arxiv.org/abs/1712.03224
作者： Giacomo Albi, Lorenzo Pareschi, Mattia Zanella
摘要： 在领导者的竞争情况下，领导者之间的信息是完整的，我们考虑一种有限的等级意见动态。每个领导班子都试图把追随者的意见推向一个理想的状态，从而达到一个特定的策略。通过使用玻尔兹曼型控制方法，我们分析了每个领导人群的最佳答复策略。相应的Fokker-Planck模型的推导允许调查溶液的渐近行为。然后考虑异质的追随者人群，知识的影响会影响领导者的可信度，并改变领导者竞争的结果。
社会等级制度的自组织和时间稳定性
原文标题： Self-organization and time-stability of social hierarchies
地址： http://arxiv.org/abs/1712.03407
作者： Joseph Hickey, Jörn Davidsen
摘要： 社会等级制度的形成和稳定是一个普遍相关的问题。在这里，我们提出了一个简单的模型来建立社会等级，通过个体间的成对相互作用来研究它的稳定性。在每次互动或斗争中，“获胜”的概率完全取决于参与者的相对社会地位，获胜者获得地位而失败者则遭受同样的损失。相互作用由两个参数表征。第一个参数表示可以丢失多少，第二个参数表示即使是一个小小的差异，也可以保证更高级别的个人获胜。根据参数的不同，所得到的状态分布可以是连续的单峰形式，也可以是极权主义终极状态，一个占主导地位的高地位个体和所有其他个体的地位不变。但是，我们发现在后一种情况下，长期存在的中介分配往往存在，这可能给人们一个稳定社会的幻想。此外，通过实施一个简单而现实的规则，将相互作用限制到足够相似的个体，稳定或长期的分布获得与占优势类别相对应的高地位结构。我们使用家庭收入作为社会地位的替代指标，将我们的模型预测与人类社会进行比较，并在整个范围内从低到中等地位部分到特征性高地位“尾部”找到一致意见。我们讨论该模型如何为理解社会等级的起源以及导致社会结构保存或恶化的因素提供一个概念框架。
SneakPeek：基于用户交互的图像兴趣挖掘
原文标题： SneakPeek: Interest Mining of Images based on User Interaction
地址： http://arxiv.org/abs/1712.03585
作者： Daniyal Shahrokhian, Alejandro Vera de Juan
摘要： 目前，眼动追踪是最常用的检测感兴趣区域的技术。这种技术需要专业设备记录用户的眼睛。在本文中，我们提出了SneakPeek，一种基于用户通过图像的尺度和平移操作来检测网页中显示的图像的感兴趣区域的不同方法。我们已经验证了我们提出的解决方案和一组已经在我们的在线原型上进行测试的测试对象。作为算法的第一次迭代，根据图像的类型，我们发现了好的和坏的结果。具体而言，SneakPeek在中/大尺寸图像中适用于中/大型物体。这背后的原因是智能手机屏幕越来越大的检测限制。 SneakPeek可以适应任何网站只需调整控制器接口的具体情况。
童年语言和生成模式的长期相关性
原文标题： Long-Range Correlation Underlying Childhood Language and Generative Models
地址： http://arxiv.org/abs/1712.03645
作者： Kumiko Tanaka-Ishii
摘要： 长期相关性是表现长期记忆的时间序列性质，主要在统计物理学领域进行研究，并被报道以自然语言存在。使用最先进的方法进行这种分析，远距离相关首先显示在长CHILDES数据集中。为了理解为什么，研究了最初在认知科学领域提出的贝叶斯生成语言模型。在代表性模型中，Simon模型被发现表现出惊人的长程相关性，但不是Pitman-Yor模型。由于Simon模型已知不能正确反映自然语言的词汇增长，所以设计一个简单的新模型作为Simon和Pitman-Yor模型的一个结合体，这样长期的相关性就能保持正确的词汇增长率。整体调查表明，均匀抽样是长程相关性的一个原因，因此可能与实际的语言过程有关。
在线社会网络的级联崩溃
原文标题： Cascading collapse of online social networks
地址： http://arxiv.org/abs/1712.03690
作者： János Török, János Kertész
摘要： 在线社会网络对我们社会的影响越来越大，他们可能在政治上扮演决定性的角色，对企业的命运也是至关重要的。这种服务相互竞争，有些甚至可能迅速崩溃。使用社会网络数据集，我们显示导致如此戏剧性崩溃的主要因素。在初期阶段，大部分松散的用户消失，后来的集体效应起到导致连锁失败的主要作用。我们提出了一个基于广义阈值模型的理论来解释研究结果，并展示如何使用流失用户的动态预先估计崩溃时间。我们的结果揭示了其他竞争性社会过程中不稳定的可能机制。
通过城市指标和统计学习来预测犯罪
原文标题： Crime prediction through urban metrics and statistical learning
地址： http://arxiv.org/abs/1712.03834
作者： Luiz G A Alves, Haroldo V Ribeiro, Francisco A Rodrigues
摘要： 了解犯罪的原因是研究者议程中一个长期存在的问题。从数据中提取因果关系是一项艰巨的任务，已经提出了几种线性模型来通过现有的犯罪与城市指标之间的相关性来预测犯罪。然而，由于城市指标中存在非高斯分布和多重共线性，因此通常会发现一些城市指标对犯罪影响的争议性结论。基于机器学习的集成算法可以很好地处理这些问题。在这里，我们使用随机森林回归预测犯罪和量化城市指标对杀人案件的影响。我们的方法可以有高达$ 97％的犯罪预测准确性和城市指标的重要性排名和聚集在相同的影响，这是在分析的数据样本略有变化的强大的群体。我们的结果决定了城市指标对预测犯罪的重要性，揭示了失业和文盲是描述巴西城市杀人事件最重要的变量。我们进一步认为，我们的方法有助于就城市指标对犯罪的影响产生更为有力的结论，并有可能指导公共政策控制犯罪。
众包准确而强有力地预测了最高法院的决定
原文标题： Crowdsourcing accurately and robustly predicts Supreme Court decisions
地址： http://arxiv.org/abs/1712.03846
作者： Daniel Martin Katz, Michael James Bommarito II, Josh Blackman
摘要： 学者们越来越多地将“众包”作为基于专家判断的替代方法，或者以纯数据驱动的方式来预测未来。在某些条件下，学者们发现众包可以超越其他方法。然而，尽管对这个话题和一系列成功的使用案例感兴趣，但相对较少的研究已经应用实证模型思考来评估众包在现实世界中的准确性和稳健性。在本文中，我们提供三个小说贡献。首先，我们从一个多年的锦标赛7000多名参赛者的数据集中，来预测美国最高法院的判决。其次，我们开发了一个全面的人群构建框架，允许将众包正式描述和应用到真实世界的数据。第三，我们将这个框架应用到我们的数据中，构建了超过275,000人的模型。我们发现，在样本外的历史模拟中，众包强劲地胜过了普遍接受的空模型，在80.8％的情况下准确度为这个上下文产生了最高的已知性能。据我们所知，这个数据集和分析代表了迄今为止人类预测的最大探索之一，我们的结果为使用众包作为预测方法提供了额外的经验支持。
功能分形城市网络：地理空间共存和基础设施的同质性
原文标题： Functionally Fractal Urban Networks: Geospatial Co-location and Homogeneity of Infrastructure
地址： http://arxiv.org/abs/1712.03883
作者： Christopher Klinkhamer, Elisabeth Krueger, Xianyuan Zhan, Frank Blumensaat, Satish Ukkusuri, P. Suresh C. Rao
摘要： 正如自然河网被认为是全球自相似的，最近的研究表明，人造城市网络，如道路网络，也是功能上自相似的，并且具有幂律节点度分布的分形拓扑p（k）= ak）。在这里，我们首次展示了城市基础设施网络（卫生和暴雨水下水道）为城市居民提供关键服务的流量，也显示出无标度的功能拓扑结构。对于道路和排水管网，我们比较了从高分辨率数据（70000个节点）得到的功能拓扑指标，这个数据来自美国一个为美国提供服务的大城市，面积约为1000平方公里。对于整个城市和不同规模的子网，我们还根据地理空间共用位置（道路和下水道）检查了这些网络。我们的分析揭示了城市内所有子网之间的功能拓扑同质性，尽管在一些城市属性上存在差异。这两种基础设施类型的所有子网的功能拓扑都类似于幂律分布，随着子网区域的增加，尾部变得越来越幂律。我们的研究结果对于评估这些关键基础设施网络在基于空间相互依赖性的级联冲击方面的脆弱性以及改进城市基础设施网络的设计和维护具有影响。
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。