- 社区检测和网络表示学习的统一框架;
- Condorcet和minimax投票系统最好吗？;
- 可视化复杂网络上的传播现象;
- 双盲同行评审的案例;
- 气候网络渗流揭示了全球变暖背后热带成分的扩张和减弱;
- 中心性-友谊悖论：当我们的朋友比我们更重要;
- 通过节点复制增长的有向随机网络的精确结果;
- 理解异构网络中传播的时间模式：时间作为变量;
社区检测和网络表示学习的统一框架
原文标题： A Unified Framework for Community Detection and Network Representation Learning
地址： http://arxiv.org/abs/1611.06645
作者： Cunchao Tu, Xiangkai Zeng, Hao Wang, Zhengyan Zhang, Zhiyuan Liu, Maosong Sun, Bo Zhang, Leyu Lin
摘要： 网络表示学习（NRL）旨在学习网络中顶点的低维向量。大多数现有的NRL方法都侧重于从顶点的局部上下文（例如它们的邻居）学习表示。然而，许多复杂网络中的顶点也表现出广泛称为社区的重要全球模式。直观的是，同一社区中的顶点倾向于密集连接并共享共同属性。这些模式有望提高NRL并使相关评估任务受益，例如链路预测和顶点分类。受网络表示学习和文本建模之间类比的启发，我们通过引入顶点的社区信息提出了统一的NRL框架，称为社区增强型网络表示学习（CNRL）。 CNRL同时检测每个顶点的社区分布，并学习顶点和社区的嵌入。此外，拟议的社区增强机制可以应用于各种现有的NRL模型。在实验中，我们使用几个真实数据集评估我们的顶点分类，链路预测和社区检测模型。结果表明，CNRL在验证我们对顶点和社区之间相关性的假设时，显著且始终如一地优于其他最先进的方法。
Condorcet和minimax投票系统最好吗？
原文标题： Are Condorcet and minimax voting systems the best?
地址： http://arxiv.org/abs/1807.01366
作者： Richard B. Darlington
摘要： 为了寻找有几个候选人的单一胜利者选举的最佳投票系统，五个非常不同的计算机模拟研究都是由极小极大赢得的。这导致了对八个主要异常的检查，这些异常说服了许多理论家解雇极小极大。事实证明，有理由忽视所有这些异常现象。这表明意外的结论是，确实可能存在没有严重异常或缺陷的投票系统，并且可能是极小极大。我们首先简要介绍了18个众所周知的投票系统，但最终得出的结论是Condorcet一致的系统是最好的，最小的是minimax。
可视化复杂网络上的传播现象
原文标题： Visualizing spreading phenomena on complex networks
地址： http://arxiv.org/abs/1807.01390
作者： Christian Schulz
摘要： 图绘图是探索数据结构和动态的有用工具，可以通过一组对象之间的成对关系来表示。典型的现实社会，生物或技术网络表现出高度复杂性，这是由于对象和关系的大量和广泛的异质性造成的。因此，将这些网络映射到低维空间以可视化网络驱动过程的动态是一项具有挑战性的任务。我们通常希望分析单个节点如何受到影响或影响其本地网络作为传播过程的来源。在这里，我提出了一个网络布局算法，用于具有数百万个节点的图，从单个节点的角度可视化传播现象。该算法包括三个阶段，以允许交互式图探索：首先，在球形空间中找到网络布局的全局解决方案，最小化所有节点之间的距离误差。其次，交互式地选择焦点节点，并且进一步优化到该节点的距离。第三，节点坐标被映射到圆形表示并且用附加特征绘制以表示网络驱动现象。这种方法的有效性和可扩展性体现在科学家的大型协作网络中，我们对焦点作者周围的引文动态感兴趣。
双盲同行评审的案例
原文标题： Case for the double-blind peer review
地址： http://arxiv.org/abs/1807.01408
作者： Lucie Tvrznikova
摘要： 同行评审是一个旨在在学术期刊上发表学术研究之前对研究质量进行公平评估的过程。人口统计学，裙带关系和资历都被证明会影响审稿人的行为，这表明最常见的单盲审查方法（或不太常见的公开审查方法）可能存在偏见。对当前研究的一项调查表明，双盲审查可以解决许多源于作者性别，资历或地点的偏见，而不会造成任何重大缺点。
气候网络渗流揭示了全球变暖背后热带成分的扩张和减弱
原文标题： Climate network percolation reveals the expansion and weakening of the tropical component under global warming
地址： http://arxiv.org/abs/1807.01472
作者： Jingfang Fan, Jun Meng, Yosef Ashkenazy, Shlomo Havlin, Hans Joachim Schellnhuber
摘要： 全球气候变暖对人类构成了重大挑战;它与例如海平面上升和北极海冰下降有关。越来越多的极端事件也被认为是气候变暖的结果，而且它们可能对健康，农业，经济和政治冲突产生广泛而多样的影响。引用{hsiang2011civil，helbing_globally_2013，schleussner_armed-conflict_2016，carleton_social_2016} }。尽管如此，观测和气候模型中气候变化的检测和量化仍然是科学界的主要关注点。在这里，我们开发了一种基于网络和渗透框架的新方法\ cite {cohen2010complex}，使用历史模型和再分析记录研究过去几十年气候变化的影响，并使用各种未来的全球变暖情景分析预期的即将到来的影响。更具体地说，我们将地球区域划分为不断变化的渗流星团，并找到不连续的相变，这表明最大（热带）星团的一致向极扩张，以及链路强度的减弱。这可以在再分析数据和耦合模型比对项目第5阶段（CMIP5）二十一世纪的气候变化模拟中找到〜\ tite {taylor2012overview}。该分析基于高分辨率表面（2~m）气温场记录。我们讨论观察到的热带星团扩张的潜在机制，并将其与大气环流的变化联系起来，这些变化是由哈德利细胞的减弱和扩张所代表的。我们的框架也可用于预测热带星团的范围，以便检测其对不同地区的影响，以应对全球变暖。
中心性-友谊悖论：当我们的朋友比我们更重要
原文标题： Centrality-Friendship Paradoxes: When Our Friends Are More Important Than Us
地址： http://arxiv.org/abs/1807.01496
作者： Desmond J. Higham
摘要： 友谊悖论说，平均而言，我们的朋友比我们有更多的朋友。在网络术语中，节点上的平均度数永远不会超过节点邻居的平均度数。这种效应是抽样偏差的典型例子，在社会科学和网络科学文献中引起了很多关注，悖论的变异和扩展被定义，测试和解释。在这里，我们表明悖论的一个版本严格地适用于特征向量中心性：平均而言，我们的朋友比我们更重要。然后我们考虑一般矩阵函数中心性，包括Katz中心性，并为悖论提供充分条件。我们还讨论了哪些结果可以推广到有向和加权边的情况。通过这种方式，我们为一个主要通过经验测试发展的领域增加了理论支持。
通过节点复制增长的有向随机网络的精确结果
原文标题： Exact results for directed random networks that grow by node duplication
地址： http://arxiv.org/abs/1807.01591
作者： Chanania Steinbock, Ofer Biham, Eytan Katzav
摘要： 我们给出了通过节点复制增长的有向网络模型中的度分布和最短路径长度（DSPL）分布的精确分析结果。这些模型可用于研究基因调控和科学引文网络的结构和生长动态。从初始种子网络开始，在每个时间步骤，选择称为母节点的随机节点用于复制。其子节点被添加到网络中并且以概率p复制母节点的每个输出链路。另外，子节点形成到母节点自身的有向链路。因此，该模型被称为有绳有向节点复制（DND）模型。我们获得了度数分布的分析结果，P_t（K_ {in}），以及在时间t的网络的外度分布，P_t（K_ {out}）。发现内部度数遵循移位的幂律分布，因此网络渐近地自由尺度。相反，出度分布是一个窄分布，它收敛于稀疏极限的泊松分布和密集极限的高斯分布。使用这些分布，我们计算平均度，\ langle K_ {in} \ rangle_t = \ langle K_ {out} \ rangle_t。为了计算DSPL，我们推导出概率P_t（L = \ ell），\ ell = 1,2，\ dots的时间演化的主方程，对于两个节点i和j，随机选择时间t，从i到j的最短路径长度为\ ell。求解主方程，我们得到P_t（L = \ ell）的闭合形式表达式。发现在时间t的DSPL由初始DSPL的卷积组成，P_0（L = \ ell），具有泊松分布和泊松分布之和。发现平均距离 _t在网络大小上以对数方式取决于N_t，即有线DND网络是一个小世界网络。
理解异构网络中传播的时间模式：时间作为变量
原文标题： Understanding the temporal pattern of spreading in heterogeneous networks: Time as a variable
地址： http://arxiv.org/abs/1807.01648
作者： Mi Jin Lee, Deok-Sun Lee
摘要： 为了可靠地预测复杂系统中的流行病或信息传播模式，明确的措施至关重要。在异构网络上的易感染（SI）模型中，中间时间区域中的受感染节点群体表现出太大的波动，以使用其平均大小作为代表值。我们表明，中心节点的感染对全球传播至关重要，因此在给定时间受感染节点的数量会根据中心节点首次被感染的时间而大幅波动，从而导致群集大小的分布非常广泛。相反，感染给定数量的节点所花费的时间的分布很好地集中在其平均值上，这表明平均感染时间是更好的测量。我们提出了一个理论，通过使用给定大小的受感染群集的边界区域来评估平均感染时间，并使用它来在强异构网络的中间阶段找到感染相对于时间的非指数但代数的传播。 。这种缓慢扩散仅起源于易受影响的小程度节点，而大多数中枢节点已经在早期指数扩展阶段感染。我们的结果提供了一种绕过大的统计波动并可靠地量化结构异质性下的时间扩散模式的方法。
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。