- 衰退模型下的子模最大化：构建在线测验以实现更好的客户细分;
- 网络中心性：概述;
- 共享出行可以服务多少乘客？;
- 日本银行和企业二模网络的指数随机图模型;
- 基于贪婪路由效率的复杂网络导航性评估;
- 垃圾新闻聚合：审查Facebook上从2018年美国中期选举开始发布的垃圾新闻;
- 超图中的近似k覆盖：高效算法和应用;
- 从社会网络中提取新闻消费的重要信号：Twitter在意大利政治选举中的情况;
衰退模型下的子模最大化：构建在线测验以实现更好的客户细分
原文标题： Submodular Maximization under Fading Model: Building Online Quizzes for Better Customer Segmentation
地址： http://arxiv.org/abs/1901.07708
作者： Shaojie Tang
摘要： 电子商务个性化旨在根据客户的兴趣向客户提供个性化的优惠，产品推荐和其他内容。任何个性化工作的基础是客户细分。客户细分的想法是根据可识别的细分属性（包括地理位置，性别，年龄和兴趣）将客户聚集在一起。个性测验结果证明是一个强大的工具，可以通过积极地向他们提问来实现客户细分，营销人员正在将其作为产生潜在客户和增加电子商务销售的有效方法。在本文中，我们研究了如何选择和排序一组测验问题以优化客户细分质量的问题。特别是，我们使用条件熵来衡量一组特定测验问题的效用。我们在将一系列测验问题作为马尔可夫过程进行交互时对用户行为进行建模。然后我们开发了一系列具有可证明性能限制的问题分配策略。
网络中心性：概述
原文标题： Network centrality: an introduction
地址： http://arxiv.org/abs/1901.07901
作者： Francisco Aparecido Rodrigues
摘要： 中心性是复杂网络的关键属性，它影响动态过程的行为，如同步和流行病传播，并且可以带来关于复杂系统组织的重要信息，如我们的大脑和社会。有许多度量来量化网络中的节点中心性。在这里，我们回顾主要的中心性措施，并讨论它们的主要特征和局限性。本章还指出了网络中心性对流行病传播和同步的影响。此外，我们提出了中心性措施的应用，以了解复杂系统的功能，包括生物和皮质网络。最后，我们讨论了概括多层和时间网络中心性度量的一些观点和挑战。
共享出行可以服务多少乘客？
原文标题： How Many Passengers Can We Serve with Ride-sharing?
地址： http://arxiv.org/abs/1901.07906
作者： Zeren Tan
摘要： 乘车共享可以减少交通拥堵，从而减少气体排放并节省旅行时间。然而，由于低入住率，高旅行需求和一些其他因素，具有乘坐共享的交通系统目前效率低。现有文献没有考虑在一次旅行中分组的多次请求的乘车共享。在我们的论文中，我们首先提出了一种基于图的算法，该算法可以在多项式时间内获得近似解，然后提出了一个精确的算法来解决这个问题，最大化 O中服务的乘客的数量（1.2312 ^ E） time。
日本银行和企业二模网络的指数随机图模型
原文标题： Exponential random graph models for the Japanese bipartite network of banks and firms
地址： http://arxiv.org/abs/1901.07907
作者： Abhijit Chakraborty, Hazem Krichene, Hiroyasu Inoue, Yoshi Fujiwara
摘要： 我们使用指数随机图模型来了解日本银行和公司二分网络的网络结构及其生成过程。众所周知且简单的指数随机图模型之一是伯努利模型，它表明银行 - 企业网络中的链接并不是彼此独立的。另一种流行的指数随机图模型，即双星模型，表明银行公司处于一个状态，系统的宏观变量可能会出现大的波动。此外，高波动的存在反映了银行 - 公司网络的脆弱性。
基于贪婪路由效率的复杂网络导航性评估
原文标题： Navigability evaluation of complex networks by greedy routing efficiency
地址： http://arxiv.org/abs/1901.07909
作者： Alessandro Muscoloni, Carlo Vittorio Cannistraci
摘要： 网络导航性是复杂网络系统的关键特征。对于嵌入在几何空间中的网络，基于节点几何坐标的贪婪路由（GR）测量的最大化可以确保有效的贪婪导航性。在PNAS中，Seguin等人。 （PNAS 2018，第115卷，第24期）定义了量化欧几里德空间中脑网络导航效率的度量，称为效率比，其公式与之前的GR得分（GR效率）完全一致由Muscoloni等人出版。 （Nature Communications 2017，vol.8，no.1615）。在这封信中，我们指出了Seguin等人研究中的潜在缺陷。关于GR评估的讨论。特别是，我们修订了遗传资源可航行性的概念，并仔细讨论了新提出的遗传资源效率措施所提供的优势，与之前文献中采用的主要措施相比较。最后，我们澄清并标准化GR效率术语，以简化和促进未来研究中的讨论。
垃圾新闻聚合：审查Facebook上从2018年美国中期选举开始发布的垃圾新闻
原文标题： The Junk News Aggregator: Examining junk news posted on Facebook, starting with the 2018 US Midterm Elections
地址： http://arxiv.org/abs/1901.07920
作者： Dimitra (Mimie) Liotsiou, Bence Kollanyi, Philip N. Howard
摘要： 近年来，在社交媒体上传播的在线错误信息和垃圾新闻现象已成为影响全球网络公共生活的一个重要而广泛的问题，特别是在选举等重要政治事件中。与此同时，人们一直呼吁提高社交媒体平台上的错误信息的透明度，因为许多最受欢迎的社交媒体平台都充当“围墙花园”，研究人员和公众无法轻易地检查规模和错误信息活动的性质，因为它在平台上展开。为了帮助解决这个问题，本文提出了垃圾新闻聚合器，这是一个公开发布的交互式网络工具，允许公众近乎实时地检查重要垃圾新闻发布到Facebook的所有公共内容在美国的消息来源。它允许公众访问和检查Facebook上发布的最新文章（美国最流行的社交媒体平台，以及内容不容易从开放网络上获取的内容），以及按时间组织它们，新闻发布者和感兴趣的关键词，并根据Facebook上提供的所有八种参与指标对其进行排序。因此，聚合器允许公众近乎实时地了解垃圾新闻发布者发布的内容的数量，内容，关键主题，参与类型和数量，从而开放并提供这些活动的透明度，跨越最受欢迎的垃圾新闻出版商并近乎实时地扩展。通过这种方式，聚合器可以帮助提高围绕社交媒体上的垃圾新闻的性质，数量和参与的透明度，并作为公众的媒体素养工具。
超图中的近似k覆盖：高效算法和应用
原文标题： Approximate k-Cover in Hypergraphs: Efficient Algorithms, and Applications
地址： http://arxiv.org/abs/1901.07928
作者： Hung Nguyen, Phuc Thai, My Thai, Tam Vu, Thang Dinh
摘要： 给定加权超图 mathcal {H}（V， mathcal {E} subseteq 2 ^ V，w），大约 k -cover问题寻求 V 的 子集在 mathcal {E} 中， emph {仅采样几个超边距}具有最大加权覆盖率。这个问题来自几个网络分析应用程序，包括病毒式营销，中心最大化和地标选择。尽管付出了很多努力，但即使是最好的方法也需要 O（k n log n）美元的空间复杂性，因此，如今不能在不牺牲正式保证的情况下扩展到庞大的网络。在本文中，我们提出了BCA，一系列近似 k -cover的算法，可以在 emph { O（ O）中找到（1- frac {1} {e} - epsilon） - 近似解。 epsilon ^ { - 2} n log n） space}。与具有相同保证的最先进方法相比，这是空间减少 k 的因素。通过引入一种称为DTA的新型自适应采样方案，我们进一步使BCA在实际情况下更加高效和稳健。
从社会网络中提取新闻消费的重要信号：Twitter在意大利政治选举中的情况
原文标题： Extracting significant signal of news consumption from social networks: the case of Twitter in Italian political elections
地址： http://arxiv.org/abs/1901.07933
作者： Carolina Becatti, Guido Caldarelli, Renaud Lambiotte, Fabio Saracco
摘要： 根据关于欧盟媒体使用的欧洲晴雨表报告2018年5月，参与在线社会网络获取信息的欧洲公民人数大幅增加。在这项工作中，我们分析了在上一次意大利选举期间交换的约10 ^ 6美元的推文。通过使用基于熵的空模型来折扣用户的活动，我们首先确定经过验证的帐户组中的潜在政治联盟：如果两个经过验证的用户被转发的数量超过未经验证的用户的预期，则他们可能是相关的。然后，我们推导出用户与测量未经验证帐户两极分化的联盟的联系。最后，我们研究了推文和转推网络的二分导向表示，其中两个层上收集了推文和用户。具有最高学位的用户识别最受欢迎的用户，而最高学位的帖子是最“病毒”的。我们通过使用基于熵的空模型作为基准，通过统计验证用户的推文活动无法解释的连接和帖子的病毒性来识别重要的内容传播者。对有效转发的有向网络的分析揭示了选举后形成的联盟的信号，突出了在全国选举之前的利益共性。
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。