- 多层网络中尺度结构生成模型构建框架;
- 预测在线社会网络的参与：挑战和机遇;
- 流动性恢复了在自愿囚徒困境博弈中支持合作的机制;
- 优先连接树中的异步多数动力学;
- 探索在线学术论坛的课程排名背景;
多层网络中尺度结构生成模型构建框架
原文标题： A Framework for the Construction of Generative Models for Mesoscale Structure in Multilayer Networks
地址： http://arxiv.org/abs/1608.06196
作者： Marya Bazzi, Lucas G. S. Jeub, Alex Arenas, Sam D. Howison, Mason A. Porter
摘要： 多层网络允许人们表示多种和耦合的连接模式 - 例如，时间依赖性，多个子系统或两者 - 在许多应用中出现并且难以或难以并入标准网络表示中。在多层网络的研究中，重要的是研究中尺度（即中等规模）结构，例如称为群落的密集节点集，以发现在微观尺度或宏观尺度上不明显的网络特征。在本文中，我们介绍了多层网络中尺度结构的生成模型。我们的模型非常通用，能够产生经验多层网络的许多特征，并且它明确地在层之间结合了用户指定的依赖结构。我们的结果提供了一套标准化的零模型，以及一组相关的原理，用于研究多层网络中的中尺度结构。我们讨论了生成模型的参数和属性，并举例说明了它与多层网络中社区检测方法和算法的基准模型的使用。
预测在线社会网络的参与：挑战和机遇
原文标题： Predicting engagement in online social networks: Challenges and opportunities
地址： http://arxiv.org/abs/1907.05442
作者： Farig Sadeque, Steven Bethard
摘要： 自社交媒体引入以来，用户参与或参与几乎没有受到研究关注。在这篇调查文章中，我们建立了参与社交媒体的概念以及研究人员在探索这一现象时可能面临的主要挑战。我们调查了一些在该领域已经完成的研究文章，并试图提取，分析和总结研究人员所执行的技术。我们根据我们的任务定义对这些作品进行了分类，并探索了用于任何参与预测的机器学习模型。我们还探索了大量已证明有用的功能，并将其分类为更好的理解和易于重新实现的类别。我们发现技术的成功主要取决于已经研究过的网络的类型，并且没有通用的机器学习算法或功能集在所有类型的社交媒体中都能很好地工作。在实施像神经网络这样的最先进的机器学习技术方面缺乏尝试，并且还没有探索转移学习和领域适应的可能性。
流动性恢复了在自愿囚徒困境博弈中支持合作的机制
原文标题： Mobility restores the mechanism which supports cooperation in the voluntary prisoner's dilemma game
地址： http://arxiv.org/abs/1907.05482
作者： Marcos Cardinot, Colm O'Riordan, Josephine Griffith, Attila Szolnoki
摘要： 人们普遍认为，在个人和集体利益发生冲突的情况下，选择性参与的可用性是维持合作的关键机制。令人惊讶的是，这种效应对微观动态的使用很敏感，并且当主体人在他们的策略更新期间做出完全理性的决定时，很容易被打破。在着名的囚徒困境博弈的框架中，我们表明如果我们离开完全占用的交互图的严格和频繁的伪影条件，并且允许主体不仅改变他们的策略而且改变他们的位置，这可以自动修复这种差异。他们的成功。通过这种方式，主体可以移动的稀释图提供了一种自然的和替代的方式来处理由于应用特定的，有时是笨拙的微观规则而产生的伪像。
优先连接树中的异步多数动力学
原文标题： Asynchronous Majority Dynamics in Preferential Attachment Trees
地址： http://arxiv.org/abs/1907.05823
作者： Maryam Bahrani, Nicole Immorlica, Divyarthi Mohan, S. Matthew Weinberg
摘要： 我们研究了主体商做出二元决策（标记不正确或正确）的网络中的信息聚合。主体商最初形成关于更好决策的独立私人信念，这是正确的概率 1/2 + delta 。我们考虑的动态是异步的（每一轮，一个主体更新他们宣布的决定）和非贝叶斯（主体只是复制他们的邻居之间的多数公告，打破他们的私人信号打破）。我们的主要结果证明，当网络是根据优先附着模型形成的树〜 cite BarabasiA99时，概率很高，过程稳定在正确的大多数。我们将结果扩展到其他树结构，包括任何 M 的平衡 M -ary树。
探索在线学术论坛的课程排名背景
原文标题： Exploring the context of course rankings on online academic forums
地址： http://arxiv.org/abs/1907.05846
作者： Taha Hassan, Bob Edmison, Larry Cox II, Matthew Louvet, Daron Williams
摘要： 大学生经常使用在线课程排名论坛提供的工具来分享和讨论他们对各种课程的教学质量和内容的满意度。学生对课程中使用的教学法效果的看法反映了教授，教学设计师和大学管理者的众多决定。这种复杂性推动了大量关于课程排名的效用，可靠性和行为相关性的研究。然而，对于这些论坛上（潜在的）隐性学生偏见在机构层面取得理想的课程成果的调查很少。为此，我们根据两个流行学术评级论坛的数据，检查课程结果（学生报告的GPA）与初级课程教师的整体排名之间的关系，以及课程结果的性质评级差异。我们在弗吉尼亚理工大学及其25个SCHEV认可的同行机构中教授的超过一万个课程的排名数据的实验表明，在学生注册的教授评级中，对于课程结果存在明显的复杂偏见。
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。