- 用局部信息估计图的壳指数;
- 人类迁徙的广义引力模型;
- NetSim - 复杂网络生成器框架;
- n个作者出版物的价值和功劳;
- 多稀疏网络的谱聚类：I;
- 通过社会传感器了解和监测贩卖人口：一种社会学方法;
- NetLSD：听到图的形状;
- 两极分化如何提高了高排名影响者间的内容传播;
- 用于失踪人士推文识别的r实例学习;
- 用于社群检测问题的随机鲁棒矩阵补全;
- 动态网络中潜在节点群成员的泊松Gamma概率模型;
用局部信息估计图的壳指数
原文标题： Estimating Shell-Index in a Graph with Local Information
地址： http://arxiv.org/abs/1805.10391
作者： Akrati Saxena, S. R. S. Iyengar
摘要： 对于网络科学家来说，识别给定网络中有影响力的节点始终是一个有趣的问题。 K-shell分解方法是一种广泛使用的方法，它根据其影响力为每个节点分配一个shell索引值。 k-shell方法需要网络的全局信息来计算节点的shell索引，这对于大规模真实世界的动态网络是不可行的。在目前的工作中，我们提出了一种使用本地信息来估计节点的shell索引的方法。我们进一步使用基于爬坡的方法在少量步骤中击中排名靠前的节点。
人类迁徙的广义引力模型
原文标题： Generalized Gravity Model for Human Migration
地址： http://arxiv.org/abs/1805.10422
作者： Hye Jin Park, Woo Seong Jo, Sang Hoon Lee, Beom Jun Kim
摘要： 类似于牛顿万有引力定律的引力模型成功地描述了不同空间区域之间的流动，如人类迁徙，交通流量，国际经济交易等。这种简单而强大的方法仅依赖于由“区域规模和地理距离所代表的“几何”因素。然而，当人口具有不同属性区分的亚群体结构时，仅根据引力模型中的粗粒度地理因素估计流量会导致每个属性的差异地理信息损失。为了充分利用亚群结构地理信息中包含的全部信息，我们通过明确利用以属性和地理为特征的亚群特征来推广人口流动的引力模型。作为一个具体的例子，我们考察了过去韩国新娘和新郎族之间的婚姻模式。通过利用更精细的地理和宗族信息，我们的广义引力模型能够恰当地描述真实的数据，其中一部分不能用传统的引力模型来解释。因此，当有关这种非地理亚群结构的信息可用时，我们想强调使用我们的引力模型的一般形式的必要性。
NetSim - 复杂网络生成器框架
原文标题： NetSim -- The framework for complex network generator
地址： http://arxiv.org/abs/1805.10520
作者： Akanda Wahid -Ul- Ashraf, Marcin Budka, Katarzyna Musial
摘要： 过去几十年来，网络无处不在，其种类很多，包括社会网络，互联网，食品网等。然而，在现实世界的网络中，很难找到可以轻松比较的例子，即具有相同密度或甚至数量的节点和边。我们提出了一个灵活和可扩展的NetSim框架，以了解不同类型的网络中的属性如何随着不同数量的边和顶点而变化。我们的方法可以模拟三种经典的网络模型（随机，小世界和无标度），并具有易于调整的模型参数和网络大小。为了能够比较不同的网络，对于单个实验设置，我们保留了模型中边和顶点的数量。为了理解它们如何改变，取决于节点和边的数量，我们运行了超过30,000次模拟，并分析了不能通过分析导出的不同网络特性。分析的两个主要发现是，平均最短路径不随无标度网络的密度而变化，而是随着小世界和随机网络的变化而变化;无标度网络与随机网络和小世界网络相比，其平均中介性中心性存在明显差异。
n个作者出版物的价值和功劳
原文标题： The value and credits of n-authors publications
地址： http://arxiv.org/abs/1805.10521
作者： Lutz Bornmann, Antonio Osorio
摘要： 研究人员之间的合作变得越来越普遍，这引发了大量的科学计量学问题，而这些问题没有一个明确的和普遍接受的答案。例如，对于一个作者的出版物，应该给两位作者还是三位作者的出版物赋予什么价值？本文提出了一种计算n作者出版物期望值的实用方法，该出版物考虑了在没有关于出版物潜在价值或科学影响的事先或事前信息的情境中由协作引起的附加价值。所需的唯一信息是作者人数。我们将获得的理论值与基于Web of Science数据库的大数据集的经验值进行比较。我们发现理论值非常接近某些学科的经验值，但并非全部。这一观察结果支持本文提出的方法。我们期望我们的研究结果可以帮助研究人员和决策者选择更有效和公平的计数方法，并考虑到协作的好处。
多稀疏网络的谱聚类：I
原文标题： Spectral Clustering for Multiple Sparse Networks: I
地址： http://arxiv.org/abs/1805.10594
作者： Sharmodeep Bhattacharyya, Shirshendu Chatterjee
摘要： 尽管网络统计工作的重点一直集中在静态网络上，但多个网络在网络数据集之间正变得越来越普遍。通常，在彼此之间共享某种形式的连接的多个网络数据集称为多层或多层网络。我们考虑识别多个网络的共同社区结构的问题。我们考虑扩展多稀疏网络的谱聚类方法，并且在多个随机块模型和多度修正块模型的情况下给出谱聚类方法产生一致的群落检测的理论保证。该方法被证明在足够温和的条件下对多个网络的数量进行检测，以检测关联社区结构，即使所有单个网络都很稀疏，大多数单个网络都低于社区可检测性阈值。我们也通过模拟来强化理论结果的有效性。
通过社会传感器了解和监测贩卖人口：一种社会学方法
原文标题： Understanding and Monitoring Human Trafficking via Social Sensors: A Sociological Approach
地址： http://arxiv.org/abs/1805.10617
作者： Yang Yang, Xia Hu, Haoyan Liu, Jiawei Zhang, Zhoujun Li, Philip S. Yu
摘要： 贩卖人口是一个严重的社会问题，主要是因为难以收集和组织相关信息，所以具有挑战性。随着社交媒体平台的日益普及，它通过检测和分析大量与贩运人口有关的信息为我们提供了一个新的渠道来解决贩卖人口问题。由于社交媒体数据的独特特征，现有的监督学习方法不能直接应用于这个问题。首先，短的，嘈杂的和非结构化的文本信息使得传统学习算法在检测与贩运人口有关的推文方面效率较低。其次，复杂的社会互动导致高维度的特征空间，从而带来巨大的计算挑战。同时，同志社会科学理论在各种社交媒体挖掘应用中已经建立并取得成功。受到社会学调查结果的启发，在本文中，我们建议调查网络结构信息（NSI）是否可能对人口贩运问题有所帮助。特别是，提出了一种新的数学优化框架，将网络结构整合到内容建模中。实际数据集的实验结果证明了我们提议的框架在检测贩运人口相关信息方面的有效性。
NetLSD：听到图的形状
原文标题： NetLSD: Hearing the Shape of a Graph
地址： http://arxiv.org/abs/1805.10712
作者： Anton Tsitsulin, Davide Mottin, Panagiotis Karras, Alex Bronstein, Emmanuel Müller
摘要： 图之间的比较在图分析中无处不在。然而，从所采用的相似性度量的表达性和计算效率来看，这是一项艰巨的任务。理想情况下，图比较应该与节点的顺序和比较图的大小不变，适应图模式的规模，并且可扩展。不幸的是，这些属性并没有一起解决。图比较仍然依赖于直接方法，图内核或基于表示的方法，这些方法对于大型图集合来说都是低效和不切实际的。在本文中，我们提出NetLSD（网络拉普拉斯谱描述符），一种置换和大小不变，尺度自适应和可伸缩计算的图表表示方法，允许直接比较。 NetLSD通过提取一个继承了拉普拉斯谱的形式特性的紧凑签名，特别是它的热量或波核，来听到图的形状。据我们所知，NetLSD是第一个可以高效比较大图的富有表现力的图表示，我们对各种现实世界图的评估表明它在表现力和效率方面都优于以前的作品。
两极分化如何提高了高排名影响者间的内容传播
原文标题： How polarization can provide an increase in content dissemination amongst the highly ranked influencers
地址： http://arxiv.org/abs/1805.10732
作者： Cameron E. Taylor, Ivan Garibay, Alexander V. Mantzaris
摘要： 这项工作扩展了一个在随机边动态网络中模拟影响的模型来解释极化。建立在该模型上的模型被称为动态通信器，并试图了解在用户中产生低量，高影响的过程。这个模型被扩展到介绍影响极化。该模型的基本假设是重要的参数决定了消息响应速度。通过根据相邻节点接收内容中所产生的响应引入相对增量变化，可以检查网络的供电中断的变化。这提供了一个内容不可知论的解释，希望在同伴之间传播内容。从模拟结果来看，分析表明，缺乏极化逐渐形成了更为平坦的讨论网络，其响应速度更为均匀，而极化引入导致响应速度差异逐渐增加。
用于失踪人士推文识别的r实例学习
原文标题： r-instance Learning for Missing People Tweets Identification
地址： http://arxiv.org/abs/1805.10856
作者： Yang Yang, Xia Hu, Haoyan Liu, Jiawei Zhang, Zhoujun Li, Philip S. Yu
摘要： 近年来失踪人数（即迷路者）数量大幅增加。这是一个严重的全球性问题，寻找失踪人员消耗大量的社会资源。在跟踪和发现这些失踪人员时，及时的数据收集和分析实际上起着重要的作用。随着社交媒体的发展，关于失踪人员的信息可以很快通过网络传播，这为解决这个问题提供了一个有希望的途径。在线社交媒体中的信息通常是异构类别，涉及复杂的社交互动和不同结构的文本数据。有效融合这些不同类型的信息来解决失踪人员识别问题可能是一个很大的挑战。受多实例学习问题和现有的“同性恋”社会科学理论的启发，本文提出了一种新的r实例（RI）学习模型。
用于社群检测问题的随机鲁棒矩阵补全
原文标题： Randomized Robust Matrix Completion for the Community Detection Problem
地址： http://arxiv.org/abs/1805.10927
作者： Mostafa Rahmani, Adel Karimian, Andre Beckus, George Atia
摘要： 本文重点介绍大型部分观测图的无监督聚类。我们提出了一个可证明的随机框架，其中聚类算法被应用于从随机块模型生成的图邻接矩阵。使用随机采样构造子矩阵，并且使用基于凸优化的矩阵完成算法来找到低秩分量。然后使用基于相关性的检索步骤基于该低秩分量来识别群集。另外，提出了一种新的随机节点采样算法，该算法显著改善了数据不平衡的聚类算法的性能。给出了R ^ {N \ timesN}中邻接矩阵A \的部分观测图，该方法可以将计算复杂度从O（N ^ 2）降低到O（N）。
动态网络中潜在节点群成员的泊松Gamma概率模型
原文标题： A Poisson Gamma Probabilistic Model for Latent Node-group Memberships in Dynamic Networks
地址： http://arxiv.org/abs/1805.11054
作者： Sikun Yang, Heinz Koeppl
摘要： 我们提出了一个从动态关系数据中学习的概率模型，其中观察到的网络化节点之间的相互作用是通过伯努利泊松链接函数建模的，而底层网络结构的特征是非负的潜在节点组成员关系，假定它们是伽马分布。潜在成员根据马尔可夫过程发展。潜在群体的最佳数量可以由数据本身来确定。我们的方法的计算复杂度随着非零链接的数量而变化，这使得它可以扩展到大型稀疏动态关系数据。我们提出批量和在线吉布斯采样算法来执行模型推理。最后，我们展示了模型在综合数据集和现实世界数据集上的性能，并与最先进的方法进行了比较。
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。