- 连续意见动力学中的反扩散;
- 从结构性质预测图类别;
- 系统物理中的鲁棒设计;
- 定性变量的可变性：希尔伯特空间形式;
- 多个相互依赖的主题的连续时间意见动态;
- 有国家分类的离婚动态单参数模型;
- 使用基于内容和链接流特征的电影评级预测;
- 亲社会选择中做好事与避免不良事件：对道德偏好假设的完善的测试和扩展;
- 有向网络上的理想相对流量分布;
- 定位食源性污染的大规模扩散来源;
连续意见动力学中的反扩散
原文标题： Anti-Diffusion in Continuous Opinion Dynamics
地址： http://arxiv.org/abs/1805.02653
作者： Moorad Alexanian, Dylan McNamara
摘要： 使用统计物理学中开发的技术进行的大量工作旨在对基于主体的意见模型进行数值模拟并分析其结果。这些工作已经阐明了各种交互代理规则如何在代理人群中产生稳定状态行为，这种行为在共识和分裂之间存在差异。在宏观人口水平上，由于缺少一个可持续人口状态的可分析管理的宏观方程，分析受到限制。我们用代理意见的连续概率分布函数的积分 - 微分方程来支配舆论动态，从而为观点分布的演化开发一种新的非线性偏微分方程。高度非线性方程允许生成近似系统。我们考虑三种初始人口分布并确定他们的小时间行为。我们的分析揭示了由于扩散和反扩散的相互作用以及人口分布的不同区域如何出现初始不稳定性，集群的产生是如何产生的。
从结构性质预测图类别
原文标题： Predicting Graph Categories from Structural Properties
地址： http://arxiv.org/abs/1805.02682
作者： James P. Canning, Emma E. Ingram, Sammantha Nowak-Wolff, Adriana M. Ortiz, Nesreen K. Ahmed, Ryan A. Rossi, Karl R. B. Schmitt, Sucheta Soundarajan
摘要： 复杂的网络通常根据它们所代表的基本现象进行分类，如分子相互作用，重新推特和大脑活动。在这项工作中，我们研究了预测任意网络类别（域）的问题。这包括来自不同领域的复杂网络以及来自五种不同网络模型的合成生成图。使用具有真实和合成网络的随机森林分类器可以实现$ 96.6 \％$的分类准确度。这项工作有两个重要的发现。首先，我们的结果表明，来自各个领域的复杂网络具有不同的结构特性，使我们能够高精度地预测新的以前未见过的网络的类别。其次，合成图很难分类，因为分类模型可以靠近确定地预测用于生成它的网络模型。总体而言，结果表明，从不同领域（和网络模型）中抽取的网络仅仅使用少数几个简单的结构特性就可以区分开来。
系统物理中的鲁棒设计
原文标题： Robust Design in Systems Physics
地址： http://arxiv.org/abs/1805.02691
作者： Andrei A. Klishin, Alec Kirkley, David J. Singer, Greg van Anders
摘要： 确保可靠的结果和设计是现代集成系统工程设计中的关键挑战，这些系统由许多异构子系统组成。异构子系统之间的耦合导致设计元素对整个系统规格变化的复杂响应。在这里，我们表明，设计元素对整个系统规格变化的反应可以用材料的强/弱和脆性/延性二分法来表征。我们发现这些二分法是从我们在应力 - 应变关系方面投入的早期设计问题的中尺度处理中出现的。我们用海军工程的例子来说明这种方法的使用，但是我们的方法可以立即应用于集成系统设计中的各种问题。
定性变量的可变性：希尔伯特空间形式
原文标题： Variability of qualitative variables: A Hilbert space formulation
地址： http://arxiv.org/abs/1805.02731
作者： Juan D. Botero, Leonardo A. Pachón
摘要： 介绍了一种新的形式主义，用于表达和操作以Hilbert空间为基础的质变量多样性度量。希尔伯特空间的抽象特征自然而然地结合了定性变量之间的等价关系，并在此被用来（i）表示类别答案的二元特征，（ii）引入一个新的标准来选择不同的多样性指标，即对不确定。在解决类别问题的减少问题时，希尔伯特空间上的公式的全部潜力开始发挥作用，这是数据分析中的一个常见问题。目前的形式主义通过结合受数学和物理统计启发的策略来解决问题，具体而言，它利用了部分追踪的概念。在解决这个问题时，已经表明，适当规范化多样性措施有助于在减少类别时提供对结果的合理解释。最后，这里介绍的方法还允许直接测量多样性，并在可以选择同时类别的情况下执行类别缩减。
多个相互依赖的主题的连续时间意见动态
原文标题： Continuous-time Opinion Dynamics on Multiple Interdependent Topics
地址： http://arxiv.org/abs/1805.02836
作者： Mengbin Ye, Minh Hoang Trinh, Young-Hun Lim, Brian D.O. Anderson, Hyo-Sung Ahn
摘要： 在本文中，受到[1,2]最近基于离散时间的作品的启发，我们研究了一个连续时间的意见动态模型，其中个人讨论关于多个逻辑上相互依赖的主题的意见。不同主题之间的逻辑相互依赖由一个矩阵捕获，该矩阵不同于捕捉个体之间相互作用的拉普拉斯矩阵。我们获得了网络就每个单独主题达成共识的必要和充分条件。该条件涉及到相互依赖矩阵和拉普拉斯矩阵，因此与[1]的结果不同，其中在不存在顽固个体的情况下，相互依赖矩阵和影响矩阵的分离规则（离散时间版本的拉普拉斯算子）足以确保意见一致。假设相互依赖矩阵是固定的，我们在网络上产生两个充分条件，即拉普拉斯矩阵，以确保观点的一致。对于一类相互依赖矩阵，我们还建立了一组保证一致的拉普拉斯矩阵。然后，该模型被扩展为包含顽固的个人，他们仍然依附于他们的初始意见。为了保证意见动态系统的稳定性，获得了充分的条件，最终意见持续存在分歧，而不是达成共识。提供模拟来说明结果。
有国家分类的离婚动态单参数模型
原文标题： Single parameter model of marriage divorce dynamics with countries classification
地址： http://arxiv.org/abs/1805.02878
作者： Andrzej Jarynowski, Piotr Nyczka
摘要： 我们通过基于主体的建模来调查婚姻离婚问题。社会经济压力的现值p（主要模型参数）推动初婚，再婚或自发婚姻破裂。模型反映了异性恋人群的行为（改变伙伴的频率，社会单身人士的比例）。来自联合国登记处和世界价值调查的世界各国离婚婚姻的历史价值为基于理论的基于主体人的模拟（人口方法，例如出生和死亡）提供了补充。在模型中，座席有一个他们的属性和潜在合作伙伴的偏好列表，曼哈顿距离度量作为匹配函数应用。在模型的确定性部分中，就匹配距离和压力参数而言，随机选择的代理可以进入新的关系或交换伙伴。配偶也可能自发地以压力依赖的概率分崩离析。这个简单的模型虽然假设代理人的同质性（在二部图上），并且只有一个关键参数，但它给出了在给定时间点不同社会的社会经济压力值的估计值，知道改变伙伴的频率，在社会上结婚。
使用基于内容和链接流特征的电影评级预测
原文标题： Movie rating prediction using content-based and link stream features
地址： http://arxiv.org/abs/1805.02893
作者： Tiphaine Viard, Raphaël Fournier-S'niehotta
摘要： 几年前，基于图的协作过滤推荐系统已经引入，但仍然有几个缺点需要处理，时间信息是最重要的一个。新的链接流模式旨在扩展图以正确建模图动态，而不会丢失关键信息。我们调查推荐系统的链接流功能的影响。通过设计链接流功能，捕捉数据的内在结构和动态。我们显示这些功能编码的基本推荐系统的细粒度和细微的描述。关注MovieLens20M数据集的传统推荐系统上下文评级预测，我们将这些功能与一些基于内容的功能一起输入到梯度提升机器（XGBoost）中，并显示它在单一基于内容的解决方案方面表现出色。这些令人鼓舞的结果要求进一步探索这种原始建模及其集成，以完成最先进的推荐系统算法。链接流和图，作为推荐系统的自然可视化，在算法透明度成为越来越重要的讨论主题时，可以提供更多的解释性。我们也希望在社区中引发关于链路流和张量分解方法之间的联系的有趣讨论：实际上，它们是同一个对象的两个方面。
亲社会选择中做好事与避免不良事件：对道德偏好假设的完善的测试和扩展
原文标题： Doing good vs. avoiding bad in prosocial choice: A refined test and extension of the morality preference hypothesis
地址： http://arxiv.org/abs/1805.02903
作者： Ben M. Tappin, Valerio Capraro
摘要： 亲社会性是人类社会生活成功的基础，因此，许多研究试图解释人类亲社会行为。卡普拉罗和兰德（Capraro and Rand，2018）最近提出了这样一个假设：匿名一次性互动中的亲社会行为不是由基于结果的社会对公平或效率的社会偏好驱动的，正如经典假设的那样，而是通过普遍的道德偏好“ ”。在这里，我们认为Capraro和Rand（2018）报道的关键实验包括突出的方法论混乱和影响心理学理论的开放问题。具体而言，他们的设计混淆了：（i）对利益和个人利益的偏好;和（ii）对道德偏好采取行动的偏好。此外，他们的设计没有将偏好从偏好中分离出来以避免做到“不好”。因此，我们设计并进行了道德偏好假设（N = 801）的预注册，精炼和扩展测试。与这一假设以及Capraro和Rand（2018）的结果一致，我们的研究结果表明，匿名一次性互动中的亲社会行为是由偏好在道义上正确的事情所驱动的。然而，与有影响力的心理学理论不一致的是，我们的研究结果表明，选择“好”的偏好与避免在亲社会选择中做“坏”的偏好一样有效。
有向网络上的理想相对流量分布
原文标题： Ideal Relative Flow Distribution on Directed Network
地址： http://arxiv.org/abs/1805.03036
作者： Kardi Teknomo
摘要： 在本文中，我们提出了一个新的概念，在理想流量分布的基础上，优先考虑有向网络图中链路的重要性。一个理想的流程是在空间和时间上分布的网络图上的随机游走行为人轨迹的相对总计数的无限极限。在空间和时间上均匀分布的标准理想流量最大化了网络利用的熵。我们表明，随机游走行为的模拟轨迹将形成一个理想的相对流量分布收敛到固定值。这意味着理想的流量矩阵仅取决于网络结构。理想的流动矩阵对于标量乘法是不变的，并且显然它总是premagic。苏福尔斯交通网络中安装了真实世界网络的理想流量演示。
定位食源性污染的大规模扩散来源
原文标题： Locating the Source of Large-scale Diffusion of Foodborne Contamination
地址： http://arxiv.org/abs/1805.03137
作者： Abigail L. Horn, Hanno Friedrich
摘要： 我们研究识别新出现的食源性疾病大规模暴发的来源的问题。为了解决源识别问题，我们将污染扩散过程的概率模型作为网络上的随机游走并导出源位置的最大似然估计量。通过将传输过程建模为随机游走，我们能够开发一种新颖的，计算上易于处理的解决方案，该解决方案考虑了通过网络传播的所有可能路径。这与现有的网络源识别方法形成对比，后者假定污染物沿着最短或最高概率路径传播。我们通过应用于不同的网络拓扑，包括食物供应网络结构的风格化模型和2011年德国EHEC爆发的实际数据，展示了多路径方法的益处。与相关的最先进的源识别方法相比，我们的准确性和可靠性显著提高。除了食源性疾病，这些方法应该能够更普遍地用于确定基于网络的扩散过程中扩散的来源，包括网络不能很好地用树状结构近似。
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。