- 用截断列维飞行对住宅盗窃进行犯罪建模;
- 跳跃随机游走中的弛豫时间分析;
- 通过网络嵌入刻画边属性;
- 深层神经网络优化团队组成;
- 音乐艺术家的职业发展轨迹挖掘和预测;
- 网络增强：加权生物网络去噪的一般方法;
- 部分加和的智慧：社交协作场所中的多平台活动预测;
- 人类接触对媒介传播疾病的传播影响;
- 研究领域演变的规律;
- 信息来源查询中必要且充分的预算：适应性差距;
用截断列维飞行对住宅盗窃进行犯罪建模
原文标题： Crime Modeling with Truncated L'evy Flights for Residential Burglary Models
地址： http://arxiv.org/abs/1601.03415
作者： Chaohao Pan, Bo Li, Chuntian Wang, Yuqi Zhang, Nathan Geldner, Li Wang, Andrea Bertozzi
摘要： 犯罪统计基于主体的模型显示，再次被害可能导致预测的犯罪热点（见例如短等，数学模型的方法申请，2008年），那么最近的一项研究在一维空间（Chaturapruek等， SIAM J. Appl.Math，2013）显示，当犯罪分子的运动模式涉及跳远长度的长尾L \ evy分布时，与经典随机游走相比，热点动态变化。事实上，犯罪分子在狭窄的地方移动的时间最长。在本文中，我们开发了一个平均场连续模型，其截断L \ evy飞行为一个空间维度的住宅入室盗窃。连续模型产生局部拉普拉斯扩散，而不是分数扩散。我们提出一个渐近理论来推导连续方程，并表明连续模型和基于主体的模拟之间的良好一致性。这表明局部扩散模型对于这个问题的连续性极限是普遍的，重要的量是扩散系数。执法机构也纳入模型中，并将其部署策略的相对有效性定量比较。
跳跃随机游走中的弛豫时间分析
原文标题： Analysis of Relaxation Time in Random Walk with Jumps
地址： http://arxiv.org/abs/1805.03260
作者： Konstantin Avrachenkov, Ilya Bogdanov
摘要： 我们在跳跃随机游走中研究休闲时间。具有跳跃的随机游走将基于随机游走的采样与统一节点采样相结合，并提高了网络分析和学习任务的性能。我们推导出各种条件，在这种条件下，随着跳跃的引入，弛豫时间减少。
通过网络嵌入刻画边属性
原文标题： Capturing Edge Attributes via Network Embedding
地址： http://arxiv.org/abs/1805.03280
作者： Palash Goyal, Homa Hosseinmardi, Emilio Ferrara, Aram Galstyan
摘要： 网络嵌入，其目的是学习节点的低维表示，已被用于各种图相关的任务，包括可视化，链路预测和节点分类。大多数现有的嵌入方法仅依赖于网络结构。然而，实际上，我们经常具有关于节点和/或它们的相互作用的辅助信息，例如，共同作者网络中的科学论文的内容或Twitter提及网络中的通信主题。在这里我们提出了一种新的嵌入方法，它使用网络结构和边属性来学习更好的网络表示。我们的方法联合使用可充分捕获高度非线性相互作用的深层架构，将高阶节点邻域，社会角色和边属性的重构误差最小化。我们展示了我们的模型对各种现实世界网络（包括协作网络和社会网络）现有最先进方法的有效性。我们还观察到，使用边属性来通知网络嵌入会在下游任务（如链路预测和节点分类）中产生更好的性能。
深层神经网络优化团队组成
原文标题： Deep Neural Networks for Optimal Team Composition
地址： http://arxiv.org/abs/1805.03285
作者： Anna Sapienza, Palash Goyal, Emilio Ferrara
摘要： 合作是一个基本的社会机制，它已经在多种环境中对人的绩效产生了影响。网络博弈是现代天然环境，合作强烈影响人类行为。每天，数以百万计的玩家在基于团队的博弈中连接并玩耍：合作模式可以促进或阻碍个人技能学习和表现。这项工作有三个目标：（1）确定队友对球员短期和长期表现的影响;（2）设计一个计算框架，以推荐队友改善球员的表现;（3）设定证明这些改善可以通过深度学习预测。我们利用来自多人在线战斗竞技场Dota 2的大型数据集。我们创建了一个有向的联合网络，其链接的权重描述了队友对球员表现的影响。具体而言，我们提出了一种网络影响的衡量标准，可以捕捉玩家随时间推移的技能转移。然后，我们使用这样的框架来设计推荐系统，以建立基于改进的深度神经自动编码器的新队友，并展示其最先进的推荐性能。我们最终提供了技能转移效果的见解：我们的实验结果表明，这种动态可以使用深度神经网络来预测。
音乐艺术家的职业发展轨迹挖掘和预测
原文标题： Mining and Forecasting Career Trajectories of Music Artists
地址： http://arxiv.org/abs/1805.03324
作者： Shushan Arakelyan, Fred Morstatter, Margaret Martin, Emilio Ferrara, Aram Galstyan
摘要： 许多音乐家，从成熟的艺术家的前来者，严重依赖现场表演来推广和传播他们的音乐。为了宣传现场表演，艺术家们经常使用音乐会发现平台，以便他们的粉丝更容易跟踪巡演日期。在本文中，我们会询问在这些平台上生成的现场表演的数字痕迹是否可以用来了解艺术家的职业轨迹。首先，我们通过交叉引用来自这些平台的数据提出了一个新的数据集。然后，我们演示如何使用此数据集来挖掘和预测音乐家的重要事业里程碑，例如由主要音乐厂牌签名或在某个场所执行。最后，我们对双方艺术家场地图进行时间分析，并证明该图上的高度中心性与成功相关。
网络增强：加权生物网络去噪的一般方法
原文标题： Network Enhancement: a general method to denoise weighted biological networks
地址： http://arxiv.org/abs/1805.03327
作者： Bo Wang, Armin Pourshafeie, Marinka Zitnik, Junjie Zhu, Carlos D. Bustamante, Serafim Batzoglou, Jure Leskovec
摘要： 网络在生物学中无处不在，它们编码组织各个层面的连通性模式，从分子到生物群系。然而，生物网络由于用于生成它们的技术的局限性以及样本内的固有变化而是嘈杂的。高水平噪声的存在会妨碍这些网络封装的模式和动态的发现。在这里我们提出网络增强（NE），一种改善无向，加权网络的信噪比的新方法，从而提高下游分析的性能。 NE应用一种新颖的算子，该算子引入稀疏性并利用高阶网络结构去除弱边并增强真实连接。这种迭代方法在收敛时具有封闭形式的解决方案，具有理想的性能属性。我们展示了NE去除生物网络中几个具有挑战性但重要的问题的有效性。我们的实验显示NE通过去除来自22个人体组织的相互作用网络来改进基因功能预测。此外，我们使用NE来解释来自人类基因组的嘈杂的Hi-C接触图并证明其在不同程度的数据质量中的实用性。最后，当应用于细粒度物种鉴定时，NE显著优于其他方法。总之，我们的研究结果表明，NE广泛适用于对加权生物网络进行去噪，尤其是当它们含有高度噪声时。
部分加和的智慧：社交协作场所中的多平台活动预测
原文标题： Wisdom in Sum of Parts: Multi-Platform Activity Prediction in Social Collaborative Sites
地址： http://arxiv.org/abs/1805.03348
作者： Roy Ka-Wei Lee, David Lo
摘要： 在本文中，我们提出了一个新颖的框架，该框架使用多个社交协作平台中的活动（也称活动兴趣）推断的用户兴趣来预测用户的平台活动。框架中包含两种预测方法：（i）直接平台活动预测，它预测用户在平台中使用他或她的来自同一平台的活动兴趣的活动（例如，预测用户是否应答给定的堆栈溢出问题（ii）跨平台活动预测，其预测用户在平台中使用他或她的来自另一平台的活动兴趣的活动（例如，预测用户的兴趣用户使用从GitHub中的叉子和手表活动推断的用户兴趣回答给定的Stack Overflow问题）。为了评估我们提出的方法，我们在软件开发社区的两个广泛使用的社交协作平台上进行预测实验：GitHub和Stack Overflow。我们的实验表明，结合直接和跨平台活动预测方法可以预测用户在GitHub（AUC = 0.75）和堆栈溢出（AUC = 0.89）中的活动的最佳准确性。
人类接触对媒介传播疾病的传播影响
原文标题： Impact of human-human contagions in the spread of vector-borne diseases
地址： http://arxiv.org/abs/1805.03401
作者： David Soriano-Paños, Juddy Heliana Arias-Castro, Fernando Naranjo-Mayorga, Jesús Gómez-Gardeñes
摘要： 本文旨在提出罗斯 - 麦克唐纳模型用于传播媒介传播疾病的概括，其中也考虑了人与人之间的传染病。我们首先通过制定平均场理论来提出这个广义模型，通过与数值模拟进行比较来检验其有效性。为了使我们的模型的前提更加真实，我们将平均场方程适应于由复杂网络描述人类接触的情况。在这种情况下，我们也能够得出流行阈值的分析表达式。在平均场和基于网络的模型中，我们估计了与无疾病和流行病制度之间边界相对应的流行阈值。这个阈值的表达使我们能够讨论人与人之间的传染对媒介传播疾病传播的影响。
研究领域演变的规律
原文标题： The laws of the evolution of research fields
地址： http://arxiv.org/abs/1805.03492
作者： Coccia Mario
摘要： 科学社会研究领域的一个基本问题是研究领域如何随时间和空间出现，增长和衰落。这项研究通过对人类微生物组，演化机器人和天体生物学等新兴研究领域进行归纳分析，从而面对这个问题。特别是，考虑到作者的主题领域（即学科），分析了每个新兴研究领域从开始几年到2017年的论文数量。研究结果提出了一些研究领域演变的经验规律：第一条定律指出，一个特定研究领域的演变是由少数科学学科（3-5）驱动的，这些学科产生超过80％的文献（科学生产的集中） ;第二条定律指出研究领域的演变是一门批判学科的路径依赖（它可以是一个起源于研究领域的本土学科，或者是在科学的社会动态过程中出现的一门新学科）;第三部法律规定，研究领域可以通过科学专业化过程所产生的新学科在其演化过程中被驱动。这里的发现可以解释和推广一些由于学科之间的相互作用导致的科学领域演变的特性，基础研究领域和应用领域的研究领域之间的融合以及科学研究领域的跨学科领域。总的来说，这项研究开始了澄清和推广过程，尽可能地阐明社会建构和科学演化的特性，为发展复杂的理论奠定基础。
信息来源查询中必要且充分的预算：适应性差距
原文标题： Necessary and Sufficient Budgets in Information Source Finding with Querying: Adaptivity Gap
地址： http://arxiv.org/abs/1805.03532
作者： Jaeyoung Choi, Yung Yi
摘要： 在本文中，我们研究了通过查询个体来检测扩散信息源的问题，给出信息扩散图的示例快照，其中询问两个查询：{\ em（i）}受访者是否是源，如果不是，则该邻居将信息传播给被访者。我们考虑受访者可能并不总是真实并且为每个查询花费一些成本的情况。我们的目标是量化必要和充足的预算，以实现任何给定$ 0 <\ delta <1的检测概率$ 1 \ delta $。为此，我们研究两种类型的算法：自适应和非自适应算法其中对应于我们是否根据先前答复者的答案自适应地选择下一个答复者。我们首先提供两种算法类型中必要预算的信息论下界。就充足的预算而言，我们提出了两种实用的估计算法，每种算法都是非自适应和自适应类型，并且对于每种算法，我们定量分析确保$ 1 \ delta $检测精度的预算。这种理论分析不仅量化了实际估计算法在寻找扩散源时达到给定目标检测精确度所需的预算，而且还使我们能够定量描述非自适应估计类型所需的额外预算量，被称为{ \ em适应性差距}。我们通过合成和现实世界的社会网络拓扑来验证我们的理论发现。
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。