- 社会网络影响力最大的K个节点：一个博弈的新视角;
- DNA：动态社会网络对齐;
- 网络的指标表征：一个唯一性结果;
- 图半监督分类的相变和优化算法：从信念传播到卷积神经网络;
- 短而宽的网络路径;
- 从美国的劳动力流动网络预测城市创新;
- 互动图用于电网的可靠性分析：综述;
社会网络影响力最大的K个节点：一个博弈的新视角
原文标题： Top-K Influential Nodes in Social Networks: A Game Perspective
地址： http://arxiv.org/abs/1810.05959
作者： Yu Zhang, Yan Zhang
摘要： 影响最大化，最根本的病毒营销，旨在寻找最大化在一定传播模式传播影响力顶 ķ种子节点。在本文中，我们研究了从博弈的角度影响最大化。我们提出了一个协调博弈模型，其中每个个体基于协调与他们的网络邻居的利益作出决定，要研究信息传播。我们的模型作为现有的一些车型，如多数表决模型和线性阈值模型的泛化。在此模型下，我们研究的影响力最大化的硬度和贪心算法的近似保证。我们还结合了几种策略来加速算法。实验结果表明，在加速后，我们的算法显著优于其他启发式，它是三个数量级比原来的贪婪方法快。
DNA：动态社会网络对齐
原文标题： DNA: Dynamic Social Network Alignment
地址： http://arxiv.org/abs/1911.00067
作者： Li Sun, Zhongbao Zhang, Pengxin Ji, Jian Wen, Sen Su, Philip S. Yu
摘要： 社会网络比对，他们的普通用户对准不同的社会网络，从学术和行业接受戏剧性的关注。所有现有的研究认为社会网络是静态的，忽视其内在的动力。事实上，社会网络的动态含有一个个体，其可被利用来促进社会网络对准的识别模体。因此，我们首次提出研究动态对准社会网络的问题。为此，我们提出了一个新的社会网络动态校准（DNA）框架，在深层神经架构统一的优化方法，展开卓有成效的动力来进行比对。然而，它面临两种建模和优化巨大的挑战：（1）为了模拟网络内部动态，我们将探讨潜在模体的局部动态，邀请好友演变与邻居表示相似的全球一致性。我们设计了一个新颖的深层神经架构，以获得双重嵌入捕捉当地的动态，并为每个用户的全球一致性。 （2）为了模拟网络间对准，我们利用一个单独的从每个动态社会网络中的双嵌入底层身份。我们设计了统一的优化方法interplaying提出深层神经结构来构建身份的嵌入常见的子空间。 （3）为了解决这个最优化问题，我们设计具有牢固的理论guarantees.We进行广泛的实验上的真实世界数据集的有效交变算法，并表明所提出的DNA框架基本上优于国家的最先进的方法。
网络的指标表征：一个唯一性结果
原文标题： Metric Representations of Networks: A Uniqueness Result
地址： http://arxiv.org/abs/1911.00164
作者： Santiago Segarra, T. Mitchell Roddenberry, Facundo Memoli, Alejandro Ribeiro
摘要： 在本文中，我们考虑投影网到度量空间的问题。网络是编码对元件或节点之间的关系的结构。然而，这些关系可以是相互独立的，并为每对节点不需要定义。这是相对于度量空间，这要求每对在该空间中的元件之间的距离来限定。要了解如何投影网到度量空间，我们采取公理化方法：我们首先状态的两条公理从集合所有网络设定的有限度量空间的投影映射，则显示，仅一个投影满足这些要求。所述开发的技术被示出为用于查找到组合优化问题的近似解的有效方法。最后，我们说明了在预测网络有效的搜索使用的度量树。
图半监督分类的相变和优化算法：从信念传播到卷积神经网络
原文标题： Phase transitions and optimal algorithms in the semi-supervised classfications in graphs: from belief propagation to convolution neural networks
地址： http://arxiv.org/abs/1911.00197
作者： Pengfei Zhou, Pan Zhang
摘要： 通过分析生成模型的贝叶斯推理用于与两个关系（边）和节点特征（离散标记）随机网络，我们执行的使用统计物理的空腔方法图结构化数据的半监督classfication问题一个渐近精确分析。我们推出了它把基本限制在classfications所有可能的算法的能力，检测能力相变。我们的理论自然转换为消息传递算法工作一路向下到底层生成模型的相变，并且可以被转换为图表卷积神经网络算法极大地优于现有的算法，包括在合成的网络流行图表神经网络。当应用到真实世界的数据集，我们的算法实现了与国家的最先进的算法相当的性能。我们的方法提供了具有连续可调参数，达到最佳效果，可用于评估退出图神经网络的性能，以及发现和了解自己的长处和局限性基准数据集。特别是，我们观察到流行GCNs有稀疏的问题，对大型综合基准ovefitting问题，我们还展示了如何通过结合我们的方法的优势，克服的问题。
短而宽的网络路径
原文标题： Short and Wide Network Paths
地址： http://arxiv.org/abs/1911.00344
作者： Lavanya Marla, Lav R. Varshney, Devavrat Shah, Nirmal A. Prakash, Michael E. Gale
摘要： 网络流量是一个强大的数学框架，系统地探索生物，社会和技术的网络结构和功能之间的关系。我们通过网络，其中商品必须通过多种途径被输送过单路径，而不是分裂和重组引入流量的一种新的流水线模式。我们表明，使用优化的都是短而宽的网络路径，并制定有效的算法来计算对于给定的节点对和所有点对这样的路径流水线网络流的这一概念。短且宽路径的特点对于许多真实世界的网络。为了进一步说明这个网络特征的效用，我们发展对神经系统的运算速度由于从解剖学的连通性和物理限制噪音的新信息论下限。对于线虫，我们发现这些界限是预测行为的生物学的时间尺度。此外，我们发现了特定线虫连接组是全局比随机网络信息流效率较低，但功能子电路的轮毂和辐条架构下的突触的数量约束是最佳的。这表明功能的子电路是这个小无脊椎动物神经系统的主要组织原则。
从美国的劳动力流动网络预测城市创新
原文标题： Predicting Urban Innovation from the Workforce Mobility Network in US
地址： http://arxiv.org/abs/1911.00436
作者： Moreno Bonaventura, Luca Maria Aiello, Daniele Quercia, Vito Latora
摘要： 虽然伟大的重点放在社会互动成为创新的增长驱动程序的作用，很少有实证研究明确地研究社会网络结构对大城市的创新性能的影响。过去的研究主要是探讨了城市的社会和经济产出的比例作为法律通过，例如，人口的单个预测确定。在这里，通过在启动生态系统的可公开获得的数据集拉丝，我们建立美国大都会区中的第一个员工移动网络。我们发现计算在这个网络中占大部分城市的创新绩效观察到的变化的节点核心地位和显著优于其他预测，如人口规模和密度，这表明政策和措施，旨在维持性创新进程可能从同时促进专业网络中受益其他经济或全身奖励。相对于以前的搭载人口普查数据的方法，我们的模型可以在打开的数据库实时更新，开放既为各学科研究的新途径城市经济，研究人员和从业者设计工具的新机遇在实时监控这样的经济体。
互动图用于电网的可靠性分析：综述
原文标题： Interaction Graphs for Reliability Analysis of Power Grids: A Survey
地址： http://arxiv.org/abs/1911.00475
作者： Upama Nakarmi, Mahshid Rahnamay Naeini, Md Jakir Hossain, Md Abul Hasnat
摘要： 电网的可靠性分析一直是许多研究者关注的焦点多年。然而，当中大量这些系统及其对系统可靠性的贡献成分的复杂的相互作用还没有完全理解。因此，各种技术已被开发并用于建模和分析相对于可靠性挑战，如连锁故障电网的各组件之间的基本相互作用。这种方法是很重要的揭示，可能不容易从电力系统的物理模型和拓扑结构的基本信息。基于这些模型中，系统的组件之间的影响和交互可以在本地和在由于理事的功率流动态电力以及其它功能性和网络相关性的系统的组件之间的物理距离发生。这些方法使用基于电力的物理数据驱动方法或技术，发展的曲线图，以交互电网的组件之间进行建模。在本次调查中，我们回顾上使用这些图电网的可靠性分析发展中的互动图表以及研究的各种方法。
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.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。