- 间接影响，链接排名和网络解构;
- 探索使用时变图来模拟传输网络;
- 人口金字塔如何被用来探索过去？;
- 调查在线社区内的协作：软件开发VS.艺术创作;
- 随机几何图上的传染病SIR模型：新的迁移率引起的相变;
- 基于模块度的异构网络社区检测;
- 社会网络中新发生的传染病的间接接触影响;
- 社交媒体不会说谎：通过在线异构数据预测2016年台湾选举;
- Twitter推动运动，Reddit共享时刻：社交媒体的镜头中的“我也是”(#metoo)标签;
间接影响，链接排名和网络解构
原文标题： Indirect Influences, Links Ranking, and Deconstruction of Networks
地址： http://arxiv.org/abs/1803.07582
作者： Jorge Catumba, Rafael Diaz, Angelica Vargas
摘要： PWP地图由第二作者引入，作为网络中节点排名的工具。在这项工作中，我们扩展了这种技术，以便它可以用来对链接进行排名。应用Girvan-Newman算法对链路进行排序会产生网络的解构方法，因此我们可以获得新的方法来寻找网络上的聚类和核心 - 边缘结构。
探索使用时变图来模拟传输网络
原文标题： Exploring the use of time-varying graphs for modelling transit networks
地址： http://arxiv.org/abs/1803.07610
作者： Ikechukwu Maduako, Emerson Cavalheri, Monica Wachowicz
摘要： 研究过境网络的拓扑结构与该网络上的运输车辆的流动模式之间的动态关系对于为过境管理和推荐系统设计智能和时间感知解决方案至关重要。本文提出了一个时变图（TVG）来模拟这种关系。通过使用加拿大新布伦瑞克市蒙克顿市公交网络生成的公交网络，在Neo4j图数据库中实施该模型，探索了该模型的有效性。这种关系中的动力学也使用网络度量来检测，例如时间最短路径，度数，中介度和PageRank中心度以及时间网络直径和密度。关键词：传输网络，移动模式，时变图模型，图数据库和图分析关键词：传输网，移动模式，时变图模型，图数据库和图分析
人口金字塔如何被用来探索过去？
原文标题： How can population pyramids be used to explore the past?
地址： http://arxiv.org/abs/1803.07776
作者： Bertrand M. Roehner
摘要： 就像几十年前（甚至几个世纪前在大树的情况下）树环一样，人口金字塔可以让我们知道数十年前的出生率或死亡率。当然，只有在准确记录的情况下，他们才能履行这些承诺。这就是为什么我们开始这项研究，列举了在进行人口普查过程中可能发生的一些陷阱。在本文中，我们的主要目标是展示如何“读取”人口金字塔。出生率突然变化会产生最清晰的签名。该指标显示，饥荒，战争或流行病等主要悲剧通常伴随着出生率的下降。得益于这一观察结果，人口金字塔可以用来识别和衡量人口和国家遭受的打击。为了说明这是如何工作的，我们比较了韩国和南韩的人口金字塔。除此之外，我们可以衡量朝鲜在20世纪90年代末经历的粮食短缺规模。
调查在线社区内的协作：软件开发VS.艺术创作
原文标题： Investigating Collaboration Within Online Communities: Software Development Vs. Artistic Creation
地址： http://arxiv.org/abs/1803.07856
作者： Giuseppe Iaffaldano
摘要： 通过在互联网上进行的成功合作，在线创意社区已经能够开发大型的开源软件（OSS）项目，如Linux和Firefox。这些社区也扩展到创意艺术领域，如动画，电子博弈和音乐。尽管他们越来越受欢迎，但导致这些社区成功合作的因素尚未完全了解。下面，我将描述我的博士研究项目，旨在改善创意艺术社区的沟通，协作和留住，从有关OSS社区的文献中获得的经验开始。
随机几何图上的传染病SIR模型：新的迁移率引起的相变
原文标题： Epidemic SIR model on a random geometric graph: new mobility induced phase transitions
地址： http://arxiv.org/abs/1803.07888
作者： Paulo Freitas Gomes, Andrey Gonçalves França, Fábio Luiz Paranhos Costa, Henrique Almeida Fernandes
摘要： 我们研究流行病SIR模型，其中每个代理（敏感，感染或恢复）能够通过执行位移$ v $的随机游走来移动，从而在每次迭代中创建不同的随机几何网络。每种敏感药物可能感染感染率$ b $，每种感染药物以$ c + c = 1 $的免疫率$ c $恢复。我们进行非平衡蒙特卡罗模拟，以观察$ v $对考虑到相互作用距离$ \ delta $的有效相位和吸收相位之间的相位变化的影响，即每个主体只与距离$ \从它的增量$。我们考虑到异步更新方案并将我们的结果与标准SIR模型进行比较。我们发现，对于$ v> 0 $来说，$ c = c_0 $会破坏相变，并在$ v $相关的$（c，\ delta）$空间中创建一系列相变点。
基于模块度的异构网络社区检测
原文标题： Modularity based community detection in heterogeneous networks
地址： http://arxiv.org/abs/1803.07961
作者： Jingfei Zhang, Yuguo Chen
摘要： 异构网络是由不同类型的节点和连接这些节点的多种类型的边组成的网络。虽然社区检测作为分析仅包含一种类型节点的网络的有用技术已得到广泛开发，但针对异构网络开发的社区检测技术极少。在本文中，我们提出了一个基于模块化的异构网络社区检测框架。与现有方法不同，所提议的方法具有将社区数量视为未知数量的灵活性。我们描述了一种Louvain类型最大化方法，用于查找最大化模块化功能的社区结构。我们的仿真结果显示了该方法相对于现有方法的优势。此外，所提出的模块化功能在异构随机区块模型框架下显示为一致的。对DBLP四区域数据集和MovieLens数据集的分析证明了所提出的方法的有用性。
社会网络中新发生的传染病的间接接触影响
原文标题： Impacts of Indirect Contacts in Emerging Infectious Diseases on Social Networks
地址： http://arxiv.org/abs/1803.07968
作者： Md Shahzamal, Raja Jurdak, Bernard Mans, Ahmad El Shoghri, Frank De Hoog
摘要： 个体之间的相互作用模式在传播传染病方面起着重要作用。了解这些模式并将其影响用于模拟传染病的扩散动态，对于流行病学研究非常重要。目前的基于网络的扩散模型假定疾病通过受感染和易感个体同时共处的相互作用传播。然而，当易感个体在感染者离开后访问某个地点时，可能会传播几种传染病。最近，引入了一种称为同一地点不同时间（SPDT）传播的扩散模型，以捕获感染者在易感人员到达之前离开时发生的间接传播。在本文中，我们将展示这些间接传播途径如何显著增强传染病的出现，而传统疾病在目前的疾病建模方法中未被考虑。我们将个体间接联系起来，但在传染期间没有直接联系的隐性传播者。我们的模拟显示爆发可能发生在隐藏的扩展器的单个种子节点上，并且SPDT模型比仅基于直接链接的当前模型更好地捕获这些效果。该仿真运行在0.3M节点的综合SPDT网络上，其特征在于基于位置的在线社会网络应用MOMO的用户的移动行为。
社交媒体不会说谎：通过在线异构数据预测2016年台湾选举
原文标题： Social Media Would Not Lie: Prediction of the 2016 Taiwan Election via Online Heterogeneous Data
地址： http://arxiv.org/abs/1803.08010
作者： Zheng Xie, Guannan Liu, Junjie Wu
摘要： 网络媒体的盛行吸引了来自各个领域的研究人员探索人类行为并做出有趣的预测。在这项研究中，我们利用从各种在线平台收集的异构社交媒体数据预测台湾2016年“总统”选举。与大多数现有研究相比，我们采用异质信息的“信号”视图，并采用卡尔曼滤波器将多个信号融合为候选人的每日投票预测。我们还根据源自金融研究领域的所谓事件研究模型，以定量方式考虑影响选举的事件。我们获得了以下有趣的发现。首先，网络媒体的民意主张了台湾选举预测中的传统民意调查的预测力和时效性。但是离线调查仍然可以缓解在线意见的样本偏差。其次，虽然在线信号汇聚为选举日的临近，但简单的Facebook“赞”始终是选举结果的最强指标。第三，最具影响力的事件与两岸关系密切相关，选举前一天，周子瑜旗帜事件随后的道歉录像将蔡英文的投票权比例提高了3.66％。这项研究证明了在线媒体在政治领域的预测能力和信息融合的优势。卡尔曼滤波器和事件研究方法的结合使用有助于以预测和归因为目的的数据驱动型政治分析范例。
Twitter推动运动，Reddit共享时刻：社交媒体的镜头中的“我也是”(#metoo)标签
原文标题： Twitter for Sparking a Movement, Reddit for Sharing the Moment: #metoo through the Lens of Social Media
地址： http://arxiv.org/abs/1803.08022
作者： Lydia Manikonda, Ghazaleh Beigi, Huan Liu, Subbarao Kambhampati
摘要： 社交媒体平台正在通过增加在社会上遭受高度污名问题的风险来彻底改变用户沟通的方式。性虐待是最近通过将#metoo标签附加到共享帖子来接管社交媒体的一个问题。具有不同背景和种族的人开始分享他们遭受殴打的不幸个人经历。通过Twitter上的#meToo与#meToo subreddit上共享帖子的比较分析，本文首先尝试评估公众的反应和情绪。尽管在两个平台上分享负面和正面帖子的比例几乎相等，但Reddit帖子主要关注家庭和工作场所内的性侵犯，而Twitter帖子则显示移情，并鼓励其他人继续#metoo运动。本研究和初步分析所收集的数据表明，用户使用各种方式分享他们的经验，交流想法并互相鼓励，社交媒体适用于#metoo运动等潮流。
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。