- 通过高阶超图游走进行超网络科学研究;
- 在线讨论的欺骗策略和威胁;
- 5G移动回程网络的安全性：综述;
- 嘈杂社会学习模式中的细节平衡破坏与非均衡动态;
- 将网络传播过程约简到马尔可夫种群模型;
- 疾病传播动力学，及特征时间的影响;
- 典型的物理博士入学标准限制了代表不足群体的进入，但不能预测博士完成情况和一些其他信息;
- 生活（或至少是社会经济方面）只是旋转和博弈？;
- 小冲击变换：一种用于识别社会技术时间序列中局部机制驱动动力学的分解方法;
- 在异构信息网络中恢复链路权重;
通过高阶超图游走进行超网络科学研究
原文标题： Hypernetwork Science via High-Order Hypergraph Walks
地址： http://arxiv.org/abs/1906.11295
作者： Sinan G. Aksoy, Cliff Joslyn, Carlos Ortiz Marrero, Brenda Praggastis, Emilie Purvine
摘要： 我们提出高阶超图行走作为一个框架，将基于图的网络科学技术推广到超图。超图中的边入射是定量的，产生具有长度和宽度的超图行走。然后概括为超图的图方法包括连通分量分析，基于图距离的度量，例如紧密度中心性，以及基于主题的度量，例如聚类系数。我们将这些方法的高阶类比应用于现实世界的超网络，并显示它们揭示了基于图的方法无法检测的细微差别和可解释的结构。最后，我们将三个生成模型应用于数据，并发现基本超图特性（如密度和度分布）不一定能控制这些新的结构测量。我们的工作展示了当使用专门用于捕获超图本地现象的工具时，超图结构数据的分析更加丰富，并为此提出了一条可能的途径。
在线讨论的欺骗策略和威胁
原文标题： Deception Strategies and Threats for Online Discussions
地址： http://arxiv.org/abs/1906.11371
作者： Onur Varol, Ismail Uluturk
摘要： 沟通在社会系统中起着重要作用。有效的通信需要在没有中断或噪音的情况下在个人之间传输消息，这可以成为实现预期影响的有力工具。可以利用内容的语言和风格来欺骗和操纵收件人。这些欺骗和说服策略可用于在政治和商业中发挥权力和积累资本。在这项工作中，我们对这些欺骗和说服策略多年来如何应用于不同的沟通渠道进行了适度的审查。我们提供了过去100年中不同时期发生的活动的示例，以及相应的传播媒介。在互联网时代，我们可以享受大量信息和无国界通信的能力。然而，恶意行为者致力于滥用在线系统来传播虚假信息，破坏沟通，并通过社交机器人等自动化工具操纵人员。重要的是研究旧的说服实践，以便能够调查现代实践和工具。在这里，我们讨论当前对社会的威胁，同时与历史实践和最近对检测和预防系统的研究工作相提并论。
5G移动回程网络的安全性：综述
原文标题： Security of 5G-Mobile Backhaul Networks: A Survey
地址： http://arxiv.org/abs/1906.11427
作者： Gaurav Choudhary, Jiyoon Kim, Vishal Sharma
摘要： 具有初始数据网络功能和利用率的移动数据的快速协商已成倍增加数据流量。这种流量消耗了5G移动回程网络中的各种关键问题。移动回程的安全性至关重要;然而，有限数量的文章已经探讨了这样的要求。本文讨论了安全的5G移动回程架构的潜在设计问题和主要挑战。已经探讨了现有最先进的安全移动回程解决方案的比较及其主要贡献。此外，本文还讨论了与服务质量（QoS），路由和调度，资源管理，容量增强，延迟，安全管理以及使用软件定义网络和毫米波技术等机制进行切换相关的各种关键问题。此外，还提出了研究挑战和未来方向的轨迹。
嘈杂社会学习模式中的细节平衡破坏与非均衡动态
原文标题： Broken Detailed Balance and Non-Equilibrium Dynamics in Noisy Social Learning Models
地址： http://arxiv.org/abs/1906.11481
作者： Tushar Vaidya, Thiparat Chotibut, Georgios Piliouras
摘要： 我们提出了新的Degroot型社会学习模型，并连续反馈，以研究嘈杂的信息源对社会网络中共识形成的影响。与标准的Degroot框架不同，嘈杂的信息模型破坏了共识的形成。另一方面，嘈杂的观点动态收敛于均衡分布，包含了代理人意见之间的相关性。有趣的是，这种平衡分布也是具有非零概率电流环的非平衡稳态（NESS）。因此，噪声信息源长时间导致NESS编码学习代理的持久相关观点动态。
将网络传播过程约简到马尔可夫种群模型
原文标题： Reducing Spreading Processes on Networks to Markov Population Models
地址： http://arxiv.org/abs/1906.11508
作者： Gerrit Großmann, Luca Bortolussi
摘要： 复杂网络上的随机过程，其中每个节点在几个隔间之一中，并且相邻节点彼此相互作用，可用于描述各种现实传播现象。然而，这些过程的计算分析受到其基础状态空间的巨大规模的阻碍。在这项工作中，我们证明了结块可以用于将任何流行病模型减少到马尔可夫人口模型（MPM）。因此，我们提出了一种基于节点划分的新型集总方案。通过施加不同类型的计数抽象，我们获得具有近似于原始系统的自然MPM表示的粗粒度马尔可夫模型。这使得有可能将为MPM开发的丰富的近似技术池转移到复杂网络动态的计算分析中。我们提出数值例子来研究MPM的准确性，集总状态空间的大小和计数抽象的类型之间的关系。
疾病传播动力学，及特征时间的影响
原文标题： Dynamics of disease spread. Effect of the characteristic times
地址： http://arxiv.org/abs/1906.11556
作者： O. Mosbah, N. Zekri, M. Mokhtari, S. Sahraoui
摘要： 使用基于Watts和Strogatz小世界网络的随机易感 - 暴露 - 传染 - 去除（SEIR）流行病模型的动态变体，数值和分析地研究通过异质群体传播感染的动态特性。该模型包括通常表征传染性疾病的主要现实参数，例如感染力，潜伏期和感染时间。只要潜伏时间仍然小于感染时间，受感染个体的比例随时间呈指数增长，否则会出现振荡行为。这可以解释健康预防服务观察到的周期性行为。还表明，如果调查期与感染的特征时间不完全一致，则定期流行病学调查会高估或低估感染的动态。进一步讨论了该模型中涉及的扩散和松弛过程，以及它们与感染特征时间的关系。
典型的物理博士入学标准限制了代表不足群体的进入，但不能预测博士完成情况和一些其他信息
原文标题： Typical Physics PhD Admissions Criteria Limit Access to Underrepresented Groups but Fail to Predict Doctoral Completion, including some additional information
地址： http://arxiv.org/abs/1906.11618
作者： Casey W. Miller, Benjamin M. Zwickl, Julie R. Posselt, Rachel T. Silvestrini, Theodore Hodapp
摘要： 这项工作旨在了解物理学中使用的典型录取标准对于确定完成博士学位的学生的有效性。通过对样本的多元统计分析，其中包括大约八分之一的2000至2010年进入物理博士课程的学生，我们发现本科GPA和研究生记录考试（GRE）定量，语言和物理学科的传统招生指标测试不能预测美国物理学研究生课程的完成情况，其效果通常由招生委员会承担。我们发现只有本科GPA才能在所有研究模型中与物理博士学位完成有统计学意义的关联。在没有模型的情况下，GRE Physics或GRE Verbal预测博士学位完成。 GRE定量评分与所研究的四种模型中的两种具有统计学上显著的关系。然而，在实践中，完成博士学位的概率在物理专业的美国考生中排名第10和第90百分位的学生变化不到10个百分点。注意到GRE分数中存在显著的种族，性别和公民身份差异，这些研究结果表明，在典型的博士招生过程中严重依赖这些考试成绩，对于增加物理学的获取，多样性和公平性具有威慑作用。滥用GRE分数可以选择针对已经不足的群体和美国公民，他们的工具无法有效预测博士学位完成情况。
生活（或至少是社会经济方面）只是旋转和博弈？
原文标题： Is Life (or at least socio-economic aspects of it) just Spin and Games?
地址： http://arxiv.org/abs/1906.11683
作者： Shakti N. Menon, V. Sasidevan, Sitabhra Sinha
摘要： 试图用物理学中的概念和思想来解释不同的社会和经济现象的企业有着悠久的历史。特别是统计力学经常被视为最有可能提供实现这一目标的手段，因为它为描述包含大量相互作用实体的系统的集体行为提供了清晰而具体的框架。近年来，一些物理学家试图利用这些工具来揭示过多的社会经济现象背后的机制。这些努力促使他们发展社区认同 - 他们的学术企业被一些人称为“经济物理学”。然而，这一领域的出现也暴露了几条学术断层。社会科学家经常将物理学启发的模型（例如涉及相互旋转的模型）视为经验现象的过度简化。与此同时，虽然理性代理人的模型在战略上基于完整的信息做出选择以最大化其效用，但在经济学中常用，许多物理学家认为它们是现实的漫画。我们在这里表明，虽然这些对比方法似乎不可调和，但实际上它们之间存在许多相似之处和类比。此外，我们建议可能需要一种新的统计力学公式，以便将博弈论形式主义完整地映射到统计物理学框架。这可能确实是经济物理学最重要的贡献。
小冲击变换：一种用于识别社会技术时间序列中局部机制驱动动力学的分解方法
原文标题： The shocklet transform: A decomposition method for the identification of local, mechanism-driven dynamics in sociotechnical time series
地址： http://arxiv.org/abs/1906.11710
作者： David Rushing Dewhurst, Thayer Alshaabi, Dilan Kiley, Michael V. Arnold, Joshua R. Minot, Christopher M. Danforth, Peter Sheridan Dodds
摘要： 我们引入了一种无监督模式识别算法，称为离散小冲击变换（DST），通过该算法可以提取时间序列的局部动态。假设由基础确定性机制生成的时间序列与纯随机空模型具有显著不同的DST。我们将DST应用于社会技术数据源，在十年内推特上的一部分单词的使用频率，并展示了DST过滤高维数据和自动提取异常行为的能力。
在异构信息网络中恢复链路权重
原文标题： Link weights recovery in heterogeneous information networks
地址： http://arxiv.org/abs/1906.11727
作者： Hong-Lan Botterman, Robin Lamarche-Perrin
摘要： 社会技术系统通常由许多相互交织的网络组成，每个网络通过各种方式连接不同类型的对象（或演员）。由于这些网络是相互依赖的，因此可以利用这种纠缠结构从其他相关网络提供的信息中研究特定网络中的交互模式。因此，提出并测试了一种方法来恢复异构信息网络（HIN）中丢失或未观察到的链路的权重 - 由多种类型的实体及其关系组成的系统的抽象表示。给定HIN中的一对节点，这项工作旨在恢复到这两个节点的事件链路的确切权重，知道HIN中存在的一些其他链路。为此，由路径约束的随机游走产生的概率分布，即步行者被迫仅遵循特定的节点类型和边类型序列的随机游走，能够捕获特定语义并且通常称为元路径，被组合以线性方式以近似期望的结果。此方法足以计算任何类型节点之间的链接权重。 Twitter和书目数据的实验表明了该方法的适用性。
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。