Arxiv网络科学论文摘要5篇(2017-12-21)

• 基于抽样改进对介数中心性的逼近;
• 网络互补转换，对称和群集同步;
• 融合多方面的交易数据进行用户建模和人口预测;
• 含时演化网络的基于模型的含时指数族随机图模型聚类;
• 理论和应用物理是如何整合的？;

基于抽样改进对介数中心性的逼近

原文标题： Refining Approximating Betweenness Centrality Based on Samplings

地址： http://arxiv.org/abs/1608.04472

作者： Shiyu Ji, Zenghui Yan

摘要： 中介性（BC）是社会网络，网页搜索等复杂网络分析中广泛使用的重要手段。计算确切的BC值非常耗时。目前最快确切的BC确定算法由Brandes给出，对于加权图取$ 0（nm）$时间，对于加权图取$ 0（nm + n ^ 2 \ log n）$ time，其中$ n $是顶点和$ m $是图中边的数量。由于减少BC确定问题的时间复杂度非常困难，许多研究人员已经考虑过任何令人满意的BC近似算法，尤其是基于采样的算法。 Bader等人给出当前最好的BC近似算法，使用$ \ varepsilon t $ samples成功估计一个顶点的BC的概率是$ 1 / \ varepsilon $，其中$ t $是$ n ^ 2 $和顶点的BC值。然而，Bader工作中的一些算法参数还没有被紧密限制，留下了一些空间来改进他们的算法。在这个项目中，我们重新回顾了Bader算法，给出了估计的更加严格的界限，并且提高了近似算法的性能，即更少的样本和更低的因子。另一方面，Riondato提出了一种在最短路径上采样的非自适应BC近似方法。我们调查的可能性给一个自适应算法与顶点采样。经过严格的推理，我们证明了这个算法也可以给出有限的近似因子和采样次数。为了评估我们的结果，我们还使用真实世界的数据集进行了广泛的实验，发现两种算法都可以达到可接受的性能。我们验证了我们的工作可以改进具有更好参数的当前BC近似算法，即更高的成功概率，更低的因子和更少的样本。

网络互补转换，对称和群集同步

原文标题： Network-complement transitions, symmetries, and cluster synchronization

地址： http://arxiv.org/abs/1712.06613

作者： Takashi Nishikawa, Adilson E. Motter

摘要： 已知耦合振荡器的网络中的同步很大程度上取决于交互网络的谱和对称性质。在这里我们利用这个关系来研究一类网络，其中全局同步的阈值耦合强度在所有具有相同节点和链路数的网络中是最低的。定义为统一，完整和多部分（UCM）的这些网络出现在大量网络类别中的无限序列网络互补转换中，其特征在于具有用于全局同步的接近最佳阈值。我们表明，UCM网络的独特的对称结构，其设计是针对全局同步优化的，经常导致形成同步振荡器的群集，并且这样的状态可以与全局同步的状态共存。

融合多方面的交易数据进行用户建模和人口预测

原文标题： Fusing Multifaceted Transaction Data for User Modeling and Demographic Prediction

地址： http://arxiv.org/abs/1712.07230

作者： Yehezkel S. Resheff, Moni Shahar

摘要： 在许多以用户为中心的应用程序中，推断用户特征（如人口统计特征）至关重要。人口统计数据是个性化，身份安全和其他应用的推动者。尽管如此，这些数据是敏感的，往往很难获得。以前的工作表明，购买历史可用于多任务预测许多人口领域，如性别和婚姻状况。在这里我们提出了一个基于嵌入的方法来集成交易数据的多方面序列，以及辅助关系表，更好的用户建模和人口预测。

含时演化网络的基于模型的含时指数族随机图模型聚类

原文标题： Model-Based Clustering of Time-Evolving Networks through Temporal Exponential-Family Random Graph Models

地址： http://arxiv.org/abs/1712.07325

作者： Kevin H. Lee, Lingzhou Xue, David R. Hunter

摘要： 动态网络是描述时间演化复杂系统的通用语言，离散时间网络模型为各种应用提供了一种新兴的统计技术。在时间演进的网络中检测社区结构是一个基本的研究问题。然而，由于时间演化网络社区的计算困难和困难，目前的文献在时间演进网络中有效地发现社区方面进展甚微。在这项工作中，我们提出了一种基于离散时间指数族随机图模型的基于模型的时间演化网络聚类框架。为了选择社区的数量，我们使用条件可能性来构建一个有效的模型选择标准。此外，我们提出了一种有效的变分期望最大化（EM）算法来寻找网络参数和混合比例的近似最大似然估计。通过使用变分方法和小规模最大化（MM）技术，我们的方法具有吸引力的大规模时间演进网络的可扩展性。我们的方法的力量在国际贸易网络和大型美国研究型大学的合作网络的模拟研究和实证应用中得到证明。

理论和应用物理是如何整合的？

原文标题： How Integrated are Theoretical and Applied Physics?

地址： http://arxiv.org/abs/1712.07507

作者： Henrique F. de Arruda, Cesar H. Comin, Luciano da F. Costa

摘要： 目前在理论和应用导向方面的整合程度如何？这个有趣的问题，有几个相关的含义，主要是以更主观的方式来讨论的。最近的网络科学的概念和方法被用于当前的工作，以便开发一个更原则，更定量和客观的方法来衡量在APS期刊数据库中的更多的理论/应用期刊的整合和中心性，表示为有向和无向引文网络。结果表明，更多的理论和应用导向期刊之间的整合程度令人惊讶，这也是网络中非常相似的核心。

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。