- 信息景观的算法失真;
- 复杂社会网络中节点分类的半监督张量分解;
- 在多个时间尺度上检测链路流中的稳定社区;
- 低碳能源系统模型中输电扩展规划的启发式方法;
- 衡量众包申请工人的专业知识;
信息景观的算法失真
原文标题： Algorithmic Distortion of Informational Landscapes
地址： http://arxiv.org/abs/1907.10401
作者： Camille Roth (CAMS, CMB)
摘要： 正在越来越多地讨论算法推荐对互联网用户的自主性和自由选择的可能影响，特别是在信息呈现和交互结构方面。本文旨在以双重二分法的形式回顾和构建这一问题。第一个解决了用户的意图和行为之间的差异（1）在一些算法影响下和（2）没有它。第二个区分（1）先验信息重排和（2）后验信息排列的算法偏差。在所有情况下，我们都关注并区分算法在经验上似乎扩展了用户的认知和社会视野的情况，而不是那些他们似乎限制视野的情况。我们还建议，如果不考虑算法所依据的潜在社会过程，可能无法正确评估这些偏差。
复杂社会网络中节点分类的半监督张量分解
原文标题： Semi-Supervised Tensor Factorization for Node Classification in Complex Social Networks
地址： http://arxiv.org/abs/1907.10416
作者： Georgios Katsimpras, Georgios Paliouras
摘要： 本文提出了一种使用类标签来指导张量因子分解的方法。此外，它显示了使用所提出的方法识别在多关系网络中起特殊作用的节点的优点，例如，垃圾邮件发送者。大多数复杂系统涉及实体之间的多种关系和交互。组合来自不同关系的信息对于各种预测任务可能是至关重要的。在本文中，我们不是为每种类型的关系创建不同的预测模型，而是提出一种基于RESCAL的张量分解方法，它共同利用所有现有的关系。我们扩展RESCAL以产生半监督分解方法，该方法将分类误差项与标准因子优化过程相结合。耦合优化方法，模拟张量数据，同化所有关系中观察到的信息，同时还考虑分类性能。我们对现实世界社会网络数据的评估表明，在可用的情况下，结合监督可以使模型更准确。
在多个时间尺度上检测链路流中的稳定社区
原文标题： Detecting Stable Communities in Link Streams at Multiple Temporal Scales
地址： http://arxiv.org/abs/1907.10453
作者： Souaad Boudebza, Remy Cazabet, Omar Nouali, Faical Azouaou
摘要： 链接流在很多领域中随时间推移模型交互。在这种模式下，挑战在于有效地挖掘时间和拓扑结构。社区检测和变更点检测是分析此类不断变化的交互的最强大工具之一。在本文中，我们通过识别有意义的社区内的变化点来建立稳定的社区结构。与现有的动态社区检测算法不同，所提出的方法能够在多个时间尺度上有效地发现稳定的社区。我们测试了我们的方法在合成网络上的有效性，以及从真实社会网络中提取的高分辨率时变网络。
低碳能源系统模型中输电扩展规划的启发式方法
原文标题： Heuristics for Transmission Expansion Planning in Low-Carbon Energy System Models
地址： http://arxiv.org/abs/1907.10548
作者： Fabian Neumann, Tom Brown
摘要： 世界各国政府正计划增加可再生能源在其能源系统中的份额。新风电和太阳能发电厂的选址需要与电网规划密切配合，因此在空间和时间分辨模型中共同优化发电和输电扩展的投资是一个不可或缺但复杂的问题。特别是传输扩展规划（TEP）的考虑增加了问题的复杂性。即使功率流方程是线性化的，由于线路扩展对线路阻抗和一组离散线路扩展选项的依赖性，优化问题仍然是双线性和混合整数。虽然可以通过应用大M分离弛豫来线性化这种混合整数非线性程序（MINLP），但使用最先进的大规模能量系统模型解算器仍然很难解决所得到的MILP。因此，在本文中，我们开发了启发式算法，以在能量系统模型中结合整数传输扩展和响应线路阻抗，同时通过应用顺序线性编程（SLP）技术，松弛和离散化方法保留连续线性编程（LP）的较低计算工作量。我们将其性能与德国传输系统的政策相关案例研究的精确配方结果进行基准比较，计算时间加快，与最优总系统成本的偏差以及线路扩展的相似性。使用启发式方法，我们将联合生成和传输优化的计算时间缩短了82％，最大总系统成本偏差仅为1.5％。启发式方法与精确MINLP的最佳整数线投资密切相关，为政策相关的低碳能源系统优化模型节省了大量时间。
衡量众包应用工作者的专业知识
原文标题： Measuring the Expertise of Workers for Crowdsourcing Applications
地址： http://arxiv.org/abs/1907.10588
作者： Jean-Christophe Dubois (DRUID), Laetitia Gros, Mouloud Kharoune (DRUID), Yolande Le Gall (DRUID), Arnaud Martin (DRUID), Zoltán Miklós (DRUID), Hosna Ouni (DRUID)
摘要： 众包平台使公司能够向大量用户提出任务。工人们根据他们设法完成的任务，获得工作报酬。从人群中获得的答复质量评估仍然是这方面最重要的问题之一。已经提出了几种方法来估计人群工人的专业水平。我们提出了一种创新的专业测量方法，假设我们拥有一个数据集，并对相关项目进行客观比较。我们的方法是基于信念函数理论的四个因素的定义。我们将我们的方法与真实实验的数据集上的Fagin距离进行比较，用户必须评估某些录音的质量。然后，我们建议融合Fagin距离和我们的专业知识测量。
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。