- 热力学神经网络;
- 新闻评论中的个人信息共享幂律公共物品博弈;
- 立法有效性悬而未决：通过划分符号网络来研究平衡和两极分化;
- 利用NLP解决在线滥用的公正综合策略;
- 隔间投票模型;
- 行业空间风险投资策略的时间演变;
- MEDEAS-用于研究能量转换的世界模型校准;
- 对话语言很复杂;
- 对负责任的精英进行建模;
- GOT：图比较的最优传输框架;
热力学神经网络
原文标题： Thermodynamic Neural Network
地址： http://arxiv.org/abs/1906.01678
作者： Todd Hylton
摘要： 这项工作描述了一个热力学驱动的神经网络模型，该模型在与热浴接触时自组织运输与内部和外部电位相关的电荷。隔离网络显示多尺度动态和相变的证据，外部驱动网络演变为有效连接外部正负电位。该模型实现了节点状态的快速，全局，可逆，保守平衡的技术，随后是边状态的缓慢，局部，不可逆，耗散的自适应，作为创建多尺度顺序的手段。网络中的所有交互都是本地的，网络结构可以是通用的和经常性的。该模型集成了波动，耗散，适应和平衡的概念，并提供了开放系统中组织的热力学演化的例证。这项工作的关键结论是，保守物理量的消散可以推动开放式热力学系统的自组织。
新闻评论中的个人信息共享幂律公共物品博弈
原文标题： Power Law Public Goods Game for Personal Information Sharing in News Comments
地址： http://arxiv.org/abs/1906.01677
作者： Christopher Griffin, Sarah Rajtmajer Anna Squicciarini Prasana Umar
摘要： 我们在在线评论论坛中提出用户共享的公共产品博弈模型。特别是，我们假设共享个人信息的用户会产生信息成本，但会从更广泛的社交互动中获益。 Freeloaders受益于相同的社交互动但不共享个人信息。由此产生的公共产品结构在理论上和经验上都得到了分析。特别是，我们证明了所提出的博弈总是具有均衡性，并且我们为纯策略均衡提供了充分的条件。这些对应于总是以相同方式行事的用户，共享或隐藏个人信息。我们对相关数据集进行了实证分析，表明我们的模型参数可以拟合，并且所提出的模型具有比相应的零（线性）行为模型更好的解释力。
立法有效性悬而未决：通过划分符号网络来研究平衡和两极分化
原文标题： Legislative effectiveness hangs in the balance: Studying balance and polarization through partitioning signed networks
地址： http://arxiv.org/abs/1906.01696
作者： Samin Aref, Zachary Neal
摘要： 在美国国会过去几十年中，引入的法案最终成为法律的比例有所下降。立法效力的下降与政治两极化水平的上升同时发生，其中协调主要发生在群体之间，而群体之间通常由政党关系来定义。然而，部分由于衡量政治两极化的挑战，有效性与两极分化之间的联系尚不清楚。在本文中，我们有两个目标。在方法论上，我们提出了一种识别符号网络中反对联盟的通用方法。实质上，我们从1979年开始在美国国会中使用这种联盟的党派关系来研究两极分化对票据通过率的影响。根据美国国会使用的立法程序，当控制方持有较大多数票时，可能会预期商会的票据更有可能成为法律。然而，我们表明，通过议会最大联盟的党派关系可以更好地解释票据通过率的变化，我们通过将已签署的立法者网络划分为两个相互对立但内部有凝聚力的团体来识别。
利用NLP解决在线滥用的公正综合策略
原文标题： A Just and Comprehensive Strategy for Using NLP to Address Online Abuse
地址： http://arxiv.org/abs/1906.01738
作者： David Jurgens, Eshwar Chandrasekharan, Libby Hemphill
摘要： 在线滥用行为影响了数百万人，NLP社区试图通过开发检测滥用的技术来缓解这一问题。然而，目前的方法主要侧重于对滥用的狭隘定义，以损害寻求验证和解决方案的受害者。在这份立场文件中，我们认为社区需要做出三个实质性的改变：（1）扩大我们的问题范围，以解决更微妙和更严重的滥用形式;（2）开发反制或抑制滥用的主动技术危害，（3）在司法框架内重新努力，以促进健康的社区。
隔间投票模型
原文标题： Compartmental voter model
地址： http://arxiv.org/abs/1906.01842
作者： Aleksejus Kononovicius
摘要： 观点动态中的许多模型关注于单个空间单元（例如，国家）内的时间动态。虽然在单个时间点（例如，选举）经常在多个空间单元（例如，投票站）上观察到意见。这些观察的集合虽然在许多应用中非常有用，却忽略了观点中潜在的空间异质性。为了解决这个问题，我们构建了一个简单的基于主体的基于主体的模型，其中所有代理都有固定的意见，但能够更改其分区。我们证明该模型能够生成与经验数据一致的区室级别大小分布。
行业空间风险投资策略的时间演变
原文标题： The temporal evolution of venture investment strategies in sector space
地址： http://arxiv.org/abs/1906.01980
作者： Theophile Carniel, Clement Gastaud, Jean-Michel Dalle
摘要： 我们分析了创业风险融资的行业动态。基于2000年至2017年美国52000家初创企业和110000轮融资的数据集，并在行业空间应用主成分分析（PCA）和张量分量分析（TCA），我们可视化和衡量跨行业和不同时期不同类别投资者的投资策略。在过去的十年中，我们观察到早期阶段投资向行业领域的低技术领域的连贯演变，与投资集中度的显著增加以及新一类投资者称为加速器的出现有关。我们提供证据证明最近的初创企业融资转移远离前一个。
MEDEAS-用于研究能量转换的世界模型校准
原文标题： MEDEAS-World model calibration for the study of the energy transition
地址： http://arxiv.org/abs/1906.01997
作者： Gianluca Martelloni, Francesca Di Patti, Ilaria Perissi, Sara Falsini, Ugo Bardi
摘要： MEDEAS（在环境和社会经济约束下对能源开发进行建模）世界是一个新的全球聚合能源 - 经济 - 环境模型，从1995年到2050年。在这项工作中，我们测试了MEDEAS世界模型来重现IPCC（国际小组）气候变化）温室气体（温室气体）排放途径符合2 deg C全球变暖。我们在2050年之前实现了与不同情景相关的MEDEAS模型的参数优化。我们选择对直接影响排放曲线的参数进行敏感性分析，重点关注RES（可再生能源），GDP（国内生产总值）的年增长率）和年人口增长。通过这样的分析，可以推断出GDP对排放情景的巨大影响。
对话语言很复杂
原文标题： The Language of Dialogue Is Complex
地址： http://arxiv.org/abs/1906.02057
作者： Alexander Robertson, Luca Maria Aiello, Daniele Quercia
摘要： 综合复杂性（IC）是一种心理测量，可以衡量一个人识别多个视角并将其连接起来的能力，从而确定解决冲突的途径。 IC已经与各种政治，社会和个人成果联系在一起，但评估它是一个耗时的过程，需要熟练的专业人员手动评分文本，这一事实说明了在社交媒体上大规模探索IC。我们结合起来自然语言处理和机器学习，以训练IC分类模型，该模型在看不见的数据上实现最先进的性能，并且比以前的自动化方法更紧密地遵循IC编码过程的既定结构。当应用于关于抑郁和知识交流的在线论坛的400k +评论内容时，我们的模型能够复制先前工作的关键发现，从而提供了使用IC工具进行大规模社交媒体分析的第一个例子。
对负责任的精英进行建模
原文标题： Modeling Responsible Elite
地址： http://arxiv.org/abs/1906.02072
作者： Yana Tsodikova, Pavel Chebotarev, Anton Loginov, Zoya Lezina
摘要： 在ViSE（随机环境投票）模型中，我们研究了由精英社会中的集体决策决定的社会动态。该模型允许分析参与者的社会态度的影响，如自私，集体主义，游说，利他主义等，对社会及其阶层的福利。社会动态是由资本随时间的变化以及群体的形成和分离决定的。我们表明，负责任的精英的存在，部分关心自己的利益，稳定社会，消除“破坏坑”悖论。社会从拥有一个负责任的精英中获益可以与同样规模的利他集团相媲美。如果负责任的精英屈服于在其联合投票策略中大幅增加集团成分的重量的诱惑，那么其收入急剧上升，而社会收入减少。其余参与者从加入精英阶层中受益，而对于精英阶层而言，保持适度规模是有益的。如果，为了回应精英的不充分责任，一个利他主义的群体出现的数量超过了精英并成为一个新的负责任的精英，那么社会再次稳定并且以前的精英（一个“集团”）的垄断结束。如果负责任的精英与集团竞争成为第二集团，那么集团的激烈竞争对于社会来说仍然比拥有独特集团更为可取。
GOT：图比较的最优传输框架
原文标题： GOT: An Optimal Transport framework for Graph comparison
地址： http://arxiv.org/abs/1906.02085
作者： Hermina Petric Maretic, Mireille EL Gheche, Giovanni Chierchia, Pascal Frossard
摘要： 我们提出了一个基于最优传输的新框架，用于比较图的挑战性问题。具体而言，我们利用相对于图拓扑定义的平滑图信号的概率分布。这允许我们根据图拉普拉斯矩阵导出图信号分布之间的Wasserstein距离的显式表达式。这导致用于比较图的结构上有意义的度量，其能够考虑图的全局结构，而大多数其他度量仅仅独立地观察局部变化。然后，我们的度量用于制定新的图对齐问题，其目的是估计最小化两个图之间距离的置换。我们进一步提出了一种基于贝叶斯探索的有效随机算法，以适应图对齐问题的非凸性。我们最终展示了我们的新颖框架在图对齐，图分类和图信号预测等不同任务上的表现，并且我们展示了我们的方法在最先进的算法方面带来了显著的改进。
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。