- 通过连接对立观点来减少争议;
- 自适应流行病临界附近的网络拓扑结构;
- 标记时间点过程的深度强化学习;
- 减少将来智慧城市全局停留时间的动态车辆导航方法性能比较;
- 复杂突发动力学的分层突发模型;
- 通过智能驾驶模型模拟自行车交通：再现自行车追踪实验中观察到的交通波特征;
- 波动同步振荡器网络中的罕见滑动;
- 利用社会网络分析法检测汽车保险中的职业欺诈;
通过连接对立观点来减少争议
原文标题： Reducing Controversy by Connecting Opposing Views
地址： http://arxiv.org/abs/1611.00172
作者： Kiran Garimella, Gianmarco De Francisci Morales, Aristides Gionis, Michael Mathioudakis
摘要： 社会往往被有争议的问题所分化，这些问题使人们分裂为相反的观点。当这些问题出现在社交媒体上时，我们经常会观察到“回声室”的产生，即志趣相投的人强化彼此的意见，但不会暴露于对方的意见。在本文中，我们研究了桥接这些室的算法技术，从而减少了争议。具体来说，我们用一个背书图表来讨论一个有争议的问题，并将我们的问题作为该图上的边推荐问题。该建议的目标是减少图表的争议分数，该分数是根据最近开发的基于随机游走的度量标准衡量的。同时，我们考虑了建议边的接受概率，这代表边在背书图中可能出现的可能性。我们基于最近开发的用户级争议评分提出了一个简单的模型，它与最先进的链路预测算法相竞争。因此，我们的目标是在预期中寻找产生争议评分最大降低的边。为了解决这个问题，我们提出了一种高效的算法，它只考虑可能边的所有组合的一部分。实验结果表明，我们的算法比简单的贪婪启发式算法更高效，同时产生可比的分数降低。最后，与其他最先进的边加法算法的比较表明，这个问题与文献中研究的问题有根本的不同。
自适应流行病临界附近的网络拓扑结构
原文标题： Network topology near criticality in adaptive epidemics
地址： http://arxiv.org/abs/1805.09358
作者： Leonhard Horstmeyer, Christian Kuehn, Stefan Thurner
摘要： 我们研究了协同演化易感染易感（SIS）网络模型沿适应性网络相变的结构变化。我们澄清了这些变化在多大程度上可以用作在网络崩溃和系统解体的临界感染率$ \ lambda_c $下过渡的早期预警信号。我们分析拓扑和临界状态附近的节点状态动态之间的相互作用。一些网络措施表现出接近临界阈值的明显最大值或最小值，可能可以作为早期预警信号。这些措施包括$ SI $链接密度，三重密度，聚类，协调性和特征值差距。对于$ SI $链接密度和三重密度的最大值来源于两个幂定律的共存。其他网络数量（如度数，分支比率或谐波平均距离）显示的尺度比例为$ \ lambda = 0 $，而不是$ \ lambda_c $，这意味着它们无法检测到转换。
标记时间点过程的深度强化学习
原文标题： Deep Reinforcement Learning of Marked Temporal Point Processes
地址： http://arxiv.org/abs/1805.09360
作者： Utkarsh Upadhyay, Abir De, Manuel Gomez-Rodriguez
摘要： 在各种应用中，人们通过连续时间的异步随机离散事件与复杂环境进行交互。我们可以设计在线干预措施，以帮助人类在这种异步设置中实现特定目标吗？在本文中，我们从标记时间点过程的深度强化学习的角度来解决上述问题，其中代理所采取的动作以及它从环境接收到的反馈都是使用标记的时间点过程表征的异步随机离散事件。为此，我们使用相应过程的强度和标记分布来定义代理的策略，然后导出一个灵活的策略梯度方法，该方法将代理的行为和它接收到的反馈嵌入到使用深度递归神经网络的实值向量中。我们的方法没有对反馈的强度和标记分布的功能形式做出任何假设，并且允许任意复杂的奖励函数。我们将我们的方法应用于个性化教学和病毒式营销中的两种不同应用，并且使用从Duolingo和Twitter收集的数据，我们表明它可以找到干预措施来帮助学习者和营销人员比替代方案更有效地实现其目标。
减少将来智慧城市全局停留时间的动态车辆导航方法性能比较
原文标题： Performance comparison of dynamic vehicle routing methods for minimizing the global dwell time in upcoming smart cities
地址： http://arxiv.org/abs/1805.09414
作者： Tim Vranken, Benjamin Sliwa, Christian Wietfeld, Michael Schreckenberg
摘要： 城市场景中的交通拥堵通常是由与街道拓扑和道路基础设施相关的瓶颈引起的，例如，交通信号灯和车道合并。通过构建额外的街道来扩大道路通行能力，静态地解决交通流量优化问题，即将到来的智能城市将利用现代通信技术的可用性来动态地改变单个交通工具的移动行为。总体目标是最大限度地减少道路网络内车辆的总停留时间。在本文中，我们将比较不同的用于动态车辆路径的瓶颈感知方法。作为一个现实的评估方案，杜塞尔多夫市内的城市是模型化的，车辆的流动行为是基于真实交通流量数据来表示的。仿真结果表明，考虑到路由方法中的瓶颈，平均出行时间减少了23％左右。基于这些结果，创建了一种新的路由方法，进一步将平均旅行时间缩短了大约10％。模拟进一步表明，大部分时间内部城市动态车道的实施只会将交通拥堵转移到后续瓶颈，而不会缩短出行时间。
复杂突发动力学的分层突发模型
原文标题： Hierarchical burst model for complex bursty dynamics
地址： http://arxiv.org/abs/1805.09554
作者： Byoung-Hwa Lee, Woo-Sung Jung, Hang-Hyun Jo
摘要： 在各种自然现象和社会现象中观察到的时间不均匀性通常用衰减指数$ \ gamma $的自相关函数中的尺度行为来表征，具有幂律指数$ \ alpha $的事件间时间分布以及突发尺寸分布。在此，间隔时间被定义为事件序列中的两个连续事件之间的时间间隔，并且突发大小表示针对给定时间窗检测到的突发列车中的事件的数量。为了理解这种时间尺度行为意味着分层的时间结构，我们通过假设每个观察到的事件可能是多层次因果关系或决策过程的结果来设计分层突发模型。通过分析和数值研究我们的模型，我们确定了不相关的事件间时间建立的比例关系$ \ alpha + \ gamma = 2 $，尽管intervent时间之间存在相关性。间隔时间之间的这种相关性由伸展的指数突发量分布支持，为此我们提供分析论证。另外，通过给事件排序施加条件，我们在自相关函数中观察到对数周期行为的另一个特征。我们用于分层时间结构的建模方法可以帮助我们更好地理解显示时间尺度行为的复杂突发动态背后的潜在机制。
通过智能驾驶模型模拟自行车交通：再现自行车追踪实验中观察到的交通波特征
原文标题： Simulating bicycle traffic by the Intelligent-Driver Model -- reproducing the traffic-wave characteristics observed in a bicycle-following experiment
地址： http://arxiv.org/abs/1805.09592
作者： Valentina Kurtc, Martin Treiber
摘要： 直到最近，自行车交通运营变得越来越重要，但在交通流量社区中却基本被忽视。我们假设车辆和自行车交通流动态之间没有质的差别，所以后者可以通过重新参数化的跟车模型来描述。为了测试这个命题，我们使用智能驱动模型在一个环上重现了自行车实验，并将其拟合质量（校准）和预测能力（验证）与专为自行车流量设计的必要 - 减速模型进行比较。我们发现两个模型都有类似的质量指标，所以上述定性等价假设不能被拒绝。
波动同步振荡器网络中的罕见滑动
原文标题： Rare slips in fluctuating synchronized oscillator networks
地址： http://arxiv.org/abs/1805.09718
作者： Jason Hindes, Ira B. Schwartz
摘要： 我们研究了同步Kuramoto振荡器网络中由于噪声引起的罕见相位滑移。在小噪声极限中，我们证明了滑动通过大的波动发生到鞍座锁相状态。对于树形拓扑，在鞍形节点分叉处断开的子图之间出现滑动，其中锁相状态一般会失去稳定性。具有几个示例的稀疏网络对此模式进行了演示。比例法则是根据不同的树形拓扑进行导出和比较的。另一方面，对于密集网络，在频率分布的边上的振荡器之间发生滑动。如果分布是离散的，则发生大波动的概率指数与系统大小成线性比例关系。然而，如果分布是连续的，那么在大的网络限制中概率是不变的，因为个体振荡器波动到鞍形，而所有其他的都是固定的。在后一种情况下，网络的一致性大致保持不变。
利用社会网络分析法检测汽车保险中的职业欺诈
原文标题： The detection of professional fraud in automobile insurance using social network analysis
地址： http://arxiv.org/abs/1805.09741
作者： Arezo Bodaghi, Babak Teimourpour
摘要： 汽车保险欺诈是保险公司面临的主要挑战之一。这种形式的欺诈行为是通过团体合作发生的机会主义或专业行为，导致更大的经济损失，而迄今为止提出的大多数方法都不适合标记这些群体。文章提出了一种识别，表示和分析汽车保险中有组织欺诈团体的新方法，重点是网络的结构方面，尤其是循环方面，以显示潜在的欺诈行为。通过应用周期检测算法（同时使用DFS和BFS树）检测到可疑群体，之后对可疑成分的欺诈概率进行了调查，以揭示具有最大可能性的欺诈团体，并对他们的评论进行了优先排序。伊朗保险公司的实际数据用于评估所提供的方法。结果，与先前找到这种组的方法相比，循环的检测不仅效率更高，准确，而且耗时更少。
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。