- 开放式演化与Web服务新颖性机制;
- PyTorch-BigGraph：大规模图嵌入系统;
- 复杂网络中混合意见动态的平均复制者投票模型;
- 网络社会系统：建模、推理和优化设计;
- 基于扩散的推荐系统的可预测性;
- Heider平衡和镜像自我;
- 利用基于CDR的社会网络预测复杂的用户行为;
开放式演化与Web服务新颖性机制
原文标题： Open-ended Evolution and a Mechanism of Novelties in Web Services
地址： http://arxiv.org/abs/1903.12178
作者： Takashi Ikegami, Yasuhiro Hashimoto, Mizuki Oka
摘要： 类似于自然界中的生态系统，网络服务形成了一个由许多标签及其相关媒体组成的人工生态系统，例如人类用户创建的照片，电影和网页。关于生物生态系统，我们将标签视为物种，将人类视为隐藏的环境资源。我们随后分析了关于新标签的自组织的Web服务，特别是社交标签系统的演变。新标签组合的演变被分析为开放式演化（OEE）指数。标签含义由关联标签的类型计算;暂时存在变化意义的标签。我们认为这样的标签是OEE的例子。
PyTorch-BigGraph：大规模图嵌入系统
原文标题： PyTorch-BigGraph: A Large-scale Graph Embedding System
地址： http://arxiv.org/abs/1903.12287
作者： Adam Lerer, Ledell Wu, Jiajun Shen, Timothee Lacroix, Luca Wehrstedt, Abhijit Bose, Alex Peysakhovich
摘要： 图嵌入方法从图中产生无监督的节点特征，然后可以用于各种机器学习任务。现代图，特别是在工业应用中，包含数十亿个节点和数万亿个边，这超出了现有嵌入系统的能力。我们提出了PyTorch-BigGraph（PBG），这是一种嵌入系统，它对传统的多关系嵌入系统进行了多次修改，使其能够扩展到具有数十亿个节点和数万亿边的图。PBG使用图分区来在单个机器或分布式环境中训练任意大的嵌入。我们在通用基准测试中展示了与现有嵌入系统相当的性能，同时允许在多台机器上扩展到任意大的图和并行化。我们在几个大型社会网络图以及完整的Freebase数据集上训练和评估嵌入，其中包含超过1亿个节点和20亿个边。
复杂网络中混合意见动态的平均复制者投票模型
原文标题： Averager-copier-voter models for hybrid opinion dynamics in complex networks
地址： http://arxiv.org/abs/1903.12329
作者： Mengran Xue, Sandip Roy
摘要： 介绍了复杂多智能体网络中观点动态的混合模型，其中一些连续值代理平均邻居的意见来更新自己的，而其他离散值代理使用随机复制和投票协议。对模型进行了统计和图论分析，并且只要网络矩阵是遍历的，就会显示出共识。此外，就网络图和不同类型的代理的分布而言，表征了共识所需的时间。
网络社会系统：建模、推理和优化设计
原文标题： Cyber-Social Systems: Modeling, Inference, and Optimal Design
地址： http://arxiv.org/abs/1903.12371
作者： Mohammadreza Doostmohammadian, Hamid R. Rabiee, Usman A. Khan
摘要： 本文将网络社会系统建模为监控社会网络中个人状态的代理人的网络网络。每个人的状态由社交节点表示，个人之间的交互由社交链接表示。在网络网络中，每个节点代表一个代理，链接代表代理之间的信息共享。代理人观察社会状态并进行分布式推理。在这个方向上，这项工作的贡献有三个：（i）提出了一种新的分布式推理协议，它不对基础社会系统的等级做出假设。这很重要，因为文献中的大多数协议仅适用于全秩系统。 （ii）开发了一种新的代理分类，其中显示了每种类型的网络连接要求不同。这对于找到最小数量的观测和网络网络的最小连通性作为下一个贡献尤为重要。 （iii）解决了具有分布式可观察性的网络 - 网络约束的成本优化设计。这个问题被细分为传感成本优化和网络成本优化，其中两者都声称是NP难的。我们为某些类型的社会网络解决了这两个问题，并找到了多项式阶解。
基于扩散的推荐系统的可预测性
原文标题： Predictability of diffusion-based recommender systems
地址： http://arxiv.org/abs/1903.12388
作者： Peng Zhang, Leyang Xue, An Zeng
摘要： 基于网络扩散的推荐方法已被证明在推荐准确性和多样性方面表现良好。现在，已经进行了许多扩展以进一步改进这些方法的性能。但是，基于扩散的算法在多大程度上可以预测项目仍然缺乏理解。在这里，我们主要提出一种量化基于扩散的算法的可预测性的方法。因此，我们对Movielens和Netflix数据集进行了实验。结果表明，通过优化密度网络上的资源分配方式，仍然可以实现基于扩散算法的更高推荐精度。在稀疏网络上，由于基于扩散的方法的当前准确度非常接近其可预测性，因此提高准确度的可能性相对较低。在这种情况下，我们发现通过多步扩散可以显著提高可预测性，特别是对于历史信息较少的用户。与普遍看法相反，有可能的情况是，基于扩散的方法的较高可预测性与具有更多历史记录的用户不对应。因此，我们提出了扩散覆盖度和项目平均度来解释这种现象。此外，我们证明在实际在线系统中的推荐准确性被文献中使用的随机分区高估，这表明在实际在线系统中的推荐可能是一项更难的任务。
Heider平衡和镜像自我
原文标题： The Heider balance and the looking-glass self
地址： http://arxiv.org/abs/1903.12464
作者： Malgorzata J. Krawczyk, Maciej Woloszyn, Piotr Gronek, Krzysztof Kulakowski, Janusz Mucha
摘要： 我们考虑人际关系的动态，这导致完全连接的网络中的平衡状态。这种方法适用于具有不对称关系的有向网络，并且根据“镜像自我”理论，它被推广到包括演员的自我评估。提出了一种新的自我接纳指数：如果一个行为者与他人的积极关系得到回报，那么他/她自己的关系就是积极的。在动态下获得了一组稳定的关系配置，其中一些参与者的自我评价是否定的。在每个集合中，所有配置具有相同的结构。
利用基于CDR的社会网络预测复杂的用户行为
原文标题： Predicting complex user behavior from CDR based social networks
地址： http://arxiv.org/abs/1903.12579
作者： Casey Doyle, Zala Herga, Stephen Dipple, Boleslaw K. Szymanski, Gyorgy Korniss, Dunja Mladenic
摘要： 呼叫详细记录（CDR）数据集提供有关个人交互的足够信息，以支持构建和分析详细的经验社会网络。我们采用一个这样的数据集，并描述了使用它创建一个真正的社会网络的各种方法，尽管高度嘈杂的数据源。我们使用生成的网络来预测每个人违反网络服务付款的可能性，这是一种涉及社会，经济和法律考虑因素的复杂行为。我们使用从网络中提取的大量功能来构建模型，以预测哪些用户将默认。通过分析特征的相对贡献，我们选择尺寸从小到中的最佳性能子集。基于用户维护的紧密关系数量的特征比从用户的地理位置得到的特征执行得更好。论文的贡献包括系统影响分析，即呼叫截断的数量对从CDR派生的网络属性的影响，以及通过创建大量不同特征并系统地选择最终表现最佳的特征来构建复杂行为模型的方法。模型。
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。