- 几何非同质随机图的Bootstrap渗流;
- 建模地面路线网络以了解政体间的相互作用（伊特鲁里亚南部，公元前950-500）;
- 集体注意力的消退塑造了语言变体的演变;
- 选举取证：选举舞弊检测的定量方法;
- 竞争复杂传染过程中的共识与极化;
- 线性流网络中链路故障的非局部影响;
- 话语平等：迈向众包的前K建议的公平表征;
- 方形和三角形格网上演化博弈的几何结构;
- 美国语言地图的统计物理;
- 在网络上学习二次博弈;
- 提取MOOC论坛的资源提及;
几何非同质随机图的Bootstrap渗流
原文标题： Bootstrap percolation on geometric inhomogeneous random graphs
地址： http://arxiv.org/abs/1603.02057
作者： Christoph Koch, Johannes Lengler
摘要： 几何非同质随机图（GIRG）是具有基础几何的无标度网络的模型。我们研究了这些图上的自助渗透，这是一个模拟从（小）局部区域内开始的顶点感染扩散的过程。我们表明，该过程在该区域的初始感染率方面表现出相变。我们在超临界情况下确定过程的速度，直到低阶项，并表明它的演变从根本上受到基础几何的影响。对于具有给定位置和预期程度的顶点，我们确定感染时间直至低阶项。最后，我们通过从图中删除相对较少的边来展示如何使用这些知识来局部控制感染。这是第一次在几何无标度网络上数学分析几何体在自举渗流中的作用。
建模地面路线网络以了解政体间的相互作用（伊特鲁里亚南部，公元前950-500）
原文标题： Modelling terrestrial route networks to understand inter-polity interactions (southern Etruria, 950-500 BC)
地址： http://arxiv.org/abs/1612.09321
作者： Luce Prignano, Ignacio Morer, Francesca Fulminante, Sergi Lozano
摘要： 古代区域路线对于允许定居点之间的相互作用至关重要，并深刻影响了过去社会的发展及其复杂化。同时，由于任何交通基础设施都需要建立一定程度的内部结算合作，它们可以被视为区域范围内社会互动的附带现象。在这里，我们建议分析古代的通路网，以了解位于某个地区的城市和村庄的组织，试图澄清这种组织是否存在以及它是如何运作的。为了解决这个问题，我们选择了一种定量方法。采用网络科学作为一般框架，通过正式模型，我们试图揭示产生地面基础设施的集体努力是如何有向和组织的。我们选择了一个范例案例研究：铁器时代南部伊特鲁里亚，这是一个非常好的研究环境，详细的考古信息有关沉降模式和陆地运输路线的既定传统研究，非常适合测试新技术。建模结果表明，平衡的协调决策过程正在塑造伊特鲁里亚的航线网络，这种情景非常适合不同学者阐述的情况。
集体注意力的消退塑造了语言变体的演变
原文标题： Fading of collective attention shapes the evolution of linguistic variants
地址： http://arxiv.org/abs/1811.08465
作者： Diego E Shalom, Gabriel Mindlin, Marcos A Trevisan
摘要： 语言变化涉及替代语言形式之间的竞争（1）。值得注意的是，西班牙语过去的虚拟语气有两个完全等价的变体，以-ra或-se（2）结尾;例如，在“如果我在那里”的句子中，动词可以平等地翻译成estuviera或estuviese。在中世纪开始的第一次自发过程中，形式-ra从指示性迁移到虚拟式，取代原始形式（3-5）。第二个时期始于1713年皇家西班牙学院的创建，该学院制定了一个全球标准化流程，强制执行官方拼写-ra和-se作为完全可互换的变体（6）。从大量书籍中提取的时间序列（7）表明，这种标准化在衰退的旧形式中产生了一种推动作用 - 最终逐渐消失，留下了-ra作为当前时代的主导形式。时间序列通过低维模型成功拟合，该模型整合了两个基本的集体行为：模仿成分，以及集体关注机构监管的消退。我们表明集体注意力消失的自然尺度与动词的使用频率成反比。
选举取证：选举舞弊检测的定量方法
原文标题： Election Forensics: quantitative methods for electoral fraud detection
地址： http://arxiv.org/abs/1811.08502
作者： Lucas Lacasa, Juan Fernández-Gracia
摘要： 过去十年见证了计算能力的爆炸性增长以及对大量数据（即所谓的大数据范例）的访问的并行增加，这使得能够开发支持复杂情景的描述，理解和控制的全新定量策略。一个有趣的应用领域涉及从在线数据中进行欺诈检测，更具体地说，从选举活动的大量数字指纹中提取有意义的信息，以便及时检测欺诈行为的证据。在这篇短文中，我们讨论了近年来在这方面出现的一些定量方法，它们共同构成了选举取证的新生跨学科领域。
竞争复杂传染过程中的共识与极化
原文标题： Consensus and Polarization in Competing Complex Contagion Processes
地址： http://arxiv.org/abs/1811.08525
作者： Flávio L. Pinheiro, Vítor V. Vasconcelos, Simon A. Levin
摘要： 在许多情况下，新信息的采用率取决于多种来源的强化，其方式无法通过简单的传染过程来描述。在这种情况下，传染被认为是复杂的。这已经在人类行为，创新和知识的传播中被发现。基于该证据，我们提出了一种考虑多重，潜在不对称和竞争传染过程的新模型，并分析其各自的人口范围的复杂传染动力学。我们证明了该模型跨越了一个动态空间，在这个空间中，人口呈现出两极分化，共识和支配的模式，这是一个更加丰富的动态环境，与单一的简单传染过程形成鲜明对比。我们发现这些模式存在于不同的人口结构中。我们表明，结构化的相互作用通过减少极化的方式来增加优势制度的范围。最后，我们表明外部代理人设计播种策略，以优化社会影响力，可以显著改变观点支配地位的协调门槛，而在剩余的动态区域则相当无效。
线性流网络中链路故障的非局部影响
原文标题： Non-Local Impact of Link Failures in Linear Flow Networks
地址： http://arxiv.org/abs/1811.08683
作者： Julius Strake, Franz Kaiser, Farnaz Basiri, Henrik Ronellenfitsch, Dirk Witthaut
摘要： 单个链路的故障会降低供电网络的运行直至完全崩溃。然而，网络拓扑与对这种损害的响应的位置之间的相互作用却知之甚少。在这里，我们研究拓扑如何影响线性流网络中单个链路故障后流量的重新分配，特别关注电网。特别地，我们分析了链路故障后流量随距离变化的衰减，并将其映射到电偶极子的场，用于格子状网络。相应的平方反比定律表示适用于所有规则的倾斜。对于稀疏网络，可以找到远程响应。在更逼真的拓扑结构中，我们引入了一个重新路由距离，它可以比传统的测地距离更好地捕获流量变化的衰减。最后，我们能够根据我们通过大量数值模拟验证的任意拓扑的衰减强度得出严格的界限。我们的结果表明，基于纯粹的拓扑测量，可以在很大程度上预测链路故障后的流量重新路由，并且这些影响通常随着与故障链路的距离而衰减。它们可能用于预测供电网络中容易出现故障的链路，例如电网，从而有助于构建提供更稳健可靠电源的电网。
话语平等：迈向众包的前K建议的公平表征
原文标题： Equality of Voice: Towards Fair Representation in Crowdsourced Top-K Recommendations
地址： http://arxiv.org/abs/1811.08690
作者： Abhijnan Chakraborty, Gourab K Patro, Niloy Ganguly, Krishna P. Gummadi, Patrick Loiseau
摘要： 为了帮助用户在特定时间发现重要项目，Twitter，Yelp，TripAdvisor或NYTimes等主要网站提供了Top-K建议（例如，10个趋势主题，巴黎前5家酒店或10个最受欢迎的新闻故事），这些建议依赖于关于众包流行度信号以选择项目。然而，人群的不同部分可能具有不同的偏好，并且存在大量沉默的大多数人没有明确表达他们的意见。此外，人群通常由机器人，如机器人，垃圾邮件发送者或运行精心策划的活动的人组成。今天的推荐算法在很大程度上不考虑这些细微差别，因此很容易受到小型但超活跃用户群的战略操纵。为了在推荐前K项时公平地汇总所有用户的偏好，我们借鉴先前关于社会选择理论的研究的想法，并确定一种称为单一可转让投票（STV）的投票机制，因为它具有我们希望的许多公平性属性。 K项目选举。我们开发了一种创新机制来归因于沉默多数的偏好，这也使STV完全可操作。我们通过在两个不同的真实数据集上实现它来展示我们方法的普遍性。通过广泛的实验和与最先进技术的比较，我们表明我们提出的方法提供了最大的用户满意度，并大大减少了大多数用户不喜欢但过度积极推广的项目。
方形和三角形格网上演化博弈的几何结构
原文标题： On the geometric structures in evolutionary games on square and triangular lattices
地址： http://arxiv.org/abs/1811.08784
作者： Evgeni Burovski, Aleksandr Malyutin, Lev Shchur
摘要： 我们研究了一个空间演化博弈的模型，该模型基于囚徒对两个规则的球员安排的困境，在正方形格子和三角形格子上。我们分析了从不规则的随机初始配置演变而来的玩家的稳态分布。我们发现正方形和三角形晶格之间存在显著差异，并且我们表征出现在三角形晶格上的几何结构。
美国语言地图的统计物理
原文标题： Statistical Physics of Language Maps in the USA
地址： http://arxiv.org/abs/1811.08788
作者： James Burridge, Bert Vaux, Michal Gnacik, Yoana Grudeva
摘要： 空间语言学调查经常揭示明确定义的地理区域，其中某些语言形式占其替代品的主导地位。已经提出，可以通过类似于二维物理系统的模型中的粗化来理解这些模式。在这里，我们通过比较剑桥在线世界英语调查的数据与具有长程相互作用的广义零温度波茨模型的行为来研究这种联系。语言相似的人口中心的相对位移表明东西方亲和力增强。聚类分析揭示了三个不同的语言区域。我们发现，当通过沿东西轴拉伸使相互作用核变为各向异性时，该模型可以为所测试的所有相互作用参数再现三个语言区。模型结果与一些语言学家持有的观点是一致的，即在美国，语言使用在东西轴线上或者已经在更大程度上交换或传播，而不是南北。
在网络上学习二次博弈
原文标题： Learning Quadratic Games on Networks
地址： http://arxiv.org/abs/1811.08790
作者： Yan Leng, Xiaowen Dong, Alex Pentland
摘要： 个人或组织在广泛的实际情况中彼此合作或相互竞争。这种战略互动可以被建模为在网络上玩的博弈，其中个人的收益不仅取决于她的行为而且取决于她的邻居的行为。当前的文献主要集中在分析网络博弈的特征，在这种情况下，由图表示的网络结构是事先已知的。然而，通常的情况是，在潜在的交互网络保持隐藏的同时，可以容易地观察到玩家的动作。在本文中，我们提出了两个新的学习框架，从个人行为的观察，线性二次支付的网络博弈，特别是交互网络的结构。我们的框架基于此类博弈的纳什均衡，并涉及为图结构和个体边际效益解决联合优化问题。我们在合成环境中测试所提出的框架，并进一步研究影响其学习成绩的几个因素。此外，通过对三个真实世界示例的实验，我们表明我们的方法可以比基线更有效，更准确地学习博弈。所提出的方法是用于学习二次博弈的第一种方法，并且对于理解网络环境中的战略交互具有理论和实践意义。
提取MOOC论坛的资源提及
原文标题： Resource Mention Extraction for MOOC Discussion Forums
地址： http://arxiv.org/abs/1811.08853
作者： Ya-Hui An, Liangming Pan, Min-Yen Kan, Qiang Dong, Yan Fu
摘要： 在MOOC讨论论坛上的讨论中，对在线学习资源的引用往往至关重要。他们将讨论情境化，锚定讨论参与者对问题的陈述及其理解。但是，它们通常在自由文本中提及，没有适当的超链接到其关联的资源。自动学习资源提及超链接和分类将有助于在MOOC论坛中进行讨论和搜索，并且还有利于跨不同视图的这些资源的上下文化。我们提出了在MOOC论坛中学习资源提及识别的新问题。由于这是一项没有公开数据的新任务，我们首先提供一个大型标记数据集，称为论坛资源提取（FoRM）数据集，以促进我们当前的研究和未来对此任务的研究。然后，我们将此任务表示为序列标记问题，并研究解决方案体系结构以解决该问题。重要的是，我们确定了阻碍序列标记模型应用于任务的两个主要挑战：（1）资源提及表达的多样性，以及（2）远程上下文依赖性。我们通过将字符级和线程上下文信息合并到LSTM-CRF模型中来解决这些挑战。首先，我们引入了一个字符编码器来解决由提及表达式的多样性引起的词汇外问题。其次，为了解决上下文依赖性挑战，我们使用基于RNN的上下文编码器对线程上下文进行编码，并应用注意机制以在序列标记期间选择性地利用有用的上下文信息。对FoRM的实验表明，所提出的方法显著改善了基线深度序列标记模型，显著改善了例证两个挑战的实例的性能。
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。