- 通过手机元数据分析旅游动态和特殊事件;
- 齐夫定律，无限复杂性和开放式演化;
- 从二进制数据构建社会网络;
- 群集实现随机优化中更快的收敛;
- 关于随机块模型的普适性;
- 基于Agent的社会物理模型;
- 二部图分析可用于揭示复杂系统中的集群化;
- 认知棱镜中的社会网络;
通过手机元数据分析旅游动态和特殊事件
原文标题： Analysis of Tourism Dynamics and Special Events through Mobile Phone Metadata
地址： http://arxiv.org/abs/1610.08342
作者： Yan Leng (MIT Media Lab), Alejandro Noriega (MIT Media Lab), Alex 'Sandy' Pentland (MIT Media Lab), Ira Winder (MIT Media Lab), Nina Lutz (MIT Media Lab), Luis Alonso (MIT Media Lab)
摘要： 旅游业已成为全球经济，社会和环境日益重要的因素，占GDP和劳动力的重要份额。对旅游业的政策和研究传统上依赖于调查和经济数据集，这些数据集基于小样本，描绘的是低空间和时间粒度的旅游动态。匿名通话记录（CDR）是一种新型数据来源，在社会价值高的领域显示出巨大潜力：如流行病，贫困和城市发展。这项研究表明使用CDRs在国家和地方层面制定，分析和评估旅游战略的附加价值。在欧洲安道尔国家，我们使用CDR来评估旅游市场策略，了解游客的经历，评估旅游活动产生的收入和外部效应。我们通过提取高时空分辨率的新指标来实现这一目标，例如每个原产国的旅游流量，新游客流量，旅游重游，交通拥堵的旅游外部性，空间分布，经济影响以及游客兴趣分析。我们举例说明这些指标用于计划和评估文化节和体育比赛等高影响力旅游活动。
齐夫定律，无限复杂性和开放式演化
原文标题： Zipf's law, unbounded complexity and open-ended evolution
地址： http://arxiv.org/abs/1612.01605
作者： Bernat Corominas-Murtra, Luís Seoane, Ricard Solé
摘要： 演化论的一个主要问题是理解演化变化的所谓{开放式}性质。开放式演化（OEE）指的是复杂性的无限增加，似乎是多尺度演化的特征。这种性质似乎是生物和技术演化的一个特征，并且与组合学相关的生成潜力紧密相关，这使得系统能够扩展和扩展其可用的状态空间。已经开发了几种理论和计算方法来正确描述OEE。有趣的是，从语言到蛋白质显示OEE的许多复杂系统具有共同的统计特性：Zipf定律的存在。建立更复杂的结构所需的基本项目的给定和清单Zipf定律告诉我们，这些元素中的大多数是罕见的，而其中一些元素是非常常见的。使用算法信息论，在本文中，我们提供了开放性的基本定义，可以理解为{假设}。其基于标准香农信息论的统计对应物具有变化问题的结构，其显示导致Zipf定律作为显示OEE的演化过程的预期结果。我们通过一个OEE过程进一步探讨信息保护问题，并且我们得出结论：统计信息（标准香农信息）不被保留，导致信息内容的增加具有自我清除效应的矛盾情况。我们证明，如果我们考虑非统计形式的信息，这个悖论就解决了。这最后一个结果意味着标准信息论可能不是一个合适的理论框架来探索OEE系统中信息内容的持续性和增加。
从二进制数据构建社会网络
原文标题： Constructing Social Networks From Binary Data
地址： http://arxiv.org/abs/1806.04165
作者： Sirui Wang, Mei Wang
摘要： 许多应用的网络分析关注于研究一组代理之间的现有关系;然而，关于如何将观察到的现象表示为网络对象的考虑几乎没有给予重视。在诸如电网或运输流等物理结构的情况下，网络模型的构建相当直接，因为节点和边通常本身对应于某个物理结构。另一方面，社会网络的构建则不太明确;虽然节点可以对应于明确定义的社会代理人，例如人或人群，但在定义边应该代表的关系方面有更多的自由。本文研究从数据构建社会网络的复杂性，特别是二进制数据，适用于广泛的社会科学背景。我们在先前的文献中研究构建社会网络的几种方法，并在一个通用框架下讨论这些方法。最后，利用纽约技术专家会议的数据集，我们发现由于对基础社会关系的各种解释而产生的社会网络的不同结构可能会导致完全不同的网络结构。这些发现强调了在建立网络模型时理解精确关系的重要性。
群集实现随机优化中更快的收敛
原文标题： Swarming for Faster Convergence in Stochastic Optimization
地址： http://arxiv.org/abs/1806.04207
作者： Shi Pu, Alfredo Garcia
摘要： 我们研究了随机优化的分布式框架，该框架受到自然界中发现的集体运动模型（例如蜂拥而至）的启发，并具有温和的沟通需求。具体而言，我们分析一个方案，其中$ N> 1 $独立线程中的每一个线程以分布式和非同步方式实现，随机梯度下降算法受到群集潜力的干扰。假设由同步引起的开销不可忽略，我们展示基于群集的方法比集中式算法（基于$ N $观测的平均值）在（实时）收敛速度方面表现出更好的性能。我们还推导出网络大小和连接性单调递减的误差界。我们描述了该方案的凸和非凸目标函数的有限时间性能。
关于随机块模型的普适性
原文标题： On the universality of the stochastic block model
地址： http://arxiv.org/abs/1806.04214
作者： Jean-Gabriel Young, Guillaume St-Onge, Patrick Desrosiers, Louis J. Dubé
摘要： 介观模式提取（MPE）是寻找复杂网络的节点分区的问题，其使一些目标函数最大化。许多着名的网络推理问题属于这一类，例如：社区检测，核心 - 边识别，不完善的图着色。在本文中，我们展示了设计用于解决MPE问题的最流行算法实际上可以理解为随机块模型的最大似然公式或其直接推广之一的特殊情况。这些等价关系表明SBM在MPE问题方面几乎是通用的。
基于Agent的社会物理模型
原文标题： Agent-Based Models in Social Physics
地址： http://arxiv.org/abs/1806.04359
作者： Le Anh Quang, Nam Jung, Eun Sung Cho, Jae Hwan Choi, Jae Woo Lee
摘要： 我们回顾了基于主体的模型（ABM），包括社会物理学，包括经济物理学。 ABM由代理，系统空间和外部环境组成。代理人是自治的，并通过与行为规则与邻居或外部环境进行交互来决定他/她的行为。代理人是非理性的，因为他们在做出决定时只有有限的信息。他们适应从过去的记忆中学习。代理具有各种属性并且是异构的。 ABM是一个非平衡的复杂系统，表现出各种涌现现象。社交复杂性ABM描述人类行为特征。在经济物理学的反弹道导弹中，我们介绍了Sugarscape模型和人造市场模型。我们在博弈论的ABM中回顾少数博弈和大多数博弈。社交流动ABM引入拥挤，疏散，交通拥堵和行人动态。我们还审查ABM的意见动态和选民模式。我们讨论作为实施ABM的代表性平台的Netlogo，Repast，Swarm和Mason的特性和优缺点。
二部图分析可用于揭示复杂系统中的集群化
原文标题： Bipartite graph analysis as an alternative to reveal clusterization in complex systems
地址： http://arxiv.org/abs/1806.04406
作者： Vasyl Palchykov, Yurij Holovatch
摘要： 我们演示了如何利用双向网络中的协同聚类分析作为连接，比较和补充两个不同空间的社区结构聚类结果的桥梁：单模式双向网络预测。作为案例研究，我们考虑科学知识，它被表示为一个复杂的文章和相关概念的二分网络。通过文章到概念的二部分联合聚类连接文章集群和概念集群，我们演示了如何从文章推断概念特征（例如主题类）。
认知棱镜中的社会网络
原文标题： Social Networks through the Prism of Cognition
地址： http://arxiv.org/abs/1806.04658
作者： Radosław Michalski, Bolesław K. Szymański, Przemysław Kazienko, Christian Lebiere, Omar Lizardo, Marcin Kulisiewicz
摘要： 人际关系由社交活动驱动 - 人们互动，交流信息，分享知识和情绪，或从大众媒体收集新闻。这些事件留下了人类记忆中的痕迹。追踪的初始强度取决于认知因素，如情绪或注意力跨度。除非其他相关的事件活动加强它，否则随着时间的推移，每条跟踪都会不断减弱在这里，我们引入了一种新型的认知驱动的社会网络（CogSNet）模型，它解释了社会感知的认知方面，并明确表示人类记忆动力学。为了验证，我们将我们的模型应用于NetSense关于大学生之间社交互动的数据。结果表明，CogSNet显著提高了社会网络中人类交互建模的质量。
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.me （提供RSS订阅）进行同步更新。