- 叙事平滑：电视剧情节分析的动态对话网络;
- 速度适应和间距无差异在交通不稳定中的作用：来自跟车实验的证据及其随机建模;
- 寻找非显而易见的论文：引文推荐系统分析;
- 应用文本挖掘来抗议故事作为反对媒体审查的声音;
- 从网络中删除恶意节点;
- 度保持随机化情况下的局部信息中心性测度的稳定性;
- 基于时间序列数据的结构与动力学重构的通用深度学习框架;
- 用于复杂网络免疫的基于群体的中心性;
- Metaplex网络：复杂系统的内外结构对扩散的影响;
- 互联网上共识形成与意见分歧的意见动力学理论;
- 具有缓冲区的临时网络中的随机谣言传播;
- 人际交往与群体行为的数学理论;
叙事平滑：电视剧情节分析的动态对话网络
原文标题： Narrative Smoothing: Dynamic Conversational Network for the Analysis of TV Series Plots
地址： http://arxiv.org/abs/1602.07811
作者： Xavier Bost (LIA), Vincent Labatut (LIA), Serigne Gueye (LIA), Georges Linarès (LIA)
摘要： 现代流行电视剧经常会在几个季节中形成复杂的故事情节，但通常会以非常不连续的方式观看。因此，观众通常需要在新节目开始之前对上一季节情节进行全面总结。这种摘要的生成首先需要识别和表征系列子图的动态。这样做的一种方法是研究叙事中涉及的人物之间相互作用的潜在社会网络。社会网络分析字段中用于提取此类网络的标准工具依赖于整个考虑周期的时间积分，或者作为多个时间片的序列。然而，在电视连续剧的情况下，它们被证明是不合适的，因为屏幕上显示的场景或者侧重于平行的故事情节，并且不一定尊重传统的年表。这使得现有的提取方法无效地描述了人物之间关系的动态，或者获得了关于当前社会状态的相关瞬时视图。对于在情节中的某个先前点处显示为彼此交互但被叙述暂时忽略的字符尤其如此。在本文中，我们介绍了叙事平滑，一种新颖的，仍然探索性的网络提取方法。它基于绘图属性平滑关系动态，旨在解决标准方法中存在的一些限制。为了评估我们的方法，我们将其应用于3个流行电视剧的新语料库，并将其与两种标准方法进行比较。我们的结果是有希望的，当涉及主角及其关系的表征时，显示叙事平滑导致更相关的观察。它可以作为进一步模拟构成电视连续剧情节的交织故事情节的基础。
速度适应和间距无差异在交通不稳定中的作用：来自跟车实验的证据及其随机建模
原文标题： On the role of speed adaptation and spacing indifference in traffic instability: evidence from car-following experiments and its stochastic modeling
地址： http://arxiv.org/abs/1611.00527
作者： Junfang Tian, H.M.Zhang, Martin Treiber, Rui Jiang, Zi-You Gao, Bin Jia
摘要： 了解交通流中振荡的出现和演变的机制已经受到交通流理论界的深入研究。在我们之前的工作中，我们提出了一种新的机制来解释交通振荡的产生：速度适应与随机因素累积效应之间竞争引起的交通不稳定性。在本文中，通过对在25车排的实验中获得的汽车跟踪数据进行更仔细的检查，我们发现速度差对于跟车动力学比间距起着更重要的作用，当它的振幅很小时，振荡的增长主要取决于均值回归过程后的随机因素;当振幅增加时，振荡的增长由随机因素和速度差之间的竞争决定。然后，基于上述发现，解释为什么振荡交通中的速度变化沿着排以凹入的方式增长。最后，我们提出了一种模式切换随机车跟随模型，该模型结合了驾驶员的速度适应和间距无差别行为，捕捉了观察到的振荡和放电率特征。灵敏度分析表明，反应延迟仅有轻微影响，但无差异区域边界对振荡增长率和放电率有显著影响。
寻找非显而易见的论文：引文推荐系统分析
原文标题： Towards Finding Non-obvious Papers: An Analysis of Citation Recommender Systems
地址： http://arxiv.org/abs/1812.11252
作者： Haofeng Jia, Erik Saule
摘要： 随着科学的进步，学术界发表了数百万篇研究论文。研究人员花时间和精力在撰写论文时搜索相关的手稿，或者只是为了跟上当前的研究。在本文中，我们通过扩展一组已知的相关参考来考虑引用推荐的问题。我们的分析显示了由引文引起的子图中被引用论文的程度，称为投影图，遵循幂律分布。现有的流行方法只擅长找到与其他人高度相关的长尾文章。换句话说，大多数引用的论文在投影图中松散地连接，但现有方法无法找到它们。为了解决这个问题，我们建议将作者，地点和关键词信息结合起来，以解释那些松散连接的论文背后的引用行为。结果表明，不同的方法正在寻找具有广泛不同特性的引用论文。我们建议通过不同算法的多个推荐列表可以满足各种用户的真实引用推荐系统。此外，我们还探索了组合方法的快速局部逼近，以提高效率。
应用文本挖掘来抗议故事作为反对媒体审查的声音
原文标题： Applying Text Mining to Protest Stories as Voice against Media Censorship
地址： http://arxiv.org/abs/1812.11430
作者： Tahsin Mayeesha, Zareen Tasneem, Jasmine Jones, Nova Ahmed
摘要： 数据驱动的激进主义试图收集，分析和可视化数据，以促进社会变革。但是，在媒体审查期间，通常无法收集此类数据。在这里，我们证明来自个人故事的数据也可以帮助我们获得有关抗议活动和激进主义的见解，这些活动可以作为活动家的声音。我们通过从故事中提取位置网络来分析抗议故事数据，并进行情感挖掘以获得对抗议的见解。
从网络中删除恶意节点
原文标题： Removing Malicious Nodes from Networks
地址： http://arxiv.org/abs/1812.11448
作者： Sixie Yu, Yevgeniy Vorobeychik
摘要： 网络系统的一个基本挑战是检测和删除可疑的恶意节点。实际上，检测总是不完美的，并且关于要删除哪些潜在恶意节点的决定必须权衡误报（错误地移除良性节点）和漏报（错误地未能移除恶意节点）。但是，在网络设置中，这种传统的权衡现在必须考虑节点连接。特别是，恶意节点可能会产生恶意影响，因此错误地将其中一些遗留在网络中可能会导致传播损害。另一方面，移除良性节点会对这些节点造成直接伤害，并对希望与之交流的良性邻居造成间接伤害。我们通过考虑连接性的目标正式确定了在不确定性下从网络中删除潜在恶意节点的问题。我们表明，最佳地解决由此产生的问题是NP-Hard。然后，我们提出了一种基于物镜凸松弛的易处理解决方案。最后，我们通过实验证明，我们的方法在合成和真实数据集上都明显优于忽略网络结构的简单基线，以及相关问题的最新方法。
度保持随机化情况下的局部信息中心性测度的稳定性
原文标题： Stability of Local Information based Centrality Measurements under Degree Preserving Randomizations
地址： http://arxiv.org/abs/1812.11461
作者： Chandni Saxena, M.N.Doja, Tanvir Ahmad
摘要： 节点中心性是网络分析中的一个整体措施，具有从社会经济到个性化推荐的广泛应用。我们认为，即使在网络中引入的信息丢失或噪声下，有效的中心性措施也应该保持稳定。利用六个基于局部信息的中心度量，我们使用具有无标度和指数度分布的网络，研究不同的协调性的影响，同时保持度分布不变。该模型为分析中心度量的稳定性提供了新的范围，可以进一步在社会科学，生物学，信息科学，社区检测等方面找到应用。
基于时间序列数据的结构与动力学重构的通用深度学习框架
原文标题： A General Deep Learning Framework for Structure and Dynamics Reconstruction from Time Series Data
地址： http://arxiv.org/abs/1812.11482
作者： Zhang Zhang, Jing Liu, Shuo Wang, Ruyue Xin, Jiang Zhang
摘要： 在这项工作中，我们提出了Gumbel Graph Network，这是一个免费的深度学习框架，用于从观察到的时间序列数据进行动态学习和网络重建。我们的方法不需要关于基础动力学的先验知识，并且已经在复杂网络上的三个典型动力系统中展示了最先进的性能。
用于复杂网络免疫的基于群体的中心性
原文标题： Group based Centrality for Immunization of Complex Networks
地址： http://arxiv.org/abs/1812.11535
作者： Chandni Saxena, M. N. Doja, Tanvir Ahmad
摘要： 网络免疫是虚拟网络安全，公共卫生和社交媒体等几个领域中广泛认可的问题，以解决节点接种问题，从而最小化通过这些网络中存在的链路的传输。我们的目标是确定排名最高的节点，以免疫网络，从而控制流行病或错误信息的爆发。我们考虑基于群体的中心性并定义启发式客观标准，以建立在网络中发现关键节点的目标，如果免疫导致必要的网络漏洞。我们提出了一种基于群体的博弈理论支付除法方法，通过使用Shapley值来分配由不同组中的参与节点获得的剩余，通过位置功率和功能对其他节点的影响。我们将这些关键节点标记为基于Shapley Value的信息分隔符（SVID）。对经验数据集和模型网络的实验确定了我们提出的方法的有效性，并承认节点接种的性能以界定传染病爆发。
Metaplex网络：复杂系统的内外结构对扩散的影响
原文标题： Metaplex networks: influence of the exo-endo structure of complex systems on diffusion
地址： http://arxiv.org/abs/1812.11615
作者： Gissell Estrada-Rodriguez, Ernesto Estrada, Heiko Gimperlein
摘要： 复杂网络表示复杂系统在交互子组件方面的全局行为。本文介绍了metaplex网络，其中包括这些子组件的内部结构，动态和功能，并分析了它们与网络结构的相互作用，以了解系统的全局动态。我们举例说明了这个框架在metaplex中的扩散和超扩散的用法，其节点是 R ^ n 中的域。远程跳跃导致整个metaplex中的超扩散行为，并且它独立于内部结构而存活。然而，全局扩散动力学强烈反映了节点的几何形状，耦合的性质以及内部扩散过程。我们提供分析和数值结果，以揭示内部和外部动态的这种相互作用。
互联网上共识形成与意见分歧的意见动力学理论
原文标题： Opinion Dynamics Theory for Analysis of Consensus Formation and Division of Opinion on the Internet
地址： http://arxiv.org/abs/1812.11845
作者： Akira Ishii, Yasuko Kawahata
摘要： 网上大量的文本数据促进了对公众舆论定量分析的研究，这些研究无法提前看到。在本文中，我们提出了一种新的观点动态理论。这个理论旨在解释Twitter等社交媒体上的意见交换中的协议形成和意见分手。随着公共网络的普及，我们已经能够在瞬时和空间限制之外进行即时性和交互性的交流。定量分析迄今为止利用海量网络文本数据尚未可视化的舆论意见分布的研究正在进行中。 。我们的模型基于有界置信模型，以连续数量值表达意见。然而，在有限置信度模型中，假设具有不同意见的人不是无视而忽视意见。此外，在我们的理论中，它模拟了它可以表达模型结合外部压力的影响和取决于周围情况的现象。
具有缓冲区的临时网络中的随机谣言传播
原文标题： Randomized Rumor Spreading in Ad Hoc Networks with Buffers
地址： http://arxiv.org/abs/1812.11903
作者： Dariusz R. Kowalski, Christopher Thraves Caro
摘要： 由于其简单性，鲁棒性和广泛的应用，随机化的谣言传播问题引起了对分布式算法领域的极大兴趣。用于传播谣言的两种最流行的通信范例是Push和Pull算法。前一种协议允许节点在每一步将谣言发送给随机选择的邻居，而后者则基于发送请求并从随机选择的邻居下载谣言，前提是邻居拥有谣言。先前对这些协议的分析假设每个节点可以在一个步骤内处理所有这样的推/拉操作，这在实际情况下可能是不现实的。因此，我们提出了一种新的分析谣言传播容纳缓冲区的框架，其中节点一次只能处理一个推/拉消息或推送请求。我们在新框架中开发随机谣言传播时间的上限和下限，并将结果与没有缓冲区的旧框架中的类似结果进行比较。
人际交往与群体行为的数学理论
原文标题： A Mathematical Theory of Interpersonal Interactions and Group Behavior
地址： http://arxiv.org/abs/1812.11953
作者： Yaneer Bar-Yam, David Kantor
摘要： 通过分析交互记忆，小组任务绩效测量和群体智能等方法，研究了紧急集体小组的流程和能力。在他们的集体行为方法中，这些方法超越了群体决策的传统研究，这些研究关注的是个人偏好如何通过权力关系，投票，谈判和博弈论的社会选择相结合。更一般地了解个人如何为团队效率做出贡献对于广泛的社会挑战非常重要。在这里，我们形成了一种动态的人际交往理论，对个体行为，行为序列，群体行为模式以及参与群体决策的个人进行了分类。集体决策通过一系列沟通进行，这些沟通传达了集团成员之间的个人态度和偏好。由此产生的形式主义与心理社会行为分析，秩序规则，组织结构和人格类型以及社会选择理论等形式化系统相关。更集中的是，它提供了量化甚至预测非正式对话结构的框架，允许对参与个体的定量模型和管理其相互作用的参数进行编码和分析。
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。