- 社交媒体写作对季节性事件在线搜索行为的影响：社会物理学方法;
- 基于主体的中国入境旅游网络模拟;
- 基于三元时间序列模体的时间序列分类;
- 复杂网络上有感染性介质的基于节点的SIRS流行病模型;
- 复合对象的监督粗粒化;
- 社会网络中意见最大化的智能信息传播;
- （不）稳定网络上的纳什均衡;
- 网络中的异常检测及其在金融交易网络中的应用;
- 分层模糊意见网络：自上而下的社会组织和自下而上的选举;
- 多主体社会中偏好形成的水动力学模型;
社交媒体写作对季节性事件在线搜索行为的影响：社会物理学方法
原文标题： The Influence of Social Media Writing on Online Search Behavior for Seasonal Events: The Sociophysics Approach
地址： http://arxiv.org/abs/1901.00076
作者： Nozomi Okano, Masaru Higashi, Akira Ishii
摘要： 使用季节性主题作为研究对象，在本研究中，我们关注社交媒体写作和在线搜索行为之间的时间差距。为了进行分析，我们使用了搜索行为的数学模型，包括社会物理学方法。选择的季节性主题是St.Valentine的日，万圣节和新年倒计时。我们还参加了圣诞节和万圣节这样的活动。我们分析了博客和Twitter对搜索行为的影响，并发现了时间偏差。我们还分析了2月3日吃Eho-maki的日本季节性事件和盛夏的牛日的鳗鱼。
基于主体的中国入境旅游网络模拟
原文标题： Agent-based simulations of China inbound tourism network
地址： http://arxiv.org/abs/1901.00080
作者： Jinfeng Wu, Xingang Wang, Bing Pan
摘要： 基于大规模调查的结果，我们构建了一个基于主体的中国独立入境旅游网络模型，并通过数值模拟的方法，研究了不同情景下旅游流对外部扰动的动态响应，包括关闭旅游城市，开辟中国西部新港口，以及增加特定城市的旅游吸引力。数值结果表明：（1）一个城市的关闭一般会影响网络中许多其他城市的旅游访问，与非港口城市相比，系统的总体访问量更多地受到关闭的影响。港口城市; （2）中国西部新港口城市的开通将吸引更多的游客到西部城市，但对整体游客量或旅游分布不均衡影响微乎其微; （3）非港口（港口）城市的旅游吸引力的增加通常会增加（减少）整体访问量，但由于溢出效应而有例外。此外，通过同时提高少数城市的旅游吸引力，我们还研究了旅游开发中多城市升级的策略。数值结果表明，通过升级地理位置相距较远的重要非港口城市，可以更好地提高整体旅游量。该研究揭示了复杂旅游网络固有的丰富动态，这些发现有助于中国入境旅游的发展和管理。
基于三元时间序列模体的时间序列分类
原文标题： Time series classification based on triadic time series motifs
地址： http://arxiv.org/abs/1901.00110
作者： Wen-Jie Xie, Rui-Qi Han, Wei-Xing Zhou
摘要： 识别时间序列的特征以确定其相似性具有重要意义。我们定义了六种三元时间序列模体，并研究了从逻辑映射，混沌逻辑映射，混沌Henon映射，混沌池田映射，超混沌广义Henon映射和超混沌折叠塔映射中提取的模体发生概况。基于模体轮廓的相似性，我们进一步提出估计不同时间序列之间的相似系数，并高精度地对这些时间序列进行分类。我们进一步将主题分析方法应用于UCR时间序列分类档案，并为某些数据集提供良好分类能力的证据。我们的分析表明，所提出的三元时间序列模体分析在对本研究中调查的某些数据集的时间序列进行分类方面比经典动态时间包装方法表现更好。
复杂网络上有感染性介质的基于节点的SIRS流行病模型
原文标题： A node-based SIRS epidemic model with infective media on complex networks
地址： http://arxiv.org/abs/1901.00111
作者： Leyi Zheng, Longkun Tang
摘要： 在本文中，我们重点关注基于节点的网络流行病模型，介绍传播介质，并提出一种基于节点的感染 - 感染 - 恢复 - 易感（SIRS）流行病模型与感染性媒体。理论研究表明，地方病均衡是全局渐近稳定的。三种典型网络结构的数值例子也验证了理论结果。此外，网络节点程度与其感染百分比之间的比较意味着两者之间存在强烈的正相关性，即，程度较大的节点感染的百分比更高。最后，我们讨论了媒体流行病传播率的影响以及有效恢复率对网络平均感染状态的影响。理论和数值结果表明：（1）随着媒体感染率的增加（有效恢复率），网络平均感染率上升（下降）; （2）媒体感染率对全连接网络和NW小世界网络的网络平均感染率几乎没有影响; （3）网络平均感染率随着有效回收率的增加呈指数下降，这意味着可以通过适当的大有效回收率将百分比控制在较低水平。
复合对象的监督粗粒化
原文标题： Supervised Coarse-Graining of Composite Objects
地址： http://arxiv.org/abs/1901.00172
作者： Shaobo Han, David B. Dunson
摘要： 我们考虑使用复合对象值预测器进行回归的监督降维，复合对象值预测器由位于底层相关空间的原始变量组成。例如，这种类型的预测器可以指代多个带时间戳的事件或者由空间坐标索引的单元之间的交互集合。为了促进对这些数据的回归分析，期望将复杂对象减少为可延展的矢量形式，同时在同质性和异质性之间进行权衡。在本文中，我们介绍了一种树引导的监督降维方法，称为多尺度粗粒度，它使用原始变量之间的相似性来导出复合对象的部分子层次表示，并根据该选择选择非均匀分辨率。与回应相关。我们提出了基于参数展开的广义双Pareto先验的多尺度扩展，它通过自适应收缩估计引起原始变量的同时删除和融合。我们通过在足球分析中的应用证明了我们的方法的实用性，其中我们在团队绩效的监督下获得空间传递网络的粗粒度可视化。
社会网络中意见最大化的智能信息传播
原文标题： Smart Information Spreading for Opinion Maximization in Social Networks
地址： http://arxiv.org/abs/1901.00209
作者： Anuj Nayak, Seyyedali Hosseinalipour, Huaiyu Dai
摘要： 意见最大化的目标是最大化对社会网络中个体之间的产品，意识形态或任何实体的积极看法。到目前为止，观点最大化主要是研究为在社会网络中找到一组有影响的节点进行快速内容传播。在本文中，我们提出了一种解决问题的新方法，即通过有效的信息传播实现意见最大化。在我们的模型中，多个源将信息连续地注入到网络中，而具有异构社交学习能力的常规节点通过八卦机制将信息传播给他们的熟人。其中一个来源采用智能信息传播，其余来源随机传播信息。我们将社交互动和意见演变建模为动态贝叶斯网络（DBN），使用该网络将意见最大化表示为顺序决策问题。由于问题难以处理，我们开发了集中式和分散式学习算法的多种变体，以获得近似解。通过在合成网络和现实世界网络中的模拟，我们展示了两个关键结果：1）所提出的方法比大规模随机扩展表现更好，2）即使智能源（传播所需内容）不利于位于在网络上，它可以胜过位于有利位置的竞争随机源。
（不）稳定网络上的纳什均衡
原文标题： Nash Equilibria on (Un)Stable Networks
地址： http://arxiv.org/abs/1901.00373
作者： Anton Badev
摘要： 虽然个人可能会自私地选择他们的最佳行为（Nash，1950），但他们致力于通信，协调和合作产生的关系（Jackson和Wolinsky，1996）。在友谊链接和行为的博弈中，当玩家内化人类关系的共识性时，k稳定网络（NEkSN）中的纳什均衡就会出现。行为和关系的联合选择可能导致多种均衡，在概率意义上排名，因为这些均衡在k-玩家共识动态（kCD）中出现。将拟议框架应用于青少年吸烟和友谊决定表明：（a。）友谊网络对烟草价格变化的反应放大了对吸烟的预期影响，（b。）种族隔离高中减少了整体吸烟流行率，（c。）社会网络的响应在分析总溢出效应时具有数量上的重要性，（d。）当网络外部性被错误指定时以及当省略对等效应时的估计偏差具有相同的符号。
网络中的异常检测及其在金融交易网络中的应用
原文标题： Anomaly Detection in Networks with Application to Financial Transaction Networks
地址： http://arxiv.org/abs/1901.00402
作者： Andrew Elliott, Mihai Cucuringu, Milton Martinez Luaces, Paul Reidy, Gesine Reinert
摘要： 本文的动机是检测金融交易网络中的异常，其中账户为节点，两个节点之间的有向加权边表示货币转移。边的权重是交易金额。网络中的异常的示例包括大的交易量的长路径，大额支付的环和账户的集团。有许多方法可以检测网络中的这种特定结构。这里我们介绍一种能够检测网络中先前未指定的异常的方法。该方法基于网络比较和谱分析以及本地统计的特征组合，产生140个主要特征。然后，我们使用简单的特征和方法，以及随机森林方法，以便将节点分类为正常或异常。我们首先在我们生成的合成网络上测试该方法，然后在一组合成网络上测试，这些合成网络是在没有方法团队访问基础事实的情况下生成的。第一组合成网络分为70％的网络训练集和30％的网络测试集。然后将得到的分类器应用于第二组合成网络。我们将我们的方法与Oddball进行比较，Oddball是一种广泛使用的网络异常检测方法，也是随机分类的方法。虽然Oddball优于随机分类，但我们的特征和方法和随机森林方法都优于Oddball。在测试集上，随机森林优于特征总和，而在第二个合成数据集上，最初特征总和倾向于比随机森林获得更多异常，这种行为逆转了较低评分的异常。在所有情况下，标记异常的前2％平均包含超过90％的种植异常。
分层模糊意见网络：自上而下的社会组织和自下而上的选举
原文标题： Hierarchical Fuzzy Opinion Networks: Top-Down for Social Organizations and Bottom-Up for Election
地址： http://arxiv.org/abs/1901.00441
作者： Li-Xin Wang
摘要： 模糊观点是高斯模糊集，其中心代表意见，标准偏差代表意见的不确定性，模糊意见网络是结构化方式的多个模糊意见的联系。在本文中，我们提出：（a）一个自上而下的层次模糊意见网络来模拟一个高层领导者的意见如何渗透到社会组织的成员中，以及（b）一个自下而上的模糊意见网络来模拟如何大量代理人的意见逐层聚集成为选举等社会过程中的共识或一些意见。对于自上而下的层次模糊意见网络，我们证明了所有代理人的意见都与领导者的意见相一致，但不同群体中代理人的不确定性通常会汇聚到不同的价值观。我们证明了通过在小组的分层结构中组织代理来大大提高收敛速度。对于自下而上的分层模糊意见网络，我们模拟了在一些典型情况下，各种意见如何以逐层方式相互协商和总结。
多主体社会中偏好形成的水动力学模型
原文标题： Hydrodynamic models of preference formation in multi-agent societies
地址： http://arxiv.org/abs/1901.00486
作者： Lorenzo Pareschi, Giuseppe Toscani, Andrea Tosin, Mattia Zanella
摘要： 在本文中，我们讨论了意见形成动力学模型的流体力学方程的通过。所考虑的动力学模型具有视觉密度，其取决于根据个人偏好识别的另外的微观变量。该变量描述了一种意见驱动的极化过程，最终导致在一些可能的选择中进行选择，例如，在全民公决或选举中。与稀薄气体的动力学理论一样，流体动力学方程的推导基本上是基于来自潜在动力学模型的观点的局部平衡分布的计算。几个数值例子验证了所得到的模型，揭示了意见和偏好形成之间的区别对多智能体社会中选择过程所起的关键作用。
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。