- 银行间市场流动性短缺的流行病传播;
- 无标度网络中基于主体的谣言传播;
- 重构中尺度网络结构;
- 极化之路：极端观点、错误沟通和随机机会如何驱动观点动态;
- 有隐藏和公开表达的意见的投票模型的共识时刻;
- 文献计量学中的批判理性主义和寻找标准（领域标准化）指标;
- DNS图挖掘中的敏捷偏差分析;
- 将动态网络聚合为一系列图的不变时间标度;
- 多关系网络的结构表示学习;
- 互动传染的模式动态;
- 使用基于图的半监督学习与卷积神经网络对危机相关推文进行分类;
- 通过潜在行为模式推断进行个性化下一兴趣点推荐;
银行间市场流动性短缺的流行病传播
原文标题： Epidemics of Liquidity Shortages in Interbank Markets
地址： http://arxiv.org/abs/1610.03259
作者： Giuseppe Brandi, Riccardo Di Clemente, Giulio Cimini
摘要： 流动性冲击引发的金融危机最近被认为是银行间贷款市场系统性风险的主要驱动因素。本研究以流行病标准仓室模型为基础，针对流动性冲击银行间混响的动态模型开发了EDB（Exposed-Distressed-Bankrupted）模型，并在电子市场上验证了银行间存款数据。我们表明，银行间网络在2007/2008年全球金融危机初期极易受到流动性传染的影响，银行采用的后续微观审慎和流动性囤积政策增加了网络对系统性风险的适应能力 - 但干扰市场流动性的不良副作用。我们最终表明，银行的个体风险更好地被其网络中心性所取代，而不是其参与市场的情况，以及目前有争议的“过于相互连接而失败”的概念。
无标度网络中基于主体的谣言传播
原文标题： Agent Based Rumor Spreading in a scale-free network
地址： http://arxiv.org/abs/1805.05999
作者： Mattia Mazzoli, Tullio Re, Roberto Bertilone, Marco Maggiora, Jacopo Pellegrino
摘要： 在过去的几年里，在社会网络上传播谣言的研究引起了科学界的很大兴趣，特别是由于社会网络在最后的政治事件中的作用。这项工作的目标是使用基于多智能体的模型在无标度网络中重现真实的信息扩散和错误信息。关于虚拟传播的数据很容易获得，特别是在Twitter发布希格斯玻色子公告期间信息的传播\ textsuperscript {TM}被详细记录和研究。我们对我们的代理人的微观行为做了一些假设，并在回答真实数据扩散的统计分析中注册了这些影响。然后，我们研究了对错误信息传播的假设性反应，并添加了揭穿代理人，并尝试使用来自占领华尔街运动的恶作剧的真实数据模拟批评者对代理人的反应。在调整我们的模型以重现这些结果之后，我们测量了一些网络属性，并证明了独立于网络大小规模（即具有一万一千个代理）的基本上分离的结构（如echochambers）的出现。
重构中尺度网络结构
原文标题： Reconstructing mesoscale network structures
地址： http://arxiv.org/abs/1805.06005
作者： Jeroen van Lidth de Jeude, Riccardo Di Clemente, Guido Caldarelli, Fabio Saracco, Tiziano Squartini
摘要： 当面对复杂的中尺度网络结构时，通常认为必须采用编码模块化节点组织的（空）模型。本文着重介绍两个块结构，它们描述了许多现实世界网络的中尺度组织，即蝴蝶结和核心 - 边网络。我们的分析表明，限制网络程度序列往往足以再现这样的结构，如模型选择标准所证实的那样，即AIC或BIC。作为副产品，我们的论文丰富了用于分析双边网络的工具箱 - 还远远没有完成。事实上，上述结构将网络划分为以二进制有向连接为特征的不对称块，因此要求扩展最近提出的方法以将无向双边网络随机化为有向情况。
极化之路：极端观点、错误沟通和随机机会如何驱动观点动态
原文标题： Paths to Polarization: How Extreme Views, Miscommunication, and Random Chance Drive Opinion Dynamics
地址： http://arxiv.org/abs/1805.06057
作者： Matthew A. Turner, Paul E. Smaldino
摘要： 了解倾向于增加或减少两极化的社会条件很重要，原因很多。我们研究了一个基于网络结构的基于主体的观点动态模型，扩展了以前由Flache和Macy（2011）引入的模型，他发现随着远程关系的引入，极化似乎增加了，但随着重要意见数量的减少而减少，他们称之为人口的“文化复杂性”。我们找到以下内容。首先，极化是强烈的路径依赖性并且对随机变化敏感。其次，两极分化很大程度上取决于民众对意见的初步分配。在没有极端主义分子的情况下，两极分化可能会减轻。第三，嘈杂的交流可能会导致民众面对更多极端的意见，甚至引发极端分化。最后，在“文化复杂性”增加的情况下，极化的明显减少是通过极化测量的一个特殊性质产生的，在极化测量中，包含更多不同极端观点的人群被认为不是极化。这项工作对理解信仰，意见和两极分化的人口动态以及对社会现象基于主体模型分析的更广泛影响具有启示意义。
有隐藏和公开表达的意见的投票模型的共识时刻
原文标题： Consensus time in a voter model with concealed and publicly expressed opinions
地址： http://arxiv.org/abs/1805.06103
作者： Michael T. Gastner, Beáta Oborny, Máté Gulyás
摘要： 选民模型是一个简单的基于主体的模型，用于模拟社会网络中的舆论动态：随机选择的代理采用随机选择的邻居的观点。重复这个过程直到达成共识。虽然基本的选民模式在理论上是有趣的，但它忽略了真实的舆论动态的一个重要特征：它不区分代理人公开表达的意见和她内心的信念。如果她的社交圈似乎持有相反的观点，一个人可能不愿意宣称她的定罪。在这里，我们介绍一下隐藏选民模式，我们在公共层添加第二层隐藏意见层。如果代理人的公开和隐瞒的意见不同意，她可以通过公开披露她以前的秘密观点或接受她的公众舆论作为内心的信念来调和它们。我们研究可从两种意见中选择的代理人的完整图表。我们定义了一个鞅$ M $，它决定了所有代理最终就特定观点达成一致的概率。通过分析大量代理商限制下的$ M $的演变，我们得出了一致时间的均值和标准差的前导顺序项（即直到所有观点相同为止所需的时间）。因此，我们通过多少隐瞒意见减缓了共识来准确预测。
文献计量学中的批判理性主义和寻找标准（领域标准化）指标
原文标题： Critical rationalism and the search for standard (field-normalized) indicators in bibliometrics
地址： http://arxiv.org/abs/1805.06153
作者： Lutz Bornmann, Werner Marx
摘要： 文献计量学在研究评估中扮演着越来越重要的角色。然而，在研究评估中没有一套可靠和有效的（现场标准化）影响指标的黄金标准。该意见文件建议文献计量学家在波普尔批判理性主义的背景下开发和分析这些影响指标。对这些指标进行批判性研究的研究应该公布这些结果，以便将它们纳入荟萃分析。荟萃分析的结果给出了哪些指标可以成为用作文献计量学标准的一组指标的一部分的指导。国际信息计量学和科学计量学学会（ISSI）可以处理标准集的生成和连续修订。
DNS图挖掘中的敏捷偏差分析
原文标题： Investigating the Agility Bias in DNS Graph Mining
地址： http://arxiv.org/abs/1805.06158
作者： Jukka Ruohonen, Ville Leppänen
摘要： 敏捷域名系统（DNS）的概念是指动态且快速变化的域名与其互联网协议（IP）地址之间的映射。这篇经验论文评估了基于DNS的图论数据挖掘应用的这种敏捷性的偏见。通过构建两个用于观察恶意DNS敏捷性的常规度量标准，通过将两部DNS图与根据两个标准删除顶点和边的不同子图进行比较，可以观察到灵活性偏差。根据对两个纵向DNS数据集的经验性实验，无论标准如何，敏捷性偏见都被视为严重，特别是关于通过内容交付网络和云计算服务托管和交付的外围域的影响。有了这些观察，本文为网络安全和DNS挖掘的研究领域做出了贡献。在较大的应用图挖掘背景下，本文进一步阐述了与大型动态二部图学习有关的实际问题。
将动态网络聚合为一系列图的不变时间标度
原文标题： Non-Altering Time Scales for Aggregation of Dynamic Networks into Series of Graphs
地址： http://arxiv.org/abs/1805.06188
作者： Yannick Léo, Christophe Crespelle, Eric Fleury
摘要： 许多来自现实世界背景的动态网络是链接流，即三元组$（u，v，t）$的有限集合，其中$ u $和$ v $是两个节点之间在$ t $时刻之间的链接。关于这些对象的大量研究始于将数据汇总在长度为$ \ Delta $的不相交时间窗口中，以便获得一系列图表，在这些图表上进行所有后续分析。在这里，我们关心的是选择的$ \ Delta $对获得的图系列产生的影响。我们解决一个基本问题，即知道使用给定的$ \ Delta $形成的一系列图是否忠实地描述了原始链接流。我们通过显示这样的动态网络展现出$ \ Delta $的阈值来回答这个问题，我们称之为\ emph {饱和度尺度}，超过这个尺寸，链接流的传播属性被改变，而它们之前大部分被保存。我们设计了一种自动方法来确定任何链接流的饱和度，我们在几个真实世界的数据集上应用和验证。
多关系网络的结构表示学习
原文标题： A Structural Representation Learning for Multi-relational Networks
地址： http://arxiv.org/abs/1805.06197
作者： Xin Li, Huiting Hong, Lin Liu, William K. Cheung
摘要： 大多数现有的多关系网络嵌入方法（例如，TransE）被制定为保留网络中的成对连接结构。通过观察发现，在许多真实的多关系网络中发现的重要的三角连接结构和平行四边形连接结构经常被忽略，并且大多数网络嵌入方法通常采用的硬约束通过设计不准确，我们提出了一种新颖的表示学习模型对于可以减轻两个根本局限的多关系网络。可扩展学习算法是使用随机梯度下降算法和负采样推导出来的。在WordNet和Freebase的真实多关系网络数据集上的大量实验证明了与现有技术的嵌入方法相比，所提出模型的有效性。
互动传染的模式动态
原文标题： Pattern dynamics of interacting contagions
地址： http://arxiv.org/abs/1805.06219
作者： Li Chen (SNNU)
摘要： 传染病，流言，时尚和创新的传播是复杂的传染过程，嵌入网络和空间环境中。在这里，我们研究一个复杂传染病的模式动态，其中两个代理（比如$ A $和$ B $）相互作用并在地理空间中同时扩散。每种病毒的传染过程都遵循经典敏感感染易感动力学，并且它们的相互作用引起了与基线生殖比$ R_0 $相比二次感染倾向的潜在变化。我们发现，当感染者的感染速度比感染者的感染速度更快，两种感染者之间的交互作用既不太竞争也不太合作时，会出现非平凡的空间感染模式。有趣的是，该系统表现出模式滞后现象，即允许模式的参数区域在增加$ R_0 $的方向上存在，并且在其减少的方向上存在。后者显示出传染病流行的显著增强，这意味着与单药方案和无空间合并相比，现在感染的消除变得非常困难。线性化分析支持我们的观察，并且我们确定了模式出现后所需的元素和动力学机制。这些发现需要进一步调查，因为它们在生物和社会传染方面都具有密切相关性。
使用基于图的半监督学习与卷积神经网络对危机相关推文进行分类
原文标题： Graph Based Semi-supervised Learning with Convolution Neural Networks to Classify Crisis Related Tweets
地址： http://arxiv.org/abs/1805.06289
作者： Firoj Alam, Shafiq Joty, Muhammad Imran
摘要： 在诸如自然灾害等时间紧急的情况下，受影响人群在社会网络上张贴的数据的快速分类对于人道主义组织获得情境意识并计划响应努力是有用的。然而，危机发生之初的标签数据稀缺妨碍了机器学习任务，从而延误了危机应对。在这项工作中，我们建议使用归纳半监督技术来利用未标记的数据，这在危机事件发生时通常很丰富，同时还有较少的标记数据。具体而言，我们采用基于图的深度学习框架来学习归纳半监督模型。我们使用来自Twitter的两个真实世界的危机数据集来评估所提出的方法。与仅使用标记数据相比，我们的结果显示使用未标记数据的显著改进。
通过潜在行为模式推断进行个性化下一兴趣点推荐
原文标题： Personalized Next Point-of-Interest Recommendation via Latent Behavior Patterns Inference
地址： http://arxiv.org/abs/1805.06316
作者： Jing He, Xin Li, Lejian Liao, Williamb K.Cheung
摘要： 在本文中，我们解决了个性化的下一步兴趣点（POI）推荐问题，该问题已成为基于位置的社会网络（LBSN）的一项重要和非常具有挑战性的任务，但尚未得到很好的研究。有人猜想，在不同的情境下，人类表现出不同的移动模式，我们试图在用户的潜在行为模式的影响下联合建立下一个兴趣点推荐模型。我们建议采用三阶张量来模拟连续的登记行为。通过将分类影响集成到移动模式中，并聚合用户对POI的空间偏好，该模型本质上处理下一个新的POI推荐问题。通过引入softmax函数将个性化马尔可夫链与潜在模式融合，我们提供贝叶斯个性化排序（BPR）方法并据此推导出优化标准。期望最大化（EM）然后用于估计模型参数。我们进一步开发个性化模型，考虑到情境下的个性化移动模式，以提高推荐性能。对两个大型LBSNs数据集的大量实验证明，我们的模型比几种最先进的方法有显著的改进。
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。