- NOESIS网络导向探测，仿真和感应系统;
- 交通成本：美国燃料价格空间分析;
- 与有效推文相关的挖掘功能;
- 用于估计边感染概率的通用框架;
- 社会机器人：以人为本的手段？;
- 社会网络在两个阶段的信息扩散;
NOESIS网络导向探测，仿真和感应系统
地址： http://arxiv.org/abs/1611.04810
作者： Víctor Martínez, Fernando Berzal, Juan-Carlos Cubero
摘要： 网络数据挖掘已经成为一个重要的研究领域，由于其可以应用的大量问题。本文介绍了NOESIS，网络数据挖掘的开源框架，提供了大量的网络分析技术，包括网络结构属性，社区检测方法，链接评分和链路预测分析以及网络可视化算法。它还具有完整的独立图用户界面，便于使用所有这些技术。 NOESIS框架是使用坚实的面向对象设计原则和结构化并行编程来设计的。作为一个具有最小外部依赖性和许可软件许可证的轻量级库，NOESIS可以并入其他软件项目。根据BSD许可证发布，可从此http URL获得
交通成本：美国燃料价格空间分析
地址： http://arxiv.org/abs/1706.07467
作者： Juste Raimbault, Antonin Bergeaud
摘要： 燃料价格的地理学具有许多各种影响，从对可获得性的重大影响作为领土权益和交通政策的指标。在本文中，我们以非常高的分辨率研究了美国燃料价格的时空模式，使用新建的数据集，每月采集油价两个月，占相当比例的美国燃气设施。这些数据是使用我们描述的专门设计的大规模数据爬取技术来收集的。我们通过使用补充方法研究社会经济变量的影响：考虑到空间非平稳性的地理加权回归和状态条件的线性计量经济学模型，并对县级特征进行测试。前者产生大致对应于平稳度量表的最佳空间范围，以及诸如中位数收入或每个工作的工资等变量的显着影响，以及非简单的空间行为，证实了地理特征的重要性。另一方面，多层次建模显示出强大的固定效应，而县级特征仍具有重大影响。通过这些方法的结合，我们揭示了治理过程与当地社会经济空间过程的叠加。我们讨论一个重要的应用，即制定本地参数化的汽车监管政策。
与有效推文相关的挖掘功能
地址： http://arxiv.org/abs/1706.07484
作者： Jian Xu, Nitesh Chawla
摘要： 什么推特功能与Twitter的更高的效果相关联？通过挖掘1,200万个原始Twitter的250万作品，我们对tweet时间，实体，构图和用户帐户功能进行了系统的回顾。我们表明，各种特征和啾啾效应之间的关系是非线性的;例如，使用几个主题标签的推文比使用没有或太多的标签具有更高的有效性。这项研究与基于推特功能的各种工业应用密切相关，包括广告活动分析，用户参与预测，自动交易信号的提取等。
用于估计边感染概率的通用框架
地址： http://arxiv.org/abs/1706.07532
作者： Andras Bota, Lauren Gardner
摘要： 建模网络传播的传播是一个研究很多且重要的研究领域。大多数感染和扩散模型需要网络边上的实际价值或概率作为输入，但是这在现实生活中很少可用。本文的目标是为此任务开发一个通用框架。一般模型与最广泛使用的感染模型配合使用，能够处理任意数量的对这些过程的观察。该模型被定义为一般的优化任务，并提出了一个粒子群启发式来解决它。我们评估提出的方法在各种各样的现实感染情景下的准确性和速度。
社会机器人：以人为本的手段？
地址： http://arxiv.org/abs/1706.07624
作者： Christian Grimme, Mike Preuss, Lena Adam, Heike Trautmann
摘要： 社会机器人目前被认为是有影响力的，但在公共话语和舆论制作中也是有点神秘的因素。他们被认为有能力在社会和网络媒体上大规模宣传宣传，甚至怀疑他们的应用对最近的选举结果负有部分责任。令人惊讶的是，“社会博弈”一词定义不明确，不同的科学学科使用不同的定义。这个工作首先是平衡的定义尝试，然后再提供社交机器人实际工作的概述（以Twitter为例）以及他们目前的技术限制。尽管最近在深度学习和大数据研究方面取得了进展，但是有很多机器人无法处理的活动。然后我们讨论如何通过将人类整合到过程中来扩展和控制机器人的能力，以及这是目前为了实现与其他人的有效交互最有希望的途径的原因。
社会网络在两个阶段的信息扩散
地址： http://arxiv.org/abs/1706.07739
作者： Swapnil Dhamal, Prabuchandran K.J., Y. Narahari
摘要： 鉴于以种子节点数量表示的一定预算，信息传播最大化的问题是社会网络研究中的一个重要课题。现有文献着重于单相扩散，其中在扩散开始时选择所有种子节点，并且所有选定的节点同时被激活。本文对多个阶段选择和激活种子节点的效果进行了详细的研究。具体来说，假设研究独立的级联模型，我们在两个阶段研究扩散。首先，我们制定了两相扩散的目标函数，研究了其性质，提出了在两相中寻找种子节点的有效算法。接下来，我们研究了两个相关的问题：（1）预算分配，其目的是最佳地分解两个阶段之间的总预算;（2）调度，其寻求确定最后延迟之后开始第二阶段。我们的主要结论包括：（a）在严格的时间限制条件下，使用单相扩散，（b）在中等的时间约束条件下，将大部分预算分配到第一阶段，使用短延时的两相扩散，（c）当没有时间限制时，使用具有长延迟的两相扩散，而将大约三分之一的预算分配给第一阶段。
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。本系列在个人博客网络科学研究速递 进行同步更新，并提供RSS订阅。