- 用移动网络元数据估算静态和动态城市人口;
- 最短路径多重性对多路网络拥塞的影响;
- 网络中流行病过程的随机最优控制;
- 人以群分？GitHub和Stack Overflow中开发人员的群集与迁移行为研究;
- 新闻文章中社会媒体来源的大规模研究;
- 通过高阶聚类系数进行系统风险评估;
- 匹配图与社区结构：一种集中度量方法;
用移动网络元数据估算静态和动态城市人口
原文标题： Estimation of Static and Dynamic Urban Populations with Mobile Network Metadata
地址： http://arxiv.org/abs/1810.12909
作者： Ghazaleh Khodabandelou, Vincent Gauthier, Marco Fiore, Mounim El-Yacoubi
摘要： 通常由个人携带的通信设备已经变得无处不在，为收集关于大量人口的移动性的数字元数据开辟了前所未有的机会。在本文中，我们提出了一种使用移动运营商收集的订户在线元数据来估算大城市人口密度的新方法。我们的方法适用于估计静态人口密度，即传统普查中每个城市地区的住宅单位分布。更重要的是，它能够估计动态人口密度，即大都市中人们的时变分布。通过利用大量真实的移动网络元数据和地面实况信息，我们证明了我们的解决方案的准确性优于实际异构城市场景中最先进方法所提供的准确性。
最短路径多重性对多路网络拥塞的影响
原文标题： Effect of shortest path multiplicity on congestion of multiplex networks
地址： http://arxiv.org/abs/1810.12961
作者： Albert Solé-Ribalta, Alex Arenas, Sergio Gómez
摘要： 最短路径代表图中的离散测地距离，并且许多网络描述符取决于它们的计数。在多路复用网络中，这种计数对于量化层之间的切换至关重要，它对运输效率和拥堵过程具有重要意义。在这里，我们提出了一种计算多路网络中最短路径的距离和多样性（退化）的联合分布的数学方法，并利用其与拥塞过程的关系。该结果允许半分析地近似地表示多路复用网络中的拥塞的开始，作为其层的拥塞的函数。
网络中流行病过程的随机最优控制
原文标题： Stochastic Optimal Control of Epidemic Processes in Networks
地址： http://arxiv.org/abs/1810.13043
作者： Lars Lorch, Abir De, Samir Bhatt, William Trouleau, Utkarsh Upadhyay, Manuel Gomez-Rodriguez
摘要： 我们从标记时间点过程和带跳跃的随机微分方程（SDE）的随机最优控制的角度，探讨易感染易感（SIS）流行过程的模型和控制策略的发展。与以前的工作相比，这种新颖的视角特别适合利用有关疾病爆发的细粒度数据，它让我们克服了当前控制策略的缺点。我们的控制策略采用治疗强度来确定治疗对象以及何时进行治疗，以最大限度地减少受感染个体的数量。合成数据的初步实验表明，我们的控制策略始终优于多种替代方案。展望未来，我们相信我们的方法为制定流行病过程的实用数据驱动控制策略提供了有希望的一步。
人以群分？GitHub和Stack Overflow中开发人员的群集与迁移行为研究
原文标题： Birds of a Feather Flock Together? A Study of Developers' Flocking and Migration Behavior in GitHub and Stack Overflow
地址： http://arxiv.org/abs/1810.13062
作者： Michael Mu Sun, Akash Ghosh, Rajesh Sharma, Sandeep Kaur Kuttal
摘要： 个人之间的互动及其参与社区活动的方式取决于个人如何与同龄人认同自己。我们希望在开发人员学习和贡献社交协作环境（特别是代码托管站点和问题/答案站点）时调查此类行为。在这项研究中，我们调查了以下关于倡导者的问题，这些人可以被认定为全面的社区贡献者和积极的学习者。倡导者是否在社区聚集在一起？一群倡导者如何在社区内迁移？这些群体的倡导者是否会迁移到一个社区之外？为了理解这种行为，我们在代码托管网站上收集了12,578名普通拥护者--GitHub和问题/答疑网站 - Stack Overflow。这些倡导者参与了GitHub上的1,549个项目，并积极询问了114,569个问题，并回答了有关Stack Overflow的408,858个答案和1,001,125个评论。我们使用社会网络进行了深入的实证分析，以便在GitHub，Stack Overflow以及两个社区中找到倡导者及其迁移模式的成群。我们发现7.5％的拥护者在GitHub上创建了flocks，在Stack Overflow上创建了8.7％。此外，这些拥护者群体在GitHub上平均迁移5次，在Stack Overflow上迁移2次。特别是，两个鸡群的倡导者比较大的鸡群更频繁地迁移。但是，此迁移行为仅在单个社区中很常见。我们的研究结果表明，倡导者的群集和迁徙行为与其他社会环境中发现的大不相同。这表明需要调查那些使倡导者的群集和迁移行为失去动力的因素，以及在协作软件工具中增强和整合对此类行为的支持的方法。
新闻文章中社会媒体来源的大规模研究
原文标题： A Large-scale Study of Social Media Sources in News Articles
地址： http://arxiv.org/abs/1810.13078
作者： Md Main Uddin Rony, Mohammad Yousuf, Naeemul Hassan
摘要： 在本研究中，我们仔细研究了社交媒体内容在美国新闻媒体中作为来源或参考的用途。具体来说，我们审查了153家美国媒体在2013-2017五年期间发布的约6万篇新闻文章，并分析了社交媒体内容与其他来源相比的使用情况。我们设计了社交媒体源提取算法，并调查了不同新闻主题中社交媒体源使用的程度和性质。我们的研究结果表明，社交媒体内容在新闻中的使用在五年内几乎翻了一番。不可靠的媒体渠道比主流媒体更依赖社交媒体。主流和不可靠的网站都喜欢Twitter和Facebook作为信息来源。
通过高阶聚类系数进行系统风险评估
原文标题： Systemic risk assessment through high order clustering coefficient
地址： http://arxiv.org/abs/1810.13250
作者： Roy Cerqueti, Gian Paolo Clemente, Rosanna Grassi
摘要： 在本文中，我们提出了一种金融网络背景下系统性风险的新方法。为此，我们提供了系统性风险的定义，该定义基于在不同级别开发的网络节点周围的群集邻居的结构。所提出的措施结合了Cerqueti等人提出的节点 i 的阶数 l 的聚类系数的广义概念。 （2018）。在系统风险评估方面也探讨了其属性。对时变全球银行网络的实证实验显示了所提出的系统性风险衡量指标的有效性，并提供了对过去几年系统性风险如何变化的见解，同时也鉴于最近的金融危机以及随后对全球的更严格监管系统重要的银行。
匹配图与社区结构：一种集中度量方法
原文标题： Matching Graphs with Community Structure: A Concentration of Measure Approach
地址： http://arxiv.org/abs/1810.13347
作者： F. Shirani, S. Garg, E. Erkip
摘要： 在本文中，考虑了社区结构模型下的匹配随机图对。该问题自然地出现在各种应用中，例如隐私，图像处理和DNA测序。考虑具有成对相关边的一对随机生成的标记图。假设图边是基于社区结构模型生成的。给定第一个图的边标记，目标是恢复第二个图中的标签。在两种情况下考虑该问题：i）具有边信息，其中两个图中的节点的社区成员资格是已知的，以及ii）没有社区成员资格未知的边信息。提出了一种匹配方案，其基于图的邻接矩阵的典型性来操作。推导出可实现性结果，为在图参数的特定假设下成功匹配提供理论保证。观察到对于所提出的匹配方案，在存在边信息的情况下，成功匹配的条件不会改变。此外，导出了相反的结果，其表征了不可能进行匹配的一组图参数。
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。