- 网络的无环性与营养级一致性有关;
- 生物系统的关系理论：复杂生物行为的自然模型;
- 影响最大化符合效率和有效性：基于Hop的方法;
- 使用矩阵因式分解的Twitter Hashtag建议;
- 利用一致性理论建模Twitter Hashtag的使用;
- 迈向基于心理测验的朋友在社交网络服务中的推荐;
- 关于限制谣言的传播/谣言传播策略的有效性;
- 社区结构表征;
- 反对者在意见形成动态中的影响;
网络的无环性与营养级一致性有关
地址： http://arxiv.org/abs/1505.07332
作者： Samuel Johnson, Nick S. Jones
摘要： 由于缺乏对其元素的反馈，许多自然，复杂的系统非常稳定。当被描述为网络时，这些表现出很少或没有循环，并且相关联的矩阵具有小的主要特征值。有人建议，这种架构可以赋予整个系统的优势，如“定性稳定性”，但这种观察本身并不能解释如何产生无环结构。我们在这里展示，网络中的反馈回路数量以及相关矩阵的特征值由称为营养级一致性的结构属性来确定，该结构属性是整齐节点如何分为不同级别的度量。我们的理论将各种网络（包括从基因，代谢物，物种，神经元，词汇，计算机和贸易国家派生的网络）正确地分类为高、低反馈的两个不同的制度，并提供了一个零模型来衡量相关程度。由于营养级一致性抑制了反馈，而单独缺乏反馈并不能导致一致性，所以我们的工作表明，应该在一致性诱导机制中寻求“无环”性质的原因。
生物系统的关系理论：复杂生物行为的自然模型
地址： http://arxiv.org/abs/1705.10394
作者： Pedro J. Miranda, Guiliano G. La Guardia
摘要： 在本文中，我们开发了一种用于描述和建模复杂生物现象的自然（经验）关系理论。我们作为踏脚石的主张：功能意味着结构。该理论建立在图的理论结构之上，其中发生信息的扩散模型，并且可以调查动力学以产生稳定的量词。在这种情况下，我们通过添加由香农熵给出的自由语境生物重要度量来改进开创性的工作。我们还介绍生物基因座的概念。这种概念代表着作为代理人本身的密切相关的生物制剂。我们的结果使我们能够综合考虑复杂生物行为的自然模型：系统更新，不可约束性以及扩散模型中动力学行为的利用。该模型最终决定了其可塑性和环境变化的自然能力，与香农的熵和生物系统可以显示的动力有着内在的联系。
影响最大化符合效率和有效性：基于Hop的方法
地址： http://arxiv.org/abs/1705.10442
作者： Jing Tang, Xueyan Tang, Junsong Yuan
摘要： 影响最大化是一个广泛研究的问题，其目标是在在线社交网络（OSN）中选择一组初始种子节点以尽可能广泛地传播影响。然而，设计快速准确的算法以在大规模OSN中找到解决方案仍然是一个开放的挑战。以前的基于Monte-Carlo模拟的方法是缓慢的，不可扩展的，而其他启发式算法没有任何理论保证，并且已经被证明在很多情况下产生差的解决方案。在本文中，我们提出了基于跳跃的算法，可以轻松地扩展到数百万个节点和数十亿个边。与以前的启发式不同，我们提出的基于跳跃的方法可以提供一定的理论保证。使用真实OSN数据集的实验评估证明了我们的算法的效率和有效性。
使用矩阵因式分解的Twitter Hashtag建议
地址： http://arxiv.org/abs/1705.10453
作者： Hamidreza Alvari
摘要： Twitter是最大和最受欢迎的微博网站之一，已经发展成为一个强大的通信平台，可以让数百万活跃用户每天生成大量的微型和查询。为了适应有效的分类和易于搜索，用户可以使用以哈希字符为前缀的主题标签，关键字或短语来分类和总结其帖子。然而，有效的标签不受限制，因此以自由和异构的方式创建，增加了鸣叫分类任务的难度。在本文中，我们提出了一种基于低等级加权矩阵分解的方法，仅基于用户的主题标签使用历史和独立于Twitter的内容来向用户推荐主题标签。我们确认使用双样本t检验，用户更有可能采用类似于之前采用的新标签。特别是，我们将主题标签建议的问题制定成优化问题，并将其中包含主题标签相关权重矩阵，以解决不同标签之间的相似性。我们最终利用推荐系统中广泛使用的矩阵分解，通过捕获用户和主题标签的潜在因素来解决优化问题。经验实验表明，我们的方法能够正确地推荐标签。
利用一致性理论建模Twitter Hashtag的使用
地址： http://arxiv.org/abs/1705.10455
作者： Hamidreza Alvari
摘要： Twitter是一个微博服务，已经发展成为数以百万计的活跃用户的强大的通信平台，每天可以生成大量的微型数据。为了方便有效的分类和易于搜索，用户采用哈希（＃）字符之前的标题，关键字或短语。成功预测在Twitter上以热门主题或主题标签形式传播和传播信息，可以帮助实时识别新趋势，从而改善营销工作。社会理论如一致性理论表明人们喜欢和谐或一致的想法。例如，在Twitter中，用户更可能在最终死亡之前多次采用相同的趋势主题标签。在本文中，我们提出了一种基于一致性理论的低排名加权矩阵因式分解法，用于模拟Twitter中趋势主题标签采用。特别是，我们首先将趋势化标签采用建模的问题转化为优化问题，然后将一致性理论整合为一个正则化术语，最终利用广泛使用的矩阵分解来解决优化问题。实证实验表明，我们的方法在预测用户未来是否会使用特定趋势标签标签时，胜过其他基线。
迈向基于心理测验的朋友在社交网络服务中的推荐
地址： http://arxiv.org/abs/1705.10512
作者： Felix Beierle, Kai Grunert, Sebastian Göndör, Viktor Schlüter
摘要： 社交网络服务的两个定义要素是包含用户信息的社交个人资料，以及包含用户之间的连接信息的社交图。社交网络服务用于连接已知的人员，并发现新的联系人。当前的朋友推荐机制通常利用社交图。在本文中，我们认为心理测量学是衡量人格特征的领域，可以帮助您根据包含收集的智能手机传感器数据的扩展社交配置，提出有意义的朋友推荐。这将支持高分布式社交网络服务的开发，而不需要社会图表的中心知识。
关于限制谣言的传播/谣言传播策略的有效性
地址： http://arxiv.org/abs/1705.10618
作者： Lu-Xing Yang, Tianrui Zhang, Xiaofan Yang, Yingbo Wu, Yuan Yan Tang
摘要： 传播真相和阻止谣言是抑制谣言的两个典型策略。实际上，这两种策略（称为TSRB策略）之间的权衡可能会实现更好的成本效益。本文致力于评估TSRB战略的有效性。为此，建立了捕获谣言与真相之间的相互作用的个人层面的传播模式（通用的URQT模型）。在这个模式下，提出了一套濒临灭绝传闻的标准。这些标准捕获了基本参数和网络结构对TSRB策略有效性的综合影响。实验结果表明，当谣言消失时，简化的URQT模型（线性URQT模型）的动力学与实际的谣言真相相互作用过程吻合良好。因此，通用URQT模型和有时线性URQT模型为评估TSRB策略的有效性提供了适当的依据。
社区结构表征
地址： http://arxiv.org/abs/1705.10621
作者： Vincent Labatut (LIA), Günce Keziban Orman
摘要： 该条目讨论了描述一个在复杂的兴趣网络中识别的一些社区的问题，从而允许解释它们。我们假设社区结构已经通过文献中提出的许多方法之一来检测。那么问题就是知道如何从这个第一个结果中提取有价值的信息，以便允许人类的解读。这需要后续处理，我们在本条目的其余部分中描述。
反对者在意见形成动态中的影响
地址： http://arxiv.org/abs/1705.10761
作者： Joao Paulo Gambaro, Nuno Crokidakis
摘要： 在这项工作中，我们考虑在离散的三态动力交换意见模型中存在逆向因子。反对者是个人，采取与他们接触的普遍选择相反的选择，无论这种选择是什么。在一个完全连接的人口中，我们考虑二进制和三代理交互作用，随机参数。我们的数值结果表明，反对者的存在破坏了原始模型的吸收状态，改变了向铁磁型的转变。在这种情况下，社会的后果就是这三种观点在这两个阶段共同存在（有序和无序）。而且，秩序紊乱的转变对于足够的大部分逆向者来说是有阻碍的。在某些情况下，转换是不连续的，它在被抑制之前变为连续的。我们的一些结果补充了基于主方程的分析计算。
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。