- 动态随机块模型中的Disutangling群和链接持久性;
- 双曲网格和离散随机图;
- 用移动电话数据分析查加斯病蔓延;
- 代码混合型社交媒体文本的复杂性度量;
- 代码混合社会媒体文本中的情感识别;
- 指数随机图表示像随机块模型的混合;
- 多路网络上的最优渗滤;
- 网络动力学的谱模式揭示了临界附近信息复杂度的增加;
动态随机块模型中的Disutangling群和链接持久性
地址： http://arxiv.org/abs/1701.05804
作者： Paolo Barucca, Fabrizio Lillo, Piero Mazzarisi, Daniele Tantari
摘要： 我们研究了动态网络模型的推论，其中社区和链接都保持以前网络状态的记忆。通过考虑网络单一快照观测的最大似然推理，我们可以看出，链路持久性使得社区的推断变得更加困难，降低了可检测性阈值，而社区持续性往往更容易。我们分析地表明，从单网络快照推断的社区可以与特定以前时刻的潜在社区共享最大重叠。这导致时滞推论：识别过去的社区而不是现在的社区。最后，我们计算时滞，并提出了一种纠正算法，即Lagged Snapshot Dynamic（LSD）算法，用于动态网络中的社区检测。我们分析和数字地表征这种算法的可检测性转换，作为模型的存储器参数的函数。
双曲网格和离散随机图
地址： http://arxiv.org/abs/1707.01124
作者： Eryk Kopczyński, Dorota Celińska
摘要： 我们提出了一种用于计算双曲线网格中的距离的有效算法。我们应用这个算法来有效地使用双曲线随机图模型的离散变体。这种模式在无标度网络的分析中越来越受欢迎，无线网络在社会网络分析到生物学的许多领域都是普遍存在的。我们介绍了在现实世界网络上进行的实验结果。
用移动电话数据分析查加斯病蔓延
地址： http://arxiv.org/abs/1707.01149
作者： Juan de Monasterio, Alejo Salles, Carolina Lang, Diego Weinberg, Martin Minnoni, Matias Travizano, Carlos Sarraute
摘要： 我们使用手机记录来分析两个拉丁美洲国家的流行模式和检测恰加斯病可能的风险区域。我们显示地理定位呼叫记录丰富的社会和个人信息，可用于推断个体是否居住在流行地区。我们在阿根廷和墨西哥提供两个案例研究，使用来自每个国家的手机公司提供的数据。我们生成的风险图可以被健康运动管理者用于针对具体领域并更有效地分配资源。
代码混合型社交媒体文本的复杂性度量
地址： http://arxiv.org/abs/1707.01183
作者： Souvick Ghosh, Satanu Ghosh, Dipankar Das
摘要： 评估度量是衡量任何系统的性能和任何数据的复杂性的绝对必要条件。在本文中，我们已经讨论了如何确定由于多语言干扰而迅速增长的代码混合社交媒体文本的复杂程度。一般来说，用多种语言编写的文本往往难以理解和分析。同时，为了满足分析的要求，还需要确定特定文档或文本段的复杂性。因此，在本文中，我们已经讨论了确定语料库的代码混合复杂性的现有指标，其优点和缺点，并提出了对现有指标的几个改进。新的指数更好地反映了多语言文档的多样性和复杂性。此外，索引可以应用于句子，并且无缝地扩展到段落或整个文档。我们已经使用了两个现有的代码混合语料库来满足我们学习的要求。
代码混合社会媒体文本中的情感识别
地址： http://arxiv.org/abs/1707.01184
作者： Souvick Ghosh, Satanu Ghosh, Dipankar Das
摘要： 情绪分析是处理文本中情绪检测和分类的自然语言处理（NLP）任务。虽然一些任务涉及确定文本中情绪的存在（主观性分析），但其他任务旨在确定将文本分类为正，负和中立的文本的极性。每当文本中存在情绪时，它都有一个来源（人，群体或任何实体），情绪指向某个实体，对象，事件或人。情绪分析任务旨在确定主题，目标和情绪的极性或价格。在我们的工作中，我们尝试使用机器学习方法从Facebook帖子中自动提取情绪（积极或消极）。尽管在代码混合的社交媒体数据和情绪分析中已经做了一些工作，但我们的工作是第一次尝试截至目前），旨在对代码混合的社交媒体文本进行情感分析。我们已经使用广泛的预处理来消除原始文本中的噪点。多层感知器模型已被用于确定情绪的极性。我们还通过用相关情绪手动标记Facebook帖子来开发这个任务的语料库。
指数随机图表示像随机块模型的混合
地址： http://arxiv.org/abs/1707.01227
作者： Ronen Eldan, Renan Gross
摘要： 我们研究指数随机图在稀疏密度方面的行为。我们表明指数随机图是具有独立边的图的近似混合，其概率矩阵是相关函数的临界点，导致矩阵方程。在密集的方案中，该方程的每个解都接近块矩阵，得出结论是指数随机图表现大致像随机块模型的混合。我们还显示了几个指数随机图的系列的这个方程的解的存在和唯一性，包括子图用正权重计数的情况。特别地，这概括了Chatterjee和Diaconis从密集的政权到稀疏政权的一篇文章中的一些结果，并将其范围从削减量增加到一个指标。
多路网络上的最优渗滤
地址： http://arxiv.org/abs/1707.01401
作者： Saeed Osat, Ali Faqeeh, Filippo Radicchi
摘要： 最优渗透是找到最小集合节点的问题，使得如果从网络中移除该集合的成员，则将网络分段为非广泛的断开的集群。最优渗滤问题的解决方案直接适用于疾病传播过程中的免疫策略，并影响某些类型的意见动态模型的最大化。在本文中，我们考虑了多路复用网络上最优渗滤的问题。多重场景用于对各种技术，生物和社会网络进行实际建模。我们发现，这些系统的多层性质，以及更准确的复用特征，如边重叠和层间度相关性，深刻地改变了识别为最优渗滤问题解的节点集的属性。
网络动力学的谱模式揭示了临界附近信息复杂度的增加
地址： http://arxiv.org/abs/1707.01446
作者： Xerxes D. Arsiwalla, Pedro A.M. Mediano, Paul F.M.J. Verschure
摘要： 动态网络系统的信息复杂性告诉我们这些复杂系统的内在机制和功能是什么？综合信息等最近的复杂性措施试图以整体与零部件的角度来实现这个问题，其中一个显式地计算出由整个网络产生的信息的总和超过其状态的总和产生的信息量过渡。虽然存在用于估计网络集成信息的几种数值方案，但是追求计算综合信息作为网络权重的函数的分析方法是有启发性的。我们的综合信息的制定在网络状态集合上的多变量分布与其部分上的相应因式分布之间使用了Kullback-Leibler分歧。实现随机高斯动力学，我们对几个原型网络拓扑进行计算。我们的研究结果表明，在关键性附近增加了信息复杂性，这在网络拓扑中保持一致。系统动力学的谱分解揭示了信息复杂性如何由网络的协方差和相邻矩阵的本征模态来控制。我们发现，随着系统接近关键性的动态，高集成信息是由协方差矩阵的主要特征值对应的本征模式驱动的，而次级模式被抑制。这种结果的含义是，可能有利于诸如人类大脑或通信系统之类的复杂动态网络系统在临界关键性下运行，从而可以实现有效的信息集成。
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。