- 社会经济网络消费模式的相关性;
- 动态嵌入的图聚类;
- 网络博弈的一个变分不等式框架：存在性，唯一性，收敛性和敏感性分析;
- 提出原始研究成果的量化指标;
- 跟踪命名实体的扩散;
社会经济网络消费模式的相关性
原文标题： Correlations of consumption patterns in social-economic networks
地址： http://arxiv.org/abs/1609.03756
作者： Yannick Leo, Márton Karsai, Carlos Sarraute, Eric Fleury
摘要： 我们分析一个耦合的匿名数据集，收集大量个人的手机通信和银行交易历史。在对社会结构进行绘制并引入社会经济地位，人口特征和个人购买习惯指标之后，我们发现典型的消费模式与已确定的社会经济阶层密切相关，导致了社会结构的分层模式。此外，我们测量商户类别之间的相关性，并引入一个相关性网络，这个网络具有一个有意义的社区结构。我们检测商户类别之间的多元关系，并显示个人购买习惯的相关性。我们的工作提供新颖和详细的洞察社会和消费行为之间的关系，在推荐系统设计中的潜在应用。
动态嵌入的图聚类
原文标题： Graph Clustering with Dynamic Embedding
地址： http://arxiv.org/abs/1712.08249
作者： Carl Yang, Mengxiong Liu, Zongyi Wang, Liyuan Liu, Jiawei Han
摘要： 图论聚类（或社区检测）早已引起了对网络挖掘和信息网络研究的极大关注。最近关于这个话题的文献已经达成共识，即节点内容和链接结构应该被整合以用于可靠图聚类，尤其是在无监督的情况下。然而，基于浅层模型的现有方法常常受到内容噪声和稀疏性的影响。在这项工作中，我们提出利用深度嵌入进行图聚类，受到神经网络在学习内在内容表示方面的公认权力的激励。在此基础上，通过影响传播的原理捕捉网络的动态性，并计算动态网络嵌入。然后基于这种嵌入的稳定状态来检测网络群集。与大多数现有的与任务无关的嵌入方法不同，我们同时以端到端的方式解决底层节点表示和最佳聚类分配问题。为了提供更多的见解，我们从理论上分析了我们对网络集群的解释，并找到了它与两种广泛应用的网络建模方法的基本联系。在包括社会网络和引文网络的六个实际数据集上的广泛的实验结果证明了我们提出的模型优于最先进的模型。
网络博弈的一个变分不等式框架：存在性，唯一性，收敛性和敏感性分析
原文标题： A variational inequality framework for network games: Existence, uniqueness, convergence and sensitivity analysis
地址： http://arxiv.org/abs/1712.08277
作者： Francesca Parise, Asuman Ozdaglar
摘要： 为网络博弈纳什均衡的基本属性研究提供了一个统一的变分不等式框架。基于多维可能约束策略集，确定了一般网络博弈均衡的存在性，唯一性，收敛性和连续性，确定了底层网络中的几个条件（即谱域范数，无穷范数和邻接矩阵的最小特征值）。我们描述了这些条件之间的关系，并描述了满足这些条件的网络类别。
提出原始研究成果的量化指标
原文标题： A proposal for a quantitative indicator of original research output
地址： http://arxiv.org/abs/1712.08337
作者： Roberto Onofrio
摘要： 现在科学生产力的定量指标的使用现在在评估研究人员和研究机构方面已经相当普遍。然而，人们普遍认为，这些指标并不一定代表所开展的研究的原创性，主要表现为或多或少的多产科学活动和目标科学分社区的规模。我们首先讨论广泛采用的$ h $指数的一些缺点，以及它从平均意义上来说是一个可从引文总数中推导出来的指标。然后，我们提出一个指标，尽管不偏离偏见，但它似乎更符合量化通常被认为是原创性工作的总体预期。最后讨论关于不同指标如何影响科学未来的定性论点。
跟踪命名实体的扩散
原文标题： Tracking the Diffusion of Named Entities
地址： http://arxiv.org/abs/1712.08349
作者： Leon Derczynski, Matthew Rowe
摘要： 关于信息如何在社会网络中扩散的现有研究迄今为止集中在分析和恢复诸如URL，主题标签和组成员身份等确定性创新的传播。然而，调查如何提及真实世界的实体出现和传播还有待探索，这主要是由于执行大规模实体提取的计算上难以处理的性质。在本文中，我们尽我们所知地介绍了使用Reddit作为案例研究平台来仔细研究社交媒体上命名实体的传播的第一件工作之一。我们首先研究如何从讨论帖子中准确识别和提取命名实体。然后，我们使用这些提取的实体来研究实体级联的模式以及用户采用实体（即提及它）的概率如何与实体的风险相关联。我们通过提出一个可以预测实体采用概率的并行扩散模型，把这些片断放在一起，发现用户之间的采用的影响可以通过事先的交互来表征，而不是用户是否预先传播实体采用。我们的研究结果对研究影响力和语言的研究人员以及希望了解实体层面影响力动态的社区分析师有重要意义。
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。