- 上下文随机块模型：临界阈值和连续性;
- 通过矩阵分解进行图嵌入用于链路预测：平滑还是截断负数？;
- 一般社会网络中的分布式保护隐私的学习动态;
- 选举期间政治舆论格局的演变;
- 图上种子集扩展的确定性击中时间矩方法;
- 迈向5G及更高版本中的mmWave V2X，以支持自动驾驶;
- 寻找道路：网络上的最短路径;
- 具有动态和无症状种群的COVID-19的广义流行病学模型;
- 一种提高Web内容品牌一致性的集成方法：建模，分析和建议;
- 多网络相控振荡器的对抗决策策略：蓝绿红的仓本-坂口模型;
- 时间序列快照网络作为OSS中角色推荐的新模型;
上下文随机块模型：临界阈值和连续性
原文标题： Contextual Stochastic Block Model: Sharp Thresholds and Contiguity
地址： http://arxiv.org/abs/2011.09841
作者： Chen Lu, Subhabrata Sen
摘要： 我们在上下文随机块模型arXiv：1807.09596 [cs.SI]，arXiv：1607.02675 [stat.ME]中研究社区检测。第二作者在arXiv：1807.09596 [cs.SI]中研究了在设置具有高维节点协变量的稀疏图时所遇到的问题。他们使用统计物理学中的非严格空腔方法，推测了在这种情况下对社区检测的严格限制。此外，假设观察图的平均程度较大，则验证信息论阈值。预计一旦平均度超过1，该猜想就成立，因此该图具有巨大的分量。我们建立了这个猜想，并描述了检测和弱恢复的敏锐阈值。
通过矩阵分解进行图嵌入用于链路预测：平滑还是截断负数？
原文标题： Graph embeddings via matrix factorization for link prediction: smoothing or truncating negatives?
地址： http://arxiv.org/abs/2011.09907
作者： Asan Agibetov
摘要： 链路预测（发现复杂网络中缺失链接的过程）是信息科学中的重要问题，其应用范围从社会科学到分子生物学。神经图嵌入的最新进展提出了一种学习节点的潜在矢量表示的端到端方法，并成功地应用于链路预测任务中。但是，我们对这种方法的内部机制的理解还很有限，直到最近，我们才见证了与成熟矩阵分解理论的紧密联系。在这项工作中，我们为我们对跳跃图驱动的神经图嵌入算法与通过SVD进行矩阵分解之间的相互作用的理解做出了重要贡献。特别地，我们表明图嵌入的链路预测准确性在很大程度上取决于它们分解后的原始图共现矩阵的变换，有时会导致链路预测任务的准确性提高。我们改进的学习低秩分解分解的方法，该方法结合了来自不太可能的节点对的信息，所产生的结果与复杂的神经图嵌入模型所实现的最新链路预测性能相当
一般社会网络中的分布式保护隐私的学习动态
原文标题： A Distributed Privacy-Preserving Learning Dynamics in General Social Networks
地址： http://arxiv.org/abs/2011.09845
作者： Youming Tao, Shuzhen Chen, Feng Li, Dongxiao Yu, Jiguo Yu, Hao Sheng
摘要： 在本文中，我们研究了普通社会网络中的分布式隐私保护学习问题。具体来说，我们考虑一个非常普遍的问题设置，其中要求给定多跳社会网络中的主体做出顺序决策，以便在未知随机质量信号所具有的一组选项中进行选择。允许每个主体通过多跳通信与其对等方进行交互，但保留其隐私。为了实现上述目标，我们提出了一个四阶段的分布式社交学习算法。简而言之，我们的算法是迭代进行的，并且在每个回合中，每个主体i）随机扰动其采用以保护隐私，ii）通过随机游走以几乎统一的方式在社会网络上散布扰动的采用，iii）选择通过参考其同行的最新采用情况，选择一个选项，并且iv）根据其最新质量信号决定是否采用所选的选项。通过扎实的理论分析，我们为有关四阶段算法性能的两个基本算法问题提供了答案：一方面，当社会网络中有足够数量的主体时，我们说明了算法的收敛性，每个主体都有以不完整和受干扰的知识作为输入；另一方面，我们揭示了隐私损失与通信开销之间的量化权衡。我们还进行了广泛的仿真，以验证我们的理论分析并验证算法的有效性。
选举期间政治舆论格局的演变
原文标题： Evolution of the political opinion landscape during electoral periods
地址： http://arxiv.org/abs/2011.09538
作者： Tomás Mussi Reyero, Mariano G. Beiró, J. Ignacio Alvarez-Hamelin, Laura Hernández, Dimitris Kotzinos
摘要： 我们基于从微博平台Twitter获得的数据，对阿根廷2015年和2019年总统大选期间政治格局的演变进行了研究。我们基于遵循至少一个主要候选者的所有用户使用的主题标签构建语义网络。有了这个网络，我们可以发现社会上讨论的话题。与大多数关于社交媒体的观点研究不同的是，我们不选择先验主题，而是自然而然地从语义网络的社区结构中出现。我们为每个用户分配一个动态的主题向量，该向量可以测量她/他在这个空间中意见的演变，并允许我们监视不同候选人的支持者群体之间的相似性和差异。我们的结果表明，该方法能够检测不同主题上舆论形成的动态，尤其是可以刻画政治舆论格局的重塑，从而导致2015年大选两轮选举之间的结果倒置。
图上种子集扩展的确定性击中时间矩方法
原文标题： A Deterministic Hitting-Time Moment Approach to Seed-set Expansion over a Graph
地址： http://arxiv.org/abs/2011.09544
作者： Alexander H. Foss, Richard B. Lehoucq, W. Zachary Stuart, J. Derek Tucker, Jonathan W. Berry
摘要： 我们介绍HITMIX，这是一种用于网络种子集扩展的新技术，即识别与给定种子集相关的一组图顶点的问题。我们使用图的命中时间分布的矩来量化每个非种子顶点与种子集的关系。这涉及对击中时刻的确定性计算，该确定性计算可在图边的数量上扩展，因此避免了直接在图上采样马尔可夫链。这些矩用于拟合混合模型，以估计应将每个非种子顶点与种子集分组的概率。这种隶属概率使我们能够以统计上合理的方式对非种子和阈值进行排序。据我们所知，HITMIX是第一个用于种子集扩展的完整统计模型，该模型可以提供顶点级别的成员资格概率。尽管HITMIX是一种全局方法，但实际上它的线性计算复杂度允许在大图上进行计算。我们有一个高性能的实现，并且在SNAP信息库中的随机块模型和小型世界网络上展示了计算结果。该问题的最新技术是最近开发的本地方法的集合，并且我们证明，如果可以使用我们的全局方法，则可以在解决方案质量上获得明显的优势。在实践中，如果图可以存储在内存中，我们希望能够运行HITMIX。
迈向5G及更高版本中的mmWave V2X，以支持自动驾驶
原文标题： Towards mmWave V2X in 5G and Beyond to Support Automated Driving
地址： http://arxiv.org/abs/2011.09590
作者： Kei Sakaguchi, Ryuichi Fukatsu, Tao Yu, Eisuke Fukuda, Kim Mahler, Robert Heath, Takeo Fujii, Kazuaki Takahashi, Alexey Khoryaev, Satoshi Nagata, Takayuki Shimizu
摘要： 毫米波可为车对所有（V2X）通信提供高数据速率。本文激发毫米波来支持自动驾驶，并首先通过参考几个标准化机构来解释支持自动驾驶的V2X用例。本文对现有V2X标准进行了分类：IEEE802.11p和LTE V2X，以及其商业部署的状态。然后，本文提供了有关毫米波V2X如何实现协作感知用例的详细评估。解释提供了此用例的详细速率计算，并表明毫米波是唯一能够满足要求的技术。此外，还介绍了与V2X毫米波相关的特定挑战，包括覆盖范围增强和光束对准。本文总结了三项研究的结果，即基于IEEE802.11ad（WiGig）的V2X，5G NR（新无线电）向mmWave V2X的扩展以及具有mmWave V2X的智能街道的原型。
寻找道路：网络上的最短路径
原文标题： Finding Your Way: Shortest Paths on Networks
地址： http://arxiv.org/abs/2011.09632
作者： Teresa Rexin, Mason A. Porter
摘要： 前往不同的目的地是我们生活的重要组成部分。我们如何知道从一个地方导航到另一个地方的最佳方法？也许我们可以测试在两个地方之间旅行的所有不同方式，但是另一种方法是使用数学和计算来找到最短路径。我们讨论如何找到最短路径，并介绍Dijkstra算法以最小化路径的总成本，其中成本可能是行驶距离或行驶时间。我们还将讨论在现实世界中如何使用最短路径来节省时间并提高出行效率。
具有动态和无症状种群的COVID-19的广义流行病学模型
原文标题： A Generalized Epidemiological Model for COVID-19 with Dynamic and Asymptomatic Population
地址： http://arxiv.org/abs/2011.09686
作者： Anirban Ghatak, Shivshanker Singh Patel, Soham Bonnerjee, Subhrajyoty Roy
摘要： 在本文中，我们开发了适用于COVID-19的标准流行病学模型的扩展。此扩展合并了由于病毒的症状前或无症状携带者而引起的传播。此外，该模型还刻画了由于人们往返于一个国家内的不同行政区域而导致的疾病传播。该模型描述了由于（初期）人类传播和多个隔室的伴随效应，确诊病例数的概率上升。模型中的相关参数可以帮助设计大流行的公共卫生政策和运营管理。例如，该模型表明，增加对有症状患者的检测对大流行的进展没有任何重大影响，但是无症状人群的检测率却起着至关重要的作用。该模型是使用从印度共和国恰蒂斯加尔邦获得的数据执行的。该模型显示出比其他流行病学模型明显更好的预测能力。该模型可以很容易地应用于任何行政区域（州或国家）。而且，该模型也可以用于任何其他流行病。
一种提高Web内容品牌一致性的集成方法：建模，分析和建议
原文标题： An Integrated Approach for Improving Brand Consistency of Web Content: Modeling, Analysis and Recommendation
地址： http://arxiv.org/abs/2011.09754
作者： Soumyadeep Roy, Shamik Sural, Niyati Chhaya, Anandhavelu Natarajan, Niloy Ganguly
摘要： 依赖消费者的（企业对消费者）组织倾向于将自己呈现为具有一系列人类素质，这被称为公司的品牌个性。通过组织产生的广告，博客或杂志等形式的内容，给消费者留下了深刻的印象。一致的品牌会随着时间的流逝对常规和通用模式产生亲和力，从而赢得信任并留住客户。然而，随着虚拟内容数量的激增，为品牌保持一致的消息传递口号变得更具挑战性，因为内容数量的创作和推送到互联网上才能在数字营销时代保持优势。为了理解问题的严重性，我们从大约650家公司收集了大约30万个网页内容。我们通过考虑内容的语言特征来开发特定于特征的分类模型。分类器自动识别与公司的使命和愿景不一致的网络文章，并进一步帮助我们发现无法保持一致性的条件。为理解决品牌不一致的问题，我们然后开发了一个句子排名系统，该系统输出需要更改的前三个句子，以使网络文章更符合公司的品牌个性。
多网络相控振荡器的对抗决策策略：蓝绿红的仓本-坂口模型
原文标题： Adversarial decision strategies in multiple network phased oscillators: the Blue-Green-Red Kuramoto-Sakaguchi model
地址： http://arxiv.org/abs/2011.09759
作者： Mathew Zuparic, Maia Angelova, Ye Zhu, Alexander Kalloniatis
摘要： 我们考虑了三个决策者相互作用的模型，分别标记为蓝色，绿色和红色，表示为受挫的同步动力学的耦合相位振荡器。这些主体耦合在三个具有不同拓扑结构的网络上，并通过不同的跨群体挫败感，内部和跨网络耦合来调制交互。动态模型的目的是检验蓝色和红色决策者这两组决策者在内部寻求该过程同步的同时能够实现领先于彼此决策周期的策略的程度。 -所有这些都是在与第三人口Green进一步互动的背景下进行的。为了进行此分析，我们执行了显著的降维近似和稳定性分析。我们将其与一系列内部和跨网络耦合参数的数值解决方案进行比较，以研究各种同步机制和临界阈值。比较结果表明在适当的参数范围内具有良好的一致性。通过执行参数扫描，我们可以发现，蓝人追求在红人的决策周期之前保持领先的策略会触发绿人口优先于蓝人的周期的二阶效应。这种行为对具有合作和竞争过程的多个相互作用的社会群体的动态具有影响。
时间序列快照网络作为OSS中角色推荐的新模型
原文标题： Time-Series Snapshot Network as A New Model for Role Recommendation in OSS
地址： http://arxiv.org/abs/2011.09883
作者： Jinyin Chen, Yunyi Xie, Jian Zhang, Xincheng Shu, Qi Xuan
摘要： 过去十年见证了开源软件（OSS）的快速发展。但是，即使所有贡献者都热衷于做出贡献，也可能难以融入OSS社区。因此，我们建议角色推荐可以使用户和开发人员都受益，即，一旦我们能够为有需要的人提供成功的角色推荐，它可能会极大地提高开发人员的生产力和用户的热情，从而进一步推动OSS项目发展。基于这种潜力，我们通过网络嵌入方法研究了来自电子邮件数据的角色推荐。在本文中，我们介绍了时间序列快照网络（TSSN），它是一个混合网络，用于建模用户和开发人员之间的交互。基于已建立的TSSN，我们执行时间偏向漫游（TBW）以自动刻画电子邮件网络的时间和结构信息，即OSS电子邮件网络中个体之间的行为相似性。在十个Apache数据集上进行的实验表明，所建议的TBW明显优于许多先进的基于随机游动的嵌入方法，从而实现了最新的推荐性能。
声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，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.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。