- 移动互联社区中疾病传播的预测模型;
- N人博弈中严格纳什均衡几何选择的熵范空间;
- 预测研究人员的合著者人数：一种学习模型;
- 从随机贡献识别到足球比赛最佳预测的确定;
- 时态核心与时态网络中流行病传播的相关性;
移动互联社区中疾病传播的预测模型
原文标题： Predictive modelling of disease propagation in a mobile, connected community
地址： http://arxiv.org/abs/2003.09348
作者： Ishant Tiwari, Pradeep Sarin, Punit Parmananda
摘要： 我们介绍了从随机，高度连接和移动社区的建模中获得的数值结果。在平面二维有限空间上使用元胞自动机模拟社区成员之间诸如健康，疾病之类的属性的传播。只需极少的假设，我们就可以根据时间和与自动机之间的交互作用相关的参数的微调来预测此类疾病的未来传播过程。
N人博弈中严格纳什均衡几何选择的熵范空间
原文标题： Entropy-Norm space for geometric selection of strict Nash equilibria in n-person games
地址： http://arxiv.org/abs/2003.09225
作者： A. B. Leoneti, G. A. Prataviera
摘要： 基于经验证据的动机，即群体决策中的个人希望同时最大化效用和避免不平等，我们提出了一种基于熵-范数对的准则，用于n人博弈中严格纳什均衡的几何选择。为此，我们在熵范空间中引入了n人Nash均衡效用集的映射。我们建议最合适的组选择是最接近重新定标的熵范数空间的最大熵范数对的平衡。连续应用此标准允许在n人博弈中对可能的纳什均衡进行排序，同时考虑玩家收益的相等性和效用。讨论了这种方法在某些特殊情况下的局限性。另外，所提出的标准被应用并与小组决策实验的结果进行比较。
预测研究人员的合著者人数：一种学习模型
原文标题： Predicting the number of coauthors for researchers: A learning model
地址： http://arxiv.org/abs/2003.09315
作者： Zheng Xie
摘要： 预测研究人员的合著者人数有助于理解团队科学的发展。但是，由于研究人员协作模式的多样性，这是一项艰巨的任务。该研究为该变量的动力学提供了学习模型。从经验数据中学习参数，这些经验数据包括在给定时间间隔内的出版物数量和合著者数量。该模型基于给定年度出版物数量的新合著者年度数量与时间之间的关系，给定历史出版物数量的年度出版物数量与时间之间的关系以及洛特卡定律。通过将模型应用于高质量dblp数据集，可以验证模型的假设。通过对研究人员合著者数量的演变趋势，该变量的分布以及协作事件的发生概率进行令人满意的拟合，可以在数据集上测试模型的有效性。由于其回归性质，该模型有可能被扩展以评估预测结果的置信度，因此可用于其他实证研究。
从随机贡献识别到足球比赛最佳预测的确定
原文标题： From identification of random contributions to determination of the optimum forecast of a soccer match
地址： http://arxiv.org/abs/2003.09352
作者： Andreas Heuer
摘要： 运动事件的预测不仅在应用方面而且在理论上都引起广泛关注。在这项工作中，以德国足球德甲联赛为例，提出了一个问题，即如何表征一场比赛的进球差异的理论上最佳的预测。这涉及对比赛中的随机贡献进行仔细分析，并将其与有益的贡献分开，这取决于各个团队的实力。一个重要方面是考虑球队实力的时间依赖性，事实证明，球队实力在一个赛季中主要围绕球队特定价值波动。必须区分两种类型的时间相关属性，一种在不同的比赛日之间是不相关的，另一种是相关的，因此可以通过适当的相关性分析来访问。对于某些绩效指标（可用于估算团队实力），将各自预测的质量与理论最优值进行比较。对信息贡献的了解使我们可以得出结论，进攻团队的力量比防守团队的力量对于最终的成功更为重要。
时态核心与时态网络中流行病传播的相关性
原文标题： Relevance of temporal cores for epidemic spread in temporal networks
地址： http://arxiv.org/abs/2003.09377
作者： Martino Ciaperoni, Edoardo Galimberti, Francesco Bonchi, Ciro Cattuto, Francesco Gullo, Alain Barrat
摘要： 时间网络被广泛用来代表各种系统，包括特别是社会互动，并且传播过程在它们之上展开。尽管在静态网络的情况下最近取得了进展，但是在这种过程中起重要作用的结构的识别仍然是一个悬而未决的问题。在这里，我们将最近引入的跨核概念作为候选结构：跨核将时间网络分解为可控持续时间和增加连通性的子图，从而概括了静态图的核分解。我们分别基于消除高凝聚力或持续时间的跨度核心以降低流行病风险，或从这种结构中植入过程，探索旨在抑制或最大化传播影响的策略的有效性。此类策略的有效性在各种经验数据集中，并针对仅使用有关节点中心性的静态信息和核心性静态概念的多个基准进行了评估。我们的结果表明，移除最稳定和具有凝聚力的时态核心对时态网络上的流行过程具有强大的影响，并且它们的节点可能代表有影响力的传播者。
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.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。