- 撤消合并操纵h指数;
- 随时间推移论文之间的距离更短，是由于跨领域的参考文献增加和高影响力论文引用率提高;
- 通过狄利克雷霍克斯过程识别在暗网市场隐藏买家;
- 复杂网络动态相变的机器学习;
- 将冲突不确定性纳入电力规划：南苏丹案例研究;
- 跨大型信息网络的迁移结构框架;
- 齐普夫定律的偏离比齐普夫定律本身包含了更多信息;
- 基于模型评估利用动力学理论的辅助驾驶车辆的影响;
撤消合并操纵h指数
原文标题： h-Index Manipulation by Undoing Merges
地址： http://arxiv.org/abs/1604.04827
作者： René van Bevern, Christian Komusiewicz, Hendrik Molter, Rolf Niedermeier, Manuel Sorge, Toby Walsh
摘要： h指数是用于评价研究人员的性能的一个重要的书目措施。研究者合并不同的版本他们在他们的谷歌个人学术档案的文章，即使这会降低他们的h指数。在这篇文章中，我们将撤消这种合并研究h指数的操纵。在通过合并物品对比操作的（van贝费尔恩等人[ARTIF英特尔240：。19-35，2016]）这样的操纵是更难以检测。我们对计算复杂性本众多结果（从线性时间的算法来计算参数硬度结果）和经验表明，在由分裂h指数的至少小的改进合并制品是不幸容易实现的。
随时间推移论文之间的距离更短，是由于跨领域的参考文献增加和高影响力论文引用率提高
原文标题： Shorter Distances between Papers over Time are Due to More Cross-Field References and Increased Citation Rate to Higher Impact Papers
地址： http://arxiv.org/abs/1911.04548
作者： Attila Varga
摘要： 在科学出版物数量的急剧增加引起了科学是否扩大到断裂的结构，使得跨场通信难的问题。在另一方面，科学家们可能会积极地跨领域拥有广泛的学习，以提高自己的创新能力，这可能抵消碎片的负面影响。通过中距离的调查和横截面引文网络的聚类，这项研究提出的证据表明，科学成为多领域的时间积分。发表在同年论文的平均引用距离约5.33 1950年至2018年之间下降到3.18步骤这个观察是由于跨场通信的发展在整个周期以及高影响力论文的重要性日益增加桥梁在同一年的网络。三个实证研究结果支持了这一结论。首先，距离几乎所有学科之间的整个时间段下降。其次，不平等的论文获得引用的数量增加，并因此在网络中的最短路径的时期以后更多地依赖于高影响力论文。第三，场之间的连接分散不断增加。此外，这些变化并不意味着引用的聚类的较低水平。无论内和跨场引文展现在所有年份中慢慢成长的聚类值以类似的速度。后者的研究结果表明，跨越领域学术交流的部分原因是新的领域连接学科启用。
通过狄利克雷霍克斯过程识别在暗网市场隐藏买家
原文标题： Identifying Hidden Buyers in Darknet Markets via Dirichlet Hawkes Process
地址： http://arxiv.org/abs/1911.04620
作者： Panpan Zheng, Shuhan Yuan, Xintao Wu, Yubao Wu
摘要： 暗网市场是在网络空间中臭名昭著的黑市场，其中涉及销售或经纪毒品，武器，偷来的信用卡和其它非法物品。要在网络空间打击非法交易，它分析参与者的行为在暗网市场是非常重要的。目前，很多研究集中在研究供应商的行为。然而，在分析买家没有太多的工作。关键的挑战是，购房者在暗网市场的匿名。对于大多数的暗网市场，我们只观察买家的ID的第一个和最后一个数字，如“一个 B”。为了应对这一挑战，我们提出了一个隐藏的买家识别模型，称为UNMIX，它可以从组一个隐藏的买方交易为一类从匿名ID给出的事务序列。 UNMIX能够将时间动态信息以及产品，评论，和供应商的每一笔交易相关联的信息模型。其结果是，与在时间和内容组在一起作为从一个隐藏买方所述亚序列方面具有类似模式的交易。在从三个真实世界的暗网市场收集到的数据的实验证明了该方法的各种聚类指标测量的有效性。真实交易顺序案例研究明确表明，我们的方法可以组交易与类似的模式在同一个集群。
复杂网络动态相变的机器学习
原文标题： Machine learning dynamical phase transitions in complex networks
地址： http://arxiv.org/abs/1911.04633
作者： Qi Ni, Ming Tang, Ying Liu, Ying-Cheng Lai
摘要： 近年来，机器学习已经通过复杂的网络环境，但大多数现有的工作有关的结构特性的关注。使用机器学习来检测相变和准确地识别与在复杂网络中动态过程相关联的临界转变点从而突出为开放和显著问题。在这里，我们制定了一个框架结合监督和无监督的学习，结合训练数据集的正确采样。特别是，使用疾病传播的复杂网络作为典范的设置力度，我们从监督学习单独启动，并确定降低性能的情况。为了克服这些困难导致开发的混乱方案，有效监督的和无监督学习相结合的理念。我们证明，以及用于识别与扩频关于同构网络动力学相关联的相变的方案进行，但对于异构网络性能恶化。要努力应对这一挑战导致认识到采样的训练数据集是必要的异构网络，而我们测试两种采样方法：一种基于与邻居一起，基于网络的K-核心枢纽节点的另一个上。最终的结果是，用于检测相变和准确地确定临界转变点，它是健壮的，计算上高效的，和普遍适用于任意大小和拓扑的复杂网络的通用机器学习框架。广泛的测试使用合成与实证网络验证所述铰接框架的优点，开门利用机器学习理解，检测，预测，并且通常复杂的动力系统的控制。
将冲突不确定性纳入电力规划：南苏丹案例研究
原文标题： Building Conflict Uncertainty into Electricity Planning: A South Sudan Case Study
地址： http://arxiv.org/abs/1911.04652
作者： Neha Patankar, Anderson Rodrigo de Queiroz, Joseph F. DeCarolis, Morgan D. Bazilian, Debabrata Chattopadhyay
摘要： 本文在未来冲突的不确定性探讨南苏丹电力规划策略。明确认为武装冲突导致发电机损坏的可能性的随机能量系统优化模型。策略，对未来冲突的对冲，避免在基础设施昂贵的短期投资，随后可损坏具有中等冲突相关的损害情形的最大经济价值。模型结果显示，太阳能光伏发电可以发挥南苏丹未来的电力系统中起关键作用。除了减少温室气体排放和增加获得电力，这分析表明，太阳能可用于对冲的冲突发生的经济损失。虽然这里重点分析南苏丹的分析框架可以应用到其他容易发生冲突的国家。
跨大型信息网络的迁移结构框架
原文标题： A Framework of Transferring Structures Across Large-scale Information Networks
地址： http://arxiv.org/abs/1911.04665
作者： Shan Xue, Jie Lu, Guangquan Zhang, Li Xiong
摘要： 在机器学习目标挖掘信息网络现有的域特异性方法来表示信息网络的节点成矢量格式。然而，现实世界的大型信息网络无法通过一个网络使井网表示。当网络结构的信息从一个网络传送到另一个网络时，网络表示的性能可能会急剧下降。为了实现这些目标，我们提出了一个新的框架，整个转移关系的大型信息网络（FTLSIN）有用的信息。该框架包括一个2层随机游动的测量两个网络之间的关系，并预测在它们之间的联系。现实世界的数据集实验验证了该模型的有效性。
齐普夫定律的偏离比齐普夫定律本身包含了更多信息
原文标题： Deviations from Zipf's law contain more information than Zipf's law itself
地址： http://arxiv.org/abs/1911.04844
作者： Giordano De Marzo, Andrea Gabrielli, Andrea Zaccaria, Luciano Pietronero
摘要： 非常不同系统的等级大小地块通常都配有齐普夫定律，然而，一个经常在大尺寸观察强偏差。我们发现，这些偏差包含关于演化和系统的内在截止必要的和一般信息。尤其是，如果第一行列显示从齐普夫定律偏差，经验最高代表物理系统的固有上限截止。此外，只要底层的幂律大小分布欠纯齐普夫定律是始终存在的。
基于模型评估利用动力学理论的辅助驾驶车辆的影响
原文标题： Model-based assessment of the impact of driver-assist vehicles using kinetic theory
地址： http://arxiv.org/abs/1911.04911
作者： Benedetto Piccoli, Andrea Tosin, Mattia Zanella
摘要： 在本文中，我们认为后续的领导者业务模型，我们用它来研究不同尺度车辆明智的驾驶员辅助控制策略效果的动态描述，从当地交通起，至宏观数据流的的车辆。我们提供的事实的理论证据表明，一些典型的控制策略，如速度的调整和时间发车间隔的优化，对当地交通影响功能（例如，负责当地的业务不稳定的速度和进展色散）但对观察到的宏观流量趋势几乎没有影响（例如，通量/吞吐量的车辆）。这不明显的结论，这是非常好的协议，与自主车最近的实地研究，表明动能的方法也许是一个有机的多尺度研究的有效工具，并可能设计的驾驶员辅助算法。
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。