- GEVR：针对手机用户群的活动场所推荐系统;
- 生物医学领域科学与技术联动演变分析;
- 通过筛选相关矩阵构建网络：零模型方法;
- 利用动力学的网络重构与社区检测;
GEVR：针对手机用户群的活动场所推荐系统
原文标题： GEVR: An Event Venue Recommendation System for Groups of Mobile Users
地址： http://arxiv.org/abs/1903.10512
作者： Jason Shuo Zhang, Mike Gartrell, Richard Han, Qin Lv, Shivakant Mishra
摘要： 在本文中，我们提出GEVR，这是第一个集体活动场地推荐系统，它将通过个人位置跟踪和上下文信息的移动性整合到“基于社交”的群体决策模型中，为移动用户群提供场地建议。我们的研究利用使用OutWithFriendz移动应用程序收集的真实数据集进行群组活动策划，其中包含625个用户和500多个群组活动。我们首先开发了一种新颖的“基于社会的”群体位置预测模型，该模型自适应地将不同的群体决策策略应用于具有不同社会关系强度的群体，以聚合每个群体成员的位置偏好，以预测群体将在何处会面。评估结果表明，我们的预测模型不仅优于常用的和最先进的群体决策策略，预测群体的最终会议地点群集的准确率超过80％，而且在冷启动场景中也提供了有希望的品质。然后，我们将我们的预测模型与Foursquare Venue Recommendation API集成，为移动用户组构建一个事件场所推荐框架。评估结果表明，GEVR的表现优于对比模型。
生物医学领域科学与技术联动演变分析
原文标题： An analysis of the evolution of science-technology linkage in biomedicine
地址： http://arxiv.org/abs/1903.10610
作者： Qing Ke
摘要： 证明公共研究的实用价值一直是科学政策的重要课题。在这里，我们提出了一个详细的研究，研究生命科学相关专利和生物医学研究之间37年的引文联系的演变。我们的分析依赖于新创建的数据集，该数据集系统地将数百万个非专利参考文献链接到生物医学论文。我们发现技术部门之间科学联系的数量存在巨大差异，生物技术和药物专利占主导地位。这种联系在很长一段时间内呈指数增长，每2.9年翻一番。多年来，美国一直是引用科学的最大生产国，接受了近一半的引用。超过一半的引用归大学所有，引用的论文很可能是基础研究。美国国立卫生研究院仍然是引用科学的主要资助者。对于大多数公司而言，其专利中超过一半的引用是由公共研究撰写的。总之，这些结果表明公共科学对私营部门发明的不断贡献。
通过筛选相关矩阵构建网络：零模型方法
原文标题： Constructing networks by filtering correlation matrices: A null model approach
地址： http://arxiv.org/abs/1903.10805
作者： Sadamori Kojaku, Naoki Masuda
摘要： 网络分析已应用于各种相关矩阵数据。对成对相关值的阈值处理可能是从相关矩阵创建网络的最直接和最常用的方法。然而，有人对这种阈值方法提出了批评，例如无法过滤掉虚假的相关性，这导致提出了克服一些问题的替代方法。我们提出了一种基于正则化优化的相关矩阵创建网络的方法，其中我们在每对节点之间设置边，当且仅当边是空模型的意外时。所提出的算法的优点在于它可以与不同类型的空模型组合。此外，该算法可以使用模型选择标准从一组候选空模型中选择最可信的零模型。对于三个经济数据集，我们发现相关矩阵的配置模型通常优于标准零模型。对于国家级产品出口数据，本方法更好地预测从国家出口的主要产品，而不是样本相关矩阵。
利用动力学的网络重构与社区检测
原文标题： Network reconstruction and community detection from dynamics
地址： http://arxiv.org/abs/1903.10833
作者： Tiago P. Peixoto
摘要： 我们提出了一种可扩展的非参数贝叶斯方法，用于根据观察到的功能行为进行网络重建，同时推断出网络中存在的社区。我们表明，社区检测的联合重建具有协同效应，其中用于告知社区存在的边相关性本质上也用于提高重建的准确性，这反过来可以更好地为社区的发现提供信息。我们用合成和经验网络以及仅包含功能信息的数据来说明我们的方法与流行病模型和伊辛模型的观察结果的使用。
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。