- 估计节点的度中心性排名;
- 通过局部信息维度识别复杂网络中的有影响者;
- 多Agent多臂Bandit社会学习;
- 不只是健康战争：迅速扩大和高效的网络叛逆连接了地区和全球的在线不信任人群;
- 浅析城市横向和纵向尺度之间的关系;
- 基于高斯过程的用于文本网络的动态嵌入算法;
- 使用城市级推特地理位置进行实时可视化分析;
- 无固定车位自行车共享系统的不可用自行车：批量策略下的移除、维修和再分配;
- 少量推特检测突发灾害事件;
- 引用网络中心性：科学奖项的预测指标？;
- 城市步行流量动态模式;
- 发现符号网络中的极化社区;
- 人类世地球系统的物理框架：迈向可核算系统;
- 预测研究人员发表生产力：一个潜变量模型;
- 深度超边：一个超图上迁移和归纳学习的框架;
- 地震事件间隔时间和距离记忆的尺度律;
- 社交媒体反应的复杂性：推特统计证据的一维参与信号;
估计节点的度中心性排名
原文标题： Estimating the Degree Centrality Ranking of a Node
地址： http://arxiv.org/abs/1511.05732
作者： Akrati Saxena, Vaibhav Malik, S. R. S. Iyengar
摘要： 复杂网络获得了更多的注意力从过去几年。真实世界的复杂网络，如在线社会网络，WWW网络，协作网络的大小随时间呈指数增长。它不是收集完整的数据和存储和处理它是可行的。在目前的工作中，我们提出来估计节点的度中心秩而无需图的完整结构的方法。该算法利用度分布来计算排名的节点和幂律指数的程度。在Barabasi阿尔伯特网络仿真结果表明，在估计的排名平均误差约为5 ％的节点总数的。
通过局部信息维度识别复杂网络中的有影响者
原文标题： Identification of influencers in complex networks by local information dimensionality
地址： http://arxiv.org/abs/1908.11298
作者： Tao Wen, Yong Deng
摘要： 有影响力的传播者的复杂网络中识别是在网络特性研究的热门话题。已经提出了许多核心地位的措施来解决这个问题，但最有局限性。在本文中，用于经由本地信息维度识别复杂网络有影响力的方法。所提出的方法考虑围绕中心节点局部结构性能;因此，局部性的规模仅增加从中央节点的最短距离的最大值的一半。因此，所提出的方法考虑了quasilocal信息，降低了计算复杂度。在框中的信息（节点的数目）通过香农熵，这是更合理的说明。节点是当它的本地信息维度更高更具影响力。为了验证了该方法的有效性，现有五个中心性措施用作比较的方法在六个真实世界的复杂网络排名有影响力的节点。此外，易受感染（SI）模型和Kendall的tau系数被施加到显示不同方法之间的相关性。实验结果表明，该方法的优越性。
多Agent多臂Bandit社会学习
原文标题： Social Learning in Multi Agent Multi Armed Bandits
地址： http://arxiv.org/abs/1910.02100
作者： Abishek Sankararaman, Ayalvadi Ganesh, Sanjay Shakkottai
摘要： 在本文中，我们介绍了经典的随机多臂Bandit（MAB）问题的分布式版本。我们的设置由大量主体的 N 是协作和同时解决ķ武装MAB的同一个实例，以尽量减少对所有主体商的平均累积遗憾。药剂可以通信以及彼此通信 EMPH 只通过成对异步基于闲话的协议，交换比特的有限数目之间进行协作。在我们的模型中，每个点主体决定（I）的手臂打，（二）是否，如果是这样（三）什么和谁沟通。在我们的模型主体是分散的，即他们的行为只依赖于他们过去的观察的历史。我们开发，其中试剂的新算法，每当他们选择，通信只手臂-id和不样品，用随机均匀地和独立地选择的另一种药剂。每剂后悔我们的算法尺度实现为Ø左（压裂 lceil 压裂K N rceil + 的log（n） 三角洲 日志（T）+ 压裂 登录^ 3（n）的日志的log（n） 德尔塔^ 2 右）。此外，在我们的算法任何主体超过 T 的时间间隔总共只有 西塔（日志（T））倍的通信。我们我们的结果比较两个标杆 - 一个具备完成相应互动药剂和一种之间没有沟通。我们展示的理论和经验，我们的算法相比，这样的情况：经历无论是在每剂遗憾显著减少时，药物相比，它通过一个需要 T 通信尝试的充分互动设置时不要协作和通信复杂度主体超过 T 手臂拉。因此，我们的结果表明，合作的不同主体商之间甚至最低水平使得每剂遗憾显著减少。
不只是健康战争：迅速扩大和高效的网络叛逆连接了地区和全球的在线不信任人群
原文标题： Health Wars and Beyond: The Rapidly Expanding and Efficient Network Insurgency Interlinking Local and Global Online Crowds of Distrust
地址： http://arxiv.org/abs/1910.02103
作者： N.F. Johnson, N. Velasquez, N. Johnson Restrepo, R. Leahy, N. Gabriel, S. Wuchty, D. Broniatowski
摘要： 我们目前对周边专业知识的不信任在医学科学的联机对战初步结果 - 尤其是疫苗接种的问题。虽然不信任和误解在政治上会损害民主选举，在医疗方面，也可能危及通过错过疫苗接种和DIY癌症治疗的生活。我们发现，这个网上健康战已演变成与不同国家，大陆和文化的直接人群间链路高效的网络叛乱。在线反VAX人群（简称红）现在似乎能够更好地培训比那些支持成立专业知识（蓝色）新聘人员（绿色）。我们也从战争的演变，它提供了一个解释如何红色似乎是打开蓝潮流的数学接地，人群为基础的分析目前的初步结果。
浅析城市横向和纵向尺度之间的关系
原文标题： On the relation between Transversal and Longitudinal Scaling in Cities
地址： http://arxiv.org/abs/1910.02113
作者： Fabiano L. Ribeiro, Joao Meirelles, Vinicius M. Netto, Camilo Rodrigues Neto, Andrea Baronchelli
摘要： 鉴于一组城市如下城市人口连接与社会经济或基础设施指标（横向扩展）比例法，我们应该想到，每个城市将遵循同样的行为，随着时间的推移（纵向尺度）？这个假设有重要的政策含义，尽管严格的实证试验因缺乏合适的数据到目前为止阻碍。在这里，我们寻找到的标度律在巴西5507个直辖市时间演化推动了这场辩论。我们专注于人口规模和二级城市的变量，GDP和水网长度之间的关系，分析城市体系以及它们各自的轨迹的时间演化。我们发现，纵向（个人）标度指数是城市特有的，但他们周围的接近当数据被分解，以消除外部因素，以及横向标度指数的平均值分布时，我们只考虑城市具有足够大的增长率。这样的结果的想法是，纵向动力学是整个城市系统的横向动态的微尺度版本得到支持。最后，我们建议连接微观层面对全球行为的数学框架，并在所有的分析的情况下，我们发现理论预测和经验证明具有较好的一致性。
基于高斯过程的用于文本网络的动态嵌入算法
原文标题： Gaussian-Process-Based Dynamic Embedding for Textual Networks
地址： http://arxiv.org/abs/1910.02187
作者： Pengyu Cheng, Yitong Li, Xinyuan Zhang, Liqun Cheng, David Carlson, Lawrence Carin
摘要： 文本网络嵌入旨在学习文本注释节点的低维表示在一个图表。在此之前的作品通常集中在固定的图结构。然而，现实世界的网络往往是动态的。我们解决了与一个新的端至端节点嵌入模型，称为动态嵌入的文本网络与高斯过程（DetGP）这一挑战。因为该结构允许是动态的，我们的方法使用高斯过程，以利用它的非参数的属性。训练结束后，DetGP可以有效地应用到动态图，而无需重新训练或反向传播。要使用本地和全局图结构，扩散用于邻居间多跳建模。全局与局部结构的嵌入物的相对重要性是自动学习。随着高斯过程的非参数的性质，更新所述的嵌入要改变的图结构仅需要通过学习模型向前传球。实验证明了该方法的经验效果相比于基线的方法，上链路预测和节点分类。进一步的研究表明DetGP可以被直接并有效地应用于动态文本网络。
使用城市级推特地理位置进行实时可视化分析
原文标题： City-level Geolocation of Tweets for Real-time Visual Analytics
地址： http://arxiv.org/abs/1910.02213
作者： Luke S. Snyder, Morteza Karimzadeh, Ray Chen, David S. Ebert
摘要： 实时微博可以提供不断变化的事件和状况的有用信息。带有地理标记的鸣叫是特别有用，因为它们表明原点的位置，并提供地理背景。然而，只有微博的一小部分地理标记，限制了其态势感知使用。在本文中，我们适应，改进和评估市级地理位置预测一个国家的最先进的深度学习模型，并将其与实时态势感知量身打造的一款可视化分析系统进行集成。我们提供的计算评估，以展示一个互动的系统内我们的地理定位预测模型的优越性和实用性。
无固定车位自行车共享系统的不可用自行车：批量策略下的移除、维修和再分配
原文标题： Dockless Bike-Sharing Systems with Unusable Bikes: Removing, Repair and Redistribution under Batch Policies
地址： http://arxiv.org/abs/1910.02276
作者： Rui-Na Fan, Quan-Lin Li, Xiaole Wu, Zhe George Zhang
摘要： 本文讨论了一种大型自行车共享dockless系统（DBSS）与不可用的自行车，它可以被去除，修理，再分发和下两个策略重新使用：一个用于从每个停车区域中去除不可用的自行车的维修车间，和另一个用于再分配从维修车间修复的自行车到一些合适的停车区域。对于这样的自行车共享系统，提出并通过将块结构马尔可夫的RG-因式分解开发一种新的计算方法在闭合排队网络处理。从排队网络文学以往的作品不同的是，我们的计算方法的一个主要贡献是建立一种新的非线性矩阵方程相对确定的到达率，并表明非线性来源于两个进程不同的群体：失败和移除过程;并且修复和重新分配的过程。一旦相对到达速率被引入到每一个节点，这些节点是彼此分离的，从而使所有的节点的马尔可夫过程是相互独立的，因此，马氏每个节点的系统被描述为优雅块结构马尔可夫过程，其固定的概率可以由RG-因式分解来容易地计算。基于此，本文可以建立闭合排队网络的更广泛的产品形式的解决方案，并通过对自行车的故障进行全面的讨论提供了DBSS的性能分析，下两个政策删除，修复，重新分配和再利用过程。我们希望我们的方法打开了新的途径与不可用的自行车更普遍DBSSs的定量评价。
少量推特检测突发灾害事件
原文标题： Few-shot tweet detection in emerging disaster events
地址： http://arxiv.org/abs/1910.02290
作者： Anna Kruspe
摘要： 社会化媒体来源可以在危机情况下提供重要的信息，但发现相关的消息是不平凡的。方法迄今集中在通用检测模型，各种危机或某些类型的危机（如洪水）。具体的事件模型可以实现更集中的搜索区域，但数据采集和培训新模式的危机已经在进步是昂贵的，可能要花更多的时间进行回应。作为折衷，手动收集的示例性消息的少量是可行的。很少-shot机型可以推广到看不见的班级，这样的例子极少数，并且不需要进行培训，重新为每个事件。我们比较了几拍方式（匹配网络和原型网络）是如何完成这个任务执行。由于这是本质上是一类问题，我们也演示了如何原型模型的修改单级版本可用于这种应用。
引用网络中心性：科学奖项的预测指标？
原文标题： Citation network centrality: a scientific awards predictor?
地址： http://arxiv.org/abs/1910.02369
作者： Osame Kinouchi, Adriano J. Holanda, George C. Cardoso
摘要： K指数是在复杂的网络中，诸如科学引文网络的易于计算的中心性指数。一位研究员有一个K指数相等，如果他或她是由具有至少k引用ķ文章引用到K。在K指数在赫希的H指数有几个优点，并且在以前的研究中，已经显示出与诺贝尔奖不是由Web of Science中，包括H指数所作的任何其他指标更好的相关性。然而，相关性不是因果关系。在这里，我们执行使用K索引的实验，产生名单来预测未来诺贝尔物理学候选。我们的名单2019年诺贝尔奖公布前，已建成并应比目前和随后几年的实际效果。
城市步行流量动态模式
原文标题： Patterns of Urban Foot Traffic Dynamics
地址： http://arxiv.org/abs/1910.02380
作者： Gregory Dobler, Jordan Vani, Trang Tran Linh Dam
摘要： 利用在纽约市公开可用的交通摄像头数据，我们量化总行人步行交通时间依赖的模式。这些模式表现出了平日和周末不同，但都在曼哈顿行政区的对面居民区大体一致，可重复的昼夜行为。平日模式包含一个特征3峰结构，增加客流量上午9时，12左右：00-1：00和下午5:00与“九晚五”工作的日子，行人在街道上时对齐他们早晨上班，午餐时间，然后在其上下班晚上。周末两天不显示峰构造，而是稳步增加，直到日落。我们的2017年6月28日的研究期间2017年9月11日有两个假期，七月和劳动节4日，他们步行交通模式是数量上类似于周末两天尽管他们落在平日。投射在我们的研究期间，所有天到平日/周末的相空间（由回归对平均工作日和周末日），我们发现，周五客流量可以表示为两个3峰平日结构和非尖峰周末的混合物结构体。我们还表明，在客流量模式异常，可用于检测事件和网络级中断的。最后，我们表明，客流量时间序列的聚集产生的相机之间的关联在空间上与曼哈顿附近的边界，表明客流量动态编码邻里字符信息一致。
发现符号网络中的极化社区
原文标题： Discovering Polarized Communities in Signed Networks
地址： http://arxiv.org/abs/1910.02438
作者： Francesco Bonchi, Edoardo Galimberti, Aristides Gionis, Bruno Ordozgoiti, Giancarlo Ruffo
摘要： 符号网络包含边注释以指示每个相互作用是否是友好（上升沿）或拮抗（下降沿）。该模型是简单但功能强大，它可以捕捉的真实世界的现象新奇有趣的结构性能。签订网络的分析有来自社交媒体模拟的讨论很多应用，以挖掘用户评论，并对推荐产品的电子商务网站。在本文中，我们考虑在签订网络发现极化社区的问题。特别是，我们寻找两个社区（网络顶点的子集），其中社区内大多有积极的边，而跨社区大多有消极的边。我们制定这部小说的问题作为“离散特征向量”的问题，这是我们展示是NP难。然后，我们开发了两个直观的谱算法：一个确定性，以及一个与质量保证 开方随机N （其中 n 的是图中的顶点数量），紧达常数因子。我们确认我们的算法对现实世界的签署网络不平凡的基线。我们的实验证实，我们的算法产生更高质量的解决方案，是速度更快，可以扩展到比基线更大的网络，并且能够检测地面实况极化社区。
人类世地球系统的物理框架：迈向可核算系统
原文标题： A Physical Framework for the Earth System in the Anthropocene: Towards an Accountancy System
地址： http://arxiv.org/abs/1910.02467
作者： O. Bertolami, F. Francisco
摘要： 在当人类在以前认为不可能的规模已达到全球的主导地位时，它也可能面临一个现实的威胁，由于对我们共同的家园，地球系统（ES），其巨大影响的后果。在这项工作中，我们探讨物理学会如何帮助我们理解过渡的ES正在经历并带领我们到一个物理动机会计制度允许的界限设置为我们对生态系统的负面影响。
预测研究人员发表生产力：一个潜变量模型
原文标题： Predicting publication productivity for researchers: A latent variable model
地址： http://arxiv.org/abs/1910.02507
作者： Zheng Xie
摘要： 时间和历史的出版物数量：本研究为研究人员出版动态，这是基于研究人员的出版生产力和两个协变量之间的关系提供了一个模型。关系允许估计潜在变量的研究人员公布的创造力。变量被施加到为研究人员发表生产率的预测。关系的统计显著性是由高品质的DBLP数据集进行验证。该模型的有效性证明数据集上通过研究人员的出版物的数量分布，其出版生产力的演化趋势，并公布事件的发生精细配件。由于回归其本质，该机型拥有再延长评估预测结果的置信水平的潜力，因而具有明显的适用性实证研究。
深度超边：一个超图上迁移和归纳学习的框架
原文标题： Deep Hyperedges: a Framework for Transductive and Inductive Learning on Hypergraphs
地址： http://arxiv.org/abs/1910.02633
作者： Josh Payne
摘要： 从社会网络到蛋白质复合物疾病基因组视觉数据，超图无处不在。然而，研究超图研究深度学习的范围还是相当稀疏和新生的，因为还没有存在在超图环境中使用超边和顶点的嵌入共同有效的，统一的框架，尽管庞大的身躯前期工作的有显示深学习了图和套工具。在这些最新进展基础上，我们提出了 textit深超边（DHE），即共同使用超边的语境和排列不变的顶点成员属性的超图在直推式和感应式学习环境进行分类和回归一个模块化的框架。在我们的实验中，我们使用了一种新的随机游走过程，并表明我们的模型实现，在大多数情况下，超过了对标准数据集的国家的最先进的性能。此外，我们研究了各种不同的，非标超图数据集我们的架构的性能，并提出今后工作的几种途径，进一步增强DHE。
地震事件间隔时间和距离记忆的尺度律
原文标题： Scaling Laws in Earthquake Memory for Interevent Times and Distances
地址： http://arxiv.org/abs/1910.02764
作者： Yongwen Zhang, Jingfang Fan, Warner Marzocchi, Avi Shapira, Rami Hofstetter, Shlomo Havlin, Yosef Ashkenazy
摘要： 在过去的十年多的努力，一直致力于向理解和预测自然灾害。然而，地震预报技术仍然是非常有限的，仍然是一个巨大的科学挑战。有限的地震预测部分原因是由于地震的性质不稳定，部分缺乏了解地震的基本机制。为了提高我们的理解和潜在的预测，我们在这里学习上面使用落后的条件概率一定幅度interevent地震的空间和时间长期记忆。我们发现，在真实数据，是滞后的条件概率表现出长期记忆的同时interevent时间和interevent距离和记忆功能服从尺度和衰减随时间缓慢，同时，以特定的时间，衰减crossesover到快速衰减。我们还表明，ETAS模型，它经常被用来预测地震的事件，收益率尺度的时间和空间interevent间隔不属于与实际数据相一致的功能。
社交媒体反应的复杂性：推特统计证据的一维参与信号
原文标题： The Complexity of Social Media Response: Statistical Evidence For One-Dimensional Engagement Signal in Twitter
地址： http://arxiv.org/abs/1910.02807
作者： Damian Konrad Kowalczyk, Lars Kai Hansen
摘要： 很多年后，在线社会网络超出了我们的集体关注，社会影响力仍然是建立在关注资本。质量是不是病毒传播的先决条件，但扩散级联的大小仍然是社会影响力的标志。因此，我们暴露于低质量的内容和可疑影响预计将增加。由于影响力最大化框架的概念，多内容的性能指标面世，虽然提高的影响分析的复杂性。在本文中，我们研究和巩固一组不同的内容参与度指标的。发现的相关性，导致我们提出了一种新的化合物接触的信号。然后，我们表明它比以前任何调查个人的影响的预测更容易预测。我们提出的模型实现的大力参与排名的性能，是先用可在参与的时代特征，解释一半的方差。我们分享的详细数字工作流程来计算新的复合接合信号。该模型是立即适用于社交媒体监测，影响者识别，运动参与预测和策划用户反馈。
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。
网友评论