- 一类新的带前瞻规则的非局部交通流模型;
- 挖掘社交媒体数据用于生物医学信号与健康相关行为;
- 高阶相互作用的演化动力学;
- 地理建模：从特征尺度到尺度律;
- 安然语料库：电子邮件正文隐藏何处;
- 图邻居注意力池化;
- 非局部PageRank;
一类新的带前瞻规则的非局部交通流模型
原文标题： On a class of new nonlocal traffic flow models with look-ahead rules
地址： http://arxiv.org/abs/2001.10017
作者： Yi Sun, Changhui Tan
摘要： 本文提出了一种新的类一维（1D）业务模型与考虑到两个方面的影响前瞻规则：基本图在外地放缓效应和右偏非凹不对称。与阿累尼乌斯型前瞻相互作用所提出的一维元胞自动机（CA）模型实现对汽车的运动下列提前每辆车的交通配置随机规则。特别是，我们采取两种不同的前瞻规则：一种是基于从车下考虑在它前面的车的距离;另一个依赖于汽车密度前进。这两种规则功能的多个移动一个新的想法，其在回收在所述宏观动力学非凹磁通的关键作用。经过一个半离散细观随机过程，我们得到CA模型的粗粒度的宏观动态。我们还设计了一个数值方法与高效的基于列表的动力学蒙特卡罗（KMC）算法来模拟所提出的CA模型。我们的研究结果表明，KMC模拟的通量与在各种参数设置不同的前瞻规则的粗粒宏观平均通量同意。
挖掘社交媒体数据用于生物医学信号与健康相关行为
原文标题： Mining social media data for biomedical signals and health-related behavior
地址： http://arxiv.org/abs/2001.10285
作者： Rion Brattig Correia, Ian B. Wood, Johan Bollen, Luis M. Rocha
摘要： 社交媒体数据已被越来越多地用于研究生物医学和健康相关的现象。从行星水平的条件队列级别讨论情绪的分析，社交媒体提供了前所未有的数据量的科学家研究了各种各样的健康状况和医疗相关的人类行为和响应。在这里，我们审查挖掘社交媒体相关的对人类健康的多层次复杂的生物医学，流行病学和社会现象的信息最近的工作。我们特别关注的话题，其中社交媒体数据分析显示最进展，包括药物警戒，特别是对心理健康情绪分析等方面的优势。我们还讨论了多种用于在社交媒体数据的访问和使用健康相关的应用程序和重要的限制社交媒体数据的创新用途。
高阶相互作用的演化动力学
原文标题： Evolutionary Dynamics of Higher-Order Interactions
地址： http://arxiv.org/abs/2001.10313
作者： Unai Alvarez-Rodriguez, Federico Battiston, Guilherme Ferraz de Arruda, Yamir Moreno, Matjaz Perc, Vito Latora
摘要： 我们生活在网络中进行合作。然而，在网络的联系只允许两两相互作用，从而使框架适用于二进博弈，而不是那些在两个以上的玩家群体玩博弈。为了解决这个问题，我们引入高阶的相互作用，其中一个链接可以连接两个以上的个人，并研究其演化动力学。我们首先考虑在一致超一个公共物品的博弈，显示出它对应的动态复制在充分混合的限制，并提供精确的理论基础，以网络化群体的研究合作。我们也分析扩展到描述不同规模的团体的相互作用和表征在这种情况下，合作的发展异质超图。最后，我们应用我们的新配方的研究群体动力学性质在实际系统中，展示了如何提取从国际合作的大型社区的数据组的大小实际的协同因素的依赖。我们的工作是对新的行动，在社会团体加强合作实施的第一步。
地理建模：从特征尺度到尺度律
原文标题： Geographical Modeling: from Characteristic Scale to Scaling
地址： http://arxiv.org/abs/2001.10323
作者： Yanguang Chen
摘要： 地理研究成功通过地理学的定量革命量化。但是，地理学的理论化成功遇到难以克服的困难。地理学的最大障碍是理论化的根源是其无处不在的地理现象，无标度分布。科研第一范式是数学理论。定量测量和数学模型的关键是要找到一个有效的特征尺度。不幸的是，对于许多地理系统，没有特征尺度。在这种情况下，应采用尺度的方法，使一空间测量和进行数学建模。尺度的基本思想是要找到使用可变规模和相应的测量结果之间的双对数线性关系的幂指数。指数是如下一个scaleful分布并可以被用于表征无标度现象的特性参数。在地理标度分析的重要性已被越来越的科学家越来越明显。
安然语料库：电子邮件正文隐藏何处
原文标题： The Enron Corpus: Where the Email Bodies are Buried?
地址： http://arxiv.org/abs/2001.10374
作者： David Noever
摘要： 探测欺诈的指标最大的公共域的电子邮件数据库，我们采用机器学习和做好四个侦查任务。首先，我们确定的兴趣点（POI）的人员，利用财务记录和电子邮件，并报告的95.7％的峰值精度。其次，我们发现任何公开暴露个人身份信息（PII），并发现50000种以前未报告的情况。第三，通过在加州电力中断诉讼人类专家得分，并找到一个峰值99％的准确率，我们会自动标记响应合法的电子邮件。最后，我们之前，期间和企业危机发生后追踪三年的主要话题和情绪跨越超过10,000独特的人。如果可能的话，我们比较精确打击的执行时间为51种算法和报告人解释业务规则，可以扩展到广阔的数据集。
图邻居注意力池化
原文标题： Graph Neighborhood Attentive Pooling
地址： http://arxiv.org/abs/2001.10394
作者： Zekarias T. Kefato, Sarunas Girdzijauskas
摘要： 网络表示学习（NRL）是学习高维和稀疏图的低维向量表示的强大技术。多数研究探索利用随机游动的图相关联的结构和元数据，并采用无监督或半监督学习方案。在这些方法中学习是上下文无关，因为只有每个节点单一的表示了解。最近有研究认为在单一表现的充分性，并提出了上下文敏感的方法被证明是在应用，如链路预测和排名非常有效。然而，这些方法大多依赖于需要RNNs或细胞神经网络，以捕捉高层次的功能或依靠社区检测算法来识别节点的多个框架下进一步文字特征。在这项研究中，而不需要额外的功能，也不是一个社区检测算法，我们提出了称为GAP的是学会利用周到池网络中的节点的附近不同地区参加一个新的上下文敏感的算法。我们发现GAP的使用功效上链接的预测和节点群集任务三个实世界的数据集，并将其与10个流行和国家的最先进的（SOTA）基线。 GAP的性能一直优于他们，并实现了高达〜9％及约20％的涨幅分别链路预测和聚类任务，表现最好的方法了。
非局部PageRank
原文标题： Nonlocal PageRank
地址： http://arxiv.org/abs/2001.10421
作者： Stefano Cipolla, Fabio Durastante, Francesco Tudisco
摘要： 在这项工作中，我们引入和研究PageRank的非本地版本。在我们的方法，随机游走，探索了使用长途旅行不仅仅是邻居节点之间移动图。其结果是，相应的节点，其中考虑到在它们之间的远距离相互作用，不表现出浓度现象典型用于谱排名考虑只是局部相互作用的排名。我们发现，使用我们的建议获得排名的预测值在不同的现实世界的问题显著改善。
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