Arxiv網路科學論文摘要13篇(2018-02-21)

02-24

主穩定性函數揭示了網路中由擴散驅動的模式形成;
項目的穩定性：一項實驗測試;
團隊運動中隊形結構的表徵;
挖掘密度對比子圖;
論意見與在線討論的複雜性;
高階網路分析工具;
無信號交叉口的擁塞分析;
簡單封閉和高階鏈路預測;
在線社交系統中的優惠券廣告：演算法和抽樣技術;
在線社會網路中發現隱藏的主題中心和權威;
人才與運氣：成功與失敗中隨機性的作用;
健康保險索賠數據建模的社會網路分析框架;
指導社會活動：隨機最優控制觀點;

主穩定性函數揭示了網路中由擴散驅動的模式形成

原文標題： Master stability functions reveal diffusion-driven pattern formation in networks

地址： http://arxiv.org/abs/1610.07635

作者： Andreas Brechtel, Philipp Gramlich, Daniel Ritterskamp, Barbara Drossel, Thilo Gross

摘要：我們研究網路中的擴散驅動模式形成，這是一類多層系統，其中不同的層具有相同的拓撲結構，但具有不同的內部動態。假設試劑通過隨機行走散布在層內，而層可以通過層之間或層內的反應來創建或破壞。我們表明，均勻穩態的穩定性可以用主穩定函數方法進行分析，這種方法揭示了網路中的模式形成和連續空間中的模式形成之間的深層比喻。為了說明，我們考慮了生態偏食網的一個廣義模型。這個相當複雜的模型描述了由一個個體棲息地網路組成的區域內的許多不同物種的分散，同時受到現實的，非線性捕食者與獵物的相互作用。在這個例子中，該方法揭示了動力學對空間結構的複雜依賴性。所提出的方法處理這個相當複雜的系統的能力突出了它作為生態學和其他應用的有前景的工具。

項目的穩定性：一項實驗測試

原文標題： Stability of items: an experimental test

地址： http://arxiv.org/abs/1802.06764

作者： Michele Pasquini, Maurizio Serva

摘要：一種語言的詞語隨時會被新詞語隨機替換，但是很長時間以來，人們發現，與某些詞語（含義）相對應的詞不太經常被其他詞語替代。通常，給定項目的替換率不是直接可觀察到的，但它是由估計的穩定性推斷出來的，相反，這是可觀察的。這個想法在詞典統計學文獻中有很長的路要走，但沒有什麼能確保它給出正確的答案。由於Protolanguage（Latin）是已知的，替代率可以明確計算，所以Romance系列語言允許直接測試替代率的估計穩定性。測試的結果有三個方面：首先，我們證明試圖通過估計的穩定性推斷替代率的標準方法是合理的;其次，我們能夠重寫非普遍替代率（取決於項目的比率）的Glottochronology的基本公式，第三，我們給出了無可爭辯的證據，即對於不同的語言族來說穩定性排名是相同的。與馬達加斯加方言家族相比，這最後的結果也得到支持。作為一個副作用，我們還提供了一些證據，即拉丁庸俗拉丁文而非晚期拉丁文拉丁文是現代拉丁語言語言的根源。

團隊運動中隊形結構的表徵

原文標題： Characterization of the formation structure in team sports

地址： http://arxiv.org/abs/1802.06766

作者： Takuma Narizuka, Yoshihiro Yamazaki

摘要：我們提出了一種基於Delaunay三角網確定團隊運動形態結構的方法。從每個參與者的Delaunay三角測量中獲得的鄰接矩陣被認為是形成模式。我們的方法允許時間序列分析和地層的定量比較。通過將我們的方法與層次聚類相結合，還提出了一種分類演算法。

挖掘密度對比子圖

原文標題： Mining Density Contrast Subgraphs

地址： http://arxiv.org/abs/1802.06775

作者： Yu Yang, Lingyang Chu, Yanyan Zhang, Zhefeng Wang, Jian Pei, Enhong Chen

摘要：密集子圖發現是許多圖挖掘應用中的一個關鍵原語，例如檢測社會網路中的社區以及從生物數據中挖掘基因相關性。大多數關於密集子圖挖掘的研究只處理一張圖。然而，在許多應用中，我們有不止一個描述同一組實體之間關係的圖。在本文中，給定兩個共享同一組頂點的圖，我們研究了檢測子圖的問題，這些子圖在密度方面與對比度最高。我們稱之為子圖密度對比子圖，簡稱DCS。考慮兩種廣泛使用的圖密度度量，平均度和圖親和度。對於這兩種密度度量，挖掘DCS相當於從「差異」圖中挖掘最密集的子圖，其可能具有正邊和負邊權重。由於負邊權重的存在，現有的密集子圖檢測演算法無法識別我們需要的子圖。在兩種圖密度測度下，證明了挖掘DCS的計算硬度，並開發了求解DCS的高效演算法。我們還對幾個真實世界的數據集進行了廣泛的實驗，以評估我們的演算法。實驗結果表明，我們的演算法既有效又有效。

論意見與在線討論的複雜性

原文標題： On the Complexity of Opinions and Online Discussions

地址： http://arxiv.org/abs/1802.06807

作者： Utkarsh Upadhyay, Abir De, Aasish Pappu, Manuel Gomez-Rodriguez

摘要：在日益極化的世界中，將複雜性降低為基於情感的簡單論點的煽動者正在流行起來。意見和在線討論陷入蠱惑？在這項工作中，我們的目標是提供計算工具來調查這個問題，並通過這樣做，探索在線討論的性質和複雜性以及他們的意見空間，揭示每個參與者所處的位置。更具體地說，我們提出了一個建模框架，在網上討論中構建潛在的意見表達，這與網路投票所衡量的人類判斷一致。如果兩個觀點在所產生的潛在意見空間中接近，那是因為人們認為它們是相似的。我們的建模框架在理論上是基礎的，並且在意見和投票模型與矩陣的符號級別之間建立了令人驚訝的聯繫。此外，它還提供了一套實用的演算法來估計觀點的潛在空間的維度，並推斷在線討論的參與者所表達的意見在這個空間中的位置。來自Yahoo!的大型數據集的實驗新聞，雅虎！財務，雅虎！體育和新聞室的應用程序表明，一維觀點模型往往無法準確地代表在線討論，提供對人類判斷和意見的見解，並表明我們的框架能夠通過依靠人類判斷規避語言細微差別，如諷刺或幽默而不是文本分析。

高階網路分析工具

原文標題： Tools for higher-order network analysis

地址： http://arxiv.org/abs/1802.06820

作者： Austin R. Benson

摘要：網路是整個科學中複雜系統的基本模型，網路數據集通常是通過在單個節點和邊級別描述的低階連接模式進行分析的。然而，由小型子圖捕獲的高階連接模式（也稱為網路模式）描述了控制和調解許多複雜系統行為的基本結構。我們開發了三種網路分析工具，它們使用高階連接模式來獲得對網路數據集的新見解：（1）基於聯合參與網路圖案將節點聚類為模塊的框架; （2）聚類係數測量的概括以研究高階閉合模式;和（3）時間網路的網路圖案的定義和用於對它們進行計數的快速演算法。使用這些工具，我們分析生物學，生態學，經濟學，神經科學，在線社會網路，科學合作，電信，交通和萬維網的數據。

無信號交叉口的擁塞分析

原文標題： Congestion analysis of unsignalized intersections

地址： http://arxiv.org/abs/1802.06858

作者： Abhishek, Marko Boon, Michel Mandjes, Rudesindo Nú?ez-Queija

摘要：本文考慮兩個交通流使用的無信號交叉口。一系列汽車正在使用主要道路，並且優先於其他低優先順序的道路。如果主要道路上的兩輛後續車輛之間的間隙大於其關鍵車道，則屬於後者的車輛穿過主要道路。自然會產生的問題是：鑒於汽車在主要道路上的到達模式，低優先順序汽車的最高到達率如何，以使這些汽車的數量保持穩定？其次，關於二級公路上典型汽車的延誤情況，可以說些什麼呢？本文通過考慮一個簡潔的模型來闡明這些問題，該模型揭示了所考慮的無信號交叉口的動態。該模型具有排隊論的性質，揭示了用戶行為對上述穩定性和延遲問題的影響的有趣見解。本文的貢獻是雙重的。首先，我們對駕駛員不耐煩的上述模型獲得了新的結果。其次，我們揭示了迄今為止在現有文獻中尚未被觀察到的一些令人驚訝的方面，其中許多是由於小路的能力不能用平均空隙大小表示的事實造成的;相反，關鍵進展分布的更詳細的特徵起作用。

簡單封閉和高階鏈路預測

原文標題： Simplicial Closure and Higher-order Link Prediction

地址： http://arxiv.org/abs/1802.06916

作者： Austin R. Benson, Rediet Abebe, Michael T.Schaub, Ali Jadbabaie, Jon Kleinberg

摘要：通過表示潛在的成對交互作用，網路為建模複雜系統提供了強大的形式。但是這些系統中的大部分結構都涉及到同時發生在兩個以上節點之間的交互;例如，團隊內的溝通而不是人與人之間的溝通，團隊間而不是一對合作者之間的協作，或者一組分子之間的生物相互作用，而不僅僅是兩個。我們將多於兩個節點的集合上的這些類型的同時交互稱為高階交互;它們無處不在，但是它們的實證研究缺乏評估高階模型的一般框架。這裡我們介紹一個基於鏈路預測的框架，這是網路分析中的一個基本問題。傳統的鏈路預測問題試圖預測網路中新鏈接的出現，並且我們在這裡調整它來預測哪些（更大）的元素將會有未來的交互。我們研究了來自各種領域的19個數據集的時間演變，並且使用我們的鏈路預測的高階表達來評估對於新的多向相互作用最具預測性的結構特徵的類型。在我們的研究結果中，我們發現不同的域在它們的高階結構參數分布上差別很大，並且高階鏈路預測問題顯示出與傳統的成對鏈路預測存在一些根本差異，對局部而不是長期的作用更大，範圍信息預測新互動的出現。

在線社交系統中的優惠券廣告：演算法和抽樣技術

原文標題： Coupon Advertising in Online Social Systems: Algorithms and Sampling Techniques

地址： http://arxiv.org/abs/1802.06946

作者： Guangmo (Amo) Tong, Weili Wu, Ding-Zhu Du

摘要：在線社交系統已經成為病毒式營銷的重要平台，其中產品廣告是通過用戶的交流進行的。採用該產品後，種子購買者可以通過在線消息將信息傳播給他們的朋友。帖子和推文。另一個問題是，電子優惠券系統是幫助製造商和零售商吸引更多潛在客戶的相關促銷工具之一。通過向種子購買者提供優惠券，有機會說服那些有影響力的用戶，然而，他們起初對產品不太感興趣。在本文中，我們提出了一個基於優惠券的在線影響力模型，並考慮如何通過選擇適當的種子買家來實現利潤最大化的問題。這裡考慮的問題與其他影響相關的問題明顯不同，因為其目標函數不是單調的。我們提供演算法分析並給出幾種使用不同採樣技術設計的演算法。特別是，我們提出RA-T和RA-S演算法，它們不僅可證明有效，而且可在大型數據集上擴展。所提出的理論結果通過在大規模真實世界社會網路上進行的大量實驗進行評估。本文的分析也為社會網路中的非單調子模塊最大化問題提供了一個演算法框架。

在線社會網路中發現隱藏的主題中心和權威

原文標題： Discovering Hidden Topical Hubs and Authorities in Online Social Networks

地址： http://arxiv.org/abs/1802.07022

作者： Roy Ka-Wei Lee, Tuan-Anh Hoang, Ee-Peng Lim

摘要：在許多可能有用的應用程序中發現在線社會網路中有影響力的用戶是一個重要問題。特別是，HITS和其他鏈接分析方法經常用於識別網路圖和在線社會網路中的樞紐和權威用戶。然而，這些作品在分析中沒有考慮鏈接的主題方面。克服這個限制的直接方法是在應用HITS演算法之前首先應用主題模型來學慣用戶主題。在本文中，我們提出了一個稱為Hub and Authority Topic（HAT）模型的新型主題模型來結合這兩個過程，以共同學習樞紐，權威和主題興趣。我們在兩個方面評估HAT與幾種現有的最先進的方法：（i）主題建模，和（ii）鏈接建議。我們對來自Twitter和Instagram的兩個真實世界的數據集進行實驗。我們的實驗結果表明，HAT與學習主題中的最新主題模型相當，並且其優於鏈接推薦任務中的最新技術。

人才與運氣：成功與失敗中隨機性的作用

原文標題： Talent vs Luck: the role of randomness in success and failure

地址： http://arxiv.org/abs/1802.07068

作者： A. Pluchino. A. E. Biondo, A. Rapisarda

摘要：在競爭激烈的西方文化中，主要的優勢主義範式是基於這樣一種信念，即成功主要歸功於個人素質，如人才，智力，技能，努力或冒險。有時候，我們願意承認運氣的某種程度也可以在取得重大物質成功方面發揮作用。但事實上，低估外部力量在個人成功故事中的重要性是相當普遍的。眾所周知，智能或人才在人群中呈高斯分布，而財富分布 - 被視為成功的代表 - 通常遵循冪律（帕累托定律）。輸入的正態分布與典型尺度以及輸出的尺度不變分布之間的這種差異表明隱藏的一些成分在幕後工作。在本文中，在一個非常簡單的基於主體的模型的幫助下，我們建議這種成分只是隨機性的。特別是，我們證明，如果確實需要某種程度的才能才能在生活中取得成功，那麼幾乎從來沒有最有才華的人達到成功的最高峰，被平庸但明智幸運的人超越。就我們的知識而言，這種違反直覺的結果 - 雖然在大量文獻的界限之間隱含地提出 - 在這裡首次被量化。它揭示了在成功達到成功水平的基礎上評估績效的有效性，並強調將過多的榮譽或資源分發給那些最終可能比其他人幸運的人們的風險。在這個模型的幫助下，一些政策假設也被處理和比較，以顯示最有效的研究公共資助戰略，以提高任人唯賢，多樣性和創新。

健康保險索賠數據建模的社會網路分析框架

原文標題： A Social Network Analysis Framework for Modeling Health Insurance Claims Data

地址： http://arxiv.org/abs/1802.07116

作者： Ana Paula Appel, Vagner F. de Santana, Luis G. Moyano, Marcia Ito, Claudio Santos Pinhanez

摘要：巴西的健康保險公司擁有關於組織索賠的數據，僅對提供者有所看法。通過這種方式，他們放棄了醫生的觀點以及他們如何分享患者。醫生之間的夥伴關係在大多數情況下都可以看作是一項富有成果的工作，但有時這可能成為健康保險公司和患者的問題，例如建議僅因在同一診所工作而去拜訪另一位醫生。這項工作的重點是更好地了解醫生的活動以及這些活動在數據中的表現方式。我們的方法考慮了三個方面：醫生之間的關係，醫生與患者之間的關係以及醫生與醫療保健提供者之間的關係。我們向巴西的一家大型健康保險公司提交了一份索賠資料庫分析結果（詳述了18個月的活動）。本文提出的主要貢獻是一組代表模型：醫生之間的相互轉診，患者保留以及醫療保險網路中的醫生中心性。我們的研究結果顯示了基於社會網路框架的建議模型，從實際健康保險索賠數據中提取了有關醫生的令人驚訝的見解。

指導社會活動：隨機最優控制觀點

原文標題： Steering Social Activity: A Stochastic Optimal Control Point Of View

地址： http://arxiv.org/abs/1802.07244

作者： Ali Zarezade, Abir De, Utkarsh Upadhyay, Hamid R. Rabiee, Manuel Gomez-Rodriguez

摘要：用戶參與在線社會網路關鍵取決於相應平台的社交活動水平 - 用戶採取的在線行為（如帖子，分享或回復）的數量。我們可以設計數據驅動演算法來增加社交活動嗎？在用戶級別，這種演算法可以通過幫助用戶決定何時採取措施更有可能被同行注意到，從而增加活動。在網路層面，他們可以通過激勵一些有影響力的用戶採取更多行動來增加活動，這反過來會引發其他用戶的額外行動。在本文中，我們使用標記時間點過程的框架為社會活動建模，使用帶跳的隨機微分方程（SDEs）推導出這些過程的替代表示，並利用這種替代表示形式開發兩種有效的在線演算法，在用戶和網路級別的社交活動。在這樣做的時候，我們在跳躍SDE的最優控制與雙重隨機標記時間點過程之間建立了一個以前尚未探索的連接，這是獨立的。最後，我們對從Twitter收集的合成和真實數據進行了實驗，並證明我們的演算法能夠比現有技術更有效地引導社交活動。

聲明：Arxiv文章摘要版權歸論文原作者所有，由本人進行翻譯整理，未經同意請勿隨意轉載。本系列在微信公眾號「網路科學研究速遞」（微信號netsci）和個人博客 https://www.complexly.me （提供RSS訂閱）進行同步更新。