Arxiv網路科學論文摘要12篇(2018-03-08)

03-14

量化網路推理中的抽樣偏差;
雜訊網路數據的網路重構和誤差估計;
影響因素與中心極限定理;
N人信任博弈及其複製動力學;
MetaGraph2Vec：複雜語義路徑增強異構網路嵌入;
突發的人類動力學;
GPSP：基於圖分區和空間投影的異構網路嵌入方法;
時間文本網路：基礎和結構特性;
去激進化的數學模型中的全局穩定性;
具有多個連續屬性的隨機塊模型;
Facebook直播？現場社交廣播是否是真的廣播？;
模仿或創新：戰略更新態度在空間社會困境博弈中的競爭;

量化網路推理中的抽樣偏差

原文標題： Towards Quantifying Sampling Bias in Network Inference

地址： http://arxiv.org/abs/1803.02422

作者： Lisette Espín-Noboa, Claudia Wagner, Fariba Karimi, Kristina Lerman

摘要：關係推斷利用網路中實體和鏈接之間的關係，從小樣本中推斷有關網路的信息。當關於網路的全局信息不可用或難以獲得時，通常使用此方法。但是，小標籤樣品的推斷有多可靠？網路應該如何被採樣，它對推理錯誤有什麼影響？網路結構如何影響抽樣策略？我們通過系統地研究網路採樣策略和樣本量如何影響網路中關係推理的準確性來解決這些問題。為此，我們生成一系列合成網路，其中節點具有二元屬性和同調可調級別。正如預期的那樣，我們發現在異嗜性網路中，只有當網路的小樣本被標記時，我們才能獲得良好的準確性，而不管採樣策略如何。令人驚訝的是，對於同嗜性網路來說情況並非如此，並且在嗜異性網路中運行良好的取樣策略導致了大的推斷誤差。這些發現表明，網路結構對關係分類的影響比以前認為的更為複雜。

雜訊網路數據的網路重構和誤差估計

原文標題： Network reconstruction and error estimation with noisy network data

地址： http://arxiv.org/abs/1803.02427

作者： M. E. J. Newman

摘要：大多數關於網路的實證研究都假設我們給出的網路數據代表了感興趣系統中節點和邊的完整和準確的圖像，但在現實世界的情況下，情況很少。更經常的是，數據只是不完美地說明網路結構 - 就像經驗科學的其他所有領域的數據一樣，網路數據容易出現測量誤差和噪音。同時，數據可能比簡單的網路測量更豐富，包含多個測量值，邊的權重，長度或強度，節點或邊標籤或各種注釋。在這裡，我們開發了一種通用方法，用於根據任何形式的網路數據估計網路結構和屬性，當數據不可靠時，這些網路數據是簡單的或複雜的，並為示例應用程序提供社會和生物網路選擇。

影響因素與中心極限定理

原文標題： Impact Factors and the Central Limit Theorem

地址： http://arxiv.org/abs/1803.02436

作者： Manolis Antonoyiannakis

摘要：按照平均指標排名，較小的樣本更具波動性：與較大的樣本相比，它們可以更容易地波動到較高或較低的分數，而較大的樣本更加穩定。這些波動的範圍取決於兩個因素：更廣泛的人口中的價值差異（方差）和樣本量。我們使用著名的統計中心極限定理（CLT）來理解引用平均值（影響因子）的行為。我們發現影響因素強烈依賴於期刊的規模。我們解釋了觀察到的影響因子排名，即小型期刊佔據了頂級，中級和最低級別;中型期刊佔據中間行列;而非常大的期刊匯聚到一個單一的影響因子價值。此外，我們應用CLT為影響因子開發了「不確定性關係」，它給出了期刊的影響因子的上限（$ f_ {max} ^ {th}（n）$）和下限，給定其大小n。我們通過分析Clarivate Analytics的1997 - 2016年期刊引用報告（JCR）中的全部166,498種期刊，確定了$ f_ {max} ^ {th}（n）$的函數形式，345,177 2014-2015年在物理學上發表的論文，以及任意抽樣的期刊列表的引文分布。我們得出結論：影響因子「不確定性關係」是實際期刊觀察到的影響因子範圍的一個很好的預測因子。由於尺寸依賴效應較強，因此影響因子排名可能會產生誤導，除非比較類似的期刊或調整這些效應。

N人信任博弈及其複製動力學

原文標題： The N-Player Trust Game and its Replicator Dynamics

地址： http://arxiv.org/abs/1803.02443

作者： Hussein Abbass, Garrison Greenwood, Eleni Petraki

摘要：信任是一個基本概念，它支撐著社會系統的連貫性和復原力，並塑造了人類行為。儘管信任作為社會和心理學概念的重要性，但這個概念並沒有得到演化博弈理論家的高度關注。在本文中，介紹了一種基於N人信任的社會困境博弈。雖然這個理論表明，一個沒有不可信任的個人的社會會為整個社會和長遠的個人產生最大的財富，但是演化動力學表明，這種理想的情況只有在最初的人口不具有不可信賴性的特殊情況下才能達到個人。當最初的人口中只有極少數不信任的個人時，社會就會趨於零tr with，有許多不可信賴的個體。儘管事實上，馴養者和可信賴受託人的組合是最理性和最優化的社會狀態，但促進信任是一項令人不安的任務。本文提出了複製動力學的博弈和結果，希望演化博弈中的研究人員能夠看到填補文獻中這一關鍵差距的機會。

MetaGraph2Vec：複雜語義路徑增強異構網路嵌入

原文標題： MetaGraph2Vec: Complex Semantic Path Augmented Heterogeneous Network Embedding

地址： http://arxiv.org/abs/1803.02533

作者： Daokun Zhang, Jie Yin, Xingquan Zhu, Chengqi Zhang

摘要：網路嵌入異構信息網路（HINs）是一項具有挑戰性的任務，由於不同節點類型的複雜性和節點之間豐富的關係。結果，傳統的網路嵌入技術不能在這樣的HIN上工作。最近，基於元路徑的方法被提出來描述HIN中的關係，但是它們在捕獲節點間豐富的上下文和語義方面無法有效地嵌入學習，這主要是因為（1）元路徑是一個相當嚴格的單路徑節點 - 節點關係描述符，不能適應關係的變化，（2）只有一小部分路徑可以匹配元路徑，導致用於嵌入學習的稀疏上下文信息。在本文中，我們提倡使用新的元圖概念來捕捉更遠的節點之間更豐富的結構上下文和語義。元圖包含多個節點之間的路徑，每個節點描述一種類型的關係，因此多個元路徑的增加提供了捕獲節點之間豐富的上下文和語義關係的有效方法。這極大地提高了基於元路徑的嵌入技術處理非常稀疏的HIN的能力。我們提出了一種新的嵌入式學習演算法，即MetaGraph2Vec，該演算法使用元圖來指導隨機遊走的產生並學習多類型HIN節點的潛在嵌入。實驗結果表明，MetaGraph2Vec能夠勝過各種異構網路挖掘任務（如節點分類，節點聚類和相似搜索）中的最新基線。

突發的人類動力學

原文標題： Bursty Human Dynamics

地址： http://arxiv.org/abs/1803.02580

作者： Márton Karsai, Hang-Hyun Jo, Kimmo Kaski

摘要：突發動力學是自然界中各種複雜系統的共同時間屬性，但它也表徵了人類行為和相互作用的動態特徵。在現象學層面上，它是所有系統隨著時間的推移而異質演變的一個特徵，它通過在低事件頻率和高事件頻率之間交替進行。在這樣的系統中，突發被識別為事件在短時間間隔內以快速步伐發生的時間段，而這些時間間隔以很長的時間與事件的低頻率分開。由於這種動態模式發生在廣泛的自然現象中，它們的觀察，表徵和建模在幾個研究領域中一直是一個長期存在的挑戰。然而，由於最近通信和數據收集技術的一些發展，可以追蹤人類從個人到社會層面的行動和相互作用的數字痕迹。這導致了對人體動力學這個全新但尚未探索過的新領域的突發現象的幾個新觀察，這個領域呼籲文藝復興使用包括數據分析和建模在內的研究概念和方法來研究這些系統。因此，該領域積累了大量新的見解和知識以及創新，為我們提供了一個及時的機會，撰寫本簡要專著，對觀測資料進行最新的審查和總結，適當的測量，建模以及在人類行為動態中出現的異構突發模式的應用。

GPSP：基於圖分區和空間投影的異構網路嵌入方法

原文標題： GPSP: Graph Partition and Space Projection based Approach for Heterogeneous Network Embedding

地址： http://arxiv.org/abs/1803.02590

作者： Wenyu Du, Shuai Yu, Min Yang, Qiang Qu, Jia Zhu

摘要：在本文中，我們提出了一種基於圖分割和空間投影的新方法GPSP，以了解由多種類型的節點和鏈接組成的異構網路的表示。具體而言，我們首先將異構網路劃分為同構和雙向子網路。然後，通過學習投影嵌入向量，提取隱藏在二分子網路中的投影關係。最後，我們將雙向子網路的投影向量與從均勻子網路學習的投影向量連接起來，形成異構網路的最終表示。對真實數據集進行了大量實驗。結果表明，GPSP在兩項關鍵網路挖掘任務（節點分類和聚類）方面優於最先進的基線。

時間文本網路：基礎和結構特性

原文標題： Temporal Text Networks: foundations and structural properties

地址： http://arxiv.org/abs/1803.02592

作者： Davide Vega, Matteo Magnani

摘要：理解人類信息網路的三個基本要素是網路中的個人，他們交換的信息，這些信息通常在線上以文本內容（電子郵件，社交媒體帖子等）的形式提供，以及這些交互發生的時間。一個非常大量的研究已經解決了這些方面中的一些或者孤立地或者作為它們中的兩個的組合。也有越來越多的作品研究存在三種元素的系統，但通常使用不易轉移到其他上下文的特設模型和演算法。因此，在本文中，我們提出了一個簡單的，表達性和可擴展的時間文本網路模型，我們聲稱可以用作跨不同類型的網路和分析任務的共同點，並且我們展示了如何生成模型視圖的簡單程序允許直接應用其他領域已經開發的分析方法，從傳統的數據挖掘到多層網路挖掘。

去激進化的數學模型中的全局穩定性

原文標題： Global stability in a mathematical model of de-radicalization

地址： http://arxiv.org/abs/1803.02675

作者： Manuele Santoprete, Fei Xu

摘要：激進化是人們採取日益極端的政治，社會或宗教思想的過程。當激演化導致暴力時，激進思維成為對國家安全的威脅。去激演化計劃是打擊暴力極端主義和恐怖主義的努力的一部分。這種舉措試圖改變暴力極端分子的激進信仰和暴力行為，以便將他們重新融入社會。在本文中，我們將介紹一個適用於描述去激化程序的簡單分區模型。人口分為四個部分：$（S）$敏感，$（E）$極端主義者，$（R）$招聘者和$（T）$治療。我們計算基本複製數 mathcalR0。對於 mathcalR0<1，系統具有一個全局漸近穩定的均衡，其中不存在極端主義或招募者。對於 mathcalR0>1而言，該系統在極端主義者和招募者是人口特有的地方具有額外的均衡。利用Lyapunov函數來表明，對於 mathcalR0>1，地方性均衡是全局漸近穩定的。我們使用數值模擬來支持我們的分析結果。根據我們的模型，我們評估應對暴力極端主義的策略。

具有多個連續屬性的隨機塊模型

原文標題： Stochastic Block Models with Multiple Continuous Attributes

地址： http://arxiv.org/abs/1803.02726

作者： Natalie Stanley, Thomas Bonacci, Roland Kwitt, Marc Niethammer, Peter J. Mucha

摘要：隨機塊模型（SBM）是網路中社區結構的概率模型。通常，僅使用鄰接矩陣來執行SBM參數推斷。在本文中，我們考慮節點具有連續屬性的相關向量的情況，這些屬性也用於學習節點到社區的分配和相應的SBM參數。雖然這個假設對於每一個應用都是不現實的，但是我們的模型假定與網路社區中的節點相關的屬性可以通過普通的多元高斯模型來描述。在這個增強的，屬性的SBM中，目標是同時學習SBM連通概率和描述每個社區的多變數高斯參數。雖然文獻中最近有例子將連接性和屬性信息結合起來以提供社區檢測，但我們的模型是第一個用於處理多個連續屬性的增強隨機塊模型。這提供了生物數據的靈活性，例如，通過來自多種實驗模式的連續測量來增強連接性信息。由於缺乏標記的網路數據通常會使社區檢測結果難以驗證，因此我們強調了我們的模型對兩種網路預測任務的有用性：鏈路預測和協作過濾。作為擬合該隨機塊模型的結果，可以預測在互補信息源（分別為連通性或屬性）的情況下新節點的屬性向量或連通性模式。我們還強調了兩個生物學實例，其中歸因隨機塊模型在鏈路預測和協作過濾任務中提供了令人滿意的性能。

Facebook直播？現場社交廣播是否是真的廣播？

原文標題： Facebook (A)Live? Are live social broadcasts really broadcasts?

地址： http://arxiv.org/abs/1803.02791

作者： Aravindh Raman, Gareth Tyson, Nishanth Sastry

摘要：現場直播的時代已經回來，但有兩個重大變化。首先，與傳統的電視廣播不同，內容現在通過互聯網流傳，使其能夠覆蓋更多的觀眾。其次，由於各種用戶生成的內容平台，任何人都有可能參與進來，將自己的內容傳輸到全世界。這種新興的上線趨勢通常通過社交平台進行，用戶通過社交平台主要從他們的移動設備上進行實時社交廣播，從而允許他們的朋友（以及普通公眾）實時與該流進行互動。隨著這種平台的日益普及，預計當前互聯網基礎設施的負擔將會增加。考慮到這一點，我們探索一個這樣的知名平台 - Facebook Live。我們收集3TB的數據，代表一個月的全球活動，並探索實時社交廣播的特點。由此，我們推導出簡單而有效的原理，可以減輕網路負擔。然後，我們通過捕獲廣播公司或製作視頻的用戶以及與其交互的用戶的地理位置，對視頻的全局和超本地屬性進行剖析。最後，我們研究視頻實時播放時的社交活動，並區分同一視頻按需播放時的關鍵方面。整篇論文的一個共同主題是，儘管名稱眾多，但Facebook Live的許多屬性都偏離了現場直播和廣播的概念。

模仿或創新：戰略更新態度在空間社會困境博弈中的競爭

原文標題： Imitate or innovate: competition of strategy updating attitudes in spatial social dilemma games

地址： http://arxiv.org/abs/1803.02820

作者： Zsuzsa Danku, Zhen Wang, Attila Szolnoki

摘要：演化是基於這樣的假設：競爭對手更新策略以增加個人收益。然而，儘管應用的更新方法可能不同，但以前的大多數作品都提出了統一模型，玩家使用相同的方式來修改他們的策略。在這項工作中，我們將探討基於模仿或學習態度和基於創新的或近視最佳反應態度如何在複雜模型中競爭空間，其中態度可用。在沒有附加成本的情況下，最佳響應特徵實際上主導了整個積雪博弈參數空間，這與基本模型的平均收益差異相一致。當涉及額外成本時，模仿態度可以逐漸侵入整個參數空間，但這種轉變發生在一個非常平凡的方式中。然而，競爭態度的作用在模仿一般更成功的雄鹿參數空間中被扭轉。有趣的是，後一種博弈可以觀察到四態解，這是可能狀態之間出現的循環支配的結果。這些現象可以通過分析微觀入侵過程來理解，這些過程揭示了戰略和態度的不平等傳播速度。

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。