Arxiv网络科学论文摘要10篇(2018-12-14)

• 弱耦合网络分层系统上的扩散;
• 影响网络中异质信念系统的共识与分歧;
• 动态网络预测;
• 具有有限值的动态序列特征分析优化算法;
• 噪声驱动的公共产品合作;
• 羊群效应和特殊选择：嘈杂的选民模型中的非线性和老化引起的转变;
• 通过非回溯谱进行图比较;
• 自适应选民模型中的局部对称性和全局结构;
• gl2vec：使用Graphlet学习有向网络特征表示;
• 印度各州的经济复杂性;

弱耦合网络分层系统上的扩散

原文标题： Diffusion on hierarchical systems of weakly-coupled networks

地址： http://arxiv.org/abs/1303.2650

作者： Grzegorz Siudem, Janusz A. Hołyst

摘要： 我们通过时间尺度的分离来分析弱耦合网络（互连网络）上的扩散动力学。使用绝热近似，我们将系统动力学简化为具有聚合变量的马尔可夫链，并导出了类似于菲克第一定律的运输方程，并包括驱动力。熵产生是微观熵传输的总和，其由粒子在不同拓扑的网络之间的迁移和马尔可夫链的宏观熵产生产生。不同子网之间的平衡粒子分配仅取决于内部子网络参数。我们的框架，通过数值模拟证实，对于考虑对应于具有几个不同时间尺度的分层网络的嵌套系统中的扩散也是有用的，因此它可以用于从扩散过程的观察中揭示隐藏的层级水平。

影响网络中异质信念系统的共识与分歧

原文标题： Consensus and Disagreement of Heterogeneous Belief Systems in Influence Networks

地址： http://arxiv.org/abs/1812.05138

作者： Mengbin Ye, Ji Liu, Lili Wang, Brian D.O. Anderson, Ming Cao

摘要： 最近，已经提出了一种观点动态模型来描述讨论一组逻辑上相互依赖的主题的个人网络。对于每个人，主题集和主题之间的逻辑相互依赖性（由逻辑矩阵捕获）形成信念系统。我们研究了逻辑矩阵及其结构在确定一个强烈联系的个人网络的最终意见（包括存在限制性意见）中所起的作用。我们提供了一系列结果，给定一组个人的信念系统，可以系统地确定哪些主题将达成共识，哪些主题会产生分歧。对于不可约的逻辑矩阵，每个主题达成共识。对于表示级联相互依赖关系的可简化逻辑矩阵，给出了关于主题是否达成共识的条件。事实证明，个体逻辑矩阵之间的异质性，尤其是非对角线条目的符号差异，可能是一个关键的决定因素。因此，本文首次将影响网络中信仰系统异质性的限制性观点强烈多样化，此外还有更典型的解释，即强烈的多样性源于个体固执。

动态网络预测

原文标题： Dynamic Network Prediction

地址： http://arxiv.org/abs/1812.05245

作者： Ravi Goyal, Victor De Gruttola

摘要： 我们提出了一个统计框架，用于根据观察到的人口中社会关系的演变来生成预测的动态网络。该框架包括一个新颖灵活的程序，可以根据不断变化的网络属性的概率分布对动态网络进行抽样;它允许使用广泛的方法来模拟趋势，季节变化，不确定性和人口构成的变化。当前的方法没有考虑到在预测网络结构时观察到的历史网络的可变性;所提出的方法提供了一种将不确定性纳入预测的原则方法。这一进步有助于基于网络的干预的设计，因为这种干预的发展通常需要在存在和不存在干预的情况下预测网络结构。进行了两项模拟研究，以证明在设计基于网络的干预措施时产生预测网络的有用性。该框架还通过调查使用动态网络对票据通过率进行潜在干预的结果来说明，该动态网络代表参与者之间的赞助商/共同赞助商关系，这些参与者来自美国参议院2003  -  2016年引入的法案。

具有有限值的动态序列特征分析优化算法

原文标题： Optimal Algorithm for Profiling Dynamic Arrays with Finite Values

地址： http://arxiv.org/abs/1812.05306

作者： Dingcheng Yang, Wenjian Yu, Junhui Deng, Shenghua Liu

摘要： 考虑到数十亿用户系统中的大型日志流，如何在任何时候快速回答最热门和最热门的对象？它相当于在对应于日志流的动态数组中查找模式和顶级频繁元素。但是，大多数现有工作要么在滑动窗口内限制动态数组，要么不利用只能在日志流中添加或删除一个元素的优点。因此，我们提出了一种名为S-Profile的分析算法，其对于动态阵列的每次更新具有 O（1）时间复杂度，并且在计算复杂性方面是最佳的。通过分析结果，回答关于动态数组统计的查询变得微不足道和快速。通过动态阵列的各种设置的实验，我们的准确S-Profile算法优于众所周知的方法，显示基于堆的方法至少加速2倍，基于平衡树的方法加速13倍或更高。

噪声驱动的公共产品合作

原文标题： Cooperation for Public Goods Driven by Noise

地址： http://arxiv.org/abs/1812.05367

作者： Jeroen Bruggeman, Rudolf Sprik, Rick Quax

摘要： 公共产品的合作陷入了两难境地，个人很想在别人的捐款上搭便车。经典解决方案涉及昂贵的反馈机制，包括奖励和惩罚，但有一些重要的集体行动仅基于简单而廉价的线索，例如无计划的抗议和反抗，以及其他物种的合作。这可以通过Ising模型来解释，其中非对称旋转值表示缺陷和合作，并且假设当人们共享目标时，他们倾向于符合他们的本地多数。然后，一个关键的噪音水平，例如引起对情况的误解或反对者挑衅的谣言，会导致集体行动的开始。因此，该模型提供了一种简约的解释，无需依靠准确的监控，高度的网络连接，可靠的信息传输，对记忆的高级认知，亲社会规范，激励或领导者。它可以包含领导者，并且可以表达（局部）领域的激励和规范，以表明当噪声低于临界水平时需要额外的机制。

羊群效应和特殊选择：嘈杂的选民模型中的非线性和老化引起的转变

原文标题： Herding and idiosyncratic choices: Nonlinearity and aging-induced transitions in the noisy voter model

地址： http://arxiv.org/abs/1812.05378

作者： Oriol Artime, Adrián Carro, Antonio F. Peralta, José J. Ramasco, Maxi San Miguel, Raúl Toral

摘要： 我们考虑在金融市场的Kirman模型的背景下，由于特殊选择或不完美的模仿而引起的非牧群过渡，或者等同于用于意见形成的Noisy Voter模型。在这些原始模型中，这是一个有限大小的过渡，对于大量代理而言会消失。我们展示了两种不同机制的引入如何使这种过渡变得强大且定义明确。第一种机制是代理之间的非线性相互作用，同时考虑到局部多数的非线性效应。第二个是老化，因此代理处于给定状态的时间越长，她就越不愿意改变状态。

通过非回溯谱进行图比较

原文标题： Graph Comparison via the Non-backtracking Spectrum

地址： http://arxiv.org/abs/1812.05457

作者： Andrew Mellor, Angelica Grusovin

摘要： 图表的比较是一个至关重要但却很困难的任务，它出现在包括生物和社会网络在内的多个不同研究领域。已经有许多方法来定义图距离，但是这些方法通常不是度量标准（使标准数据挖掘技术不可行），或者对于大图而言在计算上是不可行的。在这项工作中，我们基于非回溯图运算符的谱定义了一个新的度量，并表明它不仅可以用于比较通过不同机制生成的图，而且可以可靠地比较不同大小的图。我们观察到Watts-Strogatz图的族位于非回溯谱嵌入的流形上，并显示该度量如何用于经验图的标准分类问题。

自适应选民模型中的局部对称性和全局结构

原文标题： Local Symmetry and Global Structure in Adaptive Voter Models

地址： http://arxiv.org/abs/1812.05464

作者： Philip S. Chodrow, Peter J. Mucha

摘要： “共同演化”或“自适应”选民模型（AVM）是用于模拟由冲突和同性恋驱动的本地网络过程中的介观结构的出现的自然系统。因此，在过去十年中已经提出了许多用于近似AVM的长期行为的方法。但是，大多数此类方法要么范围受限，计算成本高，要么预测重要统计数据不准确。在这项工作中，我们开发了一种新颖的二阶矩闭合近似方法，用于研究AVM的平衡介观结构，并将其应用于具有随机状态切换的二元状态重新连接到随机和重新连接到相同的模型变体。该框架利用投票事件中的不对称性，使我们能够推导出快速时间动态的分析近似。得到的数值近似使得能够在整个状态密度范围内计算模型行为的关键属性，例如碎裂过渡的位置和平衡有效边密度。从数字上看，它们对于重新连续到随机模型几乎都是精确的，并且与其他当前用于重新连接到同一模型的方法相比具有竞争力。最后，我们提出了模型优化和更复杂模型扩展的建议。

gl2vec：使用Graphlet学习有向网络特征表示

原文标题： gl2vec: Learning Feature Representation Using Graphlets for Directed Networks

地址： http://arxiv.org/abs/1812.05473

作者： Kun Tu, Jian Li, Don Towsley, Dave Braines, Liam Turner

摘要： 学习网络表示具有多种应用，例如网络分类。该领域的大多数现有工作都集中在静态无向网络上，并不考虑有向边或临时变化的存在。此外，大多数工作侧重于在网络分类等任务上表现不佳的节点表示。在本文中，我们提出了一种新颖，灵活和可扩展的网络嵌入方法，\ emph {gl2vec}，用于静态和时间有向网络中的网络分类。 \ emph {gl2vec}使用静态或时间网络graphlet分布构造用于特征表示的向量，并使用null模型将它们与随机图进行比较。我们认为\ emph {gl2vec}可用于对不同大小和时间段的网络进行高精度分类和比较。我们展示了\ emph {gl2vec}相对于网络分类任务的现有最先进方法的功效和可用性，例如网络类型分类和几个真实世界静态和时间有向网络中的子图识别。实验结果进一步表明\ emph {gl2vec}与各种最先进的方法相结合，在实际应用中提高分类准确度高达 10 \％，例如检测电子邮件中子图的部门网络或识别移动用户给出他们的应用切换行为表示为静态或时间有向网络。

印度各州的经济复杂性

原文标题： The Economic Complexity of Indian States

地址： http://arxiv.org/abs/1812.05503

作者： Anand Sahasranaman, Henrik Jeldtoft Jensen

摘要： 本文试图在经济复杂性框架的基础上揭示印度各州的经济竞争力。我们发现，各州往往生产几乎所有符合其生产能力的产品。我们还发现，各州的绩效与健康和收入的指标存在显著差异，并认为这包括诸如某些情况下收入增长的未表现潜力以及过度依赖特定市场，产品或历史因素等方面。推动其他人的收入增长。我们根据其适应性讨论各州的表现，并在印度现代经济史框架内对新兴趋势进行背景化。最后，我们试图理解生产能力的协同演化，并发现当能力具有相似的复杂性时，在给定时间内任何一对能力共存的概率最大化。因此，各州可能需要很长时间才能构建高度复杂的能力，从而形成多样化的产品篮。

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。