建立联系：科学家们如何在会议期间相遇 | 网络科学论文速递4篇
核心速递
建立联系：科学家们如何在会议期间相遇;
基于拒绝的复杂网络随机扩散过程仿真;
用于缓解Top-K推荐中数据稀疏性的伪隐式反馈;
相关事件间时间的分析可解自相关函数;
建立联系：科学家们
如何在会议期间相遇
原文标题：
Building connections: How scientists meet each other during a conference
地址：
http://arxiv.org/abs/1901.01182
作者：
Mathieu Génois, Maria Zens, Clemens Lechner, Beatrice Rammstedt, Markus Strohmaier
摘要： 我们介绍了两项关于个人在国际跨学科科学会议期间如何相互作用的研究结果。我们首先表明，两个会议之间以及不同社会人口群体之间的联系活动变化很大。然而，我们发现了一个一致的现象：教授的连接和互动明显少于其他参与者。
我们将此效应解释为使用会议积累社会资本的主要是非终身研究人员，而已建立的研究人员已经拥有这样的资本。然后我们展示了在会议期间群体混合得很好，但请注意，总是存在基于语言的同质群体。最后，我们表明，各会议之间的联系动态也相似。建立第一天连接，然后在接下来的几天内进行过滤。连续几天之间的连接周转率证明很大（50％），并且与交互强度有关。
基于拒绝的复杂网络
随机扩散过程仿真
原文标题：
Rejection-Based Simulation of Stochastic Spreading Processes on Complex Networks
地址：
http://arxiv.org/abs/1812.10845
作者：
Gerrit Großmann, Verena Wolf
摘要： 随机过程可以模拟网络上的许多涌现现象，如计算机病毒的传播，谣言或传染病。因此，了解这种随机扩散过程的动态是非常重要的。在这项工作中，我们考虑一般分隔模型，其中每个节点处于几个状态（或隔间）之一。节点在指数分布的等待时间之后并根据给定的规则集随机地改变它们的状态。对于具有实际尺寸的网络，甚至仅产生扩展过程的单个随机轨迹在计算上也是非常昂贵的。
在这里，我们提出了一种新颖的仿真方法，它结合了基于事件的仿真和拒绝采样的优点。我们的方法在绝对运行时方面表现优于最先进的方法，并且在统计上等效的情况下表现得更好。
用于缓解Top-K推荐中
数据稀疏性的伪隐式反馈
原文标题：
Pseudo-Implicit Feedback for Alleviating Data Sparsity in Top-K Recommendation
地址：
http://arxiv.org/abs/1901.00597
作者：
Yun He, Haochen Chen, Ziwei Zhu, James Caverlee
摘要： 我们提出了PsiRec，一种新颖的用户偏好传播推荐器，它结合了伪隐式反馈，用于丰富原始稀疏隐式反馈数据集。 PsiRec的三个独特特征是：（i）它将用户项交互视为二部图，并从这个角度模拟伪隐式反馈; （ii）其基于随机游走的方法从该二部图中提取图结构信息，以估计伪隐式反馈; （iii）它采用Skip-gram启发的伪隐式反馈信任度量，捕获用户和物品之间的逐点互信息。这种伪隐式反馈最终被纳入一个新的潜在因子模型，以估计极端稀疏情况下的用户偏好。
PsiRec在Precision @ 10和Recall @ 10方面的改进分别比最先进的Collaborative Denoising自动编码器提高了21.5％和22.7％。我们的实现可在https://github.com/heyunh2015/PsiRecICDM2018获得。
相关事件间时间的
分析可解自相关函数
原文标题：
Analytically Solvable Autocorrelation Function for Correlated Interevent Times
地址：
http://arxiv.org/abs/1901.00982
作者：
Hang-Hyun Jo
摘要： 在自然和社会现象的事件序列中观察到的长期时间相关性已经通过代数衰减自相关函数来表征。这种时间相关性不仅可以通过异构的事件间时间（IET）来理解，而且可以通过IET之间的相关性来理解。与IET的异质性对自相关函数的作用相反，但由于IET之间的相关性导致的影响知之甚少。
为了研究这些影响，我们设计了一个可解析的可解模型，在两个连续的IET之间可调内存系数 M 。我们推导出自相关函数的分析形式，作为任意IET分布的 M 的函数，这在数值上得到了证实，特别是对于重尾IET分布。我们的分析方法使我们能够更好地理解由于IET之间的相关性而导致的长期时间相关性。
来源：网络科学研究速递
编辑：孟婕
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。
近期网络科学论文速递
集智俱乐部QQ群｜877391004
商务合作及投稿转载｜swarma@swarma.org
◆ ◆ ◆
搜索公众号：集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧！