合同市场的腐败风险：网络科学视角 | 网络科学论文速递20篇

核心速递

• 合同市场的腐败风险：网络科学视角;
  

• 发现差分特征：用于信息可信度评价的对抗性学习;
• 用于复杂网络近最优链路预测的堆叠模型;
• ASSED：一种通过自适应社会感知数据过滤识别物理活动的框架;
• 技术对政治运动的影响;
• 腐败结构的社会网络分析：邻接矩阵支持的分层可视化和量化;
• 表征和预测重复食品消费行为用于即时干预;
• 创意事业的成功与运气;
• 再论主特征向量的局部性和网络的中心性;
• 使用强化学习和基于主体建模的隔离动力学研究;
• WhatsApp是否可以通过限制消息转发对抗不实信息？;
• 通过描述语境危机事件的公共讨论表征集体注意力;
• DAOC：大型网络的稳定聚类;
• 一种混合引力和路径选择的模型，用于评估大规模路网的矢量交通;
• 定义一个历史悠久的足球队：使用网络科学分析瓜迪奥拉的巴塞罗那足球俱乐部;
• 社会参与的崩溃以及通过地方招募的预防;
• 基于用户重叠的跨越多个社会网络的社区检测;
• 广义网络拆解集成方法;
• 统一随机多重图的矩与固定度序列;
• 从含时的共存网络中检测灵长类动物的社会（不）稳定性;

合同市场的腐败

风险：网络科学视角

原文标题：

Corruption Risk in Contracting Markets: A Network Science Perspective

地址：

http://arxiv.org/abs/1909.08664

作者：

Johannes Wachs, Mihály Fazekas, János Kertész

摘要：我们使用网络科学的方法分析了2008-2016年来自欧盟成员国的400多万份公共采购合同的大型行政数据集中的腐败风险。通过将采购市场映射成由发包人和合同赢家组成的二分网络，我们可以可视化并描述腐败风险的分布。我们研究了每个成员国的网络结构，确定了它们的核心区域，发现高度集中的市场往往有更高的腐败风险。在我们分析的所有欧盟国家中，腐败风险明显集中。然而，这些风险有时在核心市场更为普遍，有时在外围市场更为普遍，这取决于各国的情况。这表明，相同级别的腐败风险可能具有完全不同的分布。我们的框架是诊断性和规范性的:它根除了腐败可能在不同市场普遍存在的地方，并表明不同国家需要不同的反腐败政策。

发现差分特征：用于信息

可信度评价的对抗性学习

原文标题： 

Discovering Differential Features: Adversarial Learning for Information Credibility Evaluation

地址：

http://arxiv.org/abs/1909.07523

作者：

Lianwei Wu, Yuan Rao, Ambreen Nazir, Haolin Jin

摘要：有一类深度学习方法是通过提取大量可信特征来鉴别网络上的虚假新闻。但是，由于不相关的噪音特征的影响，这类方法的性能被严重限制了。为了解决这个问题，我们在本文中提供一个新的、基于对抗网络、由共享-私有模型激发的方法（以下简称ANSP）。使用该方法可以在对特征进行可信度评估时减少噪音和不相关特征的数量。具体来说，ANSP完成了两项任务。其一，减少普通特征（噪音和不相关特征）。ANSP通过防止基于增强学习的对抗网络对真假信息进行分类的方式，来获取这些普通特征。其二，增加可信特征（即私有特征）之间的差异。ANSP将从多重信息中提取的可信特征使用两种策略（例如，正交约束和KL-散度）与普通特征进行比较，从而达到目的。我们首先使用了两个六标签的数据集（“说谎者”和“微博）”进行实验。实验表明，ANSP达到了先进水平，准确率分别提高了2.1%和3.1%。然后在四标签的“推特16”数据集（用于验证模型的鲁棒性）上，APSN展示出来1.8%的性能提升。

用于复杂网络近最优

链路预测的堆叠模型

原文标题：

Stacking Models for Nearly Optimal Link Prediction in Complex Networks

地址：

http://arxiv.org/abs/1909.07578

作者：

Amir Ghasemian, Homa Hosseinmardi, Aram Galstyan, Edoardo M. Airoldi, Aaron Clauset

摘要：我们无法完整地观测大多数的真实世界的网络。因此，如果算法能够准确地预测网络中缺失的链路，将极大地提高收集网络数据的速度。同时，这也能大幅增加网络模型的准确性。如今很多算法已经实现了该功能。它们能够根据部分观测的网络，预测其缺失的链路。但是，这些算法依然留下了很多疑问。我们通过这些算法无法知道：是否存在单一最佳预测器、链路的可预测性是如何根据不同领域的方法和网络变化的、以及当前算法的最优性。为了解决这些问题，我们选取了203个独立的链接预测算法进行系统性地评估。这些算法代表了当前三种流行的方法，应用于6个科学领域的548个结构不同的网络。在评估过程中，我们首先发现:单个算法显示出广泛的预测错误多样性。即是说，针对真实数据输入的场景中，没有一个或一类预测器是最好的或最差的。因此，我们随后通过元学习的方式将这种多样性构建成一系列“堆叠”模型。这些模型将预测器组合成一个单一的算法。当我们将这些“堆叠”模型应用于合成网络（用于分析计算最优性能）时，它们能达到最优或接近最优的准确度。应用于现实世界的网络时，这些堆叠模型也依然有优势。但是，它们的准确性却因领域不同而有很大差异。实验显示，在社交网络中，链接预测可能比在生物或技术网络中更容易。以上结果表明，链接预测的最先进水平来自于结合单个算法，这些算法实现了接近最优的预测。最后，我们简要讨论了这些结果的局限性和进一步改进的机会。

ASSED：一种通过自适应社会

感知数据过滤识别物理活动的框架

原文标题：

ASSED — A Framework for Identifying Physical Events through Adaptive Social Sensor Data Filtering

地址：

http://arxiv.org/abs/1909.07596

作者：

Abhijit Suprem, Calton Pu

摘要：物理事件检测长期以来对数字传感器数据进行操作静态事件处理器的结构域。这非常适用于大型强信号事件，如飓风和事件的重要的类如地震。然而，对于多种结构域的存在传感器覆盖不足，例如，滑坡，森林火灾，和溢流。社会网络已经提供数十亿用户的海量数据量，但是从这些普通的社交传感器的数据包含比物理传感器更加噪音。一个社会的传感器提出的最困难的挑战是 textit概念漂移，其中有一个现象有关条款发展和变化随着时间的推移，使静态的机器学习（ML）分类效果较差。为了解决这个问题，我们开发了一个基于ML-事件处理引擎的称职（自适应社会感测事件检测）框架，并展示如何将其与低导strong-  textit 和弱信号进行简单的和复杂的物理事件检测-latency，高可扩展性，以及准确的报道。具体而言，称职是支持连续滤波器生成和更新使用流数据的机器学习从高置信源（物理和注释的传感器）和社会网络的架构。我们建立称职的，以支持高可信度源集成到社会感测事件检测，以产生高品质的过滤器，并通过跟踪自己的表现进行动态过滤器选择程序。我们证明通过检测相比，静态方法更几乎350 ％的滑坡山体滑坡检测中的应用称职的能力。更重要的是，称职的自动化概念漂移的处理：初始数据收集和分类培训后四年，称职达到0.988事件检测精度（没有专家的人工干预），相比0.762静态方法。

技术对政治运动的影响

原文标题：

The Impact of Technologies in Political Campaigns

地址：

http://arxiv.org/abs/1909.07644

作者：

Moritz Hoferer, Lucas Böttcher, Hans J. Herrmann, Hans Gersbach

摘要：最近的政治竞选活动已经展示了技术是如何通过微定位选民来提高选举结果的。为进一步揭示该技术在其中的影响，我们提出并研究了一个框架用来分析政客是如何使用技术来针对选民的。在框架中，我们将投票者表示为“投票”网络中的一个节点。在以往的传统竞选活动中，政客们需要接触当地所有的选民，并试图说服他们。这将增加他们的预算，而且也并不能保证选票的增加。而如今，政客们采用了更先进的定向技术。凭借技术优势和预算，他们仅需将目标锁定在“投票”网络中的某些区域，以此产生最大选票份额收益。通过分析和计算，我们量化了上述两种竞选方式中的预算和人数，从而获得的选票份额收益和节省。另外，我们还发现：政客之间的技术差距必须超过一定的阈值，才能形成他们在选票份额的增加或预算的优势。最后，当我们将最近美国总统大选的相关参数引入框架进行计算后，我们发现：特朗普比希拉里有明显的技术优势。这与特朗普的最终胜出是契合的。

腐败结构的社会网络分析：

邻接矩阵支持的分层可视化和量化

原文标题：

Social Network Analysis of Corruption Structures: Adjacency Matrices Supporting the Visualization and Quantification of Layeredness

地址：

http://arxiv.org/abs/1909.07648

作者：

Carel F.W. Peeters

摘要：通常情况下，腐败被描述为发生在一个网络内部或需要由一个网络支持其发生。也就是说，一群人需要以某种方式组织起来，才能使得通过贿赂获得好处成为可能。令人惊讶的是：尽管人们认为腐败与网络息息相关，很少使用网络科学的工具从网络的角度对其进行分析。因此，我们认为从网络科学的角度分析腐败有利于理解腐败。在这一章中，作者对利奥·休伯特的《Liber Amicorum》做出了贡献，并简要介绍了社会网络分析。

表征和预测重复食品

消费行为用于即时干预

原文标题：

Characterizing and Predicting Repeat Food Consumption Behavior for Just-in-Time Interventions

地址：

http://arxiv.org/abs/1909.07683

作者：

Yue Liu, Helena Lee, Palakorn Achananuparp, Ee-Peng Lim, Tzu-Ling Cheng, Shou-De Lin

摘要：人类是习惯的动物。在日常生活中，人们往往会在几天内重复消费同一类型的食物。只有当消费变得过于单调时，人们偶尔才会转向消费不同类型的食物。这种新奇的重复消费行为尚未被食品推荐领域研究过。我们认为预测个人日常饮食习惯对于提高食物推荐系统在促进健康生活方式改变方面至关重要。因此，我们分析了重复消费行为的模式。在研究过程中，我们使用了来自流行的在线健身社区MyFitnessPal (MFP)的大量消费数据。基于这些数据，我们对预测第二天食物消费的各种最新算法进行离线评估，并分析它们在不同人群和环境中的表现。实验结果表明，与目前最先进的推荐算法相比，基于时间动态和搜索-利用的推荐算法在第二天的推荐任务中更有效。

创意事业的成功与运气

原文标题：

Success and luck in creative careers

地址：

http://arxiv.org/abs/1909.07956

作者：

Milan Janosov, Federico Battiston, Roberta Sinatra

摘要：运气被认为是在所有创造性领域取得影响力的关键因素。它的表现多种多样，无法被确定。例如，在科学、电影工业、音乐和艺术领域，何时会出现有影响力的作品、何时出现新潮的技术是很难被预测的。有哪些领域的成功更需要运气呢?我们从两个方面对随机性（运气）在创意职业影响中的作用进行了分析：

(i)我们系统地梳理了运气和个人在电影、音乐、图书行业和科学领域产生影响的能力，并比较了这些领域的运气因素；

(ii)我们展示了协作网络在预测职业成功方面的有限预测能力；

最终，我们的分析表明：在所有考虑的行业中，运气始终会影响职业。同时，它也能提高我们对预测成功的关键因素的准确理解。

再论主特征向量的

局部性和网络的中心性

原文标题：

Principal eigenvector localization and centrality in networks: revisited

地址：

http://arxiv.org/abs/1909.08696

作者：

Priodyuti Pradhan, Angeliya C. U., Sarika Jalan

摘要：复杂的网络或图提供了一个强大的框架来理解个人的重要性，以及他们在真实的复杂系统中的相互作用。这些以网络为代表的系统中，还引入了几种图论方法来衡量个体重要性。其中，特征向量中心性(EC)法非常流行。因为它不仅基于节点获得的相互作用的数量，而且基于节点在网络中具有的特定结构位置来测量节点的重要性。此外，我们还可以通过网络中存在的特殊结构（如，高次节点）来判断该网络的邻接矩阵的主特征向量(PEV)的局部化转移。已有研究表明，PVE的定位会对在基于EC为节点分配中心性权重造成困难。因此，在本文中，我们首先回顾了PEV定位与基于EC分配权重问题关系。然后，我们通过简单的模型网络证明：除了PEV定位外，PEV的离域化也可能为使用EC作为节点排序的方法带来困难。我们的研究在为网络中PEV定位与节点中心性之间的关系提供基本认识的同时，建议对于具有离域PEVs的网络，最好使用度中心性度量来对节点进行排序。

使用强化学习和基于

主体建模的隔离动力学研究

原文标题：

Segregation Dynamics with Reinforcement Learning and Agent Based Modeling

地址：

http://arxiv.org/abs/1909.08711

作者：

Egemen Sert, Yaneer Bar-Yam, Alfredo J. Morales

摘要：社会是复杂的。这类复杂的性质可以用个体行为的相互作用和交织来解释。其中，激励是理解人们的选择和决定的关键。例如，个人对居住地的偏好可能会导致社会隔离的出现。在本文中，我们将强化学习(RL)与基于代理的模型(ABM)相结合，以解决社会隔离的自组织动态问题，并探索在考虑不同类型的激励时可能出现的空间。我们的模型促进了两个不同类型的想要彼此隔离的多个代理之间的相互依赖和交互的创建。为此，我们在代理模型中使用了Deep-Q网络，并根据谢林分离模型和捕食者-被捕食模型的规则进行决策。尽管存在隔离激励，但我们的实验表明，通过建立不同类型代理之间的相互依赖，可以实现空间集成。我们还从实验结果中发现：与吸引年轻人的多样化地区相比，隔离地区更有可能接纳老年人。通过这项工作，我们证明了：强化学习（RL）和代理模型（ABMs）的结合可以为政策制定者观察与激励相关的潜在和现有行为创造一个人工环境。

WhatsApp是否可以通过

限制消息转发对抗不实信息？

原文标题：

Can WhatsApp Counter Misinformation by Limiting Message Forwarding?

地址：

http://arxiv.org/abs/1909.08740

作者：

Philipe de Freitas Melo, Carolina Coimbra Vieira, Kiran Garimella, Pedro O. S. Vaz de Melo, Fabrício Benevenuto

摘要：WhatsApp是世界上最受欢迎的即时通讯软件。这款应用的封闭性，以及向大型群体传输多媒体和共享信息的便利性，使得WhatsApp与其他平台相比，显得独具一格。然而，不可避免的是：在这些平台中，匿名加密信息可能会像病毒一样迅速传播，在短时间内接触到多个用户。在巴西和印度最近的选举中，WhatsApp就被用于散布毫无根据的谣言，制造虚假信息。人们滥用了WhatsApp所提供的及时性和广泛传播的特性。WhatsApp也一直在采取措施来缓解这一问题，比如降低同时向最多5名用户转发消息的限制。尽管人们对解决这一问题的努力表示欢迎，但到目前为止，还没有证据表明这种限制的真正效力。在这项工作中，我们提出了一种方法来评估这些措施在WhatsApp上传播错误信息的有效性。我们使用流行病学模型和从巴西、印度和印度尼西亚的WhatsApp收集的真实数据，来评估这种网络中限制病毒性消息转播的效果。我们的研究结果表明，WhatsApp目前的努力可以显著延迟信息传播。但当消息内容具有高病毒性传播特性时，它们在阻止其通过公共群体传播方面是无效的。

通过描述语境危机事件的

公共讨论表征集体注意力

原文标题：

Characterizing Collective Attention via Descriptor Context in Public Discussions of Crisis Events

地址：

http://arxiv.org/abs/1909.08784

作者：

Ian Stewart, Diyi Yang, Jacob Eisenstein

摘要：集体注意力是真实世界中新闻转播的关键。同时，它也是理解公众讨论如何报道新兴话题和突发新闻的核心。大多数研究都是通过活动指标(如发文量)来衡量集体注意力。这种度量方法虽然有用，但它掩盖了集体关注中微妙的内容方面。而这些内容可能反映了公众对突发事件的看法。在本文中，我们对Facebook和Twitter上关于突发危机事件的公开在线讨论进行了大规模的语言分析。具体地说，我们研究了人们在讨论中如何使用或不使用上下文信息来指代飓风的位置。例如，圣胡安（可能是波多黎哥首都，也可能是阿根廷中西部的省）和波多黎哥的圣胡安的区别。同时，我们也关注了以及这些描述符表达式是如何根据社会因素(包括相对时间、受众和附加信息需求)添加或删除的。据此，我们发现：作者对地点的引用受到宏观层面的因素(如地点的全球重要性)和微观层面的社会因素(如读者特征)的影响。我们还发现：随着时间的推移，描述符上下文的使用在集体级别和个人作者级别上都有所减少。我们的研究结果可以帮助危机事件分析人员更好地预测公众对新闻事件的理解，并决定如何在此类事件中共享信息。

DAOC：大型网络的稳定聚类

原文标题：

DAOC: Stable Clustering of Large Networks

地址：

http://arxiv.org/abs/1909.08786

作者：

Artem Lutov, Mourad Khayati, Philippe Cudré-Mauroux

摘要：聚类是许多数据挖掘系统的重要组成部分，涉及到对各种数据进行分析和探索。数据多样性要求聚类算法的准确性，同时在任意输入的网络上提供稳定的结果（较高的确定性和稳健性）。然而，现代系统经常使用大型数据集，这就隐含地限制了聚类算法的复杂性。因此，现有的算法仅能达到部分稳定：确定性或者稳健性。为了解决这一问题，我们引入了一种确定性和聚集性重叠聚类算法，DAOC。DAOC利用一种称为重叠分解的新技术，以确定的方式识别细粒度的集群，从而捕获多个优化。此外，它利用了一种新的共识方法，即相互最大增益，以确保鲁棒性和进一步提高结果的稳定性。同时，它仍然能够识别微尺度集群。我们在合成网络和真实网络上的经验结果表明：与最先进的确定性算法相比、在不需要任何调优的情况下，DAOC平均比最先进的确定性算法多出25%的准确率，同时产生稳定的集群。我们的方法可以大大简化和加速数据分析任务，包括迭代处理(需要确定性)和数据波动(需要健壮性)，并提供准确和可重复的结果。

一种混合引力和路径选择的模型，

用于评估大规模路网的矢量交通

原文标题：

A hybrid gravity and route choice model to assess vector traffic in large-scale road networks

地址：

http://arxiv.org/abs/1909.08811

作者：

Samuel M. Fischer, Martina Beck, Leif-Matthias Herborg, Mark A. Lewis

摘要：道路沿线的人类交通可能是传染病和入侵物种的主要媒介。通过了解有多少代理人旅行和他们选择的路线，我们可以成功管理疾病传播和物种入侵。随机引力模型被用来估计代理人的起点和终点之间的行程分布。然而，在大型系统中，很难收集到适合这些模型的数据。因为长途旅行者的数量很少，而且起点和目的地可以有多个访问点。因此，引力模型通常只提供代理流的相关度量。而且，引力模型并不能洞察驾驶员使用的道路。我们建立了一个道路交通随机引力与路径选择相结合的数学模型。为了简单说明该混合模型，并展示它的优点。我们将其应用于斑马河蚌(Dreissena spp.)对加拿大不列颠哥伦比亚省(BC)的潜在入侵问题上。这些河蚌通过船只从已被入侵的湖泊传播到未被入侵的湖泊中。该模型允许对代理交通的绝对预测，并对代理使用的道路产生洞察。因此，我们确定了潜在河蚌病媒的最重要来源和BC省最受威胁的水体。而且，我们展示了大多数乘船者进入BC的道路。该混合模型可以与许多长途旅行者使用的道路上收集的调查数据相匹配。这减少了所需的采样工作，从而可以获得更多的数据来适应模型。因此，即使在大型系统中，该模型也能产生准确的预测，并且可以严格地验证该模型。该模型的预测可用于了解传染病和入侵物种的传播和管理。

定义一个历史悠久的

足球队：使用网络科学分析

瓜迪奥拉的巴塞罗那足球俱乐部

原文标题：

Defining a historic football team: Using Network Science to analyze Guardiola’s F.C. Barcelona

地址：

http://arxiv.org/abs/1909.08903

作者：

J.M. Buldu, J. Busquets, I. Echegoyen, F. Seirul.lo

摘要：网络科学在社会系统中的应用引入了新的方法来分析经典问题，如流行病的出现、个体间合作的出现或信息在社交网络中的传播。最近，人们又开始使用网络科学中的各种指标来揭示足球队的组织和它们的表现。在网络科学中，一个队被认为是一个复杂的网络，它的节点与打败对手网络的目标相互作用。本文中，我们混合使用了不同的网络指标来提取由瓜迪奥拉执教的巴塞罗那足球俱乐部的指标。这支球队被认为是足球史上最好的球队之一。我们首先比较了瓜迪奥拉的球队和他们的对手在西班牙国家联赛一个赛季的网络组织，确定了那些统计上有显著差异的指标，并将它们与瓜迪奥拉的比赛联系起来。接下来，我们关注了足球传球网络的时间特性，并计算了一场比赛中所有网络特性的演变，而不是考虑它们的平均值。通过这种方式，我们能够识别那些提高进球/接球概率的网络指标（聚类系数、最短路径长度、邻接矩阵的最大特征值、代数连通和中心分布）。通过这些指标，我们能发现瓜迪奥拉的巴塞罗那足球俱乐部之所以强队的原因。

社会参与的崩溃以及

通过地方招募的预防

原文标题：

Collapse of Social Engagement and its Prevention by Local Recruitments

地址：

http://arxiv.org/abs/1909.08926

作者：

Shang-Nan Wang, Luan Cheng, Hai-Jun Zhou

摘要：社交网络有时会崩溃。集体行动的阈值模型作为理解这一现象的理论范式已被广泛采用，但以往的研究主要集中在从随机初始活动模式开始的不可逆k核修剪过程。而本文则将社会参与的脆弱性和弹性视作为一个网络联盟问题来研究。我们发现当活跃节点的数量逐渐减少时，均衡的联盟配置(但不包括不可逆剪枝得到的不均衡配置)可能经历两个明显的动态转变。在弱临界点和强临界点的中间阶段，均衡联盟极易受到单节点触发的级联失效的影响。然而，我们可以通过翻转一些可翻转的非活动节点来抑制全局崩溃事件的发生。这种局部补偿机制非常的简单且省力。

基于用户重叠的跨越

多个社会网络的社区检测

原文标题：

Community Detection Across Multiple Social Networks based on Overlapping Users

地址：

http://arxiv.org/abs/1909.09007

作者：

Ziqing Zhu, Tao Zhou, Chenghao Jia, Jiawei Liu, Jiuxin Cao

摘要：随着互联网技术的快速发展，在线社交网络(OSNs)也获得了飞速的进步，并且越来越受欢迎。因此，跨多个社交网络的研究工作也越来越受到研究者的重视。其中，社区检测是跨OSNs处理在线安全问题的重要手段，如用户行为分析和异常社区发现等。本文提出了一种基于重叠用户的跨多个社交网络的社区检测方法。首先，我们定义了重叠用户的概念。同时，我们还设计了基于社会关联的CMN NMF算法，从重叠用户中发现存根社区。然后，我们通过添加具有很强相似性的用户来扩展不同社交网络中的每个存根社区，最终通过网络挖掘出不同的社区。最后，我们的实验结果表明：该方法在真实数据集下的有效性优于其他方法。

广义网络拆解集成方法

原文标题：

Ensemble approach for generalized network dismantling

地址：

https://arxiv.org/abs/1909.09016

作者：

Xiao-Long Ren, Nino Antulov-Fantulin

摘要：如何在网络中寻找一组节点，然后将其以最小的代价将网络分割成小于目标大小的部分，称为网络分解问题。这个问题属于NP问题。在本文中，我们探讨了(广义的)网络拆除问题。我们使用了探讨谱近似与幂迭代法的变体来解决该问题。特别地，我们通过创建来自不同初始条件和不同次数的谱近似迭代的可能解的集合来探索网络分解解的景观。

统一随机多重图的矩与固定度序列

原文标题：

Moments of Uniform Random Multigraphs with Fixed Degree Sequences

地址：

http://arxiv.org/abs/1909.09037

作者：

Philip S. Chodrow

摘要：我们研究了具有固定次数序列d的一致随机多重图的期望邻接矩阵。这个矩阵被应用于各种网络数据集的分析中，包括模块化最大化和平均场扩散过程理论。对于大型、稀疏、简单的图，它的结构很好理解：节点i和j之间的期望边数大致为：              

然而，许多网络并不满足上述图的特性。所以，在这些情况下，这种近似不再适用。为了解决这个问题，我们利用动态方法推导出一种新的估计量：该估计量来自于一类用于图数据采样的马尔可夫链蒙特卡罗算法的平稳性条件。在温和的假设下，非渐近误差边界是可用的，估计量可以有效地计算出来。我们在一个小网络上测试估计量，发现它对地面真值的相对偏差比标准表达式小一个数量级。然后，我们使用标准的和新的估计器比较模块化最大化技术，发现算法的行为在很大程度上取决于估计器的选择。我们的结果强调了在数据科学应用中使用精心指定的随机图模型的重要性。

从含时的共存网络中检测

灵长类动物的社会（不）稳定性

原文标题：

Detecting social (in) stability in primates from their temporal co-presence network

地址：

http://arxiv.org/abs/1909.09090

作者：

Valeria Gelardi, Joël Fagot, Alain Barrat, Nicolas Claidière

摘要：社会关系的稳定性对群居动物很重要。而社会网络分析则提供了一个强大的工具来帮助描述和理解它们群体层面上的稳定性和后果。然而，动态社交网络的使用仍然是有限的，因为它需要长期的社交数据和新的分析工具。本文中，我们研究了一组29只几内亚狒狒的动态进化。这组狒狒的认知测试数据集是自动收集的，包含了超过3年收集的1600万条记录。我们首先建立了一个每月汇总一次的时间网络，描述狒狒在认知测试间的共存情况。然后，考虑到狒狒活动的异质性，我们使用一个空模型来定义正(关联)和负(回避)月度网络。我们通过结合这些积极的和消极的社会网络来测试社会平衡理论。结果表明，网络在结构上是平衡的，新形成的边缘也倾向于保持社会平衡。我们调查了几个网络指标，以获得对个人层面和群体层面的社会网络长期时间演变的洞察。通过对连续几个月的网络之间的相似性进行测量，能够精确地找出稳定和不稳定的时期，并显示出一些狒狒的自我网络是如何保持稳定的，而另一些则发生了根本的变化。我们的研究证实了社会平衡理论的预测，但同时也表明三元闭包数量的大幅波动可能会限制其在研究动物社会网络动态演化方面的适用性。相比之下，相似性度量的使用被证明是非常灵活和敏感的，在不同的水平上检测关系的稳定性。我们发现的这些变化，至少在某些情况下，与野外观察到的雌性改变原种雄性有关。

来源：网络科学研究速递

编辑：张爽

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｜[e-mail]

◆ ◆ ◆

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！