• 有向随机图协议动态;
• 真相自然而然吗？时间压力增加了一次性欺骗博弈的诚实;
• 使用链接分析的匿名图中的名称实体消歧：基于网络嵌入的解决方案;
• 移民代理人群中的语言竞赛;
• 采样空间减少级联过程产生全范围的尺度指数;
• 随机团网络的统计性质;
• 在数学网络中展示研究子社区;
• 我想相信：Twitter上的记者和众包精准评估;
• 调整有向网络聚类和度相关性的机制;
• 通过出版物评价作者的表现：公理研究;

有向随机图协议动态

地址： http://arxiv.org/abs/1605.00310

作者： Adam Lipowski, Dorota Lipowska, Antonio L. Ferreira

摘要： 我们研究一些放在有向随机图上的协议动力学模型。在这样的系统中，一小部分站点$ \ exp（-z）$，其中$ z $是平均度，变为永久固定或闪烁。在没有表面紧张的选民模式中，这种狂热分子或闪烁者自由地传播他们的意见，并使系统无序。对于具有表面张力的模型，如Ising模型或命名博弈模型，它们的作用是有限的，并且这样的系统被大量订购〜$ z $。然而，当$ z $减少时，狂热者或闪烁的密度增加，并且低于某个阈值（$ z \ sim 1.9-2.0 $），系统变得无序。在无向图随机图上，协议动态有很大的不同，只要图表高于渗透阈值$ z = 1 $，就会出现排序。

真相自然而然吗？时间压力增加了一次性欺骗博弈的诚实

地址： http://arxiv.org/abs/1606.04907

作者： Valerio Capraro

摘要： 许多情况要求人们迅速采取行动，其特点是信息不对称。由于信息不对称使人们为了自己的利益而误导自己的私人信息，因此了解时间压力是否影响诚实行为至关重要。社会启发式理论（社会启发式假设，SHH）预测，在单次相互作用的情况下，存在这种效应，并且是积极的。 SHH提出，当人们没有时间评估所有可用的替代品时，他们倾向于依赖启发式，每天最佳选择，反复交互，随着时间的推移而内化;然后，在审议之后，人们将他们的行为转移到在给定的互动中是最优的行为。因此，SHH预测，时间压力会在一次性交互中增加诚实（因为在反复交互中诚实可能是最佳的，而短期内不诚实总是最佳的）。然而，据我们所知，没有实验研究测试了这一预测。在这里，我报告了一项旨在弥补这一差距的大型研究（N = 1,013）。在这项研究中，参与者获得了私人信息，被要求在5秒内对30秒后报告。这种互动是一枪打架的，而且这样的事情就是让受试者有动机去撒谎。正如SHH所预测的那样，我发现时间压力增加了诚实的行为。这些结果为时间压力对诚实的作用提供了新的见解，并提供了一个支持社会启发式假设的证据。

使用链接分析的匿名图中的名称实体消歧：基于网络嵌入的解决方案

地址： http://arxiv.org/abs/1702.02287

作者： Baichuan Zhang, Mohammad Al Hasan

摘要： 在现实世界中，我们的DNA是独一无二的，但是很多人都有相同的名字。这种现象往往导致多个同名的人的文件的错误聚合。这种错误会使文档检索，网页搜索的性能恶化，更严重的是导致信用不正确归属或数字法医归咎。为了解决这个问题，设计了名称实体消歧任务，其目的是分割与名称引用相关联的文档，使得每个分区包含与唯一现实生活中的人有关的文档。这个任务的现有解决方案基本上依赖于特征工程，例如维基百科的传记特征提取或辅助特征的构建。然而，在许多情况下，由于隐私侵犯的风险，这些功能可能会获得成本高昂或不可用。在这项工作中，我们提出一种新颖的名义消歧方法。我们提出的方法是非侵入隐私的，因为我们的方法不是使用与现实生活中的人有关的属性，而是以匿名图的形式利用关系数据。在方法新颖性方面，本文提出的方法使用表示学习策略将每个文档嵌入到一个低维向量空间中，其中可以通过分层聚类聚类算法求解名称消歧。我们的实验结果表明，所提出的方法明显优于在类似设置中工作的现有名称实体消歧方法。

移民代理人群中的语言竞赛

地址： http://arxiv.org/abs/1702.07888

作者： Dorota Lipowska, Adam Lipowski

摘要： 影响人类活动的各个方面，移徙也与语言形成有关。为了检查这些过程的相互作用，我们研究了一个使用迁移代理的命名博弈。该模型的动态导致低移动性集群的形成，其结果是破坏了模型的对称性：虽然命名博弈保持对称，但是低移动性语言是有利的。高流动性语言逐渐从系统中消除，语言形成的动力学大大减缓。我们的模式太简单，无法详细解释迁移人类社区的语言竞赛，但它肯定表明，定居者的语言比游牧民族更受青睐。

采样空间减少级联过程产生全范围的尺度指数

地址： http://arxiv.org/abs/1703.10100

作者： Bernat Corominas-Murtra, Rudolf Hanel, Stefan Thurner

摘要： 样本空间减少（SSR）过程是简单的随机过程，提供了一种新的路由来了解路径依赖过程中的扩展。在这里我们定义一个级联过程，概括了最近定义的SSR过程，并且能够产生任意指数的幂定律。我们分析地表明，状态的频率分布是与级联过程的乘法参数一致的指数的幂律。此外，我们表明，在SSR级联中强化节能可以让宇宙射线的能量谱恢复费米的经典结果，通用指数-2与级联的乘法参数无关。所提出的过程的应用包括碎片化过程或网络上的有向级联扩散，例如谣言或流行扩散。

随机团网络的统计性质

地址： http://arxiv.org/abs/1705.01539

作者： Yi-Min Ding, Jun Meng, Jing-Fang Fan, Fang-Fu Ye, Xiao-Song Chen

摘要： 在本文中，通过组合社会网络，人工网络和蛋白质相互作用网络等许多真实复杂网络中存在的大型聚类系数和模块化结构，提出了随机组网模型，我们发现平均度小的随机群网络与ER网络不同，因为它们具有较大的聚类系数和幂定律聚类谱，具有较高平均度的网络具有与ER模型相似的性质，此外，我们发现聚类系数与平均度之间的关系表现为非单调行为，并且度分布可以通过多个泊松曲线拟合;我们解释这种新的行为和程度分布的起源。

在数学网络中展示研究子社区

地址： http://arxiv.org/abs/1705.01591

作者： Steven B. Bradlow, Konstantinos Kapenekakis, Georgios Kydonakis, Xinwei Li, Jiarui Xu

摘要： 我们提出了一种从出版物数据库分析来展示相对较小规模的科学网络中的次社区结构的方法。网络成员之间的研究关系可以被可视化为与作者对应的顶点的图，边缘表示联合作者身份。使用快速聚类算法与图布局算法相结合，我们演示了如何以有吸引力和翔实的方式显示这些聚类结果。图的小尺寸使我们能够开发可以跟踪这些研究子社区如何及时发展的工具，以及介绍创建网络成员之间链接的研究文章。这些工具包含在Web应用程序中，访问者可以轻松识别各个子社区，为管理目的提供有价值的信息。我们的方法是为GEAR数学网络开发的，可以应用于其他网络。

我想相信：Twitter上的记者和众包精准评估

地址： http://arxiv.org/abs/1705.01613

作者： Cody Buntain, Jennifer Golbeck

摘要： 评估社交媒体信息的准确性是一个越来越重要和研究深入的领域，但有限的研究将记者采购的准确性评估与众不同的对手相比较。本文通过比较用于预测两个Twitter数据集中的准确性评估的特征来证明这两个群体之间的差异：CREDBANK和PHEME。虽然我们的研究结果与现有的功能重要性结果一致，但我们开发的模型优于以往的研究。我们还显示了记者和众包评估员使用的特征之间存在有限的重叠，并且所得到的模型彼此预测不佳，但产生了统计学上相关的结果。这种相关性表明，众所周知的工人正在评估这些故事的不同方面，而不是他们的记者对手，但这两个方面是有重大联系的。这些差异可以通过专家记者和非专家评估的对比事实与感知准确性来解释。在此结果之后，我们还展示了初步结果，来自众包工作人员的培训模式胜过记者训练模式，以确定高度共享的“假新闻”故事。

调整有向网络聚类和度相关性的机制

地址： http://arxiv.org/abs/1705.01689

作者： G. Kashyap, G. Ambika

摘要： 随着复杂网络成为解决多学科问题的有效工具，网络生成模式已经成为自己的重要。这些模型允许我们广泛地分析从现实世界网络获得的数据，研究其相关性并证实理论结果。在这项工作中，我们引入了基于程度保留重新布线的方法，可用于调整具有随机和无标度拓扑的有向网络中的聚类和度相关性。它们提供了空模型来研究上述属性的作用及其优缺点。我们发现，在聚类的情况下，揭示了与拓扑和重新布线方案无关的结构关系，而在程度相关的情况下，发现网络拓扑在机制的工作中发挥重要作用。我们还研究了链路密度对这些重新布线机制的效率的影响，发现在聚类的情况下，网络拓扑在确定链路密度如何影响重新布线过程中起着重要的作用，而在度相关性，链路密度和拓扑结构，对于足够大量的重新布线步骤无任何作用。除了调整网络属性的预期目的之外，所提出的机制也可以用作揭示结构关系和拓扑约束的工具。

通过出版物评价作者的表现：公理研究

地址： http://arxiv.org/abs/1705.01731

作者： Conan Mukherje, Aftab Alam

摘要： 在全世界各学术机构的管理人员，必须处理基于学术贡献比较研究人员的不利任务。然而，令人惊讶的是，对于通常涉及教学，授予写作和学术出版成果的这种比较的方法，没有合理的共识。在本文中，我们专注于学术出版物的特定方面，从更根本的角度来解决这个问题，而不是受到流行的$ h $ -index（可能导致某些情况下的不公平和反直觉的比较）所解决的问题。特别是，我们对所有可能的方法进行公理分析，以评估这些研究论文的给定数据集的学术着作权，并发现平等的$ e $ -index是满足匿名公理，单调性的\ textit {only}方法，效率。这个指标平均分配了联合项目的作者，并且总结了作者的所有出版物。