• 网络分析手册[KONECT - 科布伦茨网络集];
• 使用闲话传播信息：随机对照试验的理论与证据;
• 认知与社会规范中的朋友悖论与系统偏见;
• 增强二次金融网络重建的资本资产定价模型;
• 学习用户行为的痛苦影响;
• 没有时间观察：自适应影响最大化与部分反馈;
• 低生育率逆转是普遍现象吗？ - 进化方法;
• 通过快速和通用潜在空间模型拟合探索大型网络;
• 影响用户在线社交网络采用的时效分析;
• 一个简单的人来理解广义随机网络传播过程的传染条件;
• 使用情绪分析的反复神经网络的股票波动预测;
• HoloScope：拓扑与穗感知欺诈检测;
• 探索潜在语义因素以查找有用的产品评论;
• 具有不断变化的用户偏好和经验的项目建议;
• 毒品人士：健康社区用户声明的可信度;
• 社会排斥与有限人口的惩罚之间的竞争;
• 关于流行病管理复杂性的一些评论;
• 利用连续条件随机场的新闻社区中的可信度分析的联合交互;
• 使用一致性分析的有限信息的可信评估检测;
• 使用布朗运动的推荐系统的持续体验感知语言模型;
• 识别推动在线讨论的社会信号：Reddit社区的案例研究;
• 中心有效电导中心与一般学位;
• 图嵌入技术，应用和性能：综述;
• 权力网络互助疫情;
• 情感幸福与弱势和强烈的友谊关系的共同演变;
• 链接预测使用Top- $ k $最短距离;
• 贷款担保网络风险管理视觉分析;
• 一种分支和价格方法，使用MILP公式对图的模块化密度最大化;
• 为什么男人更加注意探索在线设计社区成功背后的因素;
• 超图中的社区检测，尖峰张量模型和平方和;

网络分析手册[KONECT - 科布伦茨网络集]

地址： http://arxiv.org/abs/1402.5500

作者： Jérôme Kunegis

摘要： 这是KONECT项目的手册，\ emph {科布伦茨网络收集}，这是一个科学项目，收集，分析和提供纳米尔复杂系统中心（naXys）在所有相关研究领域的研究人员的网络数据集比利时那慕尔大学，由德国科布伦茨大学（Koblenz-Landau）大学网络科学和技术研究所（WeST）提供网页托管。

使用闲话传播信息：随机对照试验的理论与证据

地址： http://arxiv.org/abs/1406.2293

作者： Abhijit Banerjee, Arun G. Chandrasekhar, Esther Duflo, Matthew O. Jackson

摘要： 只要通过询问几个人，就可以找出一个社区高度集中的个人，而不收集网络信息。如果我们把人的提名作为扩散过程的种子，会成功吗？我们在理论上通过调查和现场实验来探索这些问题。我们通过一个信息流模型显示社区成员如何通过跟踪关于他人的闲话来识别其网络中的高度中心的人物。要求印度农村的村民为了扩散而命名良好的种子，我们发现他们根据适合扩散的措施准确地提名那些中心的人 - 不仅仅是那些有很多朋友或强大的职位的人。最后，我们在213个其他村庄进行了一次随机实地实验，测试了使用这种提名作为扩散过程的种子的有效性。相对于随机种子或具有高社会地位的种子，至少有一个由村民提名的种子，导致信息传播增加了65％以上。

认知与社会规范中的朋友悖论与系统偏见

地址： http://arxiv.org/abs/1605.04470

作者： Matthew O. Jackson

摘要： “友谊悖论”（Feld 1991）指的是，平均而言，人们的朋友绝对比朋友少。我显示，最受欢迎的人群的这种过度抽样放大了涉及互补性的行为。有更多朋友的人体验到更大的互补性，因此采取更加极端的行动。鉴于友谊悖论，人们在对自己的朋友进行抽样时就会觉得更为极端的行为，而不是总体人口中存在的。鉴于互补性，这反映了放大平均行为。此外，具有最高先天倾向采取高度行动的人们也往往是选择最多的人，导致进一步的反馈和放大。这些结果与研究发现，人们一直高估酒精，香烟和药物的同侪消费;并帮助解释青少年滥用药物和暴饮暴食等行为的问题。我还讨论了这些结果如何在战略替代品的情况下发生变化，在这些情况下，个人高估了同伴的骑行习惯。

增强二次金融网络重建的资本资产定价模型

地址： http://arxiv.org/abs/1606.07684

作者： Tiziano Squartini, Assaf Almog, Guido Caldarelli, Iman van Lelyveld, Diego Garlaschelli, Giulio Cimini

摘要： 从部分信息重建互连模式是复杂网络统计物理学中最重要的问题之一。金融网络提供了一个至关重要的例子。事实上，金融机构之间的相互联系，对资本市场的财务困境的普及和扩大受到很大的影响。然而，虽然这些机构的总体资产负债表被公开披露，但单一职位的信息大多是保密的，因此不可用。重建金融互联网络的标准方法产生不切实际的密集型拓扑，导致对系统性风险的偏倚估计。此外，重建技术通常设计用于金融机构之间双边曝光的单一网络，从而不能再现安全控制的两部分网络（例如投资组合）。在这里，我们提出了一种基于约束熵最大化的重建方法，为二分金融网络量身定制。这种程序增强了传统的资本资产定价模型（CAPM），并允许再现网络的正确拓扑。我们测试了欧洲中央银行收集的数据集上的方法，分析了欧洲机构部门在六年（2009 - 2015年）期间的详细安全性。我们的方法胜过传统的CAPM和最近提出的MECAPM，在再现网络拓扑和估计系统风险。

学习用户行为的痛苦影响

地址： http://arxiv.org/abs/1608.03371

作者： Shenghua Liu, Houdong Zheng, Huawei Shen, Xiangwen Liao, Xueqi Cheng

摘要： 建立对不同感性极性的人际影响是意见形成和病毒式营销的根本问题。还没有看到有效的解决方案来学习用户行为的感伤影响。以前的信息传播相关工作直接将每对用户之间的人际影响定义为参数，即使影响来自或影响同一用户也是彼此独立的。并且从用户的传播行为（即时间级联）中学到影响，而情绪与他们不相关。因此，我们提出通过对个人用户和情感极性定义的潜在影响和敏感矩阵来建模人际影响。这种低维度和分布式表示自然地使人际影响与相同的用户相互联系，从而降低了模型的复杂性。情绪作用于参数矩阵的不同行，描绘了它们对级联建模的影响。采用迭代优化算法对混合小批次和Adadelta更新规则进行随机梯度下降，利用感染频率用户的分布重复抽样，减少计算成本和优化失衡。实验在Microblog数据集上进行。结果表明，我们的模型比最先进的和成对的模型实现更好的性能。此外，分析学习用户的感性影响和敏感性的分布会产生一些有趣的发现。

没有时间观察：自适应影响最大化与部分反馈

地址： http://arxiv.org/abs/1609.00427

作者： Jing Yuan, Shaojie Tang

摘要： 虽然过去十年来影响最大化问题已经得到广泛的研究，但大部分现有工作都采用以下模式之一：\ emph {full-feedback model}或\ emph {zero-feedback model}。在零反馈模型中，我们必须提前一次提交种子用户，这种策略也被称为非自适应策略。在全反馈模型中，我们一次选择一个种子，并等待扩散完成，然后再选择下一个种子。全反馈模型具有更好的性能，但潜在的巨大延迟，零反馈模型具有零延迟但性能较差，因为它不利用在播种过程中可能发生的观察。为了填补这两个模型之间的差距，我们提出了\ emph {部分反馈模型}，这允许我们在任何中间阶段选择种子。我们开发了一种新颖的$ \ alpha $ -greedy策略，它首次实现了有界逼近比。

低生育率逆转是普遍现象吗？ - 进化方法

地址： http://arxiv.org/abs/1701.03481

作者： Jozef Černák

摘要： 经验关系表明，生活水平的提高降低了总体生育率（TFR），但2005年在高度发达国家则被破坏.TFR的逆转与人类发展指数表示的持续的经济和社会发展有关HDI）。我们调查了TFR逆转的普遍性和持续性。结果表明，在高发达国家，$ \ mathrm {HDI}> 0.85 $，TFR和HDI在2010-2014年不相关。 TFR和HDI的相关性和差异的详细分析表明，如果HDI升高，则TFR降低。考虑人口是与环境相互作用的生活和复杂系统是有用的，那么我们可以更好地了解TFR逆转的短暂性质。在这些系统中，TFR对经济，社会和政治变化的反应可能是永久的，短暂的和随机的。我们的结果显示TFR逆转的暂态特征。我们认为，对于高发展社会的生存，TFR的基本性质的知识是非常重要的。

通过快速和通用潜在空间模型拟合探索大型网络

地址： http://arxiv.org/abs/1705.02372

作者： Zhuang Ma, Zongming Ma

摘要： 潜在空间模型是统计建模和网络数据探索的有效工具。这些模型可以有效地模拟现实世界的网络特征，如程度异质性，传递性，同质性等。由于它们与广义线性模型的密切联系，在它们中并入协变量信息也很自然。本文提出了两种具有边缘协变量的网络的通用拟合算法：一种基于核标准惩罚，另一种基于预计的梯度下降。这两种算法都是通过最大限度地提高特定类别的内积模型的可能性，同时为广泛的不同潜在空间模型（例如距离模型）同时工作，这些模型允许潜在的向量以灵活的方式影响边缘形成。这些拟合方法，特别是基于预计梯度下降的拟合方法，可以快速且可扩展到大型网络。我们获得了内部产品模型及其以外的收敛速度。建模方法和拟合算法的有效性在不同统计任务的五个真实世界网络数据集中得到证明，包括具有和不具有边缘协变量的社区检测以及网络辅助学习。

影响用户在线社交网络采用的时效分析

地址： http://arxiv.org/abs/1705.02399

作者： Ericsson Marin, Ruocheng Guo, Paulo Shakarian

摘要： 考虑到邻国产生的影响，提出了不同的措施来预测个人是否会在网络社交网络中采取新的行为。在本文中，我们展示了一个可以实现这些标准措施的显着改进，并将其扩展到考虑一对时间限制。这些约束为社会影响提供了更好的代理，显示出与影响概率和预测影响力的能力有较强的相关性。

一个简单的人来理解广义随机网络传播过程的传染条件

地址： http://arxiv.org/abs/1705.02419

作者： Peter Sheridan Dodds

摘要： 我们提出广义随机网络和二次随机网络家庭的一系列扩散机制的传染条件的推导。我们展示如何将传染病条件分为三个要素，两个结构性质，第三个是传染病过程和网络的啮合。我们获得的传染病条件以清晰，可解释的方式反映了传播动态。对于阈值传染，我们讨论模型的全对所有和随机网络版本的结果，并绘制它们之间的连接。

使用情绪分析的反复神经网络的股票波动预测

地址： http://arxiv.org/abs/1705.02447

作者： Yifan Liu, Zengchang Qin, Pengyu Li, Tao Wan

摘要： 在本文中，我们提出一个模型来分析在线股票市场的情绪，并利用这些信息预测中国市场的股票波动。我们标注了在线财务报告的情绪，并将数据集公开供研究使用。通过根据财务条款生成感伤字典，我们开发一个模型来计算与特定股票相关的每个在线信息的感性分数。这种感性信息由两个情绪指标表示，它们通过使用经常性神经网络（RNN）与股票波动预测的市场数据相融合。实证研究表明，与仅使用RNN相比，该模型与感伤指标相比表现更好。

HoloScope：拓扑与穗感知欺诈检测

地址： http://arxiv.org/abs/1705.02505

作者： Shenghua Liu, Bryan Hooi, Christos Faloutsos

摘要： 由于在线欺诈者投入更多资源，包括购买大量假冒用户帐户和专用IP，欺诈性攻击变得不那么明显，其检测变得越来越具有挑战性。现有的方法如平均度最大化受到包括比所需更多节点的偏差的影响，导致较低的准确度和增加的手动验证需求。因此，我们提出HoloScope，它使用来自图拓扑和时间尖峰的信息来更准确地检测欺诈用户群体。在图拓扑方面，我们引入了“对比度可疑性”，一种动态加权方法，这使我们能够更准确地检测到欺诈性块，特别是低密度块。在时间尖峰方面，HoloScope考虑到突击和欺诈者攻击模式的下降。此外，我们提供了理论上的限制，这增加了欺诈者进行对抗攻击所需的时间成本。此外，从评级的角度来看，HoloScope纳入了评级分数的偏差，以更准确地捕捉欺诈者。此外，HoloScope具有简洁的框架和次二次时间复杂度，使算法可重现和可扩展。广泛的实验表明，与最先进的欺诈检测方法相比，HoloScope在合成和实际数据方面取得了显着的精度改进。

探索潜在语义因素以查找有用的产品评论

地址： http://arxiv.org/abs/1705.02518

作者： Subhabrata Mukherjee, Kashyap Popat, Gerhard Weikum

摘要： 消费者提供的在线评论是电子商务平台的宝贵资产，影响潜在消费者做出购买决策。然而，这些评论的质量是不同的，有用的东西埋在一堆非信息评论之中。在这项工作中，我们尝试自动识别审核质量，对最终消费者有帮助。与以前在这个领域中的作品相比，我们深入研究了评论的语义，使得它们有用，为同样的解释提供了可解释的解释。我们确定一组一致性和语义因素，全部来自用户生成评论的文本，评级和时间戳，使我们的方法在所有社区和领域都可以推广。我们从几个潜在因素，如作者的专业知识，他对底层产品的细粒面的判断，以及他的写作风格等方面探讨了审阅语义学。这些模型被投入隐藏的马尔可夫模型 - 潜在的Dirichlet分配（HMM-LDA）模型中，以共同推断：（i）评审专家，（ii）项目方面，（iii）审查有用性。来自亚马逊的五个现实世界数据集的大规模实验显示，在预测和排名有用的评论中，对最先进的基线显着改善。

具有不断变化的用户偏好和经验的项目建议

地址： http://arxiv.org/abs/1705.02519

作者： Subhabrata Mukherjee, Hemank Lamba, Gerhard Weikum

摘要： 当前的推荐系统通过协同过滤来利用用户和项目的相似性。一些先进的方法也将项目评级的时间演变视为全球背景过程。然而，所有先前的方法都忽略了用户体验级别的个人演进，以及用户在评论社区中撰写的内容。在本文中，我们模拟了用户体验的联合演变，对具体项目方面的兴趣，写作风格和评级行为。这样，我们可以产生考虑用户成熟度水平的个人建议（例如，推荐艺术电影而不是电影摄影专家的大片头）。由于只有项目评级和审查文本是可观察的，我们才能从用户的评论，词汇和写作风格中吸取用户的经验和兴趣。我们开发了一个生成型HMM-LDA模型来跟踪用户演进，隐马尔可夫模型（HMM）跟踪她的潜在经验随着时间的推移，随着时间的推移，用户评论和评级仅作为可观测量。用户兴趣的方面来自于她的评论中衍生的潜在Dirichlet分配（LDA）模型，作为她（再次潜在的）经验水平的函数。在五个实际数据集的实验中，我们显示出我们的模型大大提高了基于最先进基准的评级预测。在用例研究中，我们还展示了我们的模型在评估用户体验水平方面表现良好。

毒品人士：健康社区用户声明的可信度

地址： http://arxiv.org/abs/1705.02522

作者： Subhabrata Mukherjee, Gerhard Weikum, Cristian Danescu-Niculescu-Mizil

摘要： 在线健康社区是患者和医生的宝贵信息来源。然而，这种用户生成的资源往往受到不准确和错误的信息的困扰。在这项工作中，我们提出了一种通过利用语言提示和远距离监督专家来自动建立用户生成的医疗声明的可信度和作者的可信度的方法。为此，我们引入了共同学习用户可信度，声明可信度和语言客观性的概率图模型。我们将这种方法应用于提取罕见或未知的药物副作用的任务 - 这是大规模非专家数据有可能补充专家医学知识的问题之一。我们显示我们的方法可以可靠地提取副作用并过滤虚假陈述，同时识别可能贡献有价值的医疗信息的可信赖的用户。

社会排斥与有限人口的惩罚之间的竞争

地址： http://arxiv.org/abs/1705.02580

作者： Linjie Liu, Xiaojie Chen, Attila Szolnoki

摘要： 亲社会行为已被证明是促进合作的有力手段。最近的研究发现，社会排斥确实可以说是一种惩罚，也可以支持合作。但是，如果亲社会的惩罚和排斥都存在，那么还有什么策略更有利于遏制自由骑士。在这里，我们首先研究不同类型的惩罚和排斥之间的直接竞争。我们发现，无论是否考虑到二级制裁，我们发现在可选和强制性公共物品博弈中，池（对等）排除总是能超过池（对等）惩罚。此外，在可选和强制博弈中，同侪排斥比排除队列更好，但是在存在二次排除的情况下，情况就会相反。最后，我们将竞争扩大到所有可能的制裁策略之中，发现在没有二级排除和惩罚的情况下，同伴排斥可以优于所有其他策略，而当二次制裁是可能的时候，池排除占优势。我们的研究结果表明，排斥是解决社会困境的一种比惩罚更强大的策略。

关于流行病管理复杂性的一些评论

地址： http://arxiv.org/abs/1705.02612

作者： Joachim Draeger

摘要： 最近爆​​发的埃博拉，N1H1和其他传染病已经表明，传统流行病管理理论的假设太过于理想化了。为了改进涉及疫情的程序和组织，需要扩大疫情管理模式。必要的扩展包括管理循环的表示和影响循环的潜在摩擦。可以通过在评估管理方案中包括鲁棒性和风险的措施来考虑非确定性摩擦的影响。因此，除了由模型扩展引起的增加的结构复杂性外，流行病管理任务的计算复杂度也被解释为优化问题。这是分析模型的严重障碍，可能需要额外的预处理，从而简化分析过程。本文以展望讨论了一些即将出现的问题。

利用连续条件随机场的新闻社区中的可信度分析的联合交互

地址： http://arxiv.org/abs/1705.02667

作者： Subhabrata Mukherjee, Gerhard Weikum

摘要： 媒体似乎变得更加党派，往往提供了有利于特定群体利益的消息的偏见。因此，必须确定提供事件客观描述的可信信息内容。新闻社区，如digg，reddit或newstrust提供建议，评论，质量评级和对新闻作品的进一步见解。然而，在这样的在线社区中，不同因素之间存在着复杂的相互作用：报告的公平性和风格，语言清晰度和客观性，专题观点（如政治观点），社区成员的专业知识和偏见等等。本文提出了一个系统分析用户，消息和来源之间的新闻社区中的不同交互的模型。我们开发了一个概率图模型，利用这种联合交互来识别1）高度可信的新闻文章，2）值得信赖的新闻来源，以及3）在社区中扮演“公民记者”角色的专家用户。我们的方法扩展了CRF模型，以纳入真正的评级，因为一些社区具有非常细粒度的尺度，不会丢失信息就不容易离散。据我们所知，本文是对新闻界的信誉，信任和专业知识的第一次全面分析。

使用一致性分析的有限信息的可信评估检测

地址： http://arxiv.org/abs/1705.02668

作者： Subhabrata Mukherjee, Sourav Dutta, Gerhard Weikum

摘要： 在线评论提供了产品/服务的优缺点，影响潜在客户采购决策的观点。然而，不可靠的审查的扩散 - 假冒（促进/降级项目），无能（涉及不相关的方面）或有偏见 - 涉及确定可信评论的问题。先前的工作涉及分类器，利用关于项目/用户的丰富信息（可能在几个领域可能不容易获得），这些信息对于为什么审查被认为是不可信的提供了有限的可解释性。本文提出了解决上述问题的新方法。我们利用潜在的主题模型利用审阅文本，项目评级和时间戳来导出一致性功能，而不依赖项目/用户历史，不适用于“长尾”项目/用户。我们开发模型，用于计算审查可信度分数，为不可信的评论提供可解释的证据，也可以转移到其他领域 - 解决标签数据的稀缺性。现实世界数据集的实验证明了对最先进的基线的改进。

使用布朗运动的推荐系统的持续体验感知语言模型

地址： http://arxiv.org/abs/1705.02669

作者： Subhabrata Mukherjee, Stephan Guennemann, Gerhard Weikum

摘要： 用户加入离去，采用新词汇，适应不断发展的趋势，网络评论社区是动态的。最近的工作表明，推荐系统受益于明确考虑用户体验。然而，以前的工作假定固定数量的离散体验水平，而实际上用户随着时间的推移获得经验并持续成熟。本文提出了一个新模型，捕捉用户体验的不断演变，以及在评论和其他职位中产生的语言模型。我们的模型是无监督的，并结合几何布朗运动，布朗运动和潜在Dirichlet分配的原则，分别追踪用户体验和语言模型的平滑时间进度。我们开发用于从数据估计模型参数和推断我们的模型的实际算法（例如，推荐项目）。五个真实世界数据集的广泛实验表明，我们的模型不仅适合数据比离散模型基线更好，而且优于用于预测项目评级的最先进的方法。

识别推动在线讨论的社会信号：Reddit社区的案例研究

地址： http://arxiv.org/abs/1705.02673

作者： Benjamin D. Horne, Sibel Adali, Sujoy Sikdar

摘要： 越来越多的人根据在线社交媒体消费的信息形成意见。因此，了解什么类型的内容吸引人们对社交媒体的关注和推动讨论至关重要。在本文中，我们专注于在线讨论。我们可以预测在线讨论中哪些评论和内容受到最高的关注？这个内容在社区之间如何不同？要做到这一点，我们对来自11个具有不同属性的流行子项的大量样本评论进行了独特的研究。我们引入了大量的情感，相关性，内容分析功能，包括定制的一些新功能。通过对所选择的子项目的比较分析，我们可以看出，我们的模型能够很好地在一个岗位上获得最高的答复。此外，我们详细分析了不同社区中高分评分的不同之处，分析了主题和风格，受众和适度程度特征的不同。

中心有效电导中心与一般学位

地址： http://arxiv.org/abs/1705.02703

作者： Heman Shakeri, Behnaz Moradijamei, Pietro Poggi-Corradini, Nathan Albin, Caterina Scoglio

摘要： 我们研究被称为有效电导或某些圈子的流行中心性度量信息的中心性。在网络上散步家庭的模数（能量）重新解释这一措施之后，我们引入了一种称为壳模中心性的新措施，它依赖于图的自我中心结构。 Egonetworks是围绕具有特定秩序的焦点节点（自身）形成的网络。然后，我们提出了有效的分析和近似方法，用于在无向和有向网络上计算这些措施。最后，我们描述一种灵敏来自壳模中心性的简单方法，称为一般程度，提高了简单程度的中心性，可以证明是网络科学的有用工具。

图嵌入技术，应用和性能：综述

地址： http://arxiv.org/abs/1705.02801

作者： Palash Goyal, Emilio Ferrara

摘要： 诸如社交网络，单词共现网络和通信网络的图自然地出现在各种现实世界的应用中。分析它们可以看出社会结构，语言和不同的沟通模式。已经提出了许多方法来进行分析。最近，使用图节点在向量空间中的表示方法已经从研究界获益。在本次调查中，我们对文献中提出的各种图嵌入技术进行了全面，结构化的分析。我们首先介绍嵌入任务及其挑战，例如可扩展性，维度选择和要保留的功能，以及可能的解决方案。然后，我们以基于分解方法，随机游走和深度学习为基础的三类方法，以各类别中的代表性算法为例，分析各项任务的绩效。我们在几个常用数据集上评估这些最先进的方法，并将它们的性能与其他非嵌入式模型进行比较。我们的分析最后提出了一些潜在的应用和未来的发展方向。我们最终介绍了一个名为GEM（图嵌入方法）的开源Python库，我们开发了在统一的界面中提供所有呈现的算法，以促进和促进对该主题的研究。

权力网络互助疫情

地址： http://arxiv.org/abs/1705.02840

作者： Peng-Bi Cui, Francesca Colaiori, Claudio Castellano

摘要： 传染病的传播在某些情况下可能会促进其他病原体的传播，有利于暴力爆发，导致不连续的过渡到地方病。联络网络的拓扑结构在这些合作动态中起着至关重要的作用。我们认为具有两种相互合作的病原体的易感染 - 去除（SIR）型模型：已经感染了一种疾病的个体具有增加被另一种感染的可能性。我们提出了一种异构平均场理论方法，用于通用非相关幂律度分布网络上的共感染动力学，并通过数值模拟验证其结果。我们表明，当度数分布的第二时刻是有限的时，流行过渡对于低协作性是连续的，而当协调性足够高时，它是不连续的。对于无规模的网络，即具有不同的第二时刻的拓扑，转变总是连续的。以这种方式，我们澄清了异质性和体系尺度对转型性质的影响，并验证了不连续性起源的物理解释。

情感幸福与弱势和强烈的友谊关系的共同演变

地址： http://arxiv.org/abs/1705.02935

作者： Timon Elmer, Zsofia Boda, Christoph Stadtfeld

摘要： 社会关系与福祉密切相关。但这种关系究竟是什么？本研究调查社会机制，解释社会关系如何通过社会融合和社会影响来影响福祉，以及通过社会选择如何影响社会关系。我们假设高度一体化的个人 - 那些拥有更广泛和密集的友谊网络的人 - 比其他人报告更高的情绪幸福感。此外，情感幸福还应受到亲密朋友的福祉的影响。最后，当个人喜欢别人享受更高水平的人的福祉时，福祉应该会影响到友谊的选择，以及其他幸福与他们相似的人。我们使用生活在研究生住房社区的117人的纵向社交网络和福祉数据来测试我们的假设。对有序网络（有序的SAOM）的随机演员导向模型的新扩展的应用使得我们能够同时详细和测试我们对弱和强联系友谊网络的假设。结果不支持我们的社会融合和社会影响假设，但为选择提供证据：具有较高情绪幸福感的个人倾向于拥有更强大的朋友，并且在强势联系的网络中有关于情感幸福感的同情过程。我们的研究强调了社会关系和福祉之间的双向关系，并表明了考虑各种社会过程不同衔接优势的重要性。

链接预测使用Top- $ k $最短距离

地址： http://arxiv.org/abs/1705.02936

作者： Andrei Lebedev, JooYoung Lee, Victor Rivera, Manuel Mazzara

摘要： 在本文中，我们对链路预测问题应用了一个有效的顶级$ k $最短距离路由算法，并测试其功效。我们将结果与其他基线和最先进的方法以及最短路径进行比较。我们的研究结果表明，使用顶级$ k $距离作为相似性度量胜过古典相似度测量，如Jaccard和Adamic / Adar。

贷款担保网络风险管理视觉分析

地址： http://arxiv.org/abs/1705.02937

作者： Dawei Cheng, Zhibin Niu, Junchi Yan, Jiawan Zhang, Liqing Zhang

摘要： 企业集团企图在银行贷款时互相保证，形成复杂的担保网络。这种有担保贷款可以提高偿付能力，促进经济复苏时期的快速增长。然而，潜在的系统性风险可能发生在风险约束社区内。特别是在经济衰退期间，危机可能会在多米诺骨牌担保网络中蔓延。监督财务状况，防范或减少危机发生时的系统性风险受监管委员会和银行高度重视。我们提出了贷款担保网络风险管理的视觉分析方法，并与财务专家合并了五项分析任务：i）对企业违约风险进行可视化分析，设计混合代表来预测违约风险，并开发出可视化关键指标的界面; ii）高度默认组的视觉分析，从而呈现基于社区检测的交互式方法; iii）高默认模式的视觉分析，从而描述了基于主题检测的交互式方法，并且我们采用Shneiderman Mantra策略来降低计算复杂度。 iv）视觉分析用于不断发展的保证网络，其中使用动画来帮助理解保证动态; v）视觉分析方法和默认扩散路径的界面。时间扩散路径分析可以用于政府和银行监控违约扩散状态。它还提供了预防措施来预防和解决系统性金融风险的见解。我们在现实世界的保障网络上实施案例研究。咨询了两名财务专家，对这些开发工具进行了认可。据我们所知，这是第一个以系统的方式探索保证网络风险的视觉分析工具。

一种分支和价格方法，使用MILP公式对图的模块化密度最大化

地址： http://arxiv.org/abs/1705.02961

作者： Keisuke Sato, Yoichi Izunaga

摘要： 本文提出了一种用于最大化模块化密度的精确算法，这是一种更为复杂的标准，用于克服用于无向图的聚类的众所周知的模块化的缺点。这个问题可以看作是设置分区问题，提醒我们它的整数编程〜（IP）公式。我们提供了一个用于解决这个IP的分支和价格框架，或者分支和绑定的列生成。最重要的是，我们制定列生成子问题，作为一个简单的混合整数线性规划（MILP）问题反复解决。我们还结合了几种加速技术，包括一种称为集合放松和多次切割平面的加速技术。几个着名的测试实例被解决为最优，其中一个具有超过100个顶点，并且在九分钟内由PC完成。

为什么男人更加注意探索在线设计社区成功背后的因素

地址： http://arxiv.org/abs/1705.02972

作者： Johannes Wachs, Anikó Hannák, András Vörös, Bálint Daróczy

摘要： 在线平台是人们越来越受欢迎的工具，用于生产，推广或销售他们的工作。然而，最近的研究表明，现实世界中存在的社会差距和偏见可能会转移到在线平台，并可能因为网站上看似无害的设计选择（例如推荐系统或公开的成功措施）而加剧。在本文中，我们分析了一个独家在线社区的设计专业人员称为Dribbble团队，并根据性别调查结果的明显差异。总的来说，我们发现，男性生产更多的工作，并能够向较大的观众展示，从而获得更多的喜好。一些这样的效果可以解释为女性具有不同的技能和设计不同的图像。然而，最重要的是，女性和男性在Dribbble社区中的地位不同。我们对用户在社交网络中的地位调查显示，妇女在关系之后，群体和性别相对较多，导致她们拥有更小更紧密的社交网络。总的来说，我们的研究表明，借助社会网络和产品差异，在网络市场上看到的性别不平等现象之间的背后，有助于我们更好地了解成功与失败的性别差异。

超图中的社区检测，尖峰张量模型和平方和

地址： http://arxiv.org/abs/1705.02973

作者： Chiheon Kim, Afonso S. Bandeira, Michel X. Goemans

摘要： 我们研究了随机块模型下超图中社区检测的问题。类似于图中随机块模型如何建立研究加标随机矩阵，我们的模型激发了调查某些加标张量模型中精确恢复的统计和计算极限。与矩阵情况相反，超图中社区检测自然产生的加标模型与所谓张量主成分分析模型中产生的模型不同。我们调查这些模型在“平方和”层次结构中算法的有效性。有趣的是，我们的研究结果表明，这两个显然相似的模型与统计差距显示出显着不同的计算。