• 网络重建的子模变分推理;
• 使用链路预测的复杂网络中的社区检测;
• 通过熵和物流建模城市的智能增长;
• 用于多尺度分层社区检测的快速启发式算法;
• 使用任务聚焦网络推理评估社交网络;
• 预测社会媒体短篇小说的质量;
• 过渡到弱耦合网络中的可重构性;
• 国家财富：经济学跨学科方法的复杂性科学;

网络重建的子模变分推理

地址： http://arxiv.org/abs/1603.08616

作者： Lin Chen, Forrest W Crawford, Amin Karbasi

摘要： 在现实世界和在线社交网络中，个人实时接收和传送信息。级联信息传输（例如电话呼叫，文本消息，社交媒体帖子）可被理解为在网络上操作的扩散过程的实现，并且其分支路径可以由有向树来表示。该过程仅穿过并因此显示边的有限部分。网络重建/推理问题是推断出未连接的连接。大多数现有的方法导致了可能性，并试图找到最大化可能性的网络拓扑，这是一个非常棘手的问题。在本文中，我们专注于广泛类型的现实世界扩散过程的网络重建问题，例如称为受访驱动抽样（RDS）的网络扩散方案。我们证明在网络扩散的现实和一般模型下，观察到的RDS实现的后验分布是贝叶斯对数子模型，然后提出了VINE（网络重建的变分推理），一种新颖，准确和计算有效的变分推理算法，用于该模型下的网络重建问题。至关重要的是，我们不会为底层网络假定任何特定的概率模型。 VINE可以高精度地恢复任何连接图，如实验结果所示。

使用链路预测的复杂网络中的社区检测

地址： http://arxiv.org/abs/1611.00254

作者： Hui-Min Cheng, Yi-Zi Ning, Zhao Yin, Chao Yan, Xin Liu, Zhong-Yuan Zhang

摘要： 社区检测和链路预测在网络分析中具有重要意义，从不同角度对网络的拓扑结构提供了非常有价值的见解。在本文中，我们提出了一种包含链路预测的新型社区检测算法，由链路预测是否可用于提高社区分区的准确性的问题引发。对于链路预测，我们提出两个新的索引来计算每对节点之间的相似度，其中一个目标是添加缺失的链路，另一个尝试去除杂散边。对基准数据集进行广泛的实验，将我们提出的算法的结果与两类基线进行比较。总之，我们提出的算法是有竞争力的，揭示了链路预测确实提高了社区检测的精度。

通过熵和物流建模城市的智能增长

地址： http://arxiv.org/abs/1707.02360

作者： James Flamino, Alexander Norman, Madison Wyatt

摘要： 我们为人口超过10万人的智能增长引入预测算法，允许对城市人口的增长计划及其影响进行广泛的模拟。计算出智能增长度量，以评估城市在其适应增长计划的每个阶段的进展，该增长计划使用加权熵法来衡量。预测算法本身是由独特的差分模型构成的，该模型通过物流权重模型单独评估的智能增长计划来计算城市的增长。然后根据模拟观察到的有效性和效率对这些建议进行排序，从而深入了解为目标城市提供有希望的未来的最佳方法。

用于多尺度分层社区检测的快速启发式算法

地址： http://arxiv.org/abs/1707.02362

作者： Eduar Castrillo, Elizabeth León, Jonatan Gómez

摘要： 复杂网络构成许多复杂系统（如社交网络）的骨干。在复杂网络中检测社区结构既是一项具有挑战性且计算上昂贵的任务。在本文中，我们介绍了HAMUHI-CODE，一种用于多层次社区检测的新型快速启发式算法，灵感来自于聚集层次聚类技术。我们通过去除一些顶点来定义基于经典余弦相似度的顶点的新的结构相似性，以便增加识别簇间边的概率。然后，我们在新的聚类分层算法中使用所提出的结构相似性，其不会像经典方法那样仅合并具有最大相似度的集群，而是将不符合参数化社区定义的任何集群与其最相似的相邻集群进行合并。该算法同时计算所有类似的集群，同时检查每个集群是否满足参数化社区定义。在迭代中的簇数量的线性时间复杂度中完成。由于复杂网络是稀疏图，我们的方法HAMUHI-CODE在最坏情况下（如果集群成对合并）具有相对于输入大小的超线性时间复杂度，使其适合于应用在大型复杂网络上。为了测试我们的算法的性质和效率，我们通过将其与几种基本的最先进的算法进行比较，对现实世界和综合基准网络进行了广泛的实验。

使用任务聚焦网络推理评估社交网络

地址： http://arxiv.org/abs/1707.02385

作者： Ivan Brugere, Chris Kanich, Tanya Y. Berger-Wolf

摘要： 网络是复杂的潜在社会过程的表征。然而，相同的给定网络可能更适合于对个人的一个行为进行建模而不是另一个行为。在许多情况下，总体人口模型可能比网络上的建模更有效。我们提出了一个总体框架，用于评估给定网络对一组感兴趣的预测任务的适用性，与从数据推断的替代网络进行比较。我们提出几种可解释的网络模型和措施进行比较。我们将此一般框架应用于Last.fm社交网络新近提供的数据集中音乐偏好的集体分类案例研究。

预测社会媒体短篇小说的质量

地址： http://arxiv.org/abs/1707.02499

作者： Tong Wang, Ping Chen, Boyang Li

摘要： 构建叙事计算模型的一个重要而艰巨的挑战是自我评估叙事质量。随着发电系统需要对自己的产品进行评估，质量评估将连接叙事理解和发展。为了规避获取注释方面的困难，我们在社交媒体中使用upvotes作为故事质量的近似度量。我们从人群问答网站Quora收集了54,484份答案，然后用积极的学习建立了一个将28,320个答案标记为故事的分类器。为了预测没有使用社交网络特征的upvote的数量，我们创建了模型文本区域的神经网络和区域之间的相互依存关系，作为未来研究的强大基准。据我们所知，这是自动评估叙事品质的第一次大规模研究。

过渡到弱耦合网络中的可重构性

地址： http://arxiv.org/abs/1707.02726

作者： Benedict J. Lünsmann, Christoph Kirst, Marc Timme

摘要： 在科学学科中，将时间序列之间的统计依赖的成对度阈值作为网络动力学单元之间的相互作用的代理。然而，这种相关性措施往往不能准确反映潜在的物理相互作用。这里我们系统地研究从阈值相关中重构直接物理互动网络的问题。我们将介绍当地通用原因和继电器结构，网络的非均匀度和非局部结构性质如何通常阻碍可重构性。然而，在弱耦合强度的极限下，我们证明具有接近给定工作点的动态的固定系统跨越所有网络拓扑转变为通用重建。

国家财富：经济学跨学科方法的复杂性科学

地址： http://arxiv.org/abs/1707.02853

作者： Klaus Jaffe

摘要： 经典经济科学达到其解释力的极限。复杂性科学使用越来越大的不同方法来分析物理，生物，文化，社会和经济因素，更广泛地了解全世界各国发展所涉及的社会经济动态。使用自然科学中开发的工具，如热力学，进化生物学和复杂系统分析，有助于我们将以前保留给社会科学的方面与自然科学相结合。这种整合揭示了推动社会演变的协同机制的细节。通过这样做，我们增加了经济分析的可用替代方案，并提供了提高复杂社会背景下决策机制效率的方法。这种跨学科分析旨在加深我们对于长期贫困仍然常见的理解，以及如何使繁荣的技术社会的出现成为可能。这种理解应该增加实现人类可持续，和谐繁荣的未来的机会。分析证明，如果要大力推进对这些问题的理解，复杂的基础经济问题需要多学科方法和科学方法的严格应用。分析揭示了创造财富和减少贫困​​的可行途径，也揭示了我们对我们社会动态的了解方面的巨大差距，以及指导社会发展迈向更美好未来的手段。

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。本系列在个人博客 http://netsci.complexly.cn 进行更新，并提供RSS订阅。