• 有顽固代理的社交网络中的意见动态：基于问题的观点;
• 网络中敏感感染移除模型快速检疫措施的效率;
• 预防和接种黑客利用自主车辆紧急集体运动;
• 科学网络结构：对研究活力的预测;
• 关于叛徒和群众仇恨：建立社会影响力和群体间态度的联系;
• 数据集：从Tweets和General Data学习的Word嵌入;
• 中心位置系统的分形纹理和结构;
• 在线社会网络与外部互动网络的链路分类和联系强度排名;
• 使用谱图小波在时域网络中进行多尺度社区检测;
• 社会网络的时间认知知识库（扩展版）;
• 使用线性扩散理论估计流行到达时间;

与顽固代理的社交网络中的意见动态：基于问题的观点

地址： http://arxiv.org/abs/1609.03465

作者： Ye Tian, Long Wang

摘要： 关于意见动态的经典模式通常侧重于一组代理人在单个问题上交互式形成观点。然而，当代理人对人际影响力并不完全开放时，普遍的共识就无法实现。在本文中，与固执剂的社会网络的意见共识被认为是问题的序列。具有顽固代理人的社交网络由Friedkin-Johnsen（F-J）模型描述，代理人固执自己的初步意见。首先，针对F-J模型在单一问题上的收敛，提出了网络拓扑和系统矩阵的一些充分条件。其次，对问题序列调查了F-J模型的意见共识。我们的分析建立了人际影响网络和网络之间的联系，描述了代理人对连续问题的初步意见的关系。利用这些关系，我们得出了F-J模型在问题序列上达成意见共识的充分条件。最后，我们考虑一个更一般的情况，每个代理人都有一定的信心来形成每个问题的初始意见。通过分析代理对于每个问题序列的最终观点的演变，我们证明了在这种情况下，状态依赖网络的连通性得到保留。然后提出了代理人对问题序列达成意见共识的条件。提供了仿真实例来说明理论结果的有效性。

网络中敏感感染移除模型快速检疫措施的效率

地址： http://arxiv.org/abs/1702.08203

作者： Takehisa Hasegawa, Koji Nemoto

摘要： 本研究着重于调查快速检疫措施抑制网络流行病的方式。考虑一个简单而理想的隔离措施，其中一个个体在被感染后立即以概率被检测到，并且检测到的一个及其邻居被及时隔离。这种检疫在抑制易感染移除（SIR）模型中的效率是在随机图和不相关的无标度网络中进行测试的。蒙特卡罗模拟用于表明，在减少受感染个体数量方面，及时检疫措施优于随机和熟人预防接种方案。根据检疫手段对SIR模型的流行阈值进行分析，理论研究结果表明，及时处理疫苗在流行病方面具有很高的效果。即使被感染的个体以很低的概率被检测到，迅速检疫措施下的SIR模型在胖尾无标度的网络中具有有限的流行阈值，其中被感染的个体总是可以引起有限的相对大小的爆发而没有任何测量。数值模拟也表明，现行检疫措施有效抑制了实际网络中的流行病。

预防和接种黑客利用自主车辆紧急集体运动

地址： http://arxiv.org/abs/1708.03791

作者： Skanda Vivek, David Yanni, Peter J. Yunker, Jesse L. Silverberg

摘要： 最近的事件突出了恶意黑客对现代互联网连接社会的普遍风险。随着汽车增加电脑化水平，他们已经成为并将继续成为机会的目标。在这里，我们研究自主车辆的有益紧急集体运动如何被武器化，并提出抢先接种这种攻击的策略。我们的方法将经验测量与活动物质模型的模拟相结合，以证明自主车辆能够提高交通吞吐量，而相对不成熟的攻击可能会产生不成比例的负面后果。

科学网络结构：对研究活力的预测

地址： http://arxiv.org/abs/1708.03850

作者： Benjamin W. Stewart, Andy Rivas, Luat T. Vuong

摘要： 科学研究的某些领域蓬勃发展，而其他领域则失去了倡导和关注。我们对引文网络中的结构模式是否对应于这些网络所属研究领域的增长或衰落感兴趣。我们专注于光学物理学中的三个主题领域作为一系列案例;这些领域沿着不同的轨迹发展：一个继续扩大;另一个是在一个较早的高峰之后的衰落;最后一个地区在短暂的衰退期后重新出现。这三个领域在使用的设备类型和一般方法上有重大的重叠;同时，他们的引文网络在很大程度上是彼此独立的。对于我们这三个领域的每一个，我们绘制了1999年前发表的最引人入胜的100篇论文的引文网络。为了量化所选文章引文网络的结构，我们使用弱联合理论的修改版本与熵措施相结合。虽然给定研究领域的命运最显着的是积累的创新和动乱的结果，但我们的初步研究证明，这些引文网络的紧急结构反映了这些发展，并可能在学术文献中形成不断变化的对话。

关于叛徒和群众仇恨：建立社会影响力和群体间态度的联系

地址： http://arxiv.org/abs/1708.03917

作者： Andreas Flache

摘要： 群体之间的极化是当代社会辩论的主题，也是对群体间关系的研究。意见动态的正式建模者试图解释组间极化是如何从组内和组之间的相互作用的简单的第一原则产生的。已经提出了模式，其中组间态度以同质或仇外心理的形式影响社会影响，阐述为个人与集体成员更多地互动的固定倾向，更容易受到组内成员的影响，甚至可能远离自己外派成员的态度。虽然这些模型可以在组之间产生极化，但它们的基本假设好奇地忽略了对组间态度研究的中心见解。团体间的态度本身在与组内和组外成员的互动中都受到社会影响。通过增加这种反馈效应，扩大了现有的群体态度观念形成模式。我展示了如何改变模型预测组合之间的过程和极化条件。特别是，这表明了模型如何表明，如果群体间的态度在社会影响下变化，组间极化可能变得不太可能;以及组织间关系的模式如何复杂化。特别是，叛逃少数群体（外派爱好者）可以在避免相互消极的群体间关系中发挥关键作用，甚至引发态度逆转，导致大部分个人对群体内的积极态度和积极的态度产生负面的态度。对这些理论结果的解释和未来研究的方向进行进一步的讨论。

数据集：从Tweets和General Data学习的Word嵌入

地址： http://arxiv.org/abs/1708.03994

作者： Quanzhi Li, Sameena Shah, Xiaomo Liu, Armineh Nourbakhsh

摘要： 词嵌入是单词的低维，密集和实值向量表示。许多NLP任务中已经使用了Word嵌入。它们通常由大型文本语料库生成。一个词的嵌入可以涵盖其语法和语义方面。推文短，嘈杂，具有独特的词汇和语义功能，与其他类型的文字不同。因此，有必要从tweets中专门学习单词嵌入。在本文中，我们提出了十个字嵌入数据集。除了从推文数据中学到的数据集之外，我们还从一般数据和tweets与一般数据的组合构建嵌入集。一般数据由新闻文章，维基百科数据和其他网络数据组成。这些十个嵌入模式是从一​​般文本中大约4亿个tweets和70亿个词语中学到的。在本文中，我们还提出了两个实验，演示了如何在一些NLP任务中使用数据集，如tweet情绪分析和tweet主题分类任务。

中心位置系统的分形纹理和结构

地址： http://arxiv.org/abs/1708.04007

作者： Yanguang Chen

摘要： 中心地带的边界被证明是分形线，构成中心位置网络的分形纹理。可以使用纹理分形来解释边界等区域边界的无标度性质，但不能直接应用于人类住区系统的空间结构。本文致力于从纹理分形导出中心位置模型的结构分形。该方法是基于分形维数原理的理论推导。重建或改进了中心位置模型的纹理分形，结构尺寸是从结构尺度得出的，中心位置分形由k个数字和g个数字表示。根据分形维数为中心位置系统构建三个结构分形模型。一个理论发现是，古典中心位置模型包括科奇雪花曲线和西尔宾斯基空间填充曲线，推论是交通原则是主导城乡演化的主要规律。可以得出结论：纹理分形与结构分形相关。结构分形维数可直接用于评估现实世界中的城乡结算分布。因此，可以间接利用纹理分形来解释人类住区体系的发展。

在线社会网络与外部互动网络的链路分类和联系强度排名

地址： http://arxiv.org/abs/1708.04030

作者： Mohammed Abufouda, Katharina A. Zweig

摘要： 在线社交网络（OSN）已经成为连接人们，共享知识和信息以及沟通的主要媒介。使用这些OSN的人之间的社交关系形成为连接人的虚拟链接（例如，友谊和跟随连接）。这些链接是当今OSN的核心，因为它们有助于社交网络成员所能做的所有活动。然而，许多这些网络遭受噪声链路，即，不反映具有低强度的真实关系或链路的链路，其改变网络的结构并阻止对这些网络的准确分析。因此，为了维持健康和真实的网络，评估和评估社会网络链接的过程至关重要。在这里，我们将链路评估定义为在网络中识别嘈杂和非嘈杂链路的过程。在本文中，我们解决了使用外部交互网络的社交网络中的链路评估和链路排名问题。除友谊社交网络外，还采用额外的外生互动网络，使评估过程更有意义。我们使用机器学习分类器，使用来自外部交互网络的数据来评估和排名感兴趣的社交网络中的链接。该方法用两个不同的数据集进行测试，每个数据集包含感兴趣的社会网络，具有实质的真实性，以及外部的互动网络。结果表明，有可能仅使用外部互动网络的单一网络的结构来有效地评估社交网络的链接，也可以使用整套外部互动网络的结构。实验表明，一些分类器在链路分类和链路排名方面都比其他分类器更好。

使用谱图小波在时域网络中进行多尺度社区检测

地址： http://arxiv.org/abs/1708.04060

作者： Zhana Kuncheva, Giovanni Montana

摘要： 谱图小波在网络中引入了规模的概念，因此用于从每个节点获取网络的本地视图。通过仔细构建这些小波的小波滤波函数，已经开发了一种用于单网络的多尺度社区检测方法。这种结构利用了网络拉普拉斯算子的划分属性。在本文中，我们详细阐述了一种使用谱图小波来检测时域网络中多尺度社区的新方法。为此，我们通过采用多层框架将谱图小波的定义扩展到时间网络。我们使用扰动理论的参数来研究超时间拉普拉斯矩阵的谱属性，用于在时间网络中进行聚类。使用这些属性，我们构建了一个新的小波滤波函数，它减弱了非信息特征值的影响，并围绕包含信息的特征值围绕流行社区结构的最粗略描述随着时间的推移。我们使用谱图小波作为连通性约束聚类程序中的特征向量来检测不同尺度的多尺度社区，并将此方法称为时间多尺度社区检测（TMSCD）。我们验证了TMSCD的性能和各种基准的竞争方法。 TMSCD的优点是自动选择需要寻求社区的相关尺度。

社会网络的时间认知知识库（扩展版）

地址： http://arxiv.org/abs/1708.04070

作者： Raúl Pardo, César Sánchez, Gerardo Schneider

摘要： 我们提出了一个在原子和认识论运算符中配有时间戳的认识论逻辑，这不仅可以使不同代理人可用的信息得到理解，还可以说明事件发生的时刻和获取或推导新知识的时刻。我们的逻辑包括一个认识论运算符和一个信念运算符，它允许建模可能不准确的信息的披露。我们的主要动机是在在线社交网络中建立丰富的隐私政策。在线社交网络（OSN）越来越多地用于现代数字时代的社会互动，这在隐私方面带来了新的挑战和关注。目前，大多数社交网络提供了非常有限的机制来表达用户对于如何共享影响其隐私的信息的期望。特别是，目前的最新隐私政策形式主义只允许静态政策，这些政策不够丰富，无法表达时间性质，如“我的下班后不应该向我的老板透露”。在本文中提出的逻辑使得能够根据不同用户可用的知识以及确切的动作和扣除时间来表达丰富的属性和策略。我们的框架可以为不同的OSN实例化，通过指定行动在社交网络演进中的作用以及向每个代理人披露的知识。我们提出了一种推导知识的算法，也可以通过不断变化的方式来实现知识信息的保存。我们的算法不仅可以建立具有永恒信息的社交网络，还可以对具有短暂披露的网络进行建模。政策被建模为逻辑中的公式，这些公式是通过代表社交网络演变的定时跟踪来解释的。

使用线性扩散理论估计流行到达时间

地址： http://arxiv.org/abs/1708.04199

作者： Lawrence M. Chen, Matt Holzer, Anne Shapiro

摘要： 研究世界范围流行病学空间结构模型的动态，并对网络中任何城市的疾病到达时间进行预测。该模型由描述在网络上定义的元群体SIR区间模型的普通微分方程组成，其中每个节点代表城市，边表示连接城市的飞行路径。利用系统的线性确定性，我们考虑在不稳定疾病状态线性化的系统中传播速度和到达时间。提出了两个预测。首先假设任何两个城市之间的主要传播途径可以由一维网格或均匀树近似，并给出与特定网络特征无关的到达时间的统一预测。第二种方法考虑了线性系统的全热核心解决方案，并产生了包含网络特征的到达时间估计。我们在描述全球航空公司流量的真实网络上测试这些预测。

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 https://netsci.complexly.cn 进行更新，并提供RSS订阅。