• 网络演化模型中的约束与熵;
• 并发诱发的时间网络流行病学转化;
• 社会媒体分析智能灾难响应 - 调查;
• 大团队发展科学技术;小团队破坏它;
• 网络向量：具有全局背景的网络的分布式表示;
• “打破”灾害：预测和表征自然灾害和人为灾害的全球新闻价值;
• 基于微博网站用户情绪预测主题的流行度;
• 超越观点：测量和预测YouTube视频的参与;
• 针对量子说服问题;
• 时空网络在双曲空间中的可导航性;
• 住宅电力使用的众包预测;
• 具有成本效益的谣言策略;

网络演化模型中的约束与熵

地址： http://arxiv.org/abs/1612.03115

作者： Philip Tee, Ian Wakeman, George Parisis, Jonathan Dawes, István Z. Kiss

摘要： Barab \ asi-Albert的“Scale Free”模型是现实世界通信网络演进的许多被接受的理论的起点。然而，仔细比较理论与广泛的现实世界网络，表明该模型在某些情况下，只是粗略地近似于真实网络的动态演化。特别地，幂级数分布的指数$ \γ$由模型预测为3，而在多个现实世界网络中，它的值在1.2和2.9之间。此外，实际网络的度数分布在高节点度表现出切断，这表明这些网络存在最大节点度。在本文中，我们提出了一个简单的扩展“免费”模型，与实验数据更好地一致。这种改进是令人满意的，但是该模型仍然没有解释\ emph {为什么}附件概率应该有利于高度节点，或者确实如何约束到达非物理网络。使用最近在分析节点层面图中熵的进展，我们提出了热力学原理的“自由”和“约束”模型的第一个原理推导，并且表明优先的附着和约束可以作为一个自然的结果出现的热力学第二定律。

并发诱发的时间网络流行病学转化

地址： http://arxiv.org/abs/1702.05054

作者： Tomokatsu Onaga, James P. Gleeson, Naoki Masuda

摘要： 人类和动物流行病流行的社会联系网络是高度动态的。这种时间网络上的感染传播可能与静态网络上的传播显着不同。我们理论上研究并发性，一个节点在给定时间点的邻居数量对时间网络模型中随机敏感感染敏感动力学中的流行阈值的影响。我们表明，当节点的并发性低时，网络动态可以抑制流行病（即产生更高的流行阈值），但是当并发性高时也可以增强流行病。我们通过分析来确定并发引发的转换的不同阶段，并通过数值模拟来确认我们的结果。

社会媒体分析智能灾难响应 - 调查

地址： http://arxiv.org/abs/1709.02426

作者： Tahora H. Nazer, Guoliang Xue, Yusheng Ji, Huan Liu

摘要： 救灾和救灾过程的成功在很大程度上取决于及时准确的灾情状况，周边环境以及受影响人群的信息。这些信息主要由现场的第一反应者提供，可以通过实时在社交媒体上发布的第一手报告来增强。已经开发了许多工具和方法，通过从社交媒体中提取，分析和可视化可操作的信息来自动化救灾。然而，这些方法并没有很好地融入到救济和应对过程中，两者之间的关系需要进一步的发展。在这次调查中，我们用社会媒体，社会媒体，社会媒体，社会媒体提出的方法，第一反应者的救援工作等方式，综合运用社交媒体，展现灾害的新阶段，挑战和未来研究方向。

大团队发展科学技术;小团队破坏它

地址： http://arxiv.org/abs/1709.02445

作者： Lingfei Wu, Dashun Wang, James A. Evans

摘要： 团队主导高科技产业的生产。在分析了5454-2014年的超过5000万篇论文，专利和软件产品的团队合作中，我们展示了在这一时期，大型团队开发出最近的流行观念，而小团队利用较旧的，较不普遍的想法来破坏系统。立即注意大队伍的工作，小团队的进步在未来更进一步。小团队和大型团队的差异随着影响而扩大 - 小团队因破坏性工作而成为知名人士，也是大型团队开展工作。主题和研究设计的差异是团队规模和中断之间关系的一部分，但大多数效应发生在人员中，控制详细的主题和文章类型。我们的研究结果表明，支持小型和大型团队可持续发展的科学技术的重要性。

网络向量：具有全局背景的网络的分布式表示

地址： http://arxiv.org/abs/1709.02448

作者： Hao Wu, Kristina Lerman

摘要： 我们提出一种称为网络向量的神经嵌入算法，它同时学习节点和整个网络的分布式表示。通过将网络嵌入到低维空间中，该算法允许我们在结构相似性方面比较网络并解决突出的预测问题。与专注于节点级特征的替代方法不同，我们学习一个连续的全局向量，通过最大化网络中随机游走路径的预测可能性来捕获每个节点的全局上下文。我们的算法可以扩展到具有许多节点的真实世界图。我们从不同领域的数据集评估我们的算法，并将其与节点分类，角色发现和概念类比任务中的最新技术进行比较。实证结果表明我们的算法的有效性和效率。

“打破”灾害：预测和表征自然灾害和人为灾害的全球新闻价值

地址： http://arxiv.org/abs/1709.02510

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

摘要： 由于他们经常出乎意料的性质，自然人为灾难难以对记者和灾害管理响应小组进行监测和检测。记者越来越依赖社交媒体的信号，在发展初期就发现这些故事。 Twitter拥有广泛的本地新闻网络，是灾情侦测的早期信号的主要来源。为全球办公室工作的记者经常通过Twitter的列表来追踪这些来源，但必须梳理数以千计的小规模或低影响力的故事来查找可能与全球相关的事件。这些是具有很大范围，高影响力或潜在的地理政治相关性的事件。我们提出一个模型，用于自动识别来自本地新闻来源的事件，这些事件可能在未来24小时内在全球范围内破裂。结果是有希望的，可用于预测设置，以帮助记者更有效地管理其来源，或以描述性方式分析媒体对灾害的报道。通过特色评估过程，我们还提到了一个问题：“全球范围内的灾难事件有什么新闻价值？”作为我们数据收集过程的一部分，我们已经在Twitter上创建了一个本地的灾难/事故新闻来源列表，我们已经公开发布。

基于微博网站用户情绪预测主题的流行度

地址： http://arxiv.org/abs/1709.02511

作者： Xiang Wang, Chen Wang, Zhaoyun Ding, Min Zhu, Jiumin Huang

摘要： 行为经济学显示，情绪在个人行为和决策中发挥重要作用。这是否也影响社区的集体决策？在这里，我们调查一个话题的社区情绪能力是否与这个话题的普及程度有关。为了计算一个话题的社区情绪能量，我们首先根据用户最近的推文分析用户对主题的关键词的情感。然后，我们基于马尔可夫随机场（MRF）模型和图熵模型计算社区中所有用户的总情绪能量。两个社区的实验发现社区情感能量与主题的真实传播流行之间呈线性相关。基于这一发现，我们提出了两个模型来预测主题的普及。实验结果显示了两种模型的有效性，有助于预测主题的普及程度。实验还表明，社区情绪影响社区散布话题的集体决策。

超越观点：测量和预测YouTube视频的参与

地址： http://arxiv.org/abs/1709.02541

作者： Siqi Wu, Marian-Andrei Rizoiu, Lexing Xie

摘要： 这项工作研究在线视频中的参与或观看行为。大多数当前的工作重点是建模视图，由于不同的观看行为和垃圾邮件观看，这些视图被认为是对参与度和视频质量的不足衡量。更广泛地说，参与度是衡量新闻和网页的阅读行为，在线广告的点击率，而不是视频。我们研究一组互动指标，包括观看时间，观看视频的百分比，并将其与视图和视频属性（如长度和内容类别）相关联。我们提出了一种新的度量标准，相对参与度，其在视频持续时间内校准，随时间稳定，并与视频质量密切相关。我们通过内在视频和频道功能预测相对参与度和观看比例，并且可以解释其大部分方差 - 观察百分比的R2 = 0.79，而不观察任何用户活动。我们进一步将每日观看时间与使用自激激光的霍克斯强度过程视频外部共享。我们可以比日常观看更准确地预测每日观看时间。我们衡量超过530万YouTube视频的互动度量。此数据集和基准将公开提供。这项工作提供了新的维度来量化视频的参与，并为深入了解音乐，新闻，行动和博弈等不同视频垂直方式铺平道路。

针对量子说服问题

地址： http://arxiv.org/abs/1709.02595

作者： Vladimir I. Danilov, Ariane Lambert-Mogiliansky

摘要： 在本文中，我们研究与信念的量子不确定性有关的劝说的潜力。我们专注于发件人几乎没有机会影响接收者的情况。我们不解决完整的说服问题，而是将注意力限制在一个更简单的方面，即我们称之为目标，即引发特定的信念状态。分析是在n维希尔伯特空间模型的框架内进行的。我们发现，当事先知道时，当使用两个测量时，发送者可以以至少1 / n的概率来诱导目标信念。当目标和信念都是纯粹的状态时，这个数字至少攀升到1/2。分析的一个主要观点是使用分心策略作为混淆Receiver的第一步。因此，我们发现分心而不是提供有关论据是实现劝说的有效手段。在这样的假设下，接收者的信念表现出量子不确定性，这是众所周知的认知限制的正式表达。我们提供政治决策的一个例子。

时空网络在双曲空间中的可导航性

地址： http://arxiv.org/abs/1709.02623

作者： Elisenda Ortiz, Michele Starnini, M.Ángeles Serrano

摘要： 信息路由是具有通信功能的许多复杂网络中的主要任务之一。通过将网络嵌入双曲线空间生成的地图可以帮助实现有效的导航策略。然而，迄今仅考虑了静态地图，而在更现实的情况下，网络结构可能在时间上可能变化的导航在很大程度上未被探索。在这里，我们通过在双曲线空间中使用贪心路由来分析真实网络的导航性，其中节点受到随机激活失活动力学的影响。我们发现，这种动态增强了与静态情况相关的导航性。有趣的是，存在最优的中间激活值，这确保了成功路径数量的增加和其长度的有限增长之间的最佳权衡。与预期相反，即使最连接的节点以非常高的概率停用，增强的导航性也是稳健的。最后，我们的研究结果表明，即使网络结构非常不稳定，一些真正的网络也是超凡的，并且保持高度导航。这些发现对于考虑真实复杂网络的时间性质的高效路由协议的设计和评估具有重要意义。

住宅电力使用的众包预测

地址： http://arxiv.org/abs/1709.02739

作者： Mark D. Wagy, Josh C. Bongard, James P. Bagrow, Paul D. H. Hines

摘要： 众包已成功应用于天文学，密码学和生物学等领域。为了测试其在智能电网环境中有用应用的潜力，本文研究了人群对住宅电能消耗模型预测假设的贡献程度。在这个实验中，人群产生了关于每月能源消耗使一个家庭与另一个家庭不同的因素的假设。为了实现这个概念，我们部署了一个基于网络的系统，其中627个住宅电力客户提出了632个问题，他们认为预测能源使用。虽然发生这种情况，但同一组织在积累时提供了110,573个这些问题的答案。因此，用户都提出了驱动预测模型并提供建立模型的数据的假设。我们使用所得到的问答数据，使用随机森林回归建立每月电能消耗的预测模型。由于答案数据的稀疏性，需要仔细的统计工作来确保这些模型是有效的。结果表明，人群可以产生有用的假设，尽管数据集的稀疏性。

具有成本效益的谣言策略

地址： http://arxiv.org/abs/1709.02767

作者： Cheng Pan, Lu-Xing Yang, Xiaofan Yang, Yingbo Wu, Yuan Yan Tang

摘要： 本文以成本效益的方式解决了以谣言遏制谣言的问题。首先，提出了捕获谣言混合扩散过程的个人级动态模型。在此基础上，具有成本效益的谣言问题被模拟为优化问题。广泛的实验表明，发现一个具有成本效益的谣言策略归结为提高第一个真相传播率，直到含谣策略的成本效益达到第一个转折点。这个发现大大减少了解决优化问题所花费的时间。通过计算机模拟检验不同因素对含谣策略的最优成本效益的影响。我们相信我们的发现有助于以成本效益的方式遏制谣言。据我们所知，这是谣言问题第一次被这样对待。

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。