• 电信网络分析的功能复杂性框架;
• 对多动作事件日志的快速预算影响最大化;
• 优先连接和顶点到达时间;
• 网络中的多分辨率共识聚类;
• 突发事件在社会网络上快速和缓慢传播的模式;
• 使用稀疏数字追踪填充个人层面的移动性时间表;

电信网络分析的功能复杂性框架

原文标题： A Functional Complexity Framework for the Analysis of Telecommunication Networks

地址： http://arxiv.org/abs/1607.02020

作者： Merim Dzaferagic, Nicholas Kaminski, Neal McBride, Irene Macaluso, Nicola Marchetti

摘要： 网络服务的快速发展需要研究和设计网络的新范例。为了理解提供网络功能的基础机制，我们提出了一个能够对电信网络进行功能分析的框架。该框架允许我们将网络功能作为一个复杂的系统进行隔离和分析。我们提出功能拓扑来可视化系统实体之间的关系，并使其能够系统地研究它们之间的相互作用。我们还定义了复杂性度量$ C_F $（功能复杂性），可以量化拓扑中节点的结构模式和角色的多样性。这种复杂性度量提供了一种全新的方法来研究电信网络的运行。我们通过分析图论理论指标来研究$ C_F $与不同的图结构之间的关系，以便识别复杂的组织。对于全网状拓扑和断开的拓扑，$ C_F $等于零。我们表明，对于显示高集成度（较短平均路径长度和高平均聚类系数）的密集结构，复杂度非常高。我们在功能复杂性，鲁棒性和对系统配置中可能出现的更改的响应之间建立连接。我们还将实现与网络功能的结果联系起来，将结果的特征与支撑功能结构的复杂关系相关联。

对多动作事件日志的快速预算影响最大化

原文标题： Fast Budgeted Influence Maximization over Multi-Action Event Log

地址： http://arxiv.org/abs/1710.02141

作者： Qilian Yu, Hang Li, Yun Liao, Shuguang Cui

摘要： 在社会网络中，影响最大化是识别拥有网络最大影响力的一组用户的问题。在本文中，引入了一种称为多动作CD（mCD）模型的新型信用分配（CD）模型，用于量化每个用户的影响能力，该实际数据集可以记录一种类型的动作多次基于此模型，影响最大化被形成为一般背包约束下的子模型最大化问题，即NP-hard。开发了一种在用户集上进行单向扫描的有效流式传输算法，以找到次优解。具体来说，我们首先解决背包约束的特殊情况，即基数约束，并且显示所开发的流式算法可以实现最优性的逼近（$ \ frac {1} {2} - \ epsilon $）近似。此外，对于一般的背包案例，我们显示修改后的流算法可以实现最优性的逼近（$ \ frac {1} {3} - \ epsilon $）近似。最后，实验是通过真实的Twitter数据集进行的，并且证明了与常规CD模型相比，mCD模型在估计在社会网络中受影响的总人数方面具有高精度。此外，通过与常规CD，非CD模型以及具有贪心算法的mCD模型对影响最大化问题的性能进行比较，我们用流式算法展示了所提出的mCD模型的有效性和效率。

优先连接和顶点到达时间

原文标题： Preferential Attachment and Vertex Arrival Times

地址： http://arxiv.org/abs/1710.02159

作者： Benjamin Bloem-Reddy, Peter Orbanz

摘要： 我们研究随机图中的优先依附机制，其参数化为（i）影响顶点集合上的度偏差分布的恒定偏差和（ii）模型创建新顶点的时间分布。这样定义的随机图类允许使人想起剩余分配或“破坏性”方案的表示定理。我们描述顶点到达时间如何影响渐近度分布，并将后者与中性到左边的过程联系起来。我们的随机图产生边“一次一端”，它在随机图和自然数的随机分区之间建立一对一的对应关系;通过这张地图，我们的表示在（不一定是可交换的）随机分区中引入一个概括Griffiths和Span的定理的结果。一些例子说明了类与几个已知的随机图模型的交互。

网络中的多分辨率共识聚类

原文标题： Multiresolution Consensus Clustering in Networks

地址： http://arxiv.org/abs/1710.02249

作者： Lucas G. S. Jeub, Olaf Sporns, Santo Fortunato

摘要： 网络通常呈现不同尺度的结构。我们提出了一种基于多分辨率模块化和一致性聚类来识别不同规模的社区结构的方法。我们的贡献由两部分组成。首先，我们提出了一种对多分辨率模块化质量函数的可能分辨率进行抽样的策略。我们的方法直接基于模块化的属性，特别是提供了一种自然的方式，避免将分辨率参数提高几个数量级，以打破少数剩余的小社区，从而需要引入临时限制分辨率范围采用标准采样方式。其次，我们提出了一种基于修改的模块化的层次共识聚类程序，允许在给定一组输入分区的情况下构建层次共识结构。虽然这里我们对其应用于使用多分辨率模块化采样的分区感兴趣，但是这种共识聚类程序可以应用于任何聚类算法的输出。因此，除了使用过程本身来识别网络中的层次结构之外，我们还看到了多分辨率一致聚类过程的各个部分的许多潜在应用。

突发事件在社会网络上快速和缓慢传播的模式

原文标题： A model for both the fast and slow spreadings of sudden events on social networks

地址： http://arxiv.org/abs/1710.02274

作者： Jiao Wu, Muhua Zheng, Zi-Ke Zhang, Wei Wang, Changgui Gu, Zonghua Liu

摘要： 谣言传播已经研究了几十年，但其基础机制仍在争论之中，特别是对于那些基于互联网的机制。通过关注新浪微博上的六个典型事件的传播数据，我们惊奇地发现，现代新闻的传播显示出一些新的特征，即爆发式快速或慢速，取决于个别事件。为了理解其机制，我们提出了一种具有信息敏感性和社会强化的敏感接受回收（SAR）模型。通过数值模拟，我们可以看出，该模型可以重现六个典型事件的主要扩散模式，通过提高信息敏感度或社会强度的强度，可以促进传播速度。此外，我们发现，当社会力量强度大时，最终接受尺寸对传输概率和信息敏感性等一些关键参数的依赖性可以从连续变化到不连续。提出了基于边的理论分析，以解释信息敏感性和社会强化的爆炸性传播。

使用稀疏数字追踪填充个人层面的移动性时间表

原文标题： Using Sparse Digital Traces to Fill in Individual Level Mobility Timelines

地址： http://arxiv.org/abs/1710.02475

作者： Nabeel Abdur Rehman, Kunal Relia, Rumi Chunara

摘要： 预测个人层面的流动模式是无处不在的计算的重要组成部分，在不断增长的现实世界应用中，如运输管理和疾病传播。虽然诸如GPS跟踪器或呼叫数据记录之类的数据源是时间上丰富的，但它们是昂贵的，通常不是可公开获得的，或仅在选择的位置获得，从而限制它们的广泛使用。相反，地理位置的社交媒体数据是公开和自由的，但由于其稀少的性质而面临挑战。此外，现有的许多工作仅侧重于预测下一个位置，尽管整个运动时间轴的知识与新兴应用程序相关。因此，我们提出了一种随机框架，即中间位置计算（ILC），其结合了来自多个现有移动性预测方法的方法以及社区行为，从个人的社交媒体时间线预测每个缺失的位置。我们将ILC与几种最先进的方法相比较。对于三个主要城市，ILC以1小时和2小时的分辨率预测，精度高达86％，比对比方法好19％。我们展示社区数据的数量如何改善预测，社区运动在周末与平日之间更能改善个人运动的预测。总体而言，这项工作提出了一种新的算法，用稀疏但容易获得的社交媒体数据来预测实际和连续的个人层面的移动模式。

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。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://netsci.complexly.cn （提供RSS订阅）进行同步更新。