• 这个布局的图会是什么样子？大图可视化的机器学习方法;
• 财富与身份：双重隔离的动态;
• 多层网络中信息级联的种子选择;
• 一种改进的朴素贝叶斯分类器噪声检测技术，用于分类用户电话呼叫行为;
• 复杂替代系统中的通用尺度;
• 反社会惩罚的二次自由，恢复亲社会惩罚的有效性;

这个布局的图会是什么样子？大图可视化的机器学习方法

原文标题： What Would a Graph Look Like in This Layout? A Machine Learning Approach to Large Graph Visualization

地址： http://arxiv.org/abs/1710.04328

作者： Oh-Hyun Kwon, Tarik Crnovrsanin, Kwan-Liu Ma

摘要： 使用不同的方法布局图可以导致非常不同的视觉外观，观众可以看到不同的信息。因此，选择“良好”布局方法对于图的可视化非常重要。选择可以是高度主观的，并且取决于给定的任务。选择良好布局的常用方法是使用审美标准和视觉检查。然而，完全计算各种布局及其相关的美学指标在计算上是昂贵的。在本文中，我们提出了一种基于计算图的拓扑相似度的图可视化的机器学习方法。对于给定的图，我们的方法可以显示图在不同布局中的外观，并估计其相应的美学度量。我们工作的一个重要贡献是开发一个新的框架来设计图核心。我们的实验研究表明，我们的估计计算比计算实际布局及其美学指标快得多。此外，我们的图核心在时间和准确性方面优于最先进的。此外，我们进行了用户研究，以证明用我们的图核心计算的拓扑相似性匹配了人类用户评估的感知相似度。

财富与身份：双重隔离的动态

原文标题： Wealth and Identity: The dynamics of dual segregation

地址： http://arxiv.org/abs/1710.04372

作者： Anand Sahasranaman, Henrik Jeldtoft Jensen

摘要： 我们扩大我们的财富隔离模式，以纳入移民和研究双重隔离的趋势 - 由于身份（移民与居民）的隔离以及财富的隔离。我们发现隔离财富和混合财富状态之间存在着尖锐的，非线性的转变，因为社区财富阈值变得不那么严格，允许代理人进入他们买不起的社区。这种转型发生所需的这种行动的数量与愿意进入较不富裕社区的代理人的可能性相反。我们还发现，从隔离到混合财富状态的这种急剧转变同时伴随着从较少的身份分离到高度身份分离状态的相应的非线性转换。我们认为，财富隔离的减少不仅仅是伴随着，而且实际上推动了基于身份的隔离的增加。这意味着降低财富分离必然会加剧身份隔离，因此，这种权衡可能是设计城市政策的重要考虑因素。另外，我们发现，在快速迁移的情况下，居民容忍水平被破坏的时间要小得多。这种违反容忍的速度可能会突显驻地对急剧爆发的反应的强度。

多层网络中信息级联的种子选择

原文标题： Seed selection for information cascade in multilayer networks

地址： http://arxiv.org/abs/1710.04391

作者： Fredrik Erlandsson, Piotr Bródka, Anton Borg

摘要： 信息传播是在线社交媒体领域的一个有趣的领域。在这项工作中，我们正在调查不同的种子选择策略如何影响在十八个多层社会网络上使用独立级联模型模拟的扩展过程。基于从Facebook公共页面提取的用户交互数据构建了十五个网络，它们是从公共存储库（其中两个是Twitter网络）下载的多层网络。结果表明，像K-Shell或VoteRank这样的单层网络的各种现状的种子选择策略在多层网络上表现不佳，并且表现优于Degree Centrality。

一种改进的朴素贝叶斯分类器噪声检测技术，用于分类用户电话呼叫行为

原文标题： An Improved Naive Bayes Classifier-based Noise Detection Technique for Classifying User Phone Call Behavior

地址： http://arxiv.org/abs/1710.04461

作者： Iqbal H. Sarker, Muhammad Ashad Kabir, Alan Colman, Jun Han

摘要： 移动电话数据中存在噪声实例是将用户电话行为（即，接受，拒绝，错过和传出）分类的一个基本问题，具有许多潜在的负面后果。由于冗余训练样本的数量，分类精度可能会降低，分类器的复杂度可能会增加。为了从训练数据集中检测出这种嘈杂的实例，研究人员使用朴素贝叶斯分类器（NBC），因为它通过考虑属性的独立性假设和条件概率来识别错误分类的实例。然而，这些错误分类的一些实例可能表明使用个人手机用户的行为模式。现有的基于贝叶斯分类器的噪声检测技术尚未考虑到这一问题，因此缺乏分类准确性。在本文中，我们提出了一种基于朴素贝叶斯分类器的改进的噪声检测技术，用于对用户的电话行为进行有效的分类。为了提高分类准确性，我们通过分析个人的行为模式，有效地识别训练数据集中的嘈杂实例。我们通过使用幼稚贝叶斯分类器和拉普拉斯估计器来动态地根据个体的独特行为模式确定噪声阈值。我们使用这个噪声阈值来识别有噪声的实例。为了测量我们的技术对用户电话行为进行分类的有效性，我们采用最流行的分类算法（例如决策树）。实际电话记录数据集中的实验结果表明，我们提出的技术能更精确地识别来自训练数据集的噪声实例，从而导致更好的分类精度。

复杂替代系统中的通用尺度

原文标题： Universal Scaling in Complex Substitutive Systems

地址： http://arxiv.org/abs/1710.04562

作者： Ching Jin, Chaoming Song, Johannes Bjelland, Geoffrey Canright, Dashun Wang

摘要： 扩散过程是人类相互作用的核心。尽管广泛的研究跨越多个学科，但我们的知识仅限于在非替代系统中传播过程。然而，相当多的思想，产品和行为被替代传播 - 采用新的代理人，必须放弃现有的。在这里，我们发现，从移动手机到汽车到智能手机应用，替代系统中的早期增长模式遵循非整数指数的幂律，与传播现象中的指数增长形成鲜明对照。追踪360万人取代移动手机十多年，我们发现三种管理替代过程的通用成分，使我们能够开发一种最小的替代模型，它不仅可以分析预测观察到的增长模式，而且可以将成员的增长轨迹从多元化系统成为单一通用曲线。这些结果表明，复杂替代系统的动力学受到强大的自组织原理的约束，这些原则超出了个别系统的细节，这意味着这些结果可以指导对电动汽车替代驱动的所有扩散现象的理解和预测科学范式，从可再生能源到新的健康习惯。

反社会惩罚的二次自由，恢复亲社会惩罚的有效性

原文标题： Second-order freeriding on antisocial punishment restores the effectiveness of prosocial punishment

地址： http://arxiv.org/abs/1710.04636

作者： Attila Szolnoki, Matjaz Perc

摘要： 经济实验表明，惩罚可以随着时间的推移增加公共物品博弈的贡献。但惩罚的有效性却受到二次自由和反社会处罚的挑战。后者意味着非合作者惩罚合作者，而前者则暗示不愿承担惩罚的代价。在这里，我们通过考虑四个相互竞争的策略，即传统的合作者和叛逃者，以及惩罚叛逃者和叛逃者来惩罚合作者的合作者，延伸空间公共物品博弈中的合作理论。我们表明，如果协同效应足够高以维持基于网络互惠的合作，反社会的惩罚就不会阻止公共合作。相反，如果协同效应低下，积极需要惩罚来维持合作，反社会处罚确实会造成有害的作用，但只有成本与罚款比率低下。如果成本相对较高，则由于空间格局的形成，合作再次占主导地位。反直觉地，不惩罚合作者的叛逃者，因此在反社会处罚方面实际上是二次自由的，形成了惩罚合作者的积极层面，保护他们免受惩罚合作者的叛逃者。通过相同的路线也可以通过自发出现的循环优势来维持稳定的三个战略阶段。报告的演化结果背后的微观机制可以通过确定子系统解决方案的稳定性的入侵率的比较来解释。我们的研究结果表明，反社会处罚的不利影响是不太可能的演化逃避，它们提供了为什么二阶自由主义并不总是妨碍演化稳定的惩罚的理由。

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。