• 具有异质社团结构的多层网络中的社团提取;
• 衡量科学的影响力：站在巨人的肩膀上？;
• 网络中不可逆二元动力学的精确解析解;
• 模拟调查在政治竞争中的作用;
• 社会标签生态系统中的异常流行度增长;
• 使用波利亚传染病模型在网络上治愈流行病;

具有异质社团结构的多层网络中的社团提取

原文标题： Community extraction in multilayer networks with heterogeneous community structure

地址： http://arxiv.org/abs/1610.06511

作者： James D. Wilson, John Palowitch, Shankar Bhamidi, Andrew B. Nobel

摘要： 多层网络是一种有用的方法来捕获和建模一组固定的对象之间的多个二进制或加权关系。虽然社区检测已被证明是单层网络分析的有用探索技术，但多层网络社区检测方法的发展还处于起步阶段。我们提出并调查一个称为多层提取的程序，它在多层网络中识别密集连接的顶点层集合。多层提取利用基于重要性的评分，通过与固定度随机图模型的比较来量化所观察的顶层集的连通性。多层抽取直接处理具有不同层次的网络，其中社区结构可能在层与层之间不同。该过程可以捕获重叠的社区以及不属于任何社区的背景顶点层对。在多层随机块模型下，我们建立了我们提出的多层评分的顶层集合优化器的一致性。我们调查了多层萃取在三个应用程序和模拟测试床上的性能。我们的理论和数值评估表明多层萃取是分析复杂多层网络的有效探索工具。可以在https://github.com/jdwilson4/MultilayerExtraction上找到可用于多层提取的公共R软件。

衡量科学的影响力：站在巨人的肩膀上？

原文标题： Measuring Influence in Science: Standing on the Shoulders of Which Giants?

地址： http://arxiv.org/abs/1711.02695

作者： Antonin Macé

摘要： 我研究基于书目数据的科学家的影响力的测量。我提出了一个新的方法来解释间接的影响，并且可以比较不同科学领域的科学家。相比之下，像“H指数”这样的“引用次数”的常见影响力措施却无法满足这两个属性中的任何一个。我用两个相反的方法使用公理方法：突出引用计数方案的两个局限性和独立性，并仔细论证所提出的措施的构建中的假设。

网络中不可逆二元动力学的精确解析解

原文标题： Exact analytical solution of irreversible binary dynamics on networks

地址： http://arxiv.org/abs/1711.02721

作者： Edward Laurence, Jean-Gabriel Young, Sergey Melnik, Louis J. Dubé

摘要： 在二进制级联动态中，图的节点处于两种可能的状态之一（无效，有效），并且处于无效状态的节点一旦其前体满足预定的条件就立即进入到有效状态。我们引入一组递归方程来计算到达任何最终状态的概率，给定一个初始状态，以及每个节点的转移概率函数的规范。由于解决这些方程的简单递归方法在节点数量上占据了阶乘时间，我们还引入了一个加速算法，围绕呼吸优先搜索过程构建。该算法在指数时间内尽可能有效地求解方程。

模拟调查在政治竞争中的作用

原文标题： Modelling Surveys Effects in Political Competitions

地址： http://arxiv.org/abs/1711.02765

作者： A. E. Biondo, A. Pluchino, A. Rapisarda

摘要： 在本文中，我们研究新闻媒体和公众调查对竞选政治竞选的影响。我们提出一个以代理人为基础的模式，以解决调查在选举前面对选民意见的有效影响。通过调查不同的可能情景和定期调查的影响，选举共识的动态是作为一个时间函数来研究的，这个选民小组作为由现实社会关系连接起来的代理人网络的意见。我们的模拟显示了在选举竞赛中管理意见一致的可能性。

社会标签生态系统中的异常流行度增长

原文标题： Anomalous popularity growth in social tagging ecosystems

地址： http://arxiv.org/abs/1711.02980

作者： Yasuhiro Hashimoto, Mizuki Oka, Takashi Ikegami

摘要： 在社会标签系统中，标签词汇的多样性以及这类标签的普及度不断增加，因为它们受到来自我们的认知本质和文化偏好的选择压力。这与活的生态系统类似，在生态系统中变异和选择起主导作用。这种产生比例规律的人口动态是通过一个简单的随机过程（尤尔 - 西蒙过程）进行数学模拟的，该过程描述了如何将新单词引入系统然后发展。然而，在实际的网络服务中，我们观察到单个标签的普及率增长出现了一个大的波动，这是普通的选择机制无法解释的。我们引入一个尺度因子来量化从Yule - Simon过程的平均场解决方案中受欢迎程度增长的偏差程度，并讨论这种异常受欢迎行为的可能触发因素。

使用波利亚传染病模型在网络上治愈流行病

原文标题： Curing Epidemics on Networks using a Polya Contagion Model

地址： http://arxiv.org/abs/1711.03070

作者： Mikhail Hayhoe, Fady Alajaji, Bahman Gharesifard

摘要： 我们研究网络传染病的流行病的治愈，该传染病是使用考虑了相邻节点之间的空间感染的经典波利亚瓮过程的变化来建模的。我们引入了几个量来测量网络中的整体感染，并使用它们来制定最优控制问题，以使用有限的固化资源来最小化平均感染率。我们在高固化预算下证明了这个问题的可行性，通过推导每个节点固化量的保守下限，将我们的网络感染度量转化为超级中庸。我们还提供了一个可证明的收敛梯度下降算法，以在有限的预算下找到固化的分配。由于这个策略在计算上是昂贵的，所以我们设计了一套可以在本地实施并且几乎同样有效的启发式方法。在大规模网络上运行的大量仿真证明了我们提出的策略的有效性。

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。