• 网络的快思慢想：氨基酸，神经元和社会网络中互补的’精英’和’群众的智慧’;
• 投票偏见和未决定的选民分配：美国总统选举，2004年至2016年;
• 社会影响力的判别模型在事件级联预测与解释中的应用;
• 从相干核开始的对比子图挖掘;
• 德黑兰城市和郊区铁路系统的网络中心性分析;
• 多网络节点表示学习：图对齐情况;
• 用于符号预测的统计链接标签建模：通过联合本地和全局信息来平滑稀疏性;
• 量子决策理论中的量化预测;
• 用节点中心性和分类性能表征节点嵌入算法;
• 使用重力和辐射模型测量可达性;
• 我们读什么，我们搜什么：193个国家的媒体关注和公众关注;
• D-Semper：为用户兴趣-社交内容建模学习深度语义保留嵌入;
• 属性层级端口图及其应用;
• 你的朋友怎么想？利用友谊悖论的网络高效轮询方法;
• 当羊群进行购物：用自然实验测量产品评级中的羊群效应;
• 时变网络引起的振荡消逝;
• 改进Brandes介数中心性算法;
• 宗教网络中的隔离;
• 无信号交叉口的拥塞分析：不耐烦和马尔可夫排队的影响;
• 环境反馈驱动空间社会困境中的合作;

网络的快思慢想：氨基酸，神经元和社会网络中互补的’精英’和’群众的智慧’

原文标题： Fast and slow thinking – of networks: The complementary ‘elite’ and ‘wisdom of crowds’ of amino acid, neuronal and social networks

地址： http://arxiv.org/abs/1511.01238

作者： Peter Csermely

摘要： 复杂的系统可能有十亿个组件，使共识形成缓慢而困难。最近几个重叠的故事出现于各个学科，包括蛋白质结构，神经科学和社会网络，表明对已知刺激的快速响应涉及网络核心的少数强连通节点。在意想不到的情况下，核心可能无法提供一致的响应，因此刺激会传播到网络的外围。在这里，最终的回应是由大量弱联系节点动员集体记忆和意见决定的，即缓慢民主行使“人群智慧”。这种机制类似于Kahneman的“快速思考，慢速思考”，区分快速，基于模式和慢速沉思决策。回应的一般性还表明，民主不仅是一种道德立场，也不仅仅是一种决策技术，而且是一种由演化过程中的复杂系统发展而来的非常有效的通用学习策略。快速核心和慢速多数的双重性可能会增加我们对新陈代谢，信号，生态系统，群集或市场过程的理解，以及可能有助于构建探索异常网络响应的新方法，深度学习神经网络结构和核心 - 边定位药物设计策略。 （说明性视频可以从这里下载：http http）

投票偏见和未决定的选民分配：美国总统选举，2004年至2016年

原文标题： Polling bias and undecided voter allocations: US Presidential elections, 2004 - 2016

地址： http://arxiv.org/abs/1703.09430

作者： Joshua J Bon, Timothy Ballard, Bernard Baffour

摘要： 考虑到未决定和不确定的选民对于预测民意调查的选举结果具有挑战性。未定的选民在民意调查中表现出挥杆选民的不确定性，但往往被忽略或以简单，确定的方式分配给每位候选人。从历史上看，这可能是足够的，因为未决定的人数相对较小，以至于他们不会影响决定选民的相对比例。然而，在选民人数众多的情况下，这些静态规则实际上可能会影响选举投票作者和元调查分析人员的选举预测。在本文中，我们考察了2016年美国总统选举中未决选民对前三次总统选举的影响。我们显示在竞选和选举日有相对较多的未决选民，选举中未决定选民的分配与两党比例（甚至）分配不一致。我们发现证据显示，越来越多的未决选民与静态分配机制相结合，对于选举预测模型是不够的，并且概率分配可能更优。我们还估计了某些投票机构的平均偏差，也被称为“房屋效应”。

社会影响力的判别模型在事件级联预测与解释中的应用

原文标题： Discriminative Modeling of Social Influence for Prediction and Explanation in Event Cascades

地址： http://arxiv.org/abs/1802.06138

作者： Sandeep Soni, Shawn Ling Ramirez, Jacob Eisenstein

摘要： 事件级联的全球动态往往受当地同伴影响力的影响。然而，由于诸如缺失数据之类的同质和实际问题混淆，检测来自观测数据的社会影响是具有挑战性的。在这项工作中，我们提出了一种新的判别方法来检测观测数据的影响。该方法的核心是训练排序算法以预测级联中下一个事件的来源，并将其样本外的准确性与缺乏对应于社会影响的特征的竞争基线进行比较。使用综合生成的数据，我们提供了经验证据，表明这种方法可以在混淆的情况下正确识别影响，并且对缺失数据和错误指定都很有效 - 与流行的替代方案不同。我们还将该方法应用于两个真实世界的数据集：（1）美国众议院共同赞助立法的级联，共享活动捐助者的社会网络; （2）关于希格斯玻色子发现的传闻，在一个价值10美元的Twitter账户的追随者网络上。我们的模型确定了在这些情景中同伴影响的作用，并用它来更准确地预测级联的未来轨迹。

从相干核开始的对比子图挖掘

原文标题： Contrast Subgraph Mining from Coherent Cores

地址： http://arxiv.org/abs/1802.06189

作者： Jingbo Shang, Xiyao Shi, Meng Jiang, Liyuan Liu, Timothy Hanratty, Jiawei Han

摘要： 图模式挖掘方法可以从大型图中提取信息丰富且有用的模式，并通过不知所措的信息捕获基本原则。对比分析是各个领域的基石，并且在挖掘有价值的信息方面显示出其有效性。然而，它在图模式挖掘中一直被忽视。因此，在本文中，我们引入对比子图的概念，即在同一节点集的两个给定图中具有明显不同的边或边权重的节点子集。主要挑战来自对比和信息性之间的差距。由于现实世界图中广泛存在的噪声边，对比度可能导致纯噪声子图。为了避免这种无意义的子图，我们利用相似性作为对比的基石。具体而言，我们首先确定一个相干核心，这是两个图中具有相似边结构的小节点的子集，然后从相干核心引出对比子图。此外，我们设计了一个通用的相干性和对比度度量族，并导出了一个多项式时间算法来有效地提取对比子图。大量实验验证了引入相干核的必要性以及算法的有效性和效率。真实世界的应用程序展示了对比子图挖掘的巨大潜力。

德黑兰城市和郊区铁路系统的网络中心性分析

原文标题： Network Centrality Analysis of Tehran Urban and Suburban Railway System

地址： http://arxiv.org/abs/1802.06219

作者： Mohieddin Jafari, Sayed Mohammad Fakhar

摘要： 如今，德黑兰城市和郊区铁路系统（TUSRS）将由8条线路和149个车站完成。这个复杂的运输系统包含每个站对之间的168条链路和所有八条线路中的20个横截面和Y分支站点。在这项研究中，我们认为TUSRS是一个复杂的网络，并根据图论进行了几项分析。检查例如中心性措施，我们确定了TUSRS内的中心站。这种分析可能有助于重新分配过度拥挤台站的战略和改进维护系统的组织。这些发现也有助于更好地设计伊朗其他大都市地区的未来系统。

多网络节点表示学习：图对齐情况

原文标题： Node Representation Learning for Multiple Networks: The Case of Graph Alignment

地址： http://arxiv.org/abs/1802.06257

作者： Mark Heimann, Haoming Shen, Danai Koutra

摘要： 表示学习的最新进展产生了可以在许多下游任务（例如链路预测）中成功使用的节点嵌入，但通常不会超出单个网络。受图对齐，相似性和传输学习等多网络问题的普遍影响，我们引入了一种优雅而有原则的节点嵌入公式，即交叉网络矩阵分解或xNetMF，以有效地学习基于相似性的嵌入节点的结构和属性身份（如果有的话），这些在网络上是可比的。利用Nystrom方法进行低阶逼近，与直接分解节点相似性矩阵的优化方法相比，我们实现了空间和时间的显著减少，xNetMF运行速度比现有表示学习方法快30倍。我们研究它在网络对齐任务中的有效性，并介绍REGAL（基于表示的图对齐），这是第一种使用节点表示学习来完成此任务的方法。在具有或不具有属性的各种具有挑战性的真实世界网络上进行的大量实验表明，REGAL比现有网络对齐方法平均精确度高20％到30％，使用的属性速度提高了40倍，并可扩展到每个节点具有数百万个节点的网络。

用于符号预测的统计链接标签建模：通过联合本地和全局信息来平滑稀疏性

原文标题： Statistical Link Label Modeling for Sign Prediction: Smoothing Sparsity by Joining Local and Global Information

地址： http://arxiv.org/abs/1802.06265

作者： Amin Javari, HongXiang Qiu, Elham Barzegaran, Mahdi Jalili, Kevin Chen-Chuan Chang

摘要： 符号网络中的一个主要问题是使用网络结构来预测边缺失的迹象。在本文中，我们引入了一种新的符号预测问题的概率方法。所提出的模型的主要特征是它们能够适应输入网络的稀疏水平。网络的稀疏性是许多链路预测算法性能差的主要原因之一，特别是一般的符号预测算法。在以前的相关工作中尚未考虑建立一个能够适应数据稀疏性的模型。我们认为在局部和全球结构之间存在两难处境，并试图通过解决这一困境来建立稀疏适应性模型。为此，我们提出了基于局部和全局结构的概率预测模型，并基于平滑概念对其进行了整合。当稀疏度增加时，模型更多地依赖于全球结构，而对于从稀疏性水平低的地方结构中获得的信息，它提供了更多的权重。所提出的模型在三个真实世界签名的网络上进行评估，并且实验显示出它比现有技术方法的一致优越性。与以前的方法相比，所提出的模型不仅更好地处理稀疏性问题，而且具有更低的计算复杂性并且可以使用实时数据流进行更新。

量子决策理论中的量化预测

原文标题： Quantitative Predictions in Quantum Decision Theory

地址： http://arxiv.org/abs/1802.06348

作者： V.I. Yukalov, D. Sornette

摘要： 量子决策理论，由作者早先提出，并说明了彩票的收益，被推广到包含彩票的博弈中，同时还有收益和损失。该方法的数学结构基于量子测量理论，这使得这种方法与人类决策描述和人工量子智能的创建都有关。一般规则的制定允许明确计算量子概率，代表偏好所考虑前景的决策者的比例。这提供了一种定量预测决策者选择的方法，其中包括经典预期效用理论失败的高不确定性博弈案例。该方法适用于在一组带有收益和损失的彩票赌博中获得的实验结果。我们的预测，不涉及拟合参数，与实验数据非常吻合。描述了在博弈论中使用量子决策。建议创建量子人工智能的主要方案。

用节点中心性和分类性能表征节点嵌入算法

原文标题： Node Centralities and Classification Performance for Characterizing Node Embedding Algorithms

地址： http://arxiv.org/abs/1802.06368

作者： Kento Nozawa, Masanari Kimura, Atsunori Kanemura

摘要： 将图节点嵌入向量空间可以允许使用机器学习来例如预测节点类，但由于图的多样性，与自然语言处理领域相比，节点嵌入算法的研究还不成熟。我们通过使用四个节点嵌入算法，四个或五个图中心以及六个数据集的系统实验来检查节点嵌入算法相对于表征不同图的图中心度量的性能。实验结果让人深入了解节点嵌入算法的性质，这可以作为进一步研究这个主题的基础。

使用重力和辐射模型测量可达性

原文标题： Measuring Accessibility using Gravity and Radiation Models

地址： http://arxiv.org/abs/1802.06421

作者： Duccio Piovani, Elsa Arcaute, Gabriela Uchoa, Alan Wilson, Michael Batty

摘要： 自从辐射模型的介绍以来，已经做了很多工作来比较它的发现与从引力模型中获得的发现。这些比较总是旨在测量模型重现由起点 - 终点矩阵描述的移动性的准确性。这已经在不同的空间尺度上使用不同的数据集完成，并且已经提出了若干版本的模型以适应各种空间系统。但就我们所知，这些模型从来没有与政策测试方案进行过比较。因此，我们在这里使用这些模型分析在巴西特雷西纳市引入新的交通网络 - 快速公交系统的影响。我们通过测量行程分布的估计变化来制定这一目标，并制定城市不同区域的就业指标。通过比较这两种方法所获得的结果，我们不仅能够更好地评估这种干预的适宜性和影响，而且能够理解系统相似性和预测差异的原因。

我们读什么，我们搜什么：193个国家的媒体关注和公众关注

原文标题： What We Read, What We Search: Media Attention and Public Attention Among 193 Countries

地址： http://arxiv.org/abs/1802.06437

作者： Haewoon Kwak, Jisun An, Joni Salminen, Soon-Gyo Jung, Bernard J. Jansen

摘要： 从2016年3月7日至2017年4月14日，我们调查了193个国家内新闻媒体组织对国际关注度与国内公众在国际上表达的明确国际利益的一致性。我们收集了14个月来自Unfiltered News的在线新闻纵向数据以及来自Google趋势的网络搜索量数据，并建立一个媒体关注和公众关注的多重网络，以研究其结构和动态特性。在结构上，媒体关注度和公众关注度根据分析结果的不同而不同。例如，我们发现63.2％的国家特定媒体和公众关注不同的国家，但是由网络图衡量的地方关注流量模式非常相似。我们还表明，在媒体和公众关注方面存在着强烈的区域相似性，而这种相似性只会受到全球重大事件（例如Brexit）的干扰。使用格兰杰因果关系，我们发现有相当数量的国家的媒体关注和公众关注不同于热门话题。我们的调查结果显示，媒体和公众对特定国家的关注往往不一致，这表明这些国家的公众可能会忽视其国家特定的新闻媒体并寻求其他在线资源来满足其媒体需求和愿望。

D-Semper：为用户兴趣-社交内容建模学习深度语义保留嵌入

原文标题： D-Sempre: Learning Deep Semantic-Preserving Embeddings for User interests-Social Contents Modeling

地址： http://arxiv.org/abs/1802.06451

作者： Shuang Ma, Chang Wen Chen

摘要： 社交媒体消费的指数增长需要有效的用户兴趣 - 社交内容建模以实现更个性化的推荐和社交媒体摘要。然而，由于社会内容的异质性，传统方法缺乏跨越这些多模态数据捕获隐藏语义相关性的能力，这导致了社会内容理解与用户兴趣之间的语义鸿沟。为了有效地弥合语义差距，我们提出了一个新的用户兴趣深度学习框架 - 社交内容建模。我们首先从异构社交媒体Feed中挖掘和解析数据，即文本内容，视觉内容，社会背景和社交关系。然后，我们设计了一个双分支网络，将社交内容和用户映射到同一个潜在空间。特别地，网络由大量目标训练，其以端到端方式将跨实例距离约束与实例内语义保持约束组合。最后，学习深度语义保留嵌入（D-Semper），并通过计算社交内容和用户之间的距离来给出排名结果。为了证明D-Semper在用户兴趣 - 社交内容建模中的有效性，我们构建了一个Twitter数据集并对其进行了广泛的实验。因此，D-Semper有效地整合了来自异构社交媒体Feed的多模式数据，并捕捉用户兴趣和社交内容之间隐藏的语义关联。

属性层级端口图及其应用

原文标题： Attributed Hierarchical Port Graphs and Applications

地址： http://arxiv.org/abs/1802.06492

作者： Nneka Chinelo Ene (King’s College London Dept. of Informatics), Maribel Fernández (King’s College London Dept. of Informatics), Bruno Pinaud (University of Bordeaux, LaBRI UMR CNRS 5800, France)

摘要： 我们提供属性层次端口图（AHP）作为端口图的扩展，旨在促进复杂系统模块化端口图模型的设计。 AHP由多个相互关联的层组成，其中每个层定义一个端口图，其节点可以链接到更下层的层;属性用于存储用户定义的数据以及可视化和运行时系统参数。我们还概括了战略性端口图重写（一种特殊类型的图转换系统，其中端口图重写规则由用户定义的策略控制）的概念，以处理单推出方法中的AHP。我们概述了两个领域的应用实例：函数式编程和财务建模。

你的朋友怎么想？利用友谊悖论的网络高效轮询方法

原文标题： What Do Your Friends Think? Efficient Polling Methods for Networks Using Friendship Paradox

地址： http://arxiv.org/abs/1802.06505

作者： Buddhika Nettasinghe, Vikram Krishnamurthy

摘要： 本文涉及社会网络的随机投票。在预测两名候选人A和B之间选举结果的情况下，古典意向投票询问随机抽样的个人：你会投谁？期望投票问：你认为谁会赢？在本文中，我们提出了一种新颖的邻域预期投票（NEP）策略，要求随机抽样的个人：你对A的投票分数的估计是什么？因此，在NEP中，抽样人员在回答这个问题时自然会看到他们的邻居（由基础社会网络图表定义）。因此，NEP方法的均方差（MSE）依赖于从网络中选择最佳样本集合。为此，我们针对以下情况提出三种NEP算法：（i）社会网络图未知，但可以在图上执行随机游走（顺序探索）;（ii）社会网络图未知。对于情况（i）和（ii），提出了两种基于图表理论结果的算法，称为友谊悖论。建立了算法MSE依赖于网络性质的理论结果。提供真实和合成数据集的数值结果来说明算法的性能。

当羊群进行购物：用自然实验测量产品评级中的羊群效应

原文标题： When Sheep Shop: Measuring Herding Effects in Product Ratings with Natural Experiments

地址： http://arxiv.org/abs/1802.06578

作者： Gael Lederrey, Robert West

摘要： 随着网上购物越来越普遍，消费者越来越依赖产品评级网站来做出购买决定。但是，在线评级的可靠性可能会因所谓的放牧效应而受到影响：评级产品时，顾客可能会偏向遵循其他顾客以前对同一产品的评级。这是有问题的，因为它通过杂乱无章的早期评级扭曲了长期客户的看法。放牧研究带来了方法上的挑战。观察性研究由于缺乏反事实而受到阻碍：仅仅将早期评估与后续评估相关联是不够的，因为我们无法知道在第一次评级不同时后续评级会是什么样子。这里介绍的方法利用了一个接近实验的环境，尽管它纯粹是观察性的 - 一个自然的实验。我们的关键方法论设备包括在两个单独的评级站点上研究同一产品，重点关注在一个站点上获得高第一评级的产品，以及在另一个站点上获得较低第一评级的产品。这在很大程度上控制了诸如产品内在质量，广告和制作人身份等混乱因素，并且让我们将第一次评级的效果与后续评级分离。在案例研究中，我们将啤酒作为产品，共同研究两个啤酒评级网站，但我们的方法适用于任何可以匹配产品的网站。我们发现在啤酒评级中放牧的明确证据。例如，如果啤酒获得非常高的第一等级，则其第二等级平均高出一个标准差一半，而相同的啤酒获得非常低的第一等级。此外，放牧效果往往会持续很长时间，即使在20次或更多的评级后，其效果也很明显。我们的结果对更好的评级系统的设计具有重要意义。

时变网络引起的振荡消逝

原文标题： Oscillation death induced by time-varying network

地址： http://arxiv.org/abs/1802.06580

作者： Massime Lucas, Duccio Fanelli, Timoteo Carletti, Julien Petit

摘要： 研究了通过通用图耦合的可激励振荡器阵列的同步动态。非齐次扰动可以通过自身一致的不稳定性来增长和破坏同步，而这种不稳定性仅受内在网络动力学的启发。通过作用于网络调制的特征时间尺度，可以使被检查系统表现为其（部分）平均模拟。如果通过证明平均定理的扩展版本正式获得该结果，该平均定理允许进行部分平均。据报道，随着网络驱动的不稳定性开始出现振荡死亡。

改进Brandes介数中心性算法

原文标题： Towards Improving Brandes’ Algorithm for Betweenness Centrality

地址： http://arxiv.org/abs/1802.06701

作者： Matthias Bentert, Alexander Dittmann, Leon Kellerhals, André Nichterlein, Rolf Niedermeier

摘要： 测量有多少最短路径通过顶点的中心中心性是评估顶点（相对）重要性的最重要的网络分析概念之一。 Brandes [2001]着名的最先进的算法计算了n（n）和m（m）边图上O（mn）最坏情况时间内所有顶点的中间中心性。在实际的后续工作中，通过预处理一级顶点实现了显著的经验加速。我们通过展示如何处理二级顶点（数学结构比一级顶点的情况要丰富得多）来扩展这一点。对于我们的新中介中心性算法，我们证明了运行时间上界O（kn），其中k是输入图的最小反馈边集的大小。

宗教网络中的隔离

原文标题： Segregation in Religion Networks

地址： http://arxiv.org/abs/1802.06721

作者： Jiantao Hu, Qian-Ming Zhang, Tao Zhou

摘要： 宗教信仰可以促进人类合作[1-6]，促进公民参与[7-10]，提高生活满意度[11-13]，甚至促进经济发展[14-16]。另一方面，宗教的某些方面可能导致区域暴力，群体间冲突和对无神论者的道德偏见[17-23]。类似于种族分离[24]，宗教隔离是导致不同信仰的信徒间异化，误解，文化冲突甚至暴力增加的主要因素[18,19,25]。迄今为止，对宗教隔离的定量理解很少。在这里，我们分析了来自weibo.com（中国最大的有向社会网络，类似twitter.com）的一个有向社会网络，该网络由6875位基督教，佛教，伊斯兰教和道教信徒组成。这个宗教网络是高度隔离的，只有1.6％的链接连接不同宗教的个人。比较分析表明，不同宗教的隔离程度远远高于不同种族的隔离程度，略高于不同政党的隔离程度。少数交叉宗教链接在维持网络连接性方面发挥着至关重要的作用，比具有最高中介性[26]或桥梁[27]的链路显著更重要。进一步的内容分析显示，46.7％的这些跨宗教关系可能与慈善事业有关。我们的研究结果提供了对宗教隔离和有价值线索的定量分析，以鼓励跨宗教交流。

无信号交叉口的拥塞分析：不耐烦和马尔可夫排队的影响

原文标题： Congestion analysis of unsignalized intersections: The impact of impatience and Markov platooning

地址： http://arxiv.org/abs/1802.06732

作者： Abhishek, Marko Boon, Michel Mandjes, Rudesindo Núñez-Queija

摘要： 本文考虑两个交通流使用的无信号交叉口。一串小汽车正在使用主要道路，并且优先于其他小河。如果主要道路上的两辆后续车辆之间的间隙大于其关键车道，属于后者的车辆穿过主要道路。自然产生的问题与次要道路的能力有关：鉴于汽车在主要道路上的到达模式，可以维持的低优先级汽车的最大到达率是多少？本文通过考虑一个紧凑型模型来解决这个问题，该模型揭示了所考虑的无信号交叉口的动态特性。该模型具有排队论的性质，揭示了用户行为对稳定性影响的有趣见解。本文的贡献有三个。首先，我们获得了包含驾驶员不耐烦的上述模型的新结果。其次，我们揭示了迄今为止在现有文献中尚未被观察到的一些令人惊讶的方面，其中许多是由于小路的能力不能用平均空隙大小表示的事实造成的;取而代之的关键进展分布的更详细的特征起着至关重要的作用。第三个贡献是在主要道路上引入了一种新的聚束形式，称为马尔可夫排队。这种模型的易处理性使我们能够研究各种排队在主要道路上对小路能力的影响。

环境反馈驱动空间社会困境中的合作

原文标题： Environmental feedback drives cooperation in spatial social dilemmas

地址： http://arxiv.org/abs/1802.06745

作者： Attila Szolnoki, Xiaojie Chen

摘要： 开发他人是有益的，但也可能在全球范围内是有害的。反过来也是如此：更高的合作水平可能会改变环境，有利于所有竞争对手。为了探索这种反馈的可能后果，我们考虑一个协同演化模型，其中本地合作水平决定了应用囚徒困境博弈的收益值。我们观察到，与独立于应用交互图的拓扑结构的传统设置相比，协同演化规则提供了显著更高的合作水平。有趣的是，这种合作支持机制给孤独的叛逃者提供了长期存活的机会，因此放松到最后的合作状态发生的速度呈对数缓慢。因此，通过考虑与环境的相互作用来扩展传统的演化博弈为合作者提供了一个很好的机会，但是他们的回报可能会延迟一段时间。

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。