• 量化网络推理中的抽样偏差;
• 噪声网络数据的网络重构和误差估计;
• 影响因素与中心极限定理;
• N人信任博弈及其复制动力学;
• MetaGraph2Vec：复杂语义路径增强异构网络嵌入;
• 突发的人类动力学;
• GPSP：基于图分区和空间投影的异构网络嵌入方法;
• 时间文本网络：基础和结构特性;
• 去激进化的数学模型中的全局稳定性;
• 具有多个连续属性的随机块模型;
• Facebook直播？现场社交广播是否是真的广播？;
• 模仿或创新：战略更新态度在空间社会困境博弈中的竞争;

量化网络推理中的抽样偏差

原文标题： Towards Quantifying Sampling Bias in Network Inference

地址： http://arxiv.org/abs/1803.02422

作者： Lisette Espín-Noboa, Claudia Wagner, Fariba Karimi, Kristina Lerman

摘要： 关系推断利用网络中实体和链接之间的关系，从小样本中推断有关网络的信息。当关于网络的全局信息不可用或难以获得时，通常使用此方法。但是，小标签样品的推断有多可靠？网络应该如何被采样，它对推理错误有什么影响？网络结构如何影响抽样策略？我们通过系统地研究网络采样策略和样本量如何影响网络中关系推理的准确性来解决这些问题。为此，我们生成一系列合成网络，其中节点具有二元属性和同调可调级别。正如预期的那样，我们发现在异嗜性网络中，只有当网络的小样本被标记时，我们才能获得良好的准确性，而不管采样策略如何。令人惊讶的是，对于同嗜性网络来说情况并非如此，并且在嗜异性网络中运行良好的取样策略导致了大的推断误差。这些发现表明，网络结构对关系分类的影响比以前认为的更为复杂。

噪声网络数据的网络重构和误差估计

原文标题： Network reconstruction and error estimation with noisy network data

地址： http://arxiv.org/abs/1803.02427

作者： M. E. J. Newman

摘要： 大多数关于网络的实证研究都假设我们给出的网络数据代表了感兴趣系统中节点和边的完整和准确的图像，但在现实世界的情况下，情况很少。更经常的是，数据只是不完美地说明网络结构 - 就像经验科学的其他所有领域的数据一样，网络数据容易出现测量误差和噪音。同时，数据可能比简单的网络测量更丰富，包含多个测量值，边的权重，长度或强度，节点或边标签或各种注释。在这里，我们开发了一种通用方法，用于根据任何形式的网络数据估计网络结构和属性，当数据不可靠时，这些网络数据是简单的或复杂的，并为示例应用程序提供社会和生物网络选择。

影响因素与中心极限定理

原文标题： Impact Factors and the Central Limit Theorem

地址： http://arxiv.org/abs/1803.02436

作者： Manolis Antonoyiannakis

摘要： 按照平均指标排名，较小的样本更具波动性：与较大的样本相比，它们可以更容易地波动到较高或较低的分数，而较大的样本更加稳定。这些波动的范围取决于两个因素：更广泛的人口中的价值差异（方差）和样本量。我们使用着名的统计中心极限定理（CLT）来理解引用平均值（影响因子）的行为。我们发现影响因素强烈依赖于期刊的规模。我们解释了观察到的影响因子排名，即小型期刊占据了顶级，中级和最低级别;中型期刊占据中间行列;而非常大的期刊汇聚到一个单一的影响因子价值。此外，我们应用CLT为影响因子开发了“不确定性关系”，它给出了期刊的影响因子的上限（$ f_ {max} ^ {th}（n）$）和下限，给定其大小$ n $。我们通过分析Clarivate Analytics的1997 - 2016年期刊引用报告（JCR）中的全部166,498种期刊，确定了$ f_ {max} ^ {th}（n）$的函数形式，345,177 2014-2015年在物理学上发表的论文，以及任意抽样的期刊列表的引文分布。我们得出结论：影响因子“不确定性关系”是实际期刊观察到的影响因子范围的一个很好的预测因子。由于尺寸依赖效应较强，因此影响因子排名可能会产生误导，除非比较类似的期刊或调整这些效应。

N人信任博弈及其复制动力学

原文标题： The N-Player Trust Game and its Replicator Dynamics

地址： http://arxiv.org/abs/1803.02443

作者： Hussein Abbass, Garrison Greenwood, Eleni Petraki

摘要： 信任是一个基本概念，它支撑着社会系统的连贯性和复原力，并塑造了人类行为。尽管信任作为社会和心理学概念的重要性，但这个概念并没有得到演化博弈理论家的高度关注。在本文中，介绍了一种基于N人信任的社会困境博弈。虽然这个理论表明，一个没有不可信任的个人的社会会为整个社会和长远的个人产生最大的财富，但是演化动力学表明，这种理想的情况只有在最初的人口不具有不可信赖性的特殊情况下才能达到个人。当最初的人口中只有极少数不信任的个人时，社会就会趋于零tr with，有许多不可信赖的个体。尽管事实上，驯养者和可信赖受托人的组合是最理性和最优化的社会状态，但促进信任是一项令人不安的任务。本文提出了复制动力学的博弈和结果，希望演化博弈中的研究人员能够看到填补文献中这一关键差距的机会。

MetaGraph2Vec：复杂语义路径增强异构网络嵌入

原文标题： MetaGraph2Vec: Complex Semantic Path Augmented Heterogeneous Network Embedding

地址： http://arxiv.org/abs/1803.02533

作者： Daokun Zhang, Jie Yin, Xingquan Zhu, Chengqi Zhang

摘要： 网络嵌入异构信息网络（HINs）是一项具有挑战性的任务，由于不同节点类型的复杂性和节点之间丰富的关系。结果，传统的网络嵌入技术不能在这样的HIN上工作。最近，基于元路径的方法被提出来描述HIN中的关系，但是它们在捕获节点间丰富的上下文和语义方面无法有效地嵌入学习，这主要是因为（1）元路径是一个相当严格的单路径节点 - 节点关系描述符，不能适应关系的变化，（2）只有一小部分路径可以匹配元路径，导致用于嵌入学习的稀疏上下文信息。在本文中，我们提倡使用新的元图概念来捕捉更远的节点之间更丰富的结构上下文和语义。元图包含多个节点之间的路径，每个节点描述一种类型的关系，因此多个元路径的增加提供了捕获节点之间丰富的上下文和语义关系的有效方法。这极大地提高了基于元路径的嵌入技术处理非常稀疏的HIN的能力。我们提出了一种新的嵌入式学习算法，即MetaGraph2Vec，该算法使用元图来指导随机游走的产生并学习多类型HIN节点的潜在嵌入。实验结果表明，MetaGraph2Vec能够胜过各种异构网络挖掘任务（如节点分类，节点聚类和相似搜索）中的最新基线。

突发的人类动力学

原文标题： Bursty Human Dynamics

地址： http://arxiv.org/abs/1803.02580

作者： Márton Karsai, Hang-Hyun Jo, Kimmo Kaski

摘要： 突发动力学是自然界中各种复杂系统的共同时间属性，但它也表征了人类行为和相互作用的动态特征。在现象学层面上，它是所有系统随着时间的推移而异质演变的一个特征，它通过在低事件频率和高事件频率之间交替进行。在这样的系统中，突发被识别为事件在短时间间隔内以快速步伐发生的时间段，而这些时间间隔以很长的时间与事件的低频率分开。由于这种动态模式发生在广泛的自然现象中，它们的观察，表征和建模在几个研究领域中一直是一个长期存在的挑战。然而，由于最近通信和数据收集技术的一些发展，可以追踪人类从个人到社会层面的行动和相互作用的数字痕迹。这导致了对人体动力学这个全新但尚未探索过的新领域的突发现象的几个新观察，这个领域呼吁文艺复兴使用包括数据分析和建模在内的研究概念和方法来研究这些系统。因此，该领域积累了大量新的见解和知识以及创新，为我们提供了一个及时的机会，撰写本简要专着，对观测资料进行最新的审查和总结，适当的测量，建模以及在人类行为动态中出现的异构突发模式的应用。

GPSP：基于图分区和空间投影的异构网络嵌入方法

原文标题： GPSP: Graph Partition and Space Projection based Approach for Heterogeneous Network Embedding

地址： http://arxiv.org/abs/1803.02590

作者： Wenyu Du, Shuai Yu, Min Yang, Qiang Qu, Jia Zhu

摘要： 在本文中，我们提出了一种基于图分割和空间投影的新方法GPSP，以了解由多种类型的节点和链接组成的异构网络的表示。具体而言，我们首先将异构网络划分为同构和双向子网络。然后，通过学习投影嵌入向量，提取隐藏在二分子网络中的投影关系。最后，我们将双向子网络的投影向量与从均匀子网络学习的投影向量连接起来，形成异构网络的最终表示。对真实数据集进行了大量实验。结果表明，GPSP在两项关键网络挖掘任务（节点分类和聚类）方面优于最先进的基线。

时间文本网络：基础和结构特性

原文标题： Temporal Text Networks: foundations and structural properties

地址： http://arxiv.org/abs/1803.02592

作者： Davide Vega, Matteo Magnani

摘要： 理解人类信息网络的三个基本要素是网络中的个人，他们交换的信息，这些信息通常在线上以文本内容（电子邮件，社交媒体帖子等）的形式提供，以及这些交互发生的时间。一个非常大量的研究已经解决了这些方面中的一些或者孤立地或者作为它们中的两个的组合。也有越来越多的作品研究存在三种元素的系统，但通常使用不易转移到其他上下文的特设模型和算法。因此，在本文中，我们提出了一个简单的，表达性和可扩展的时间文本网络模型，我们声称可以用作跨不同类型的网络和分析任务的共同点，并且我们展示了如何生成模型视图的简单程序允许直接应用其他领域已经开发的分析方法，从传统的数据挖掘到多层网络挖掘。

去激进化的数学模型中的全局稳定性

原文标题： Global stability in a mathematical model of de-radicalization

地址： http://arxiv.org/abs/1803.02675

作者： Manuele Santoprete, Fei Xu

摘要： 激进化是人们采取日益极端的政治，社会或宗教思想的过程。当激演化导致暴力时，激进思维成为对国家安全的威胁。去激演化计划是打击暴力极端主义和恐怖主义的努力的一部分。这种举措试图改变暴力极端分子的激进信仰和暴力行为，以便将他们重新融入社会。在本文中，我们将介绍一个适用于描述去激化程序的简单分区模型。人口分为四个部分：$（S）$敏感，$（E）$极端主义者，$（R）$招聘者和$（T）$治疗。我们计算基本复制数$ \ mathcal {R} _0 $。对于$ \ mathcal {R} _0 <1 $，系统具有一个全局渐近稳定的均衡，其中不存在极端主义或招募者。对于$ \ mathcal {R} _0> 1 $而言，该系统在极端主义者和招募者是人口特有的地方具有额外的均衡。利用Lyapunov函数来表明，对于$ \ mathcal {R} _0> 1 $，地方性均衡是全局渐近稳定的。我们使用数值模拟来支持我们的分析结果。根据我们的模型，我们评估应对暴力极端主义的策略。

具有多个连续属性的随机块模型

原文标题： Stochastic Block Models with Multiple Continuous Attributes

地址： http://arxiv.org/abs/1803.02726

作者： Natalie Stanley, Thomas Bonacci, Roland Kwitt, Marc Niethammer, Peter J. Mucha

摘要： 随机块模型（SBM）是网络中社区结构的概率模型。通常，仅使用邻接矩阵来执行SBM参数推断。在本文中，我们考虑节点具有连续属性的相关向量的情况，这些属性也用于学习节点到社区的分配和相应的SBM参数。虽然这个假设对于每一个应用都是不现实的，但是我们的模型假定与网络社区中的节点相关的属性可以通过普通的多元高斯模型来描述。在这个增强的，属性的SBM中，目标是同时学习SBM连通概率和描述每个社区的多变量高斯参数。虽然文献中最近有例子将连接性和属性信息结合起来以提供社区检测，但我们的模型是第一个用于处理多个连续属性的增强随机块模型。这提供了生物数据的灵活性，例如，通过来自多种实验模式的连续测量来增强连接性信息。由于缺乏标记的网络数据通常会使社区检测结果难以验证，因此我们强调了我们的模型对两种网络预测任务的有用性：链路预测和协作过滤。作为拟合该随机块模型的结果，可以预测在互补信息源（分别为连通性或属性）的情况下新节点的属性向量或连通性模式。我们还强调了两个生物学实例，其中归因随机块模型在链路预测和协作过滤任务中提供了令人满意的性能。

Facebook直播？现场社交广播是否是真的广播？

原文标题： Facebook (A)Live? Are live social broadcasts really broadcasts?

地址： http://arxiv.org/abs/1803.02791

作者： Aravindh Raman, Gareth Tyson, Nishanth Sastry

摘要： 现场直播的时代已经回来，但有两个重大变化。首先，与传统的电视广播不同，内容现在通过互联网流传，使其能够覆盖更多的观众。其次，由于各种用户生成的内容平台，任何人都有可能参与进来，将自己的内容传输到全世界。这种新兴的上线趋势通常通过社交平台进行，用户通过社交平台主要从他们的移动设备上进行实时社交广播，从而允许他们的朋友（以及普通公众）实时与该流进行互动。随着这种平台的日益普及，预计当前互联网基础设施的负担将会增加。考虑到这一点，我们探索一个这样的知名平台 - Facebook Live。我们收集3TB的数据，代表一个月的全球活动，并探索实时社交广播的特点。由此，我们推导出简单而有效的原理，可以减轻网络负担。然后，我们通过捕获广播公司或制作视频的用户以及与其交互的用户的地理位置，对视频的全局和超本地属性进行剖析。最后，我们研究视频实时播放时的社交活动，并区分同一视频按需播放时的关键方面。整篇论文的一个共同主题是，尽管名称众多，但Facebook Live的许多属性都偏离了现场直播和广播的概念。

模仿或创新：战略更新态度在空间社会困境博弈中的竞争

原文标题： Imitate or innovate: competition of strategy updating attitudes in spatial social dilemma games

地址： http://arxiv.org/abs/1803.02820

作者： Zsuzsa Danku, Zhen Wang, Attila Szolnoki

摘要： 演化是基于这样的假设：竞争对手更新策略以增加个人收益。然而，尽管应用的更新方法可能不同，但以前的大多数作品都提出了统一模型，玩家使用相同的方式来修改他们的策略。在这项工作中，我们将探讨基于模仿或学习态度和基于创新的或近视最佳反应态度如何在复杂模型中竞争空间，其中态度可用。在没有附加成本的情况下，最佳响应特征实际上主导了整个积雪博弈参数空间，这与基本模型的平均收益差异相一致。当涉及额外成本时，模仿态度可以逐渐侵入整个参数空间，但这种转变发生在一个非常平凡的方式中。然而，竞争态度的作用在模仿一般更成功的雄鹿参数空间中被扭转。有趣的是，后一种博弈可以观察到四态解，这是可能状态之间出现的循环支配的结果。这些现象可以通过分析微观入侵过程来理解，这些过程揭示了战略和态度的不平等传播速度。

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。