• 具有社区结构的网络的弹性表现类似受到外场影响;
• 日记会鼓励更健康的选择吗？食品饮料行业健康饮食行为分析;
• Eat＆Tell：一项随机损失激励的随机试验来增加饮食自我跟踪遵从性;
• 非本地选民模式中的噪音驱动偏差;
• 找到图数据和根植的顶点覆盖;
• 基于Voronoi图的方向选择使用单向和双向轨迹数据的研究;
• 聚类图二次多项式动力学的亚稳性及其生物学意义;
• 图上的动态结构相似性;

具有社区结构的网络的弹性表现类似受到外场影响

原文标题： Resilience of networks with community structure behaves as if under an external field

地址： http://arxiv.org/abs/1805.01032

作者： Gaogao Dong, Jingfang Fan, Louis M. Shekhtman, Saray Shai, Ruijin Du, Lixin Tian, Xiaosong Chen, H.Eugene Stanley, Shlomo Havlin

摘要： 检测和表征社区结构在网络系统研究中起着至关重要的作用。但是，社区结构如何影响系统的弹性和稳定性仍然缺乏了解。在这里，我们开发了一个框架来研究基于渗流理论的社区结构网络的弹性。我们在分析和数值上发现，相互连接（社区之间的连接）以类似于铁磁 - 顺磁自旋系统中的外部场的方式影响渗滤相变。我们还通过定义类似的临界指数$ \ delta $和$ \ gamma $来研究普遍性类，并且发现它们在各种模型和现实世界共同作者网络中的值遵循物理相变中的基本尺度关系。这里介绍的方法和结果不仅有助于研究网络的弹性，而且为理解外部领域的相变带来了新的视角。

日记会鼓励更健康的选择吗？食品饮料行业健康饮食行为分析

原文标题： Does Journaling Encourage Healthier Choices? Analyzing Healthy Eating Behaviors of Food Journalers

地址： http://arxiv.org/abs/1805.01129

作者： Palakorn Achananuparp, Ee-Peng Lim, Vibhanshu Abhishek

摘要： 过去的研究表明食物记录在促进正念饮食和更健康的食物选择方面的好处。然而，日记和健康饮食之间的联系尚未经过彻底检查。除了卡路里限制之外，治疗师是否始终如一地充分消费健康的饮食？他们的饮食习惯与那些对健康意识不那么强的普通消费者相比有何不同？在这项研究中，我们使用来自MyFitnessPal的数据分析活性食品测试者的健康饮食行为。令人惊讶的是，我们的调查结果显示，食品审查员尽管健康饮食倾向于健康，但他们的健康状况并不健康，他们的食物选择类似于普通民众。此外，我们发现日记的持续时间只是健康饮食结果的一个边际决定因素，社会人口因素（如性别和居住地区）对健康食物选择的预测性要高得多。

Eat＆Tell：一项随机损失激励的随机试验来增加饮食自我跟踪遵从性

原文标题： Eat & Tell: A Randomized Trial of Random-Loss Incentive to Increase Dietary Self-Tracking Compliance

地址： http://arxiv.org/abs/1805.01130

作者： Palakorn Achananuparp, Ee-Peng Lim, Vibhanshu Abhishek, Tianjiao Yun

摘要： 越来越多的证据表明，将行为经济学原理纳入财务激励计划的设计有助于提高其成本效益，促进个人的短期参与并提高健康行为干预措施的合规性。然而，他们对长期参与的影响尚未得到充分研究。在为确保行为规律而需要反复施用激励措施的研究设计中，由于边际效用递减规律，后续激励措施的有效性可能会降低。在本文中，我们引入了随机损失激励 - 一种基于损失厌恶和不可预测性原则的新的财务激励 - 来解决个体对随着时间的推移反复干预不敏感的问题。我们通过开展一项随机对照试验来评估新的激励设计，以使用名为Eat＆Tell的移动网络应用程序来测量随机损失对参与者的饮食自我追踪和自我报告遵从性的影响。结果表明，随机损失在鼓励长期参与方面比固定损失更有效。

非本地选民模式中的噪音驱动偏差

原文标题： Noise-driven bias in the non-local voter model

地址： http://arxiv.org/abs/1805.01171

作者： Kevin Minors, Tim Rogers, Christian A Yates

摘要： 对小领域有强大的影响力，或对较大领域有较弱的影响力更有效？在这里，我们引入和分析选民模型的离格泛化，其中代理人影响的范围和强度是控制参数。我们考虑低密度和高密度两种情况，并使用不同的数学方法推导出代理密度演变的分析预测。我们发现，即使代理人平均具有同等的说服力，那些影响力更大但更弱的人也会有整体的噪音驱动优势，使他们能够可靠地统治整个人口。我们讨论我们的结果的影响和我们的模型（或其改编）的潜力，以提高对政治运动策略和疾病演变的理解。

找到图数据和根植的顶点覆盖

原文标题： Found Graph Data and Planted Vertex Covers

地址： http://arxiv.org/abs/1805.01209

作者： Austin R. Benson, Jon Kleinberg

摘要： 记录网络数据的典型方法是测量指定的一组核心节点之间的所有交互;这产生了一个包含这个核心的图表，以及一个可能更大的连接到核心的边节点。然而，边中节点对之间的相互作用不会被这个过程记录下来，因此不会出现在结果图数据中。例如，电话服务提供商可能只有其中至少一个参与者是客户的呼叫记录;这可以包括客户和非客户之间的呼叫，但不包括非客户之间的呼叫。关于哪些节点属于核心的知识是对于解释网络数据集至关重要的重要元数据。但在很多情况下，这种元数据不可用，要么是因为数据来源困难而丢失数据，要么是因为网络包含在反监视等设置中获得的数据。这导致了一个自然的算法问题，即核心集合的恢复。由于核心集形成图的顶点覆盖，所以我们基本上具有种植顶点覆盖问题，但是具有任意的底层图。我们基于固定参数易处理理论的结果以及用于恢复核心的算法，开发了用于分析该种植的顶点覆盖问题的理论框架。我们的算法快速，易于实现，并且在各种真实世界的数据集上基于网络核心 - 外围结构提供了几种方法。

基于Voronoi图的方向选择使用单向和双向轨迹数据的研究

原文标题： Investigation of Voronoi diagram based Direction Choices Using Uni- and Bi-directional Trajectory Data

地址： http://arxiv.org/abs/1805.01324

作者： Yao Xiao, Mohcine Chraibi, Yunchao Qu, Antoine Tordeux, Ziyou Gao

摘要： 在人群中，个人做出不同的动作选择，例如“移动到目的地”，“跟随另一个行人”和“绕道而行”。为了方便起见，本文分别将三种方向选择分别称为目标方向，跟随方向和绕行方向。在这里，发现特色的方向选择可能受Voronoi图的形状特征的启发。具体而言，在行人的Voronoi单元中，Voronoi节点的方向被认为是潜在的“绕行”方向，并且垂直于Voronoi链路的方向被认为是潜在的“跟随”方向。一个行人通常在Voronoi单元中拥有多个替代Voronoi节点和Voronoi链路，并且通过考虑偏差等相关因素来确定最佳绕行路径和跟随方向。加上直接指向目的地的目的地方向，三个基本方向选择在Voronoi单元中定义。为了评估基于Voronoi图的基本方向，提取单向和双向流动实验中的经验轨迹数据。考虑步频的时间序列方法用于减少原始轨迹的摇摆现象，这可能会干扰对实际前向的识别。研究了经验速度方向与基本方向之间的偏差，并根据偏差将每个速度方向分为基本方向或视为不可解释的方向。分析结果表明，每个基本方向可能是行人潜在的方向选择。三个基本方向的组合可以涵盖单向和双向流动实验中大多数经验速度方向选择。

聚类图二次多项式动力学的亚稳性及其生物学意义

原文标题： On the Metastability of Quadratic Majority Dynamics on Clustered Graphs and its Biological Implications

地址： http://arxiv.org/abs/1805.01406

作者： Emilio Cruciani, Emanuele Natale, Giacomo Scornavacca

摘要： 我们调查了展示集群结构的网络拓扑中的简单多数动态行为。通过利用动力学分析的最新进展，我们证明，当节点的初始状态是随机初始化的，或者当它们满足轻微的偏倚条件时，网络将迅速而稳定地收敛到一个配置，在该配置中，群集保持内部一致在两个不同的州。这是对非完整拓扑中非共识问题的动态行为的第一个分析结果，它基于此类设置中的第一个对称破缺分析。在对标签传播算法（一种广泛使用的用于数据挖掘中的聚类的启发式）的研究中，它代表了具有拟线性消息复杂度的标签传播算法行为的第一个理论结果。在演化生物学的背景下，动力学如莫兰过程已被用于模拟遗传群体中突变的扩散。我们的结果表明，当演化图的节点采用给定变异的概率依赖于节点邻域中变异的频率的超线性关系，而基础演化图具有聚类结构时， \ emph {物种分化}发生的不可忽略的可能性。最后，在神经科学的背景下，演化图动力学已经被用来模拟突触在肌肉发育过程中的神经支配。我们的结果通过对更广泛的动力学类型的数值模拟得到证实，为了使模型符合关于神经支配结果的实验​​证据，神经支配点不显示空间瓶颈或动力学不能基于类似多数的机制。

图上的动态结构相似性

原文标题： Dynamic Structural Similarity on Graphs

地址： http://arxiv.org/abs/1805.01419

作者： Eduar Castrillo, Elizabeth León, Jonatan Gómez

摘要： 表征图中顶点和边的拓扑和结构属性的一种方法是使用结构相似性度量。诸如余弦，Jaccard和Dice等措施计算限制在顶点邻近区域的相似性，绕过了局部以外的重要结构特性。其他度量（如广义边聚类系数）超出了本地范围，但计算复杂度高，使得它们在大规模情景中不切实际。在本文中，我们提出了一种新的相似性度量，它通过动态扩散和捕获局部以外的信息来确定结构相似性。这种新的相似性被模拟为一个迭代函数，可以通过超线性时间和内存复杂度的固定点迭代来解决，因此它能够分析大规模图。为了显示社区检测任务中所提出的相似性的优点，我们用SCAN算法中使用的局部结构相似性替换了所提出的相似性度量，提高了检测到的社区结构的质量并且还降低了对参数$ SCAN算法的\ epsilon $。

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。