• 探讨人类衰老中健康缺陷的网络结构;
• 增长策略决定网络性能;
• 有年龄结构的社会互动促进了激演化;
• TrollSpot：检测评论平台中的不当行为;
• 了解新闻奥特莱斯的受众定位模式;
• 学术Twitter的指标;
• 为搜索垂直部署深度排名模型;

探讨人类衰老中健康缺陷的网络结构

原文标题： Probing the network structure of health deficits in human aging

地址： http://arxiv.org/abs/1802.08708

作者： Spencer G. Farrell, Arnold B. Mitnitski, Olga Theou, Kenneth Rockwood, Andrew D. Rutenberg

摘要： 我们面对人类老龄化和死亡率的网络模型，其中节点代表在无标度网络拓扑中相互作用的健康属性，观察数据既使用临床实验室（临床前）健康缺陷作为网络节点。我们发现个人健康属性表现出各种各样的死亡率相互信息，并且通过重建其相对连通性，排名较高的节点更具信息性。令人惊讶的是，我们发现与临床措施相比，实验室措施的互信息范围广泛和重叠。我们确认最近连接和最不连接模型节点之间的相似行为，由最近邻居连接控制。此外，在模型和观测数据中，我们发现最少连接（实验室）节点的损害早于最连接（临床）的缺陷。我们的网络模型的平均场理论捕捉并解释了这种现象，这是由节点及其连接邻居的连通性造成的。我们发现其他网络拓扑结构，包括随机的，小世界的，和分类无标度的网络，都表现出不同的性质。我们的无障碍无标度网络模型与我们在人类衰老中观察到的扩展现象一致，因此是研究人体衰老和死亡的机制和开发新的预测措施的有用工具。

增长策略决定网络性能

原文标题： Growth strategy determines network performance

地址： http://arxiv.org/abs/1806.01878

作者： Ana P. Millán, J.J. Torres, S. Johnson, J. Marro

摘要： 结构和功能之间的相互作用对于确定几个系统的行为至关重要。在这里我们提出一个自适应网络模型的启发在突触修剪，夫妇的活动和拓扑动态。作为瞬态密度的函数，耦合在有序存储器相和无序存储器相之间产生不连续的相变。我们证明，在提供可用于存储稳定存储器的有序固定状态时，存在具有相对高密度的初始瞬态时段是至关重要的。我们还表明，为了以最小的能量消耗获得这些状态，密度的中间值是最优的，并且最终它是网络中的瞬态异质性决定了静止状态。我们的结果可以解释为什么在实际大脑区域观察到的修剪曲线呈现其特征性时间特征，并且最终分别与自闭症和精神分裂症相关的异常伴随着缺陷或过量修剪。

有年龄结构的社会互动促进了激演化

原文标题： Age-structured social interactions enhance radicalization

地址： http://arxiv.org/abs/1806.01975

作者： Yao-Li Chuang, Tom Chou, Maria R. D’Orsogna

摘要： 正如人口研究所证实的那样，不满情绪的青年在支持和采取极端主义理想方面最容易受到影响。为了研究与年龄有关的激演化，我们引入了一个三阶段模型，其中个体在非激进，激进和激进状态下进步，同时也在衰老。各阶段之间的转换被建模为年龄相关的相互作用，这些相互作用在同龄人群中最​​大化，并在成年早期得到加强。为了进行比较，我们还推导了与年龄相关的完整模型对应的与年龄无关的公式。我们发现年龄依赖会导致更复杂的动力学，从而加强某些参数制度的激演化。我们还观察到激进行为在世代循环中衰退和流动的波浪，实现了政治科学中众所周知的范式。虽然政府干预在适当的年龄成为目标时最为有效，但决定采取预防措施还是纠正措施更好取决于激演化进程的积极性。

TrollSpot：检测评论平台中的不当行为

原文标题： TrollSpot: Detecting misbehavior in commenting platforms

地址： http://arxiv.org/abs/1806.01997

作者： Tai Ching Li, Joobin Gharibshah, Evangelos E. Papalexakis, Michalis Faloutsos

摘要： Disqus这样的评论平台已经成为拥有数百万用户和职位的主要在线交流平台。它们的受欢迎程度也吸引了寄生和恶意行为，如拖钓和垃圾邮件。对这些平台的建模和维护的研究相对较少。作为我们的主要贡献，我们开发了一种系统的方法来检测评论平台上的恶意用户，重点是：（a）可解释的，和（b）恶意分类的细粒度。我们的工作有两个关键的新颖之处：（a）我们提出了两种分类方法，一种采用两阶段方法，首先将可观察特征映射到行为，然后将这些行为映射到用户角色;（b）包含四个维度信息的73个特征。我们在9个月的时间内使用了700万条评论，并且我们显示我们的分类方法能够以0.904 AUC区分良性和恶意角色（垃圾邮件发送者，推销者和狂热分子）。我们的工作是迈出坚实的一步，确保评论平台成为交流意见的安全和愉快的媒介。

了解新闻奥特莱斯的受众定位模式

原文标题： Understanding News Outlets’ Audience-Targeting Patterns

地址： http://arxiv.org/abs/1806.02155

作者： Erick Elejalde, Leo Ferres, Rossano Schifanella

摘要： 新闻界塑造人口信息景观的力量是无与伦比的，即使在民主进入所有信息渠道的时代也是如此。然而，众所周知，新闻媒体（特别是更传统的媒体）倾向于歧视他们想要接触的人，以及将谁留在一边。在这项工作中，我们试图利用智利媒体生态系统来阐明报纸的受众定位模式。首先，我们使用引力模型来分析地理因素，作为解释受众可达性的一个因素。这表明一些报纸的确受到地理因素（主要是地方新闻媒体）的驱动，但其他一些报纸不是（全国性的分销渠道）。对于那些不是，我们使用回归模型来研究社会经济和政治特征对新闻采用的影响。我们的结论是，确实较大的全国性分布式新闻媒体以这些因素为基础来定位人群，而不是基于地理或即时性。

学术Twitter的指标

原文标题： Scholarly Twitter metrics

地址： http://arxiv.org/abs/1806.02201

作者： Stefanie Haustein

摘要： Twitter可以说是构成所谓altmetrics基础的数据源中最受欢迎的。作为引用的早期指标以及社会影响的衡量标准，推荐学术文档的推文已被预言。本章从关键角度提供了Twitter活动的概述作为学术指标的基础，同时也描述了学术Twitter指标的潜力和局限性。通过回顾Twitter上的学术交流文献并分析与学术文献链接的2400万条推文，它旨在提供对研究评估背景下可以或不可以评估推文的基本认识。超越了推文和引文之间低度相关性的有限解释力，本章考虑了Twitter上流行的学术文献的类型，以及他们如何扩散，何时何地扩散，从而了解学术文献的推文。尽管本章无法解决与从社交媒体创建有意义的指标相关的问题，但它强调了特定的问题并旨在为高级学术Twitter指标提供基础。

为搜索垂直部署深度排名模型

原文标题： Deploying Deep Ranking Models for Search Verticals

地址： http://arxiv.org/abs/1806.02281

作者： Rohan Ramanath, Gungor Polatkan, Liqin Xu, Harold Lee, Bo Hu, Shan Zhou

摘要： 在本文中，我们提出了执行复杂机器学习模型的体系结构，例如捕获查询和文档之间的语义相似性的神经网络;并部署到服务于500M +用户的真实世界的生产系统。我们介绍现实世界中出现的挑战以及我们如何解决这些挑战。我们证明我们的架构提供了竞争建模功能，而且在延迟方面对系统没有任何显著的性能影响。我们的模块化解决方案和见解可以被其他真实世界的搜索系统用来实现和生产近期在神经网络中的收益。

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。