• Forman的Ricci曲率：从网络到超网络;
• 基于朴素贝叶斯分类的西爪哇州长选举公众情感文本挖掘应用体系结构;
• 生产网络如何放大经济增长;
• 利用直觉模糊集从流量交互检测网络流量异常;
• 安卓设备使用Wi-Fi Direct的基于档案文件的临时社会网络;
• 跟踪时间衰减动态交互网络中的影响力节点;

Forman的Ricci曲率：从网络到超网络

原文标题： Forman’s Ricci curvature - From networks to hypernetworks

地址： http://arxiv.org/abs/1810.07749

作者： Emil Saucan, Melanie Weber

摘要： 网络及其更高阶的概括，例如超网络或多路复用网络，是应用科学中越来越流行的模型。然而，为研究其结构特性而开发的方法几乎没有超出通用名称和组合工具的严重依赖性。事实上，我们表明，几何统一方法是可能的，通过将它们视为多面体复合体，赋予了简单而强大的曲率概念 - 福尔曼里奇曲率。我们系统地探索了与加权和有向超网络建模相关的一些方面，并提出了其定义中涉及的表达和自然选择。这种方法的一个好处是在欧式N空间中保留超网络嵌入结构的简单方法。此外，我们介绍了一种简单有效的方法来计算超网络的成熟Ollivier-Ricci曲率。

基于朴素贝叶斯分类的西爪哇州长选举公众情感文本挖掘应用体系结构

原文标题： Architecture of Text Mining Application in Analyzing Public Sentiments of West Java Governor Election using Naive Bayes Classification

地址： http://arxiv.org/abs/1810.07767

作者： Suryanto Nugroho, Prihandoko

摘要： 选举West Java州长是一个抓住公众注意力的事件，社交媒体用户也不例外。对未来区域领导者的公众舆论有助于预测选民的选举和倾向。可以从Twitter获得可以由意见挖掘过程使用的数据。由于数据形式多样且非结构化，因此必须使用数据预处理技术将数据管理和不通知为半结构化数据。这种半结构化信息之后是分类阶段，以将意见分类为消极或积极意见。研究方法使用文献研究，研究将检查以前关于类似主题的研究。本研究的目的是找到正确的架构，将其发展为应用twitter意见挖掘，以了解公众对西爪哇州长选举的看法。这项研究的结果是，Twitter意见挖掘是文本挖掘的一部分，如果想要对Twitter中的意见进行分类，必须首先通过预处理文本阶段。 twitter数据所需的预处理步骤是清理，案例折叠，POS标记和词干。由此产生的文本挖掘体系结构是一种可用于具有不同主题的文本挖掘研究的体系结构。

生产网络如何放大经济增长

原文标题： How production networks amplify economic growth

地址： http://arxiv.org/abs/1810.07774

作者： James McNerney, Charles Savoie, Francesco Caravelli, J. Doyne Farmer

摘要： 技术进步是长期经济增长的最重要原因，但驱动它的因素仍未得到充分了解。在标准增长模型中，技术是综合处理的，主要目标是了解增长如何依赖于知识生产等因素。但是，经济也可以被视为一个网络，在这个网络中，生产者购买商品，将其转换为新商品，然后将其出售给家庭或其他生产者。在这里，我们开发了一个简单的理论，展示了经济的网络属性如何随着生产链的传播而放大技术改进的影响。一个行业的一个关键属性是其产出乘数，可以理解为制造商品所需的平均生产步骤数。该模型预测一个行业的产出乘数预测未来价格的变化，一个国家的平均产出乘数预测未来的经济增长。我们使用来自世界输入输出数据库的数据测试这些预测，并找到与模型一致的结果。结果表明，与创新或人类创造力无关的经济的纯粹结构性质如何对长期增长产生重要影响。

利用直觉模糊集从流量交互检测网络流量异常

原文标题： Using Intuitionistic Fuzzy Set for Anomaly Detection of Network Traffic from Flow Interaction

地址： http://arxiv.org/abs/1810.07796

作者： Jinfa Wang, Hai Zhao, Jiuqiang Xu, Hequn Li, Shuai Chao, Chuangyang Zheng

摘要： 我们提出了一种检测流动相互作用模式的时间序列中的异常的方法。存在许多用于网络流量中的异常检测的方法，例如分组的数量。然而，存在未建立的方法来检测可以表示为复杂网络的流交互模式的时间序列中的异常。首先，基于时间局部性的多变量流相似性方法，构造复杂网络模型（MFS-TL）来描述交通流的交互行为。分析了MFS-TL特征，时间局部窗口和多变量流相似性临界阈值之间的关系，建立了参数确定方法。观察到MFS-TL特征的演变后，为网络状态（即正常或异常）定义了三个非确定性相关。此外，引入直觉模糊集（IFS）来量化三个非确定性相关，然后针对单个特征序列提出异常检测方法。为了构建客观的IFS，我们设计了一个具有可变犹豫度的基于高斯分布的隶属函数。为了确定IFS的聚类间隔到网络状态的映射，开发了区分索引。然后，提出了一种IFS集成方法（IFSE-AD），以消除MFS-TL特性与网络状态不一致的影响，提高检测性能。最后，我们对几个网络流量数据集进行了大量实验以进行异常检测，结果证明了IFSE-AD对最先进方法的优越性，验证了我们方法的有效性。

安卓设备使用Wi-Fi Direct的基于档案文件的临时社会网络

原文标题： Profile-Based Ad Hoc Social Networking Using Wi-Fi Direct on the Top of Android

地址： http://arxiv.org/abs/1810.07886

作者： Nagender Aneja, Sapna Gambhir

摘要： Ad-hoc社会网络已经变得流行，以支持与基于位置的移动服务相关的新颖应用，这些应用对用户和企业非常重要。与使用集中式服务器获取位置的传统社交服务不同，ad-hoc社会网络服务支持基础设施较少的实时社会网络。它允许用户随时随地进行协作和共享视图。然而，当前的ad-hoc社会网络应用要么在没有移动电话的情况下不可用，要么在没有集中式服务器的情况下不基于共同兴趣过滤附近的用户。本文介绍了商用移动设备上的社会网络的体系结构和实现，它允许广播名称和有限数量的关键字代表用户的兴趣而在附近区域没有任何连接以促进兴趣的匹配。广播区域创造了数字光环，并受到约200米的WiFi区域的限制。应用程序使用对等通信模式连接用户以基于其简档或兴趣形成组，而无需使用任何集中式网络或配置文件匹配基础结构。当网络不可用时，对等组可用于专用通信。

跟踪时间衰减动态交互网络中的影响力节点

原文标题： Tracking Influential Nodes in Time-Decaying Dynamic Interaction Networks

地址： http://arxiv.org/abs/1810.07917

作者： Junzhou Zhao, Shuo Shang, Pinghui Wang, John C.S. Lui, Xiangliang Zhang

摘要： 识别可以共同触发网络中最大影响传播的有影响的节点是许多应用中的基本问题，例如病毒式营销，在线广告和疾病控制。大多数现有的研究都认为社会影响是静态的，它们无法捕捉到现实中影响的动态。在这项工作中，我们通过设计可以从高度动态的节点交互流中识别有影响的节点的高效流方法来解决动态影响挑战。我们首先提出了一种通用的{\ em时间衰减动态交互网络}（TDN）模型来模拟节点交互流，并能够平滑地丢弃过时的数据。基于TDN模型，我们设计了三种算法，即{\ sc SieveADN}，{\ sc BasicReduction}和{\ sc HistApprox}。 {\ sc SieveADN}从特殊类型的TDN中有效地识别有影响的节点。 {\ sc BasicReduction}使用{\ sc SieveADN}作为基本构建块来识别来自一般TDN的有影响的节点。 {\ sc HistApprox}显著提高了{\ sc BasicReduction}的效率。更重要的是，我们理论上表明所有三种算法都享有恒定因子近似保证。在各种真实交互数据集上进行的实验表明，我们的方法找到了接近最优的解决方案，其速度比基线方法快至少5到15。

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。