• 信息传播对多路网络疫苗接种的影响;
• 通过优先考虑最小度的治疗策略对抗相互依赖空间嵌入网络的局部攻击;
• 成功的博士后奖学金发表记录是什么样的？;
• 智能网络场论：区块链和深度学习的技术物理学;
• 使用基于主体的模型对运输网络进行震后建模;
• 机器人的生活;
• 复杂网络的可延展性;
• 复杂网络上带死亡过程的囚徒困境博弈：最低要求和移民的影响;
• 复杂振荡网络和电网中的关键角色问题：阻力中心识别局部脆弱性;
• 通过图卷积网络寻找适当的交通规则;
• 用结构特征空间分解预测和解释行为数据;
• 社会网络演变中的社会地位与沟通行为;
• 基于影响的网络中心性系统框架与特征;

信息传播对多路网络疫苗接种的影响

原文标题： The Impact of Information Dissemination on Vaccinating Epidemics in Multiplex Networks

地址： http://arxiv.org/abs/1810.09439

作者： Xiao-Jie Li, Cong Li, Xiang Li

摘要： 信息传播对流行病控制的影响主要影响个人行为。在信息驱动的行为中，疫苗接种由成本相关因素决定，与信息传播的相关性尚不清楚。为此，我们提出了一个模型，将信息 - 流行病传播过程整合到多元网络中的演化疫苗接种博弈中，并探索信息传播如何影响疫苗接种行为。我们在多路复用网络上提出了一种双层耦合敏感警报感染敏感（SAIS）模型，其中强度系数被定义为表征信息传播的趋势和强度。通过演化博弈论，我们得到了疫苗接种博弈的均衡疫苗接种水平（演化稳定策略）。在探讨了强度系数对平衡疫苗接种水平的影响后，我们得出一个反直觉的结论，即更多的信息传递不能促进疫苗接种。具体而言，当疫苗接种成本在一定范围内时，增加的信息传播甚至导致平衡疫苗接种水平的下降。此外，我们研究了强度系数对感染密度和社会成本的影响，并通过数值模拟揭示了信息传播在控制疫情中的作用。

通过优先考虑最小度的治疗策略对抗相互依赖空间嵌入网络的局部攻击

原文标题： The healing strategy by prioritizing minimum degree against localized attacks on interdependent spatially embedded networks

地址： http://arxiv.org/abs/1810.09441

作者： Kai Gong, Jia-Jian Wu, Qing Li, Yi-Xin Zhu

摘要： 许多真实的基础设施网络，例如电网和通信网络，不仅相互依赖，而且还嵌入空间。许多工作致力于揭示相互依赖的空间嵌入式网络的漏洞，考虑随机故障。然而，最近的研究表明，它们易受地理位置局部的攻击或自然灾害或恐怖袭击造成的故障的影响，这些攻击会影响给定半径范围内的所有节点。特别是，小的局部攻击可能导致灾难性后果。作为崩溃不稳定性的补救措施，一项研究引入了动态治愈策略以及新概率的可能性（称为随机治疗），以桥接故障节点的两个剩余邻居。随机策略很简单。在这里，与以前的策略不同，我们提出了一种简单但有效的策略，称为通过优先级最小化程度（HPMD）的治疗策略，其在级联故障期间以最小程度在两个功能邻居之间建立新的链接。另外，我们考虑两个节点之间的距离，以避免改变网络结构。之后，在HPMD和三种治疗策略之间进行比较：随机，程度中心性和局部中心性，以确定哪一对邻居具有高优先级。仿真实验给出了两个方形网格，其尺寸与局部攻击下相互依存的空间嵌入网络相同。结果表明HPMD策略具有出色的抗局部攻击性能，即使治疗比例不同也是如此。此外，HPMD更及时，更具适用性和成本。我们的方法在实践中是有意义的，因为它可以极大地增强相互依赖的空间嵌入式网络抵御局部攻击的弹性和鲁棒性。

成功的博士后奖学金发表记录是什么样的？

原文标题： What Does a Successful Postdoctoral Fellowship Publication Record Look Like?

地址： http://arxiv.org/abs/1810.09505

作者： Joshua Pepper, Oliwia D. Krupinska, Keivan G. Stassun, Dawn M. Gelino

摘要： 获得天文学和天体物理学奖后博士后奖学金涉及许多因素，其中许多因素无法量化。可以衡量的一个标准是申请人的出版记录。因此，过去奖学金获得者的出版记录可能为未来的申请人提供一些定量指导。我们使用NASA ADS参考系统调查了2014年至2017年哈勃，爱因斯坦和萨根项目中美国宇航局奖学金博士后奖学金获得者的出版模式。我们在提交奖学金申请时将他们的出版物制成表格，我们发现在该时间范围内的133个奖学金获得者的中位数为6 +/- 2个第一作者出版物，14 +/- 6个共同出版物。全系列的第一作者论文是1到15，所有论文的范围从2到76，表明出版物模式非常多样化。因此，虽然奖学金获得者通常具有强大的出版记录，但第一作者和共同撰写的论文的分布相当广泛;获得这些奖学金所需的出版物没有明显的门槛。我们还在分析的四年中检查了三个奖学金计划（男性和女性接受者）之间的博士后出版率，并发现没有一致的趋势。我们希望这些研究结果将成为未来初级科学家的有用参考。

智能网络场论：区块链和深度学习的技术物理学

原文标题： Smart Network Field Theory: The Technophysics of Blockchain and Deep Learning

地址： http://arxiv.org/abs/1810.09514

作者： Melanie Swan, Renato P. dos Santos

摘要： 本文的目的是提出一个理论构建，智能网络领域理论，用于智能网络系统的表征，监控和控制。智能网络系统是智能自主运行网络，是一种新形式的全球计算基础设施，包括区块链，深度学习和自动攻击无人机。这些类型的大规模网络是具有数千，数百万和数十亿组成元素的当代现实，并且为其设计和操作提供了基础和理论上稳健的模型。因此，这项工作提出了智能网络领域理论，从统计物理学，有效领域理论和模型系统，用于智能网络系统中的关键性检测和车队多项目编排。智能网络场理论属于技术物理学（物理学在技术研究中的应用）的广泛关注，其中一个关键目标是推导评估系统临界性和相变的标准化方法，并定义微观层次之间的中间系统结构。噪音和宏观标签。由于智能网络计算资源的可用性，这项工作的进一步影响包括重新构建P / NP计算复杂度模式的可能性，因为它不再基于传统时间（并发）和空间约束。

使用基于主体的模型对运输网络进行震后建模

原文标题： Post-earthquake modelling of transportation networks using an agent-based model

地址： http://arxiv.org/abs/1810.09515

作者： Kairui Feng, Quanwang Li, Bruce R. Ellingwood

摘要： 地面运输系统是城市交通基础设施的重要组成部分，易受地震破坏。这种损害以及缺乏地震事件的预先警告可能导致正常交通模式的严重和意外中断，这可能严重损害灾后响应。因此，在地震发生后立即了解和模拟城市交通系统的性能非常重要，以评估其支持应急响应的能力，例如消防员，搜救队和医务人员的移动以及受伤人员的运输到紧急处理设施。为此，开发了基于场景的方法，以使用基于主体的模型对地震后的运输网络的性能进行建模。该方法考虑了目的地的突然变化，驾驶员的非理性行为，交通信息的不可用性以及桥梁损坏和建筑垃圾造成的交通容量受损。利用中国唐山市道路网的一个例子表明，该方法可以在地震发生后立即捕捉到交通流特征，并可以根据上述因素确定交通网络将受伤人员转移到医院的能力。因此，它可以为在灾后紧急情况下评估地面运输系统的性能提供合理的支持。

机器人的生活

原文标题： The Lives of Bots

地址： http://arxiv.org/abs/1810.09590

作者： R. Stuart Geiger

摘要： 自动软件代理—或机器人 - 长期以来一直是维基百科志愿者编辑社区编写，编辑，更新，监控和审核内容的重要组成部分。在本文中，我将讨论维基百科机器人运行的复杂社交和技术环境。本文重点介绍英语维基百科机器人策略的建立和作用，以及Bot Approvals Group，这是一个志愿者委员会，负责审查新机器人的应用程序并帮助解决维基百科之间关于自动化的冲突。特别是，我研究了维基百科中第一个机器人的早期机器人争议，以自动执行关于维基编辑如何在讨论空间中进行交互的社会规范。正如我所展示的那样，机器人在维基百科中实施了许多规则，但是人类生产这些机器人并围绕其操作协商规则。由于维基百科围绕自动化过程的开放性，我们可以生动地观察到这些算法系统中常见的人类工作 - 与大多数其他用户生成的内容平台形成鲜明对比。

复杂网络的可延展性

原文标题： Malleability of complex networks

地址： http://arxiv.org/abs/1810.09602

作者： Filipi N. Silva, Cesar H. Comin, Luciano da F. Costa

摘要： 大多数复杂网络不是静态的，而是随着时间的推移而发展。给定一个这样的变化网络的特定配置，量化其拓扑的可能展开的多样性变得特别有趣。在这项工作中，我们建议网络的可塑性概念，其定义为每个可能的展开相对于给定配置的概率的熵的指数。我们计算了涉及拓扑的特定测量的可塑性。更具体地，我们识别可从给定配置导出的可能拓扑并计算它们的一些拓扑测量（例如，聚类系数，最短路径长度，协同性等），导致各个概率与每个可能的测量值相关联。尽管这种方法在从拓扑到测量空间的映射中意味着某种程度的简并性，但它仍然为在给定的拓扑测量中推断特定网络类型的可塑性铺平了道路。我们报告一般来说，延展性取决于每个特定的测量，平均最短路径长度和度数相关性通常导致大的延展性值。观察到维基百科网络的最大延展性和Watts-Strogatz模型的最小延展性。

复杂网络上带死亡过程的囚徒困境博弈：最低要求和移民的影响

原文标题： Prisoner’s dilemma game on complex networks with a death process: Effects of minimum requirements and immigration

地址： http://arxiv.org/abs/1810.09603

作者： Wonhee Jeong, Unjong Yu

摘要： 我们在人口变化的复杂网络上展示了囚徒困境博弈的结果。我们引入了一个具有最低要求的死亡过程，并表明它引发了一个高度合作的社会。我们还研究移民对社会的影响。我们表明，社会移民的可接受数量取决于社会人口，移民合作者的比例和移民间隔。此外，如果移民有优惠的依恋关系，可接受的移民人数会增加。

复杂振荡网络和电网中的关键角色问题：阻力中心识别局部脆弱性

原文标题： The Key Player Problem in Complex Oscillator Networks and Electric Power Grids: Resistance Centralities Identify Local Vulnerabilities

地址： http://arxiv.org/abs/1810.09694

作者： Melvyn Tyloo, Laurent Pagnier, Philippe Jacquod

摘要： 识别一组耦合的单个系统中的关键参与者是网络理论中的基本问题。它的起源可以追溯到社会科学，并导致基于图论中心性的排序算法。耦合动力系统与社会网络的不同之处在于，它们的特征在于具有确定性动力学的自由度，并且各个单元之间的耦合是这些自由度的明确定义的函数。因此，人们期望得到的耦合动态，而不仅仅是网络拓扑，也决定了关键参与者。在这里，我们研究可同步的网络耦合动力系统，如高压电网和耦合振荡器。我们搜索节点，这些节点一旦受到局部噪声干扰的干扰，就会产生远离同步的最大总瞬态偏移。耦合矩阵的谱分解导致该识别问题的优雅，简洁且准确的解决方案。我们表明，当节间耦合矩阵是拉普拉斯算子时，这些关键参与者在从有效电阻距离定义的中心度量的意义上是外围的。对于诸如弱负载电网或一致性算法的线性耦合动态系统，无论操作同步状态如何，通过单个拉普拉斯矩阵求逆有效地获得节点等级。我们将得到的排名指数称为LRank。对于重载电网或耦合振荡器系统更接近转换到同步，非线性使得节点等级取决于同步状态。在这种情况下，加权拉普拉斯矩阵求逆给出另一个排名索引，我们称之为WLRank。非常令人惊讶的是，我们发现即使对于发展良好的耦合非线性，LRank也能提供忠实的排名，对应于振荡器角度差异高达 40 ^ o 近似。

通过图卷积网络寻找适当的交通规则

原文标题： Finding Appropriate Traffic Regulations via Graph Convolutional Networks

地址： http://arxiv.org/abs/1810.09712

作者： Tomoharu Iwata, Takuma Otsuka, Hitoshi Shimizu, Hiroshi Sawada, Futoshi Naya, Naonori Ueda

摘要： 适当的交通规则，例如计划中的封路，在拥挤的事件中很重要。人群模拟器已被用于通过模拟具有不同规则的多个场景来找到适当的规则。但是，这种方法需要多次模拟运行，这非常耗时。在本文中，我们提出了一种方法来学习在当前交通状况作为输入的情况下输出调节效应的函数。如果事先使用许多模拟运行的训练数据来学习该功能，则可以通过绕过当前情况的模拟来有效地获得适当的调节。我们使用图卷积网络对函数进行建模，这使我们能够在不可见的区域找到规则。通过所提出的方法，我们为每个区域构建图，其中节点表示道路，边表示道路连接。通过对各个领域的各种法规进行人群模拟，我们可以产生交通状况和监管效果。训练图卷积网络以输出给定图的调节效果，其中交通状况信息作为输入。通过使用真实世界道路网络和人群模拟器的实验，我们证明了所提出的方法可以找到关闭的道路，这减少了到达目的地所需的平均时间。

用结构特征空间分解预测和解释行为数据

原文标题： Predicting and Explaining Behavioral Data with Structured Feature Space Decomposition

地址： http://arxiv.org/abs/1810.09841

作者： Peter G Fennell, Zhiya Zuo, Kristina Lerman

摘要： 由于其规模，稀疏性（每个人的观察很少），异质性（不同行为的个体）和类别不平衡（对感兴趣的结果的观察很少），对人类行为数据建模具有挑战性。另一个挑战是学习一种可解释的模型，该模型不仅可以准确预测结果，还可以识别与给定行为相关的重要因素。为了解决这些挑战，我们描述了一种建模行为数据的统计方法，称为结构化平方和分解（S3D）。该算法受决策树的启发，选择重要特征，共同解释结果的变化，量化特征之间的相关性，并将重要特征的子空间划分为更小，更均匀的块，这些块对应于内部的类似行为的子群。人口。这个分区子空间允许我们在统计和视觉上预测和分析结果变量的行为，提供一种媒介来检查各种特征的影响并创建可解释的预测。我们应用S3D来学习从各种站点收集的大规模数据的在线活动模型，例如Stack Exchange，Khan Academy，Twitter，Duolingo和Digg。我们展示了S3D创建了简约模型，可以在与最先进方法相当的水平上预测保留数据中的结果，但此外，还生成可解释的模型，提供对行为的洞察。这对于告知旨在改变行为，设计社会系统的策略以及解释预测非常重要，这是实现最小化算法偏差的关键步骤。

社会网络演变中的社会地位与沟通行为

原文标题： Social Status and Communication Behavior in an Evolving Social Network

地址： http://arxiv.org/abs/1810.09956

作者： Sahand Akbari

摘要： 个人在网络社区中对信息和意见动态传播施加影响的程度在很大程度上取决于他们的社会地位。因此，通过预测他们在该社区中的社会地位，非常需要识别社区中的有影响力的用户。此外，了解具有不同社会地位的人如何表现，可以揭示社会网络中互动的动态。在本文中，我研究了一个不断发展的在线社会网络，该网络起源于大学生的在线社区，我根据观察到的行为的重复时间序列的频率，即行为主题来解决预测用户社会地位的问题，表示为他们的PageRank。 。我表明，具有不同PageRank值的个体即使在网络社区开始以来的最初几周也表现出不同的行为，并且可以在给定行为主题频率的情况下高精度地预测未来的PageRank值。

基于影响的网络中心性系统框架与特征

原文标题： A Systematic Framework and Characterization of Influence-Based Network Centrality

地址： http://arxiv.org/abs/1810.09981

作者： Wei Chen, Shang-Hua Teng, Hanrui Zhang

摘要： 在本文中，我们提出了一个框架，用于研究网络分析中的以下基本问题：如何在社会网络上评估信息/影响传播过程中节点的中心性？我们的框架系统地将一系列经典图论 - 理论中心性公式扩展到基于影响的网络中心，包括度中心性，谐波中心性和它们的“影响范围”概括。我们进一步将自然群体中心性从图模型扩展到影响模型，因为群体合作在社会影响中是必不可少的。这反过来使我们能够通过应用合作博弈理论中的Shapley值来评估个体在群体影响环境中的中心地位。在数学上，使用这些中心性公式为贝叶斯的性质，我们证明了以下特征定理：该族中每个基于影响的中心性公式都是独特的贝叶斯中心性，符合其相应的图论 - 理论中心性公式。此外，唯一性完全取决于分层图的中心性公式，它是由一个由级联序列建模的影响实例的美丽代数结构得出的。我们的主要数学结果是，分层图实际上构成了影响 - 级联 - 序列剖面空间的基础，也可用于其他网络影响研究。我们进一步提供了一个算法框架，用于有效地近似这些基于影响的中心性度量。我们的研究提供了一个系统的路线图，用于比较分析不同的基于影响的中心性公式，以及将图论理论概念转化为影响模型。

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。