• 复杂网络：从古典到量子;
• 成长网络上随机游走轨迹的可压缩性;
• 推荐用户：联盟社会网络中应当做谁的粉丝;
• 保护用户隐私：无法追踪的Web浏览历史记录和明确的用户档案的方法;
• 自然语言的秩频分布：概率方法的差异;
• 量化滤波器泡沫：分析选举中的惊异;
• 随机网络中节点和链路状态耦合动力学中的吸收相变;

复杂网络：从古典到量子

原文标题： Complex Networks: from Classical to Quantum

地址： http://arxiv.org/abs/1702.08459

作者： Jacob Biamonte, Mauro Faccin, Manlio De Domenico

摘要： 将复杂网络理论应用于量子信息和计算中面临的问题的最新进展已导致两个领域之间的有益交叉。复杂网络方法已成功用于表征量子行走和传输模型，纠缠通信网络，紧急时空的图论理论模型和量子系统中的社区结构检测。信息物理学为复杂网络系统理论奠定了基础，其中复杂网络科学中出现了量子信息启发方法，包括用于网络表征的信息论距离和相关性度量。新的量子诱导效应已经在随机图中被预测 - 其中边代表纠缠链接—并且最近已经提出量子计算机算法来提供针对若干网络和图论理论问题的超多项式增强。在这里，我们回顾了最前沿的结果，找出了相似之处并协调了这两个领域交叉处的一系列结果中的差异。

成长网络上随机游走轨迹的可压缩性

原文标题： Compressibility of random walker trajectories on growing networks

地址： http://arxiv.org/abs/1811.08991

作者： Robert J. H. Ross, Charlotte Strandkvist, Walter Fontana

摘要： 我们发现，网络增长与网络上随机游走者位置的简单耦合在步行者访问的节点的频率分布中产生行波。这表明，通过位于其中的过程，空间的增长将其动力学约束为一组典型的轨迹。我们提出这样的论点，即这种可压缩性确实适用于我们的网络增长模型所有的步行者运动率。这个属性很有意思，因为虽然网络规模趋于无限，但与步行者在网络上的位置相关的不确定性增长速度并不比在非增长的有限大小的网络上增长更快。

推荐用户：联盟社会网络中应当做谁的粉丝

原文标题： Recommending Users: Whom to Follow on Federated Social Networks

地址： http://arxiv.org/abs/1811.09292

作者： Jan Trienes, Andrés Torres Cano, Djoerd Hiemstra

摘要： 为了培养积极参与的社区，社会网络采用过滤大量内容的推荐算法，并为用户提供个性化的网络视图。诸如Facebook和Twitter之类的流行社会网络通过列出用户可能有兴趣联系的简档来产生以下推荐。联合社会网络旨在通过权力下放和促进隐私来解决与流行社会网络相关的问题 - 例如大规模用户监控和错过使用用户数据来操纵选举。由于最近出现了，联合社会网络不存在推荐系统。为了使这些网络更具吸引力并促进社区建设，我们研究了如何将推荐算法应用于分散的社会网络。我们提供了两种推荐策略的离线和在线评估：基于BM25的协同过滤推荐器和使用个性化PageRank的基于拓扑的推荐器。我们对联合社会网络Mastodon的大型无偏样本的实验表明，协同过滤方法优于基于拓扑的方法，而两种方法都明显优于随机推荐器。使用平衡交错在Mastodon上进行的后续实时用户实验表明，协同过滤推荐器与基于拓扑的推荐器相同。

保护用户隐私：无法追踪的Web浏览历史记录和明确的用户档案的方法

原文标题： Protecting User Privacy: An Approach for Untraceable Web Browsing History and Unambiguous User Profiles

地址： http://arxiv.org/abs/1811.09340

作者： Ghazaleh Beigi, Ruocheng Guo, Alexander Nou, Yanchao Zhang, Huan Liu

摘要： 2017年3月底，联邦通信委员会（FCC）推翻了互联网隐私规则，允许互联网服务提供商（ISP）在未经他们同意的情况下收集，共享和销售其客户的网络浏览数据。随着第三方跟踪器嵌入在网页上，这一新规则使用户隐私面临更大风险。用户需要自己保护他们的Web浏览历史不受任何潜在对手的影响。虽然一些可用的解决方案（如Tor，VPN和HTTPS）可以帮助用户隐藏他们的在线活动，但是他们的使用也会严重妨碍个性化在线服务，即降低实用性。在本文中，我们设计了一个有效的Web浏览历史匿名方案PBooster，旨在保护用户的隐私，同时保留其Web浏览历史的实用性。建议的模型通过在解决公用事业 - 隐私权衡挑战时自动推断应该向历史记录添加多少和哪些链接来污染用户的Web浏览历史记录。我们进行实验以验证操纵的Web浏览历史的质量，并检查所提出的用于用户隐私保护的方法的稳健性。

自然语言的秩频分布：概率方法的差异

原文标题： Rank-frequency distribution of natural languages: a difference of probabilities approach

地址： http://arxiv.org/abs/1811.09451

作者： Germinal Cocho, R. F. Rodríguez, Sergio Sánchez, Jorge Flores, Carlos Pineda, Carlos Gershenson

摘要： 六种印欧语系的单词 k 等级的时间变化是使用Google Books的数据获得的。对于低排名，不同的语言表现不同，可能是由于语法规则，而对于 k> 50 ，大数法则占主导地位。 k 的动态随机地通过控制其概率密度的时间演变的主方程来描述，该方程通过分析求解的Fokker-Planck方程近似。利用瞬态解决方案识别数据与渐近解之间的差异，并获得良好的一致性。

量化滤波器泡沫：分析选举中的惊异

原文标题： Quantifying Filter Bubbles: Analyzing Surprise in Elections

地址： http://arxiv.org/abs/1811.09458

作者： Sagar Massand, Swaprava Nath

摘要： 这项工作分析了令人惊讶的选举，并试图量化选举中出人意料的概念。如果他们对获胜者的估计（假设基于他们的社交联系和流行媒体预测的偏好的组合）与真正的赢家不同，则选民会感到惊讶。假设选民的社交关系包括社交媒体和地理上邻近的人的联系。我们提出了一个简单的数学模型，用于在两个候选人选举的情况下组合全球信息（传统媒体）以及选民的本地信息（当地社区）。我们表明，一个没有偏见，有影响力的媒体可以消除过滤泡沫的影响，并导致不那么惊讶的民众。令人惊讶的是，一个有影响力的媒体来源偏向选举的胜利者也导致一个不太惊讶的民众。我们的模型表明，在存在有影响力，无偏见的传统媒体资源的情况下，在社会联系模式的某些假设下，所有选民都很有可能进行选举并不令人惊讶。我们对英国 - 欧盟公投（俗称英国退欧）数据集的实验支持了我们的理论预测。由于令人惊讶的选举可能导致重大的经济运动，因此有必要努力找出令人惊讶的选举的原因。

随机网络中节点和链路状态耦合动力学中的吸收相变

原文标题： Absorbing phase transition in the coupled dynamics of node and link states in random networks

地址： http://arxiv.org/abs/1811.09515

作者： Meghdad Saeedian, Maxi San Miguel, Raul Toral

摘要： 我们提出了复杂网络中节点和链路的二进制状态的耦合演化的随机动力学模型。在意见形成的背景下，节点状态表示两种可能的意见，并且链接状态为正或负关系。动态通过节点和链路状态更新朝向成对满意关系进行，其中相同状态的节点通过正链路连接或者不同状态的节点通过负链路连接。通过随机网络中的平均场速率方程分析和蒙特卡罗模拟，我们发现从动态活动相到吸收相的吸收相变。转换发生在节点和链路状态更新的相对时间标度的临界值上。在吸收阶段，测量全局顺序的顺序参数以指数方式接近最终冻结配置。有限尺寸效应使得在吸收阶段中，在与系统尺寸对数对称的特征时间内达到最终配置，而在活动阶段，有限尺寸波动使系统在指数增长的特征时间内处于冻结配置。系统大小。在这些最终冻结配置的网络中还存在与组分裂相关联的有限大小的拓扑转换。

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。