• 网络上精确SIR马尔可夫过程的有效遏制;
• 一阶和二阶交通网络组合模型;
• 大规模生成城市形态;
• 同质性让社交网站更有影响力吗？探索渗透战略;
• 早期职业挫折和未来职业影响;
• 多维城市网络渗流;
• 自动应用可信度评估工具来跟踪社交媒体上分享的与疫苗接种相关的信息;
• 异构图注意网络;
• 含时网络上随机游走的类;
• 使用网络信息进行流行病控制的有效疫苗接种策略;
• 量化科研、初创公司和安全方面的失败动态;
• MediaRank：在线新闻源的计算排名;

网络上精确SIR马尔可夫过程的有效遏制

原文标题： Efficient Containment of Exact SIR Markovian Processes on Networks

地址： http://arxiv.org/abs/1603.04499

作者： Masaki Ogura, Victor M. Preciado

摘要： 本文介绍了在异构代理网络上分析和控制随机易感染感染去除（SIR）传播过程的理论框架。在我们的分析中，我们分析了描述SIR模型的精确网络马尔可夫过程，而没有求助于平均场近似，并引入了一个凸优化框架来找到有效的资源分配，以包含随时间推移累积感染的预期数量。数值模拟用于说明所得结果的有效性。

一阶和二阶交通网络组合模型

原文标题： A combined first and second order traffic network model

地址： http://arxiv.org/abs/1903.06744

作者： Jennifer Kötz, Oliver Kolb, Simone Göttlich

摘要： 众所周知，二阶宏观交通流模型能够再现所谓的容量下降效应，即，拥挤区域的流出显著低于该特定区域中的最大可实现流量的现象。在这项工作中，我们提出了一个在交叉点单独修改的一阶网络模型，以便捕获容量下降。理论研究激发了耦合条件的新选择，并说明了纯粹的一阶和二阶网络模型的差异。考虑到入口匝道合并到主要道路的最佳控制的数值示例突出显示组合模型产生与二阶模型类似的结果，但计算成本显著降低。

大规模生成城市形态

原文标题： Generating urban morphologies at large scales

地址： http://arxiv.org/abs/1903.06807

作者： Juste Raimbault, Julien Perret

摘要： 在大规模，城市形态和相应的发电过程的类型仍然是一个开放的问题，对城市规划政策和可持续性具有重要意义。我们在本文中提出利用形态发生模型在大规模（通常是地区）生成城市配置，并根据形态指标将这些配置与实际配置进行比较。实际值是根据欧洲城市地区的大量地区计算的。我们校准每个模型并显示它们的互补性，以接近各种真实的城市配置，为城市形态发生的多模型方法铺平了道路。

同质性让社交网站更有影响力吗？探索渗透战略

原文标题： Does Homophily Make Socialbots More Influential? Exploring Infiltration Strategies

地址： http://arxiv.org/abs/1903.06827

作者： Samaneh Hosseini Moghaddam, Mandana Khademi, Maghsoud Abbaspour

摘要： Socialbots是控制在线社会网络中虚假账户的所有行为的智能软件。他们使用人工智能技术将自己作为人类社交媒体用户。 Socialbots利用用户信任来实现其恶意目标，例如astroturfing，执行Sybil攻击，垃圾邮件和收集私人数据。对社交机器人的恶意活动进行对策的第一阶段是研究他们的特征并揭示他们可以利用的策略来成功地潜入目标在线社会网络。在本文中，我们研究了在渗透性能和隐身性方面使用不同渗透策略的成功。每种策略都以社交机器人的形象和行为特征为特征。这项研究的结果表明，假设特定的推文味道，社交机构转推和/或喜欢使其更有影响力。此外，实验结果表明，考虑到共同特征和相似性的存在，增加了被其他用户遵循的概率。这与同性恋概念完全一致，这是个人在社会网络中与类似的其他人联系和联系的倾向。

早期职业挫折和未来职业影响

原文标题： Early-career setback and future career impact

地址： http://arxiv.org/abs/1903.06958

作者： Yang Wang, Benjamin F. Jones, Dashun Wang

摘要： 挫折是科学事业中不可或缺的一部分，但对于早期职业挫折是否会增加或阻碍个人未来的职业影响却知之甚少。在这里，我们检查申请美国国立卫生研究院（NIH）R01拨款的初级科学家。通过关注刚刚低于资金门槛的拨款提案，我们将“近乎未命中”与“近赢”个人进行比较，以检查长期职业结果。我们的分析表明，早期职业生涯中的近距离失误具有强大的反对效应。一方面，它显著增加了磨损，其中一个接近未命中预测NIH系统永久消失的可能性超过10％。然而，尽管早期遭遇挫折，但在短期内有接近失误的人有效地表现优于那些近期获胜的人，因为他们在未来十年的出版物获得了更大的影响。我们进一步发现，这种表现优势似乎超越了一种筛选机制，即接近失败的申请人中所选择的部分仍然比接近的获胜者更多，这表明职业生涯早期的挫折似乎会导致那些坚持不懈的人的绩效提升。总的来说，这些发现与“不杀我的东西让我更强大”的概念是一致的。虽然科学往往被视为早期成功带来未来成功的环境，但我们的研究结果揭示了一种亲密但以前未知的关系，其中早期职业挫折可以成为未来成就的标志，这可能对识别，培训和培养初级科学家有广泛的影响。他的职业生涯将产生持久影响。

多维城市网络渗流

原文标题： Multi-dimensional Urban Network Percolation

地址： http://arxiv.org/abs/1903.07141

作者： Juste Raimbault

摘要： 最近提出网络渗透作为一种从自下而上的特征来描述城市系统的全球结构的方法。本文提出以多维方式扩展城市网络渗透，同时考虑城市形态（人口的空间分布）和城市功能（这里作为交通网络的属性）。该方法应用于欧洲城市系统，以重建内生城市区域。可变参数化允许考虑两种程式化的矛盾可持续性指标（经济性能和温室气体排放）的优化模式。这表明可以通过可定制的空间设计来制定可持续发展的领土。

自动应用可信度评估工具来跟踪社交媒体上分享的与疫苗接种相关的信息

原文标题： Automatically applying a credibility appraisal tool to track vaccination-related communications shared on social media

地址： http://arxiv.org/abs/1903.07219

作者： Zubair Shah, Didi Surian, Amalie Dyda, Enrico Coiera, Kenneth D. Mandl, Adam G. Dunn

摘要： 背景：用于评估健康信息可信度的工具耗费时间并且需要特定于环境的专业知识，限制其用于快速识别和减少错误信息的传播。我们的目的是估计Twitter上与疫苗接种相关的帖子的比例可能是错误信息，以及Twitter用户之间如何不均衡地接触错误信息。方法：从2017年1月至2018年3月在Twitter上分享的144,878个与疫苗接种相关的网页进行抽样，我们使用了一个七点检查表，该检查表改编自两个经验证的工具，用于评估474个小部分的可信度。这些用于训练多个分类器（随机森林，支持向量机和具有转移学习的递归神经网络），使用来自网页的文本来预测信息是否满足七个标准中的每一个。结果：将最佳性能分类器应用于144,878个网页，我们发现14.4％的基于文本的通信相关帖子与低可信度的网页相关联，占所有潜在疫苗接种相关风险的9.2％。然而，100个最受欢迎的错误信息链接可能会被200万到8000万Twitter用户看到，而对于大量亚群的Twitter用户从事与疫苗接种相关的信息，错误信息的链接似乎主导了疫苗接种相关信息它们暴露在哪里。结论：我们提出了一种基于经验证的检查表工具组合自动评估网页可信度的新方法。结果表明，自动可信度评估工具可用于查找暴露于错误信息风险较高的人群，或主动应用以增加低可信度疫苗接种信息共享的摩擦力。

异构图注意网络

原文标题： Heterogeneous Graph Attention Network

地址： http://arxiv.org/abs/1903.07293

作者： Xiao Wang, Houye Ji, Chuan Shi, Bai Wang, Peng Cui, P. Yu, Yanfang Ye

摘要： 图神经网络作为一种基于深度学习的强大图表示技术，具有优越的性能，并引起了相当大的研究兴趣。然而，在包含不同类型的节点和链路的异构图的图神经网络中尚未充分考虑。异构性和丰富的语义信息为异构图的图神经网络设计带来了巨大的挑战。最近，深度学习中最令人兴奋的进步之一是注意机制，其巨大潜力已在各个领域得到很好的证明。在本文中，我们首先提出了一种基于层次关注的新型异构图神经网络，包括节点级和语义级注意。具体而言，节点级关注旨在了解节点及其基于元路径的邻居之间的重要性，而语义级关注能够了解不同元路径的重要性。通过节点级和语义级注意的学习重要性，可以充分考虑节点和元路径的重要性。然后，所提出的模型可以通过以分层方式聚合来自基于元路径的邻居的特征来生成节点嵌入。在三个真实世界的异构图上的广泛实验结果不仅表明了我们提出的模型相对于现有技术的优越性能，而且还展示了其对图分析的潜在良好可解释性。

含时网络上随机游走的类

原文标题： Classes of random walks on temporal networks

地址： http://arxiv.org/abs/1903.07453

作者： Julien Petit, Renaud Lambiotte, Timoteo Carletti

摘要： 随机游走可以在许多科学领域找到应用，并且是必不可少的网络分析工具的核心。当在时间网络上定义时，由于系统中不同时间尺度的共存，即使是基本随机游走模型也可能表现出丰富的可能性。在这里，我们专注于一般随机时间网络上的随机游走，允许持久的交互，并系统地比较不同类型的模型的属性。我们根据随机游走模型和底层网络的结构讨论数学分析的准确性，并特别关注非马尔可夫行为的出现，即使所有动态实体都由无记忆分布控制。

使用网络信息进行流行病控制的有效疫苗接种策略

原文标题： Efficient vaccination strategies for epidemic control using network information

地址： http://arxiv.org/abs/1903.07503

作者： Yingrui Yang, Ashley McKhann, Sixing Chen, Guy Harling, Jukka-Pekka Onnela

摘要： 当已知完整的网络结构时，针对流行病传播的基于网络的干预措施最为强大。然而，在实践中，资源约束需要基于部分网络信息做出决定。我们调查了个人和村级可用网络数据的准确性如何影响基于网络的疫苗接种有效性。我们在来自75个村庄的经验社会网络上模拟了一个易感染 - 被感染 - 恢复的过程。首先，我们使用回归来预测基于村级网络的个体感染率。其次，我们模拟了基线时75个经验村网络中每个网络的10％接种疫苗，通过五种基于网络的方法之一选择疫苗接种者：随机个体;随机个体的随机接触;随机的高学历人;最高学历的人;或大多数中心人。前三种方法仅需要样本数据;后两者需要完整的网络数据。我们还模拟了对个人可以提名的联系人数量的限制（固定选择设计，FCD），这减少了数据收集负担但仅生成部分观察到的网络。我们发现度分布的均值和标准差可以强烈预测累积发生率。在模拟中，与随机疫苗接种相比，提名方法将累积发病率降低了六分之一;全网络方法将感染减少了三分之二。高学位方法具有中等效力。令人惊讶的是，FCD将个人学位截断为3，与使用完整网络一样有效。甚至使用部分网络信息来优先考虑村庄或个人的疫苗，大大改善了疫情结果。这些方法在爆发设置中可行且有效，并且可能不需要完全确定网络结构。

量化科研、初创公司和安全方面的失败动态

原文标题： Quantifying dynamics of failure across science, startups, and security

地址： http://arxiv.org/abs/1903.07562

作者： Yian Yin, Yang Wang, James A. Evans, Dashun Wang

摘要： 人类的成就往往先于最初失败的重复尝试，但对控制失败动力的机制知之甚少。在此基础上，在丰富的创新，人类动态和学习文献的基础上，我们开发了一个简单的单参数模型，模仿未来成功的尝试如何建立在过去的基础之上。分析性地解决该模型揭示了将失败动态分为停滞或进展区域的相变，预测在临界阈值附近，具有相似特征和学习策略的代理可能在失败后经历根本不同的结果。在临界点之下，我们看到那些在没有改进模式的情况下探索脱节机会的人，在其之上，那些利用渐进式改进系统地向成功迈进的人。该模型进行了几次经验可测试的预测，证明那些最终成功的人和那些不成功的人可能最初是相似的，但其特点是在每次后续尝试的效率和质量方面具有根本不同的失败动态。我们收集了来自三个不同领域的大规模数据，追踪了（i）NIH调查员为其研究提供资金的重复尝试，（ii）创新者成功退出创业企业，以及（iii）恐怖组织在暴力袭击中发布伤亡人员，寻找所有三个领域的广泛一致的经验支持。总之，我们的发现揭示了可识别但以前未知的早期信号，这些信号使我们能够识别将导致最终胜利或失败的失败动态。鉴于失败的普遍存在以及理解它们的定量方法的缺乏，这些结果代表了深入理解失败背后复杂动态的关键一步，这是成功的必要先决条件。

MediaRank：在线新闻源的计算排名

原文标题： MediaRank: Computational Ranking of Online News Sources

地址： http://arxiv.org/abs/1903.07581

作者： Junting Ye, Steven Skiena

摘要： 在最近的政治气候中，新闻质量的主题引起了公众和学术界的关注。对传统新闻媒体越来越不信任，这使得找到一个公认真理的共同基础变得更加困难。在这项工作中，我们设计并建立了MediaRank（www.media-rank.com），这是一个全自动系统，可以对全球50,000多个在线新闻进行排名。 MediaRank每天收集和分析一百万个新闻网页和两百万条相关推文。我们的算法分析基于记者已建立的与报告质量相关的四个属性：同行声誉，报告偏差/广度，底线财务压力和受欢迎程度。本文的主要贡献包括：（i）世界上50,000多个主要新闻来源的开放，可解释的质量排名。我们的排名是根据35个已发布的新闻排名进行验证，包括法语，德语，俄语和西班牙语的来源。 MediaRank评分与35位专家排名中的34位正相关。 （ii）用于测量影响和底线压力的新计算方法。据我们所知，我们是第一个深入研究大型新闻报道引文图的人。我们还提出了新的方法来衡量广告的侵略性并识别社交机器人，在两种类型的不良行为之间建立联系。 （iii）分析媒体来源偏见和重要性的影响。我们证明新闻来源引用了其他人，尽管有不同的政治观点符合质量措施。然而，在四个讲英语的国家（美国，英国，加拿大和澳大利亚），排名最高的来源都不成比例地支持左翼政党，即使大多数新闻来源都表现出保守的倾斜。

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。