• 用于传染病控制的序列动态资源分配;
• 模块化网络上的疾病传播：宣布流感爆发的恐惧;
• 一个多策略方法克服社区检测评估偏见;
• 多层网络用于数据驱动分析的案例：建模、效率和多功能性;
• 基于Facebook上公司写了什么和写的方式预测消费者参与;
• 从信息披露到隐私助推：考虑隐私的和以用户为中心的个人数据管理框架;
• 增量公平的双边市场平台：公平的更新推荐;
• 用于在线社会网络信任意见估计的概率图模型;
• 信任评估的在线社会网络;
• 集体结果的灵敏度识别了关键组件;
• 基于嵌入性的土耳其极化的定性分析;
• 异构图卷积网络用于含时社区检测;
• 石墨烯科技的辉煌年代：基于期刊和专利文献的引文证据;
• 暗网和公网论坛提取的网络的结构和动态差异;
• 多重网络中的社区发现和改进的探测性;
• 用于复杂网络社区发现的约简网络极值集成学习（RenEEL）方案;

用于传染病控制的序列动态资源分配

原文标题： Sequential Dynamic Resource Allocation for Epidemic Control

地址： http://arxiv.org/abs/1909.09678

作者： Mathilde Fekom, Nicolas Vayatis, Argyris Kalogeratos

摘要： 下的动态资源分配（DRA）模型，管理员必须动态地分配资源以一网络的节点的预算有限，以减少扩散工艺（DP）（例如流行性）的使命。该标准DRA假定管理员具有持续充分的信息和对整个网络的即时访问。朝向使这样的策略更接近现实生活的限制，我们首先提出的限制DRA模型扩展，其中，在每个介入轮中，接入被限制为仅在网络节点中的一小部分，称为样品。然后，通过顺序选择的问题，如众所周知的秘书问题的启发，我们提出了连续DRA（SDRA）模型。我们的模型引入超过每一轮的样品判定处理顺序的方面，将提供一种全新的角度来动态DP控制。最后，我们采用了多种顺序选择算法SDRA控制策略，并比较它们在SIS流行病模拟性能。

模块化网络上的疾病传播：宣布流感爆发的恐惧

原文标题： Epidemic spreading on modular networks: the fear to declare a pandemic

地址： http://arxiv.org/abs/1909.09695

作者： L. D. Valdez, L. A. Braunstein, S. Havlin

摘要： 在过去的几十年，流行病的频率已经增加，由于城市化的国家之间的增长和流动性。由于疾病在一个国家蔓延可能成为一个潜在的全球人道主义和经济影响大流行，它开发模型来估计全球流感大流行的可能性是非常重要的。在本文中，我们提出了疾病的模块化复杂的网络（有社区）传播模型，并研究桥节点 n 的连接社区的数量如何影响疾病传播。我们发现，我们的模型可以在全球范围内与依赖于每个社区和 n 的内部结构感染和恢复时间分布社区之间的感染传输过程进行描述。在稳态时，我们发现，在临界点附近作为桥节点数量的增加，这种疾病可能达到所有的社区，但在每个社区恢复节点的一小部分。此外，我们得到的这个限制，大流行的概率增大突然在临界点。此方案可以使决策更加难以启动或没有大流行警戒级别。最后，我们表明，链接渗流理论可以在全球范围内被用来估计大流行的可能性。

一个多策略方法克服社区检测评估偏见

原文标题： A Multi-Strategy Approach to Overcoming Bias in Community Detection Evaluation

地址： http://arxiv.org/abs/1909.09903

作者： Jeancarlo Campos Leão (1), Alberto H. F. Laender (2), Pedro O. S. Vaz de Melo (2) ((1) Instituto Federal do Norte de Minas, (2) Universidade Federal de Minas Gerais)

摘要： 社区检测的关键是理解复杂的网络结构。然而，对于这个特定的任务缺乏相应的评估策略可能会产生可能无效基于这种网络进一步分析或应用程序的偏见和不正确的结果。在此背景下，本文的主要贡献是检测真实世界的网络社区时，支持强大的质量评估的方法。在我们的方法，我们采用多种策略，捕捉社区的不同方面。对这些社区的质量的结论是基于采用的结构评估，以及对通过不同的方法，并与他们现有的基础事实检测社区的比较策略的共识。这样一来，我们的方法可以让一个克服网络数据，检测算法和评估指标的偏见，从而提供有关检测到社区的质量更一致的结论。与几个真正的和合成的网络进行的实验提供的结果，显示我们的方法的有效性。

多层网络用于数据驱动分析的案例：建模、效率和多功能性

原文标题： Making a Case for MLNs for Data-Driven Analysis: Modeling, Efficiency, and Versatility

地址： http://arxiv.org/abs/1909.09908

作者： Abhishek Santra, Kanthi Sannappa Komar, Sanjukta Bhowmick, Sharma Chakravarthy

摘要： 的现实世界的应用数据集是由不同的类型，这是由多个特征限定和经由多样类型的关系连接的实体特征。这些数据集的一个关键的挑战是开发的模型和计算以支持灵活的分析，即，为了计算变化的类型的分析目标以有效的方式的能力。为了解决这个问题，在本文中，我们做出这样的造型复杂的数据集作为多层网络（或MLNS）的情况下，并认为MLNS提供比目前流行的简单的更翔实的模式和属性图。通过对均相和多相MLNS分析社区和集线器，我们证明所选择的模型的灵活性。我们还表明，MLNS相比，目前的分析方法，一个网络解耦基于分析的效率更高，还保留了结构和语义的结果。我们使用三种不同的数据集，以展示他们的建模和MLNS使用基于解耦的方法分析它们的有效性。我们使用建模和社区中心的计算分析均相和多相MLNS。该数据集是由美国商业航空公司和IMDB，一个大型的国际电影数据集。我们的实验分析验证模型，计算效率和方法的通用性。结果的正确性是使用独立于可用地面实况验证。对于所使用的数据集，效率的提高是在64％至98％的范围内。

基于Facebook上公司写了什么和写的方式预测消费者参与

原文标题： Predicting consumers engagement on Facebook based on what and how companies write

地址： http://arxiv.org/abs/1909.09914

作者： Érika S. Rosas-Quezada, Gabriela Ramírez-de-la-Rosa, Esaú Villatoro-Tello

摘要： 从事的costumers是目前社会化媒体营销中一个非常重要的部分。公众人物和品牌都非常小心什么在网上公布。这就是为什么需要用于预见的在线观众写一个帖子的影响的准确的策略是任何大众品牌的关键。因此，在本文中，我们提出通过考虑内容，风格预测给定后的影响的方法和行为属性，以及元数据信息。为了验证我们的方法，我们收集了Facebook的帖子来自10个公共页面，我们几乎14000帖子进行了实验，发现内容和岗位行为属性提供相关信息，我们的预测模型。

从信息披露到隐私助推：考虑隐私的和以用户为中心的个人数据管理框架

原文标题： From Data Disclosure to Privacy Nudges: A Privacy-aware and User-centric Personal Data Management Framework

地址： http://arxiv.org/abs/1909.09942

作者： Yang Lu, Shujun Li, Athina Ioannou, Iis Tussyadiah

摘要： 虽然有旨在保护用户的在线隐私隐私增强工具，这是令人惊讶地看到缺乏以用户为中心的解决方案，它允许根据隐私风险和收益，由于信息公开到多个平台联合评估隐私控制的。在本文中，我们提出了一个概念框架，填补了国内空白：瞄准用户为中心的隐私保护，我们展示了框架不仅可以评估隐私使用在线服务的风险，而且从披露的数据也获得了附加价值。通过下面的一个人在半实物的方式，预计该框架提供了通过偏好学习，不断隐私考核，行为监控和轻推了个性化的解决方案。最后，我们描述了对“休闲旅游”等几方面今后一个案例研究，在正在进行的项目进行研究。

增量公平的双边市场平台：公平的更新推荐

原文标题： Incremental Fairness in Two-Sided Market Platforms: On Updating Recommendations Fairly

地址： http://arxiv.org/abs/1909.10005

作者： Gourab K Patro, Abhijnan Chakraborty, Niloy Ganguly, Krishna P. Gummadi

摘要： 主要的在线平台今天就被认为是商品和服务的生产者和消费者双边市场。有迹象表明过分强调由平台客户满意度可能会影响生产者的福祉的关注。为了应对这样的问题，最近几个作品都试图将公平性的生产商。然而，这些研究在这样的平台上忽略了一个重要的问题 - 以所谓提高客户的效用，底层算法经常更新，导致生产者的曝光突然变化。在这项工作中，我们注重所产生的这种频繁更新的公平性问题，并主张的平台算法增量更新，使生产者有足够的时间来调整（包括后勤和精神上）的变化。然而，天真的增量更新可能会成为不公平的客户。因此，重点部署在双面平台的建议，我们制定基于在线优化，逐步部署在 埃塔步骤，在这里我们可以保证项目的曝光的平稳过渡，同时保证对每一位客户的最小效用变化的ILP。在多个真实世界的数据集的评估表明，该机制的平台更新可以高效和公平的生产方和顾客在双面平台。

用于在线社会网络信任意见估计的概率图模型

原文标题： A Probabilistic Graph Model for Trust Opinion Estimation in Online Social Networks

地址： http://arxiv.org/abs/1909.10055

作者： Luke Liu, Qing Yang

摘要： 信任评估起着许多在线应用，如网上资金拆借，产品审查和主动邀请好友了关键作用。信任模型通常使用一组参数来表示委托人受托人对之间的信任关系。这些参数来源于委托人的偏见和舆论上的受托人。当然，这些参数可以被认为是一个向量。为了解决这个问题，我们提出了一个框架，以单一数值准确地转换到由3VSL所需要的参数。该框架首先采用概率图模型（PGM），以委托人的意见和偏见得到他的评级受托人。

信任评估的在线社会网络

原文标题： Trust Assessment in Online Social Networks

地址： http://arxiv.org/abs/1909.10066

作者： Guangchi Liu, Qing Yang, Honggang Wang, Alex X. Liu

摘要： 在在线社会网络（的OSN）评估信任是许多应用，如网络营销和网络安全的关键。这是一个具有挑战性的问题，但是，由于处理复杂的社会网络拓扑和进行这些拓扑准确评估的困难。为了应对这些挑战，我们通过提出三值主观逻辑（3VSL）模型建模的信任。 3VSL正常模式中存在的信任的不确定性，从而能够计算在任意图表信任。我们从理论上证明3VSL的基础上任意OSN拓扑狄利克雷类别型（DC）分布及其正确性的能力。基于该模型3VSL，我们还设计了AssessTrust（AT）算法来精确计算连接在OSN任意两个用户之间的信任。我们验证3VSL对两个现实OSN数据集：Advogato和非常好的隐私（PGP）。实验结果表明，可以3VSL精确地模拟任何一对在Advogato和PGP间接连接的用户之间的信任。

集体结果的灵敏度识别了关键组件

原文标题： Sensitivity of collective outcomes identifies pivotal components

地址： http://arxiv.org/abs/1909.10117

作者： Edward D. Lee, Daniel M. Katz, Michael J. Bommarito II, Paul Ginsparg

摘要： 一个社会系统容易受到扰动时，其集体资产上几个，关键部件依赖敏感。利用统计物理学的最小型号的信息几何，我们开发的方式来确定关键组件到粗粒度的，或聚合，性质是敏感的。作为一个例子，我们介绍我们在与中间选民谁总是票广大降低玩具模型方法。有了这个例子中，我们对于构建Fisher信息矩阵，多数与少数部门的分布，并研究精确定位正中的独特作用，矩阵的特征。更一般地，这些特征标识关键集团其精确地确定由相互作用的复杂网络生成集体的结果。运用我们从政治投票，金融和Twitter数据集的方法，我们找到一个中间状的部分（例如，加利福尼亚州议会），以这些为主的系统显著的品种，没有任何单一的特殊部件（例如，阿拉斯加最高法院）。其它系统（例如，S ＆P扇区索引）示出了这两个极端之间变化的异质性水平。通过提供洞察到这种敏感性，我们的信息几何方法提出了考虑提名可能会如何变化司法替补，充当财务指标显著时间变化的措施，或者帮助分析机构的有针对性的扰动鲁棒性的定量框架。

基于嵌入性的土耳其极化的定性分析

原文标题： Embedding-based Qualitative Analysis of Polarization in Turkey

地址： http://arxiv.org/abs/1909.10213

作者： Mucahid Kutlu, Kareem Darwish, Cansin Bayrak, Ammar Rashed, Tamer Elsayed

摘要： 在2018年6月24日，土耳其进行了高度间接选举中，土耳其人民选出自己的第一次选举总统和议会下一个新的总统制。在选举期间，土耳其人民广泛分享在Twitter上自己的政治观点。选民之间的两极分化的一个机会是支持或反对埃尔多安连任。在本文中，我们探索自己的政治观点和生活方式，两组之间的两极分化，并检查含铅量高达选极化是否有所增加。我们在两个收集数据集之前和期间，我们分成支持和反对埃尔多安团体选举期间覆盖的时间段进行我们的分析。对于这两个数据集的亲和反分裂，我们生成单独的字嵌入模型，然后用四个生成的模型来对比附近（在嵌入空间）的政治领袖，政治问题，和生活方式的选择（例如，饮料，食品和假期）。我们的分析显示，两组同意一些议题，如恐怖主义和组织威胁的国家，但不同意其他人，如难民和生活方式的选择。对政党领袖两极分化更加明显，和极化在选举时间进一步增加。

异构图卷积网络用于含时社区检测

原文标题： Heterogeneous Graph Convolutional Networks for Temporal Community Detection

地址： http://arxiv.org/abs/1909.10248

作者： Yaping Zheng, Shiyi Chen, Xiaofeng Zhang, Di Wang

摘要： 图卷积网络（GDN）已经证明在表示图数据，尤其是均匀的曲线性能优越。然而，真实世界的图数据通常是异质的，随着时间的发展，例如，Facebook和DBLP，这已很少被研究。为了解决这个问题，我们提出了一个名为时间异构图卷积网络（THGCN）的新方法。 THGCN第一嵌入两个空间信息和节点属性信息一起。然后，它通过压缩网络捕获来自嵌入式图信号的聚合短期演化模式。同时，异构图数据的长期演化模式经由TCN时间卷积网络也建模。据我们所知，这是暂时的异构图数据为重点的社区发现任务模式的首次尝试。

石墨烯科技的辉煌年代：基于期刊和专利文献的引文证据

原文标题： The Golden Eras of Graphene Science and Technology: Bibliographic Evidences From Journal and Patent Publications

地址： http://arxiv.org/abs/1909.10256

作者： Ai Linh Nguyen, Wenyuan Liu, Khiam Aik Khor, Andrea Nanetti, Siew Ann Cheong

摘要： 今天的科学研究在很大程度上是由纳税人和企业集团资金资助的企业成本。它是在国家之间的竞争的重要组成部分，和所有国家要发现的承诺，以创造未来行业的研究领域，并通过早期建立的科技知识支配这些。然而，我们的价值链从科学要技术的理解还处于相对起步阶段，科学的领导为市场优势的转换仍然非常的炼金术，而不是一门科学。在本文中，我们分析有关石墨烯的科学期刊出版物和专利文献计量记录，在总体水平上，以及在时间和空间维度。我们发现石墨烯科技现任领导人出现在比赛中起步比较晚，后的首次科学界领袖失去了地基。更重要的是，尽管资金量已经承诺，我们发现，石墨烯建议科技的“辉煌年代”分别在2010年和2012年，尽管期刊和专利出版物在这一领域的持续增长的证据。

暗网和公网论坛提取的网络的结构和动态差异

原文标题： Differences in structure and dynamics of networks retrieved from dark and public web forums

地址： http://arxiv.org/abs/1909.10259

作者： Maryam Zamani, Fereshteh Rabbani, Attila Horicsányi, Anna Zafeiris, Tamas Vicsek

摘要： 一般人做了根据他们从几个主要来源，其中其他在网络论坛的意见发挥越来越大的作用，获取信息的决定。这样的论坛主题覆盖的范围广泛，并表示在选择最好的产品，操作观点或优化对于一些我们日常生活的各个方面，我们的决定的重要工具。然而，很多论坛都极具争议性的话题和内容，包括那些激进的读者或传播有关危险产品和理念（例如，毒品，武器或攻击性的意识形态）的信息。这些刚才提到的活动正在主要是所谓的“暗网”，允许使用暗论坛成员的身份隐藏的地方。我们使用网络的理论方法来分析，我们通过研究多种选择的论坛（包括暗和半暗）的范围内的成员和线程的连接功能所获得的数据，建立几个特征的行为模式。我们的研究结果揭示了两种行为既常见又相当不同的特点。特别是，我们表明，量的各种分布，像评论者的活性，螺纹的动力学（定义使用他们的寿命）或对应于三个主要类型，我们已经调查显示特性的偏差论坛的度分布。当它出现在公共网络上（因为公共网可以访问和使用更容易）这种知识可以是有用的，例如，在识别一个活动典型为暗网。

多重网络中的社区发现和改进的探测性

原文标题： Community Detection and Improved Detectability in Multiplex Networks

地址： http://arxiv.org/abs/1909.10477

作者： Yuming Huang, Ashkan Panahi, Hamid Krim, Liyi Dai

摘要： 我们调查的多重网络，如社会网络检测社区，一个未知的任意异质结构的广泛遇到的问题。为了提高检测能力，我们建议，利用多层一个社区的多样性，对社区的不同层之间的关系没有事先假设生成模型。我们的模型依赖于结合有大组通用局部社区标签约束跨越各层中，与著名随机块模型（SBM）的每一层一起的一个新的想法。因此，我们通过处理约束作为贝叶斯先验建立在整个多路网络的概率性图模型。我们数学证明这些约束/先验促进跨层相同社区的存在，而不会引入个体社区之间进一步的相关性。约束被进一步定制渲染稀疏图模型和数值高效置信传播算法随后被使用。我们通过在不同层之间是一致的社区的情况下，一致的社区是匹配的数值实验进一步证明，和可检测性是改良过的单层。我们比较我们的模型与利用层与层之间的相关性社区的先验知识“相关模式”。类似的探测改善这种关系下获得的，即使我们的模型依赖于比相关模型比较温和的假设。我们的模型甚至显示了一定的相关性和信噪比（SNR）范围内的更好的检测性能。在没有社会关系的，关联模型自然失败，而我们保持其性能。

用于复杂网络社区发现的约简网络极值集成学习（RenEEL）方案

原文标题： Reduced network extremal ensemble learning (RenEEL) scheme for community detection in complex networks

地址： http://arxiv.org/abs/1909.10491

作者： Jiahao Guo, Pramesh Singh, Kevin E. Bassler

摘要： 我们介绍了在复杂网络社区发现的集成学习方案。该方案使用机器学习算法模式我们称之为极值集成学习。它采用网络分区的集合，其可通过常规的基础算法中找到的迭代极值更新，以寻找最大化模块化节点分区。在每次迭代中，即在同一个社区中每个分区合奏被识别和使用的节点的核心基团，以形成还原的网络。然后减小网络的分区被发现和用于更新集合。减少网络的较小尺寸使得方案高效。我们使用的方案来分析社会结构在一组通常研究的标杆网络，发现它优于用于查找与最高的模块化分区中的所有其他已知的方法。

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。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。