• 数学文本语义网络的建构与演进;
• 使用显式扩散动力学进行图上半监督分类;
• 超图上的社会感染模型;
• 在移动中的儿童手机数据：挑战与机遇;
• 构建有Soules矢量的拉普拉斯矩阵：特征值反问题和应用;
• 理解科学引文索引（SCI）期刊的Twitter使用;
• 分布式信任管理：风险分析和信任聚集;
• 挖掘人口流动数据发现地点和习惯;
• 社会网络隔离与城市拓扑的相互作用使得不平等增加;
• 挖掘暗网用户的交互方式，以预测企业网络事故;
• 利用拉普拉斯谱约束的结构化图学习;
• 使用统计场方法分析资本积累;

数学文本语义网络的建构与演进

原文标题： Architecture and evolution of semantic networks in mathematics texts

地址： http://arxiv.org/abs/1908.04911

作者： Nicolas H. Christianson, Ann Sizemore Blevins, Danielle S. Bassett

摘要： 知识是相互连接的概念的网络。然而，知识的拓扑结构如何精确制约其收购仍然是未知的，妨碍学习增强策略的发展。我们在这里学习语义网络反映的数学概念及其在大学水平的线性代数文本关系的拓扑结构。我们推测，这些网络将呈现结构性秩序，反映了确保无障碍主题的逻辑顺序。我们发现，网络表现出强大的核心 - 边结构，其中年初提交补充有稀疏外围概念的致密核心在整个博览会呈现均匀;后者是由许多小模块每个反射更窄的结构域。从应用的拓扑中使用的工具，我们发现语义网络的演进expositional产生，随后填补知识差距，而这些差距的密度，每个教科书的社会负面评级追踪。概括地说，我们的研究为未来努力开发教材博览会教学优化设计原则在课堂环境的基础。

使用显式扩散动力学进行图上半监督分类

原文标题： Semi-supervised classification on graphs using explicit diffusion dynamics

地址： http://arxiv.org/abs/1909.11117

作者： Robert L. Peach, Alexis Arnaudon, Mauricio Barahona

摘要： 根据特征向量分类任务可以通过包括内部深处得知总结了样品之间的成对关系的曲线图中可以显著改善。直观地说，该图作为一个管道，以信道和偏压类别标签的推断。在这里，我们研究的是考虑图作为一个明确的图表扩散的鼻祖分类方法。我们发现，追加图扩散到基于特征的学习为 textit事后细化实现国家的最先进的分类精度。该方法中，我们称之为图扩散重新分类（GDR），使用一个漫射图动态过冲事件来重新分类单个节点。该方法使用的节点固有影响的措施，这是不同的每个节点，并允许特征的关系和重要性和图进行分类的评价。我们也存在差异，GCN，图表卷积神经网络（GCN），它利用明确的扩散动力学，并允许使用自然有向图的架构的简单扩展。为了展示我们的方法，我们使用相关的引文数据的文档基准数据集。

超图上的社会感染模型

原文标题： Social contagion models on hypergraphs

地址： http://arxiv.org/abs/1909.11154

作者： Guilherme Ferraz de Arruda, Giovanni Petri, Yamir Moreno

摘要： 我们复杂的网络系统动力学的认识在过去的二十年显著上升。然而，我们的大部分知识是在假设系统的组件之间的两两关系的建立。这往往是一个过于简单化，例如，在组内经常发生的社会交往。为了克服这种局限性，在这里，我们研究了超图的社会危机蔓延的力度。我们开发了一个分析框架和任意超图，我们还与Monte Carlo模拟支持提供数值结果。我们的分析表明，该模型具有广阔的参数空间，与第一和第二级转变，双稳态和滞后。现象上，我们也潜热的概念扩展到社会环境中，这可能有助于理解振荡的社会行为。我们的工作展开高阶机型的研发线和超图的分析处理，带来了新的问题和铺路这些网络上的动态建模过程的方式。

在移动中的儿童手机数据：挑战与机遇

原文标题： Mobile Phone Data for Children on the Move: Challenges and Opportunities

地址： http://arxiv.org/abs/1909.11190

作者： Vedran Sekara, Elisa Omodei, Laura Healy, Jan Beise, Claus Hansen, Danzhen You, Saskia Blume, Manuel Garcia-Herranz

摘要： 如今，全球95％的人口拥有2G移动电话覆盖，谁拥有移动电话处于历史最高个人的数量。手机产生的数十亿人在不同的社会背景丰富的数据，并在过去十年中帮助重新定义了我们如何做研究和构建工具来了解社会。因此，手机的数据有可能彻底改变我们如何解决人道主义问题，如许多难民在世界各地遭受的潜力。虽然看好，手机数据和新的计算方法带来的机遇和挑战。手机跟踪包含关于人的下落的详细资料，社会生活，甚至财务状况。因此，制定和通过打开数据到更广泛的人道主义和国际发展机构的分析和研究，同时保护个人的隐私策略是非常重要的。在这里，我们勾勒出上移的孩子和行动联合国儿童基金会在全球范围内帮助流离失所的儿童和青年推动具有挑战性的情况，并讨论手机的数据可以用来机会。我们确定了三个关键的挑战：数据访问，数据和算法的偏见，和运作的研究，需要解决的问题，如果手机的数据是在人道主义环境中被成功应用。

构建有Soules矢量的拉普拉斯矩阵：特征值反问题和应用

原文标题： Constructing Laplacian matrices with Soules vectors: inverse eigenvalue problem and applications

地址： http://arxiv.org/abs/1909.11282

作者： Karel Devriendt, Renaud Lambiotte, Piet Van Mieghem

摘要： 对称非负逆特征值问题（SNIEP）询问它设置的数字（计多重）的可以与非负项的对称矩阵的特征值。虽然这种基质的例子是线性代数和各种应用程序丰富，这个问题仍然是开放的用于维 N GEQ 5的矩阵。一个解决SNIEP的方法中的，提出了由George W. Soules，依靠特定类型的本征向量的（Soules载体）以获得充分条件这一问题。埃尔斯纳等。后来表现出规范的方法来构建所有Soules载体，基于二进制根性树种。虽然Soules向量为全序组向量一般治疗，我们建议在这篇文章中考虑宽松的选择：偏序集Soules向量。我们表明，这种观点能够为SNIEP的充分条件更完整的表征。特别是，我们表明，组满足这些充分条件的特征值是一个凸锥体，与对应于从其中Soules载体构建二进制根树的自同构的对称性。作为第二应用中，我们展示Soules矢量如何能够被用于构建图Laplace矩阵与给定的谱和描述了一些具有分级随机图，公平分区和有效电阻的概念有趣连接。

理解科学引文索引（SCI）期刊的Twitter使用

原文标题： Understanding the Twitter Usage of Science Citation Index (SCI) Journals

地址： http://arxiv.org/abs/1909.11340

作者： Aravind Sesagiri Raamkumar, Mojisola Erdt, Harsha Vijayakumar, Aarthy Nagarajan, Yin-Leng Theng

摘要： 本文研究了从主期刊列表的科学引文索引（SCI）（MJL）期刊的Twitter的互动模式。共有来自857个期刊账户中提取953253鸣叫，在这项研究进行了分析。研究结果表明，SCI期刊上相互互动更多，但与其他引用率期刊少得多。通信图的网络结构类似于一个严密的人群网络，与自然期刊扮演一个重要组成部分。信息来源，如新闻门户网站和科研机构都提到的更多的鸣叫，比学术期刊Twitter账户。具有高期刊的影响因子（JIFs）期刊被发现是在该通信图突出集线器。 SCI期刊，人文与社会科学（HSS）期刊的Twitter的使用之间发现差异。

分布式信任管理：风险分析和信任聚集

原文标题： Decentralized Trust Management: Risk Analysis and Trust Aggregation

地址： http://arxiv.org/abs/1909.11355

作者： Xinxin Fan, Ling Liu, Rui Zhang, Quanliang Jing, Jingping Bi

摘要： 分散的信任管理作为转诊基准开放式合作体系由人力或机器的智能辅助决策。在任何给定时间段，每个参与者只能与其他参与者的一些互动。单纯依靠直接信任可能会经常求助于随机团队的组建。因此，信任凝聚变得至关重要。它可以利用分散的信任管理，了解基于过去的交易经验，每一位参与者的间接信任。本文提出从三个方面分散的信任管理及其效率和稳健性的替代设计。首先，我们研究的风险因素和六种常见的威胁模型的不利影响。其次，我们审查代表的信任汇聚模型和信任的指标。第三，我们提出了深入的分析和这些参考信赖聚合方法相对于有效性和鲁棒性的比较。我们展示我们通过正规分析和实验评价比较研究结果。这一综合性的研究进展的现在和未来的威胁和不同信任指标的稳健性的不利影响的认识。它也可以作为风险因素和恶作剧威胁的预期研发下一代信任聚合算法和服务发展的指导方针。

挖掘人口流动数据发现地点和习惯

原文标题： Mining Human Mobility Data to Discover Locations and Habits

地址： http://arxiv.org/abs/1909.11406

作者： Thiago Andrade, Brais Cancela, João Gama

摘要： 生活的许多方面与人类移动模式的位置相关联，与时下我们所面临的这些人随身携带的移动设备的普遍性增加。定位技术服务于这些设备，诸如蜂窝天线（GSM网络），全球导航卫星系统（GPS），以及最近的WiFi定位系统（WPS）提供一种在连续的方式大量的时空数据。因此，检测显著的地方和他们之间运动的频率就是从根本上理解人类行为。在本文中，我们提出了一种方法，用于发现用户习惯而没有任何先验或通过引入用于时空数据以识别有意义地基于密度的群集和通过在所述一组有意义的应用高斯混合模型（GMM）的外部知识地识别个人习惯的表示。为了评估该方法我们使用了两个真实世界的数据集。一个数据集包含了高密度的GPS数据，而另一个含有一个粗表示GSM移动电话的数据。结果表明，许多独特的生活习惯进行鉴定所提出的方法是非常适合这项工作。这可以用来理解用户的行为，并提请其从数据中流动模式的全景其特征概况。

社会网络隔离与城市拓扑的相互作用使得不平等增加

原文标题： Inequality is rising where social network segregation interacts with urban topology

地址： http://arxiv.org/abs/1909.11414

作者： Gergő Tóth, Johannes Wachs, Riccardo Di Clemente, Ákos Jakobi, Bence Ságvári, János Kertész, Balázs Lengyel

摘要： 社会网络放大由于诸如同质性和三元封闭社会的领带形成的基本机制的不平等。这些部队磨砺体现在网络碎片化的社会隔离。然而，很少有人知道什么结构性因素推动的碎片。在本文中，我们使用来自一个被广泛使用的在线社会网络的大数据显示，有在城市和城镇的社会网络分段和收入不平等之间的关系显著。我们发现，实际城市空间的组织与碎片比不平等的受教育的机会，政治的隔离，或少数族裔和宗教的存在更强有力的关系。社会网络的碎片是在城镇中居民区被诸如河流，铁路物理障碍分和从市中心相对较远显著较高。城镇中的设施在空间上集中也通常更多的社会隔离。这些关系表明如何规划城市可能是介入的一个有用的点，以减轻长期来看不平等。

挖掘暗网用户的交互方式，以预测企业网络事故

原文标题： Mining user interaction patterns in the darkweb to predict enterprise cyber incidents

地址： http://arxiv.org/abs/1909.11592

作者： Soumajyoti Sarkar, Mohammad Almukaynizi, Jana Shakarian, Paulo Shakarian

摘要： 随着上升的安全漏洞，在过去的几年中，出现了越来越需要从挖掘社交媒体平台的见解，提高对可能的攻击警报，企图在比赛中捍卫冲突。在这项研究中，我们试图建立一个框架，通过利用用户交互的答复网络结构，预测企业相关的外部网络攻击的目标，利用从暗网论坛非常规的信号。我们同时使用无监督和监督学习，解决随之而来的缺乏地面验证的真理企业攻击的元数据，以及用于训练模型的数据不足的挑战模式。我们确认在试图预测一个组织每天都在网络攻击的二元分类问题，我们的模型。在功能充分利用了网络结构采用几种对照研究中，我们测量到它从暗网论坛指标可以成功地用于预测攻击的程度。我们使用53个论坛信息在暗网超过17个月的任务范围。我们的框架来预测的3个不同的安全事件真实世界组织的网络攻击，建议重点放在基于随机游走的转变和社会结构的用户组之间的应答路径结构具有更好的性能方面的优势，仅仅依靠论坛或用户发帖统计之前的攻击。

利用拉普拉斯谱约束的结构化图学习

原文标题： Structured Graph Learning Via Laplacian Spectral Constraints

地址： http://arxiv.org/abs/1909.11594

作者： Sandeep Kumar, Jiaxi Ying, Jos’e Vin’icius de M. Cardoso, Daniel P.Palomar

摘要： 学习具有特定结构的曲线图是解释性和数据之间的关系的识别是必不可少的。它公知的是结构化的曲线图从观察到的样品的学习是NP-hard组合问题。在本文中，我们首先证明了一组重要的图科有可能结构的结构限制转换成图的拉普拉斯矩阵的特征值的限制。然后我们引入一个统一的图学习框架，躺在高斯图化建模拉普拉斯矩阵能够一大类图科的学习结构的谱特性的整合。该算法可证明是收敛的，实际上适合于大规模半监督和无人监督的基于图的学习任务。与合成的和真实数据组广泛数值实验证明了该方法的有效性。包含代码的所有的实验结果的R包是可在https://cran.r-project.org/package=spectralGraphTopology。

使用统计场方法分析资本积累

原文标题： A Statistical Field Approach to Capital Accumulation

地址： http://arxiv.org/abs/1909.11635

作者： Pierre Gosselin (IF), Aïleen Lotz, Marc Wambst (IRMA)

摘要： 本文提出的资本积累用于交换空间的大量异构生产者 - 消费者，其中相互作用取决于主体商的位置的模型。每个主体是由他的生产，消费，资本存量，以及他在这个抽象空间中占有的位置描述。每个主体产生一个差异化的好其价格是由市场出清条件下固定。生产函数是柯布 - 道格拉斯和资本存量遵循标准的资本积累动力学方程。主体消耗所有商品，但有支付其最近的邻国生产的产品的偏好。在交换空间主体是既须吸引力和排斥力。交流驱动主体接近，但除此之外接近一定水平，主体商往往会挤掉更遥远的主体商。本模型使用基于作者开发较早统计场论形式主义。这种方法允许经济模式与主体任意数量的分析处理，同时保留在个人层面系统的交互和复杂性。我们的研究结果表明，资本积累和主体的交换空间位置的动态是相关的。在交换空间相互作用诱导系统的几个阶段。当吸引力是有限的第一阶段出现。在这个阶段，在交换空间的初始中心位置有利于在平均资本积累，并导致更高的资本水平，而远离中心主体将经历一个较慢的积累过程。初始资金驱动剂高水平的朝向中间位置，即提高他们交往的条件：他们的经验为他们的产品提出更高要求，更高的价格。像往常一样，高资本生产率有利于资本积累，而资本折旧率较高减少资本存量。在第二阶段，吸引力是主要的。以前的结果依然存在，但会出现一个额外的阈值效应。即使没有限制最初实行的制度，两种药物的出现，取决于其资本的初始库存。的试剂的一种类型将保持高于阈值的资本和占据和从中央位置获益。另一种类型将保持低于阈值，将不能够打破它和将保持在交换空间的外围。在这个阶段，资本分布比第一阶段较不均匀。

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。