• 社区的力量：一个使用网络社区发现的自动标注过程文本分类模型;
• 战略互惠改善公立小学的孩子学习成绩;
• 亚历山大的整体性作为可持续城市设计和规划的科学基础;
• 居住结构的脚踏实地和仰望星空：克里斯托弗·亚历山大;
• MONET：通过元数据的正交训练单位去除偏差图嵌入;
• 相互依存的网络的崩溃动态;
• 社会神经学家的社会网络分析;
• 平移和外推幂方法张量ELL ^ P特征值对;
• 党派数量和区等级之间的关系形式化模型;
• 从古典到现代的舆论动态;
• 循序渐进的学习支持空间囚徒困境博弈中的合作;
• 使用图神经网络进行重叠社区发现;

社区的力量：一个使用网络社区发现的自动标注过程文本分类模型

原文标题： The Power of Communities: A Text Classification Model with Automated Labeling Process Using Network Community Detection

地址： http://arxiv.org/abs/1909.11706

作者： Minjun Kim, Hiroki Sayama

摘要： 文本分类是机器学习和人工智能研究中最重要的领域之一。它已经在许多商业应用，如会话情报系统，新闻文章分类已，情感分析，情感检测系统，并在我们的日常生活中许多其他的推荐系统已积极采取。一个在监督文本分类模型存在的问题是，该机型性能在很大程度上依赖于通常是由人做数据标注的质量。在这项研究中，我们提出了一个新的网络社区发现为基础的自动标签和文本数据分成多类值空间。具体来说，我们建立与句子作为句子作为网络链路权重的TFIDF向量表示之间的网络节点和成对余弦相似性的网络。我们使用鲁汶法检测社区句网络。我们培训和测试支持向量机和对人的标签数据和网络社区发现两个随机森林模型标记数据。结果表明，与网络社区检测标记的数据模型的分类准确度的2.68-3.75％，跑赢模型与人类标记的数据。我们的方法可以帮助更准确的对话智能系统和其他文本分类系统的发展。

战略互惠改善公立小学的孩子学习成绩

原文标题： Strategic reciprocity improves academic performance in public elementary school children

地址： http://arxiv.org/abs/1909.11713

作者： Cristian Candia, Víctor Landaeta-Torres, César A. Hidalgo, Carlos Rodriguez-Sickert

摘要： 社会网络是关键的学习。然而，我们仍然缺乏连接网络与学习成果的机制有充分的了解。在这里，我们提出了一个大规模的研究（946名小学生从45楼不同的教室），旨在了解由小学生使用的社交策略的结果。我们同时使用，囚徒困境的非匿名版本，并提名友谊的调查勾勒学生的社会网络，并比较了学生与他们的平均成绩发挥的策略。我们发现，较高的GPA学生在人际关系更加战略性投资，与非朋友低于GPA学生合作更加慷慨地与朋友和更少慷慨。我们的研究结果表明，社会资本投资的高成绩好的学生较高的选择性可以帮助他们获得他们的社会网络的学习效益的机制之一。

亚历山大的整体性作为可持续城市设计和规划的科学基础

原文标题： Alexander’s Wholeness as the Scientific Foundation of Sustainable Urban Design and Planning

地址： http://arxiv.org/abs/1909.11755

作者： Bin Jiang

摘要： 作为克里斯托弗·亚历山大设想，并通过他一生的工作定义 - 命令的性质 - 整体性是一种递归结构再次出现在空间和物质，并反映在人的心智和认知。基于整体性，整体性的数学模型，其拓扑表示共同的定义，已经研制成功，它是能够解决不仅为什么结构美观，而且结构多少美女了。鉴于情况下，本文试图主张整体性作为可持续城市设计和规划的科学基础，用数学模型和拓扑表示的帮助。首先，我们通过引入整体性作为物理空间的数学结构，在我们周围普遍地存在，有两个基本的法则沿 - 定标法和托布勒定律 - 背后表征，使生活结构中的15个场所。我们认为，城市设计和规划可以被认为是过程，通过差异化和适应的两个设计原则的指导下，改造空间扩展整体性- - 在零敲碎打的方式 - 为生活或更多的生活结构。我们进一步讨论其他几个城市设计理论，以及他们如何可以通过合理的，并放置整体性的理论中。随着整体性的科学基础，城市设计可以变成一个科学严谨的创作与生活结构作为首要目标的。关键词：美容，生活，标度律，调整，分化和有机世界观

居住结构的脚踏实地和仰望星空：克里斯托弗·亚历山大

原文标题： Living Structure Down to Earth and Up to Heaven: Christopher Alexander

地址： http://arxiv.org/abs/1909.11757

作者： Bin Jiang

摘要： 由克里斯托弗·亚历山大发现，居住结构是一种物理现象，通过它内置的环境或文物的质量能够得到客观判断。它带有两个杰出的属性，就像一棵树：每个刻度上“更小的东西比大”在所有尺度，和“或多或少类似的事情。”作为一种物理现象，和数学概念，生活结构基本上是经验，发现并从自然和人为的东西微乎其微观察发展，它影响我们的日常生活中一些实质性的方法，例如在把一个表或花瓶在一个房间里，帮助我们做出漂亮的事物和环境。生活结构不仅是经验，也是哲学和思维开阔，让我们看到了世界和空间，更有意义的方式。本文旨在捍卫生活结构的物理现象，澄清周边亚历山大的设计思想，如目的或美容的结构性质的一些常见问题和疑虑，的建筑风格由亚历山大主张，和他神秘的概念性质。我们首先说明生活结构 - 基本组织的复杂性，由已故的雅各布斯所倡导（1916至2006年） - 由两个基本规律（标度律和托布勒定律）由两个设计原则管辖，并产生一些循序渐进的方式（分化和适应）经由15个结构特性。然后，我们验证为什么生活结构主要是经验，借鉴亚历山大自己的工作证，以及适用于地球表面，包括城市，街道和建筑物，以及两个标识我们的案例研究。得出结论之前，我们专注于亚历山大的工作中最神秘的部分 - 假设“我” - 作为普遍地无处不在，为了使生活结构的更好的感觉在我们心中的物质。

MONET：通过元数据的正交训练单位去除偏差图嵌入

原文标题： MONET: Debiasing Graph Embeddings via the Metadata-Orthogonal Training Unit

地址： http://arxiv.org/abs/1909.11793

作者： John Palowitch, Bryan Perozzi

摘要： 是图神经网络（GNNS）公平吗？在许多现实世界的图，边的形成与某些节点属性（如性别，社会，信誉）。在这种情况下，使用这些边标准GNNS将由这个信息被偏置，因为它是在邻接矩阵本身的结构进行编码。在本文中，我们表明，当元数据与节点街区的形成有关，无人监督的节点嵌入尺寸学习该元数据。这种偏见意味着不能控制在实际应用中的重要协变量，如推荐系统。为了解决这些问题，我们引入了元数据的正交节点嵌入培训（MONET）单元，用于在图消除直流偏压节点嵌入物的一般模型。 MONET通过确保节点的嵌入正在上的超平面正交训练该节点的元数据实现这一点。这有效地组织非结构化嵌入尺寸成可解释的拓扑只，仅元数据没有线性相互作用分裂。我们说明MONET的有效性，虽然我们对各种现实世界的图表，这表明我们的方法可以学习，并清除任务，例如防止政治党派的泄漏在博客网络，并挫败任意协变量的影响实验嵌入基础的推荐系统的博弈。

相互依存的网络的崩溃动态

原文标题： Crash dynamics of interdependent networks

地址： http://arxiv.org/abs/1909.11834

作者： Jie Li, Chengyi Xia, Gaoxi Xiao, Yamir Moreno

摘要： 出现与实际系统的演变在过去几年中得到了广泛的研究。然而，同样重要的现象都涉及到系统的倒闭，已较少探讨的动态，尤其是当他们可以转换成独立系统。在本文中，我们开发了允许审议的两个相互依存的网络组成的系统崩溃一个动态模型。具体来说，我们探索了系统的崩溃的动力学下两种情况：在第一个，失败的条件应满足的焦点节点以及用于其它网络中的相应节点;而在第二个，这是不够的节点之一的，失败无论是在两个网络的发生。我们报告中的互相连接的网络不同的设置进行动态的广泛的数值模拟和分析系统的行为是如何依赖于先前的方案以及对相互依存的系统的拓扑结构。我们的研究结果可以提供宝贵的见解崩溃动力学和相互依存的复杂系统的演化特性。

社会神经学家的社会网络分析

原文标题： Social Network Analysis for Social Neuroscientists

地址： http://arxiv.org/abs/1909.11894

作者： Elisa C. Baek, Mason A. Porter, Carolyn Parkinson

摘要： 虽然社会神经科学关注的是理解大脑如何与它的社会环境相互作用，当时该领域的研究已初步考虑在隔离人的大脑，剥夺其丰富的社会背景。在社会神经科学，从网络分析工具，利用新兴的工作已经开始追求这个问题，如何推进人类大脑影响的知识，并通过其社会环境的影响的结构。在本文中，我们提供重要的理论和网络分析为社会神经学家谁感兴趣的有关个体认知到个人的社会环境的结构的导入方法（尤其是社会系统）的概况。我们还强调了一些令人兴奋的新工作是如何高效地使用这些工具来研究社会神经学家相关的问题的例子。我们包括教程，以帮助与实际执行的，我们讨论的概念。最后，我们强调了广泛的社会神经学家谁是热衷于使用网络分析来研究社会系统令人兴奋的研究机会。

平移和外推幂方法张量ELL ^ P特征值对

原文标题： Shifted and extrapolated power methods for tensor $\ell^p$-eigenpairs

地址： http://arxiv.org/abs/1909.11964

作者： Stefano Cipolla, Michela Redivo-Zaglia, Francesco Tudisco

摘要： 这项工作涉及的 ELL ^ P -eigenvalues和方形张量与 d 模式的特征向量的计算。在第一部分中，我们提出了两种可能的转向流行（高阶）电力法％变异为 ELL ^ P -eigenpairs证明这两个方案的门阶 ELL ^ P 的收敛计算 - 特征向量的张量，以及对应的 ELL ^ p -eigenvalue最大，当张量是entrywise非负和 p 严格大于模式的数量大。然后，通过收敛速度慢，所提出的方法，可以实现对某些现实世界的张量，动机时 P 约d ，模式的数量，在第二部分介绍了基于简化拓扑 外推框架varepsilon -algorithm有效地加快平移功率序列。关于合成的和现实世界问题的数值结果表明通过引入移位参数和加速度技术的效率得到改善。

党派数量和区等级之间的关系形式化模型

原文标题： A Formal Model of the Relationship between the Number of Parties and the District Magnitude

地址： http://arxiv.org/abs/1909.12036

作者： Daria Boratyn, Jarosław Flis, Wojciech Słomczyński, Dariusz Stolicki

摘要： 在计算座股，在杰斐逊D’Hondt系统和基于P 的选举行为的概率模型下多地区选举自然阈值的公式的基础上“ØLYA的瓮模型，我们提出的一个新模式区级和有关各方的数量/有效数之间的关系。我们测试从采用汉狄法（相对较少的选举，但政治上的配置千差万别）多个国家和数据基础上数以百计的波兰地方选举的选举两者结果模型（大量的选举，但程度高得多参数的均匀性）。我们还探讨了该模型的一些应用，演示如何可以用来估计选举工程的潜在影响。

从古典到现代的舆论动态

原文标题： From classical to modern opinion dynamics

地址： http://arxiv.org/abs/1909.12089

作者： Hossein Noorazar, Kevin R. Vixie, Arghavan Talebanpour, Yunfeng Hu

摘要： 在这个年龄段的Facebook，Instagram的和Twitter的，有正在迅速增长，在大集团的自主主体的理解启用网络舆论动态的兴趣。意见两极分化的现象，宣传和假新闻，以及情绪的操纵的传播感兴趣的大量机构和人员，其中一些人是资源丰富。无论是更恶毒的球员，如外国政府正试图动摇那些试图弯曲情绪选举或大公司 - 往往是相当秘密，或者是比较光明磊落，像要传播的新闻研究者一些发现或者一些希望让一大群人知道真正有益的创新，他们是营销的商业利益，其中的利害关系往往是显著。在本文中，我们回顾许多经典的，还有一些新的，社会互动模式的目的是了解舆论动态。虽然第一篇研究认为动态出现在60年前，仍然是有空间的创新和探索很大。我们认为，政治气候和政治在过去几年球过人（甚至是前所未有的）事件将激发新的兴趣和新的思路。我们的目标是帮助那些感兴趣的研究人员了解已经在舆论动力学领域的显著部分探讨。我们认为，这样做，它会变得明显，仍有许多工作要做。

循序渐进的学习支持空间囚徒困境博弈中的合作

原文标题： Gradual learning supports cooperation in spatial prisoner’s dilemma game

地址： http://arxiv.org/abs/1909.12109

作者： Attila Szolnoki, Xiaojie Chen

摘要： 根据标准仿制协议，不太成功的球员采用了目前比较成功的一个忠实地为未来的成功的战略。这是演化博弈论，探索在不同的社会困境的情况下竞争战略的生命力的基石。在我们目前的工作中，我们探讨的两个稍微修改仿制协议是夸张和循序渐进的学习规则可能产生的后果。在前一种情况下，学习者不仅采用，而且还扩大了收入较高的希望的战略变化。同样，在后一种情况下，谨慎的学习者不采用替代行为精确，但需要在更新过程中对对方的战略只是一个小的一步。显然，这两种情况下假设玩家​​的倾向合作可能会零之间逐渐变化（总是缺陷）和一个（总合作），其中这些极端状态代表了传统的双策略社会困境。我们观察到，虽然夸张学习的使用对最终状态没有特别的后果，但循序渐进的学习可以显著支持合作。后者的协议既减轻主要策略的入侵速度，但成功入侵叛逃者的下降更为显著，因此，修改后的微观规则对入侵过程中的偏见影响，解释了我们的意见。

使用图神经网络进行重叠社区发现

原文标题： Overlapping Community Detection with Graph Neural Networks

地址： http://arxiv.org/abs/1909.12201

作者： Oleksandr Shchur, Stephan Günnemann

摘要： 社区检测是机器学习的一个基本问题。虽然深学习已经在许多graphrelated任务渐露，开发神经型号为社区发现已收到令人惊讶的一点关注。现有的几个方法的重点是检测不相交的社区，即使在真正的图社区是众所周知的重叠。我们解决这一不足，并提出了重叠社区发现一个图表神经网络（GNN）基于模型。尽管它的简单，我们的模型在社区回收的任务大幅度优于现有的基线。我们通过广泛的实验评估，该模型是有效的，可扩展性和鲁棒性超参数设置确定。我们还进行说明，证实GNN是该模型的力的关键成分的消融研究。

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。