Arxiv网络科学论文摘要19篇(2019-02-26)

• 被屏蔽社区成员的轨迹：救赎，累犯和离开;
• 面向数字机构参与和变革的设计;
• Linky：可视化多个在线社会网络的用户身份链接结果;
• 交通网络的最佳几何形状;
• 异构网络中信息扩散的深度学习方法;
• 可扩展图自动编码器的通用框架;
• Snowboot：网络推理的Bootstrap方法;
• 多样性及其类别、均衡和差异分解;
• 信息级联中的消息失真;
• 稳定婚姻问题的异质性与不稳定性;
• 城市交通量推断中稠密和不完全轨迹的联合建模;
• 基于加权个性化分解的多标签网络分类;
• 随机超图的配置模型及其应用;
• 将协作数据转换为网络层以实现增强分析;
• 声誉驱动的投票动态;
• 用于数据中心温度监测的LoRaWAN无线传感器网络;
• Rock，Rap还是Reggaeton？使用Facebook数据评估墨西哥移民的文化同化;
• 利用含HARQ和传感成本的能量收集传感器强化学习来最小化信息时长;
• SoReC：移动社会网络中基于社会关系的中心性度量;

被屏蔽社区成员的轨迹：救赎，累犯和离开

原文标题： Trajectories of Blocked Community Members: Redemption, Recidivism and Departure

地址： http://arxiv.org/abs/1902.08628

作者： Jonathan P. Chang, Cristian Danescu-Niculescu-Mizil

摘要： 社区规范违规可能会损害在线的建设性沟通和协作。作为一种防御机制，社区主持人经常通过暂时阻止犯罪者来解决这种违法行为。然而，这些行动伴随着可能疏远社区成员的代价。鉴于这种权衡，必须了解这种共同适度做法在多大程度上以及在何种情况下有效加强社区规则。在这项工作中，我们引入了一个计算框架，用于研究维基百科上被阻止用户的未来行为。在他们的阻止到期后，他们可以采取几种不同的途径：他们可以改革并遵守规则，但他们也可以重新计算，或者直接放弃社区。我们揭示了这些轨迹与根据被封锁个体的特征以及他们是否认为该块是公平合理的因素有关。基于这些见解，我们制定了一系列预测任务，旨在确定用户在首次攻击被阻止后可能采取的这些路径中的哪一条，并证明这些新任务的可行性。总的来说，这项工作通过强调正在进行的权衡来建立一种更加细致入微的温和方法。

面向数字机构参与和变革的设计

原文标题： Designing for Participation and Change in Digital Institutions

地址： http://arxiv.org/abs/1902.08728

作者： Peter Krafft, Brian Keegan, Seth Frey

摘要： 无论我们是否认识到，互联网都充斥着激动人心的原始制度形式，这些形式正在改变社会组织的线上和线下。这些互联网平台和其他数字机构的治理问题对软件工程师构成了挑战，他们中的许多人几乎没有接触过相关的制度设计历史或理论。在这里，我们提供了一个有用的框架，旨在激发计算机科学家和政治科学家之间的对话。迄今为止，人机交互，计算机支持的合作工作和整个科技行业数字机构设计的主要指导实践是一种以激励为重点的行为工程范式，即A / B等理论方法的集合。 - 测试和增量问题驱动的软件工程。一个在传统制度设计中有用的制度分析框架是被称为“奥斯特罗姆工作室”的资源治理文献。这一文献的一个重要发现尚未被广泛地纳入许多数字机构的设计中，其重要性在于将参与式变革过程机制纳入所谓的制度设计“宪法层面” - 换句话说，确定允许和促进利益相关者参与持续的制度设计变革过程的规则。我们探讨了这种考虑在多大程度上得到满足或在三种不同的数字机构案例中得到更好的满足：加密货币，大麻信息学和业余的Minecraft服务器治理。通过检查这些高度变化的案例，我们可以证明宪法层面在许多不同类型的数字机构中具有广泛的相关性。

Linky：可视化多个在线社会网络的用户身份链接结果

原文标题： Linky: Visualizing User Identity Linkage Results For Multiple Online Social Networks

地址： http://arxiv.org/abs/1902.08737

作者： Roy Ka-Wei Lee, Ming Shan Hee, Philips Kokoh Prasetyo, Ee-Peng Lim

摘要： 跨在线社会网络的用户身份链接是近年来引起关注的新兴研究课题。到目前为止已经提出了许多用户身份链接方法，并且它们中的大多数利用用户简档，内容和网络信息来确定两个社交媒体账户是否属于同一个人。在大多数情况下，通过执行一些预测任务来评估用户身份链接方法，其中使用一些总体准确度度量来呈现结果。然而，在个体用户级别很少比较这些方法，其中可以在用户简档（例如用户名），内容和网络信息方面可视地比较来自不同在线社会网络的预测匹配（或链接）用户身份对。这种比较对于确定每种方法的相对优势和劣势至关重要。在这项工作中，我们提出了Linky，一种可视化分析工具，它从多个在线社会网络上执行的不同用户身份链接方法中提取结果，并可视化链接用户身份的用户配置文件，内容和自我网络。 Linky旨在帮助研究人员（a）检查单个用户级别的链接用户身份，（b）比较不同用户链接方法返回的结果，以及（c）提供关于用户身份的哪些方面的初步经验性理解，例如个人资料，内容或网络，有助于用户身份链接结果。

交通网络的最佳几何形状

原文标题： The optimal geometry of transportation networks

地址： http://arxiv.org/abs/1902.08786

作者： David Aldous, Marc Barthelemy

摘要： 受地铁等交通网络形状的影响，我们考虑在平面上分配点，并要求网络 G 给定长度 L 在某种意义上是最优的。在一般模型中，最优性标准是最小化在点之间行进的平均值（在独立于分布选择的点对上），其中行进路径由在慢速和任何路径上穿过的平面中的任何线段组成。在地铁网络内以更快的速度穿越。主要的兴趣是当L 增加时，最优网络的形状如何变化。我们首先研究这个问题的最简单变体，其中优化标准是最小化从点到网络的平均距离，并且我们提供关于最优网络的一些一般参数。作为第二种变体，我们考虑最小化到中心目的地的平均旅行时间的最佳网络，并在分析和数字上讨论一些简单的形状，例如星形网络，环或这两个元素的组合。最后，我们以数字方式讨论网络最小化所有点对之间的平均时间的一般模型。对于这种情况，我们提出了一个尺度形式，用于我们在数值上验证的平均时间。我们还表明，在中长期制度中，随着L 增加，资源优先于径向分支，并且在价值 L_c 处出现急剧转变，其中出现循环。

异构网络中信息扩散的深度学习方法

原文标题： Deep Learning Approach on Information Diffusion in Heterogeneous Networks

地址： http://arxiv.org/abs/1902.08810

作者： Soheila Molaei, Hadi Zare, Hadi Veisi

摘要： 存在许多具有多类型交互实体的基于现实世界知识的网络系统，其可被视为包括人类连接和生物演化的异构网络。这种网络的主要问题之一是预测信息传播，例如社会事件的形状，增长和规模以及未来的演变。虽然主要使用基于阈值的方法存在关于该主题的各种工作，但是它们受到网络上的本地观点和对阈值参数的敏感性的影响。在本文中，信息扩散被认为是通过异构网络的潜在表示学习来编码在深度学习模型中。为此，我们提出了一种新颖的元路径表示学习方法，即异构深度扩散（HDD），以利用元路径作为网络中的主要实体。首先，网络的功能异构结构通过遍历元路径的连续潜在表示来学习，目的是全局端到端视点。然后，在我们生成的特征上采用众所周知的深度学习架构来预测网络中的扩散过程。所提出的方法使我们能够将其应用于不同的信息扩散任务，例如主题扩散和级联预测。我们通过众所周知的评估措施证明了基准网络数据集的建议方法。实验结果表明，我们的方法优于早期最先进的方法。

可扩展图自动编码器的通用框架

原文标题： A Degeneracy Framework for Scalable Graph Autoencoders

地址： http://arxiv.org/abs/1902.08813

作者： Guillaume Salha, Romain Hennequin, Viet Anh Tran, Michalis Vazirgiannis

摘要： 在本文中，我们提出了一个尺度图自动编码器（AE）和图变分自动编码器（VAE）的通用框架。该框架利用图简并概念仅从密集的节点子集训练模型，而不是使用整个图。结合简单而有效的传播机制，我们的方法显著提高了可扩展性和培训速度，同时保持了性能。我们在现有图AE和VAE的几个变体上评估和讨论我们的方法，将这些模型的第一个应用提供给具有高达数百万个节点和边的大图。我们实现了具有经验竞争力的结果w.r.t.几种流行的可扩展节点嵌入方法，强调了对更具可扩展性的图AE和VAE进行进一步研究的相关性。

Snowboot：网络推理的Bootstrap方法

原文标题： Snowboot: Bootstrap Methods for Network Inference

地址： http://arxiv.org/abs/1902.09029

作者： Yuzhou Chen, Yulia R. Gel, Vyacheslav Lyubchich, Kusha Nezafati

摘要： 复杂网络用于描述从电网到客户细分到人脑连接组的各种不同的社会系统和自然现象。参数化模型规范和验证的挑战激发了对更复杂网络推理的更多数据驱动和灵活的非参数方法的探索。在本文中，我们讨论了随机网络上两个引导程序的方法和R实现，即Thompson等人的拼凑引导程序。 （2016）和Gel等人。 （2017）和Snijders和Borgatti（1999）的顶点引导。据我们所知，新的R包snowboot是R中网络上的顶点和拼凑引导推断的第一个实现。我们的新包附带了详细的用户手册，并且与网络研究igraph上的流行R包兼容。我们通过广泛的仿真研究评估拼凑引导程序和顶点引导程序，并说明它们在应用于现实世界网络分析中的实用性。

多样性及其类别、均衡和差异分解

原文标题： Diversity and its decomposition into variety, balance and disparity

地址： http://arxiv.org/abs/1902.09167

作者： Alje van Dam

摘要： 多样性是许多领域的核心概念。尽管其重要性，但没有统一的方法框架来衡量多样性及其变化，平衡和差异的三个组成部分。目前的方法通过考虑它们的成对相似性来考虑类型的差异。类型之间的成对相似性不足以捕获总差异，因为它们没有考虑对以何种方式相似。因此，成对相似性在相同特征方面不区分类型的相似性，并且在不同特征方面不区分类型的相似性。本文提出了一种替代方法，该方法基于整个集合中类型之间的特征的相似性。拟议的多样性措施适当考虑到各种方面，平衡和差异，而不必为多样性的每个方面设定任意权重。基于这一指标，引入了“ABC分解”，它为品种，平衡和差异提供了单独的衡量标准，使他们能够分别进入分析。通过分析从1850年到现在的工业多样性来说明该方法，同时考虑到他们所使用的职业的重叠。最后，扩展框架以考虑多个特征的差异，为分析高维数据提供了有用的工具。

信息级联中的消息失真

原文标题： Message Distortion in Information Cascades

地址： http://arxiv.org/abs/1902.09197

作者： Manoel Horta Ribeiro, Kristina Gligorić, Robert West

摘要： 信息传播通常被建模为不可变信息通过网络传播的过程。然而，实际上，消息不是一成不变的，但可能会随着每一步而变形，可能导致大的累积失真。即使在没有恶意行为者的情况下，这一过程也可能导致错误信息，并且理解它对于建模和改进在线信息系统至关重要。在这里，我们进行了一个受控的众包实验，我们模拟了医学研究论文中信息的传播。从最初的摘要开始，人群工作者迭代地将先前生成的摘要缩短到越来越小的长度。我们还收集控制摘要，其中原始摘要被直接压缩到最终目标长度。将级联与控件进行比较允许我们将长度约束的影响与累积的失真的影响分开。通过仔细的手动编码，我们在医学文摘中注释词汇和语义单位，并沿着级联跟踪它们。我们发现迭代摘要由于误差的累积而产生负面影响，但是高质量的中间摘要导致比在控制情况下更少失真的消息。不同类型的信息表现不同;特别是，医学摘要（即其关键信息）的结论最为失真。最后，我们将提取与抽象摘要进行比较，发现后者不太容易出现语义失真。总的来说，这项工作是研究信息级联的第一步，不假设传播内容是不可改变的，这对我们理解口碑效应对误报科学的作用有影响。

稳定婚姻问题的异质性与不稳定性

原文标题： Heterogeneity and Instability in the Stable Marriage Problem

地址： http://arxiv.org/abs/1902.09226

作者： Bernardo Alves Furtado

摘要： 稳定婚姻问题（SMP）已在文献中得到极大讨论，它对许多实际应用都很有用。我们提出了SMP的通用版本，其中匹配组的数量与[9]中的不同。但是，我们进一步使每个组的百分比表现为活动的邮件发件人。因此，所有男性都是主动信使（beta = 1）且所有女性都不活跃（alpha = 0）的特殊情况复制了[9]中的结果。此外，我们使用数值模拟来呈现三种情况（及其极端情况），其中我们改变每组中活跃信使的百分比。虽然我们能够复制以前的工作，但我们的数值模拟也表明社会最优只有在群体是同质的时才会出现。当来自两个组的成员都是活动的消息发送者时，会呈现更真实的结果。

城市交通量推断中稠密和不完全轨迹的联合建模

原文标题： Joint Modeling of Dense and Incomplete Trajectories for Citywide Traffic Volume Inference

地址： http://arxiv.org/abs/1902.09255

作者： Xianfeng Tang, Boqing Gong, Yanwei Yu, Huaxiu Yao, Yandong Li, Haiyong Xie, Xiaoyu Wang

摘要： 实时交通量推断是智能城市的关键。这是一项具有挑战性的任务，因为道路上的准确交通量只能在安装传感器的某些位置进行测量。此外，由于天气，事件，假期等的影响，交通随着时间的推移而演变。交通量推断问题的现有解决方案通常依赖于密集的GPS轨迹，这不可避免地导致不携带GPS设备或具有GPS设备的车辆。他们关掉了。因此，结果偏向于出租车，因为它们几乎总是在线进行GPS跟踪。在本文中，我们提出了一个新的框架，用于全城交通量推断，使用密集的GPS轨迹和相机监控系统捕获的不完整轨迹。我们的方法采用高保真交通模拟器和深度强化学习，以从不完整的轨迹恢复整个车辆的运动。为了对恢复的轨迹和密集的GPS轨迹进行联合建模，我们构造了时空图并使用多视图图嵌入将路段之间的多跳相关编码成实值向量。最后，我们通过屏蔽的成对相似性将受监控路段的流量值传播到不受监控的路段来推断全市交通量。在中国省会城市的两个大区域进行了大量实验，验证了我们的方法的有效性。

基于加权个性化分解的多标签网络分类

原文标题： Multi-Label Network Classification via Weighted Personalized Factorizations

地址： http://arxiv.org/abs/1902.09294

作者： Ahmed Rashed, Josif Grabocka, Lars Schmidt-Thieme

摘要： 多标签网络分类是众所周知的任务，正在各种基于Web和非基于Web的域中使用。它可以被形式化为多关系学习任务，用于基于网络内的关系来预测节点标签。在稀疏网络中，当仅有隐式反馈信息可用时，例如在预测社会网络中的用户兴趣时，该预测任务可能非常具有挑战性。当前的方法依赖于通过利用网络结构来学习每个节点的潜在表示，然而，隐式反馈关系自然是稀疏的并且仅包含正观察到的反馈，这意味着这些方法将所有观察到的关系视为同等重要。在现实世界的场景中不一定是这种情况，因为隐式关系可能具有反映这些关系强度的语义权重。如果可以近似这些权重，则可以训练模型以区分强弱关系。在本文中，我们提出了一种加权个性化的两阶段多关系矩阵分解模型，该模型具有用于网络分类的贝叶斯个性化排序损失，其利用基本传递节点相似性函数来加权隐式反馈关系。实验表明，所提出的模型明显优于三种不同的真实世界基于网络的数据集和基于生物学的数据集的最新模型。

随机超图的配置模型及其应用

原文标题： Configuration Models of Random Hypergraphs and their Applications

地址： http://arxiv.org/abs/1902.09302

作者： Philip S. Chodrow

摘要： 实体之间的二元关系网络已成为复杂系统建模的主导范例。许多经验“网络” - 例如协作网络;共生网络;和通信网络 - 本质上是多元的，多个实体同时进行交互。历史上，这种多元数据已经通过标准投影操作进行了二元表示。虽然方便，但这种预测通常会对下游分析产生意想不到的和不受控制的影响，尤其是零假设检验。在这项工作中，我们在超图的框架中为多元数据开发了一类随机零模型，从而避免了投影的​​需要。我们定义的空模型在共享共同度和边维序列的超图空间上是一致的，从而提供了网络科学经典配置模型的直接推广。我们还推导出Metropolis-Hastings算法，以便从这些空间中进行采样。然后，我们应用该模型来研究两个经典的网络主题 - 聚类和协调 - 以及一个当代的多元主题 - 单纯的闭包。在每个应用程序中，我们强调随机化超图空间而不是投影图空间的重要性，表明这种选择可以显著改变方向性研究结论和统计结果。例如，我们发现我们研究的许多社会网络比随机预期的群集更少，这一发现与网络科学中的许多传统智慧紧张相关。我们的研究结果强调了为多元关系数据仔细选择合适的零空间的重要性，并证明了随机超图在许多研究背景下的实用性。

将协作数据转换为网络层以实现增强分析

原文标题： Transforming Collaboration Data into Network Layers for Enhanced Analytics

地址： http://arxiv.org/abs/1902.09364

作者： Saharnaz E. Dilmaghani, Apivadee Piyatumrong, Pascal Bouvry, Matthias R. Brust

摘要： 我们考虑从合作研究人员的数据自动生成网络的问题。目标是对生成的网络层应用网络分析，以揭示研究合作的补充模式和见解。在本文中，我们描述了我们的数据到网络方法，该方法使用链接阈值从关系输入数据自动生成一组逻辑网络层。然后，我们使用一系列网络指标来分析链接阈值对各个网络层的影响。此外，网络分析的结果还提供了有益的信息，以改善网络可视化。我们使用真实世界的协作数据证明了我们的方法的可行性和影响。我们将讨论生成的网络层如何能够揭示洞察力和模式，从而更智能地指导数据分析。

声誉驱动的投票动态

原文标题： Reputation-Driven Voting Dynamics

地址： http://arxiv.org/abs/1902.09371

作者： D. Bhat, S. Redner

摘要： 我们引入声誉选民模型（RVM）来解释个体存在不同和时变能力影响其邻居意见状态的可能性。 i ^ { rm th} 个体可以处于两种投票状态之一，并且还被赋予声誉等级 r_i ，范围从1（最高等级）到 N （最低），其中 N 是人口规模。在选民 i 的排名大于选民 j 的互动中，只有 j 的意见发生变化。此外， i 的声誉等级增加，而 j 的等级不变。当人口在两个投票状态中包含相等的数字并且这两个子群体的平均等级相同时，在平均场限制中达到一致的时间尺度为 exp（ sqrt {N}）。导致这种长期共识时间的特征是少数民族的平均等级通常高于大多数人的平均等级。因此，无论何时达成共识，这个排名很高的少数群体往往会使人们远离共识。

用于数据中心温度监测的LoRaWAN无线传感器网络

原文标题： A LoRaWAN Wireless Sensor Network for Data Center Temperature Monitoring

地址： http://arxiv.org/abs/1902.09400

作者： Tommaso Polonelli, Davide Brunelli, Andrea Bartolini, Luca Benini

摘要： 高性能计算安装是Web和云服务器以及超级计算机的基础，受到两个主要冲突要求的限制：计算节点产生的IT功耗和为避免热危害必须消除的热量。在最糟糕的情况下，数据中心消耗的高达60％的能源用于冷却，通常与过度设计的冷却系统有关。我们提出了一种低成本和电池供电的无线传感器网络（WSN），用于细粒度，灵活和长期的数据中心温度监测。 WSN已投入运营，收集了600多万个数据点，没有损失，连续六个月没有电池充电。我们的工作能效比以前报告的类似方案的WSN和7倍宽的区域提高了300倍。网络收集的数据可用于优化冷却工作，同时避免危险的热点。

Rock，Rap还是Reggaeton？使用Facebook数据评估墨西哥移民的文化同化

原文标题： Rock, Rap, or Reggaeton?: Assessing Mexican Immigrants' Cultural Assimilation Using Facebook Data

地址： http://arxiv.org/abs/1902.09453

作者： Ian Stewart, René Flores, Tim Riffe, Ingmar Weber, Emilio Zagheni

摘要： 美国墨西哥移民在文化上同化的程度一直受到广泛争论。为了研究这个问题，我们专注于音乐品味，这是一个标志着个人社会地位的关键象征资源。我们调整了早期作品中的同化度量，以分析Facebook中移民的自我报道的音乐兴趣。我们使用音乐类型中的相对兴趣水平，其中与音乐偏好中的宿主群体的相似性被视为文化同化的证据。与墨西哥同化的怀疑论者相反，我们发现甚至在第一代移民中也存在显著的文化融合，这使得他们在文献中被用作同化“基准”。此外，第二代墨西哥裔美国人与英国人和英裔非洲裔美国人都表现出很高的文化融合，但说西班牙语的人除外。我们的研究结果并没有符合单一的同化路径，而是揭示了墨西哥移民如何蔑视简单的单线理论期望，并阐明了他们独特的异质性。

利用含HARQ和传感成本的能量收集传感器强化学习来最小化信息时长

原文标题： Reinforcement Learning to Minimize Age of Information with an Energy Harvesting Sensor with HARQ and Sensing Cost

地址： http://arxiv.org/abs/1902.09467

作者： Elif Tuğçe Ceran, Deniz Gündüz, András György

摘要： 研究了具有有限容量电池的能量收集发射机发送的状态更新的时间平均预期信息年龄（AoI）。当已知信道和能量收集统计时，首先在不同的反馈机制下研究最优调度策略。对于未知环境的情况，提出了一种平均成本强化学习算法，该算法实时学习系统参数和状态更新策略。通过数值结果验证了所提方法的有效性。

SoReC：移动社会网络中基于社会关系的中心性度量

原文标题： SoReC: A Social-Relation Based Centrality Measure in Mobile Social Networks

地址： http://arxiv.org/abs/1902.09489

作者： Bowen Li, Zhenxiang Gao, Xu Shan, Weihua Zhou, Emilio Ferrara

摘要： 移动社会网络（MSN）近年来不断发展并实现各个领域。移动边计算，缓存和设备到设备通信的最新进展可能对5G系统产生重大影响。在这些环境中，识别中央用户至关重要。它可以为设计和部署各种服务和应用程序提供重要的见解。然而，评估具有动态环境的MSN中节点的中心性是具有挑战性的。在本文中，我们提出了一种基于社会关系的中心性（SoReC）度量，其中社会网络信息用于量化每个用户在MSN中的影响。我们首先引入一个新的度量标准，通过直接联系来估计用户之间的直接社会关系，然后扩展度量标准以探索由第三方桥接的用户之间的间接社会关系。基于直接和间接的社会关系，我们检测用户的影响范围并量化他们在网络中的影响。对现实世界网络的模拟表明，所提出的措施可以很好地识别MSN中未来有影响力的用户。

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://www.complexly.me （提供RSS订阅）进行同步更新。