Arxiv网络科学论文摘要9篇(2019-03-26)
- 量化网络结构对集体决策的速度和准确性的影响;
- 利用语言学习协作社会网络评估写作熟练程度：Yask;
- 社区检测的精确“没有免费午餐”定理;
- Fiducia：Zomato的个性化食品推荐系统;
- 同步交通流统计物理：S→F和S→J不稳定性之间的时空竞争;
- 国家发展程度影响了疾病空间;
- 实时社会数据中的焦虑抑郁预测;
- 网络地平线动力学I：定性角度;
- 用于推荐系统中多方面社会效应的深度潜变量表示的双图注意力网络;
量化网络结构对集体决策的速度和准确性的影响
原文标题： Quantifying the impact of network structure on speed and accuracy in collective decision-making
地址： http://arxiv.org/abs/1903.09710
作者： Bryan C. Daniels, Pawel Romanczuk
摘要： 在从神经元到蚂蚁到鱼类的不同背景中发现，二元决策是最简单的集体计算形式之一。在此过程中，个人收集的关于不确定环境的信息被累积以指导总体规模的行为。我们研究了响应具有小信噪比的输入的网络中的二元决策动态，寻找控制决策性能的集体的量化测量。我们发现决策精度主要受三个因素控制：网络邻接矩阵的前导特征值，相应的特征向量参与率，以及与相应的对称破缺分岔的距离。这使我们能够预测决策绩效如何根据其谱特性在大型网络中进行扩展。具体来说，我们探讨了由“富俱乐部”拓扑结构的分层分类结构引起的本地化效应。这可以深入了解在执行集体计算的生活网络中发现的高阶结构所涉及的权衡。
利用语言学习协作社会网络评估写作熟练程度：Yask
原文标题： Toward the Evaluation of Written Proficiency on a Collaborative Social Network for Learning Languages: Yask
地址： http://arxiv.org/abs/1903.09846
作者： Fabio N. Silva, Sergio Jimenez, George Dueñas
摘要： Yask是一个在线社交协作网络，用于在包含请求，答案和投票的框架中练习语言。由于使用当前方法测量语言能力是困难的，昂贵的并且在许多情况下是不精确的，因此我们提出了基于社会网络的新的替代方法。我们的方法称为熟练等级，扩展了众所周知的页面排名算法，以衡量用户在协作社交图中的声誉。首先，我们扩展了Page Rank，这样它不仅可以考虑正面链接（投票），还可以考虑负面链接。其次，除了使用显式链接之外，我们还结合了社交图中隐含的其他4种类型的信号。这些扩展允许熟练等级为所使用的数据集中的几乎所有用户产生熟练度排名，其中只有少数用户通过回答做出贡献，而大多数用户仅通过投票做出贡献。这克服了仅能够对具有传入链接的节点进行排名的页面排名的内在限制。我们的实验验证表明，Yask中用户的声誉/重要性与他们的语言熟练程度显著相关。相比之下，他们的书面作品与欧洲共同参考框架的词汇表相关性很差。此外，我们发现负面信号（投票）比正面信号更具信息量。我们的结论是，即使对于相对较小的人群，使用这种技术也是衡量第二语言能力的有前途的工具。
社区检测的精确“没有免费午餐”定理
原文标题： An Exact No Free Lunch Theorem for Community Detection
地址： http://arxiv.org/abs/1903.10092
作者： Arya D. McCarthy, Tongfei Chen, Seth Ebner
摘要： 无免费午餐定理的前提条件是具有损失函数的评估，其不假设某些输出优先于其他输出。 Peel等人先前的社区检测结果。 （2017）依赖于损失函数和问题域之间的不匹配。损失函数仅计算对可能输出的一部分宇宙的期望;因此，就问题规模而言，它只是渐近合适的。通过对问题域使用正确的随机模型，我们为社区检测提供了更强，更准确的无免费午餐定理。该声明推广到其他设置分区任务，包括核心/外围分离， k -clustering和图分区。最后，我们回顾了所提出的评估函数的文献，并确定了（可能略有修改）与精确的无免费午餐定理兼容的函数。
Fiducia：Zomato的个性化食品推荐系统
原文标题： Fiducia: A Personalized Food Recommender System for Zomato
地址： http://arxiv.org/abs/1903.10117
作者： Mansi Goel, Ayush Agarwal, Deepak Thukral, Tanmoy Chakraborty
摘要： 本文介绍了Fiducia，这是一个食品审查系统，涉及一条管道，处理从Zomato（印度最大的餐馆搜索和发现服务）获得的餐馆相关评论。 Fiducia特定于受欢迎的咖啡馆食品，并设法在评论中分别识别与每个项目相关的相关信息。它使用对这些文本的情绪检查，并因此根据用户项目和项目项目相似性为特定项目建议适当的餐馆。实验结果表明，Fiducia的情感分析模块实现了超过85％的精度，我们的最终推荐系统达到了约1.01的RMSE，超过了其他基线。
同步交通流统计物理：S→F和S→J不稳定性之间的时空竞争
原文标题： Statistical Physics of Synchronized Traffic Flow: Spatiotemporal Competition between S→F and S→J Instabilities
地址： http://arxiv.org/abs/1903.10218
作者： Boris S. Kerner
摘要： 我们已经揭示了同步交通流的统计物理学，它受到S→F和S→J不稳定性之间的时空竞争的支配（其中F，S和J分别表示自由流，同步流，和广泛的堵塞交通阶段）。在三相交通理论的框架下，基于元胞自动机模型的模拟进行了同步流的概率分析。这种概率分析表明，在同步流量的车辆之间存在有限的初始空隙，在此期间，在交通观察的选定时间内，同步流量持续存在概率 P _ rm S 或S 右箭头 F转换以概率 P _ rm SF 发生，否则S→J转换发生概率 P _ rm SJ 。已找到概率 P _ rm S ， P _ rm SF 和 P _ rm SJ 的空隙依赖性。对于具有瓶颈的道路，均匀道路的同步流动的统计特征仍然是定性的。然而，由于瓶颈引入的永久性非同质性，初始S rightarrow 的原子核，而不是S→F和S→J不稳定性的核在均匀道路的随机道路位置发生。 F和S→J不稳定性主要出现在瓶颈上。
国家发展程度影响了疾病空间
原文标题： The development of nations conditions the disease space
地址： http://arxiv.org/abs/1903.09703
作者： Antonios Garas, Sophie Guthmuller, Athanasios Lapatinas
摘要： 利用1990 - 2016年期间195个国家的疾病流行数据的经济复杂性方法，我们提出了两个新的衡量标准，用于量化疾病之间的相关性，或国家的“疾病空间”。通过这些指标，我们分析了疾病的地理位置，并实证研究了经济发展对各国卫生复杂性的影响。我们表明，人均收入越高，国家疾病的复杂性就越高。此外，我们建立了疾病水平指数，将疾病与普遍存在的疾病病例国家的人均GDP水平联系起来。通过该指数，我们强调经济发展与疾病复杂性之间的联系，并在疾病层面说明人均收入增加与更复杂疾病的关系。
实时社会数据中的焦虑抑郁预测
原文标题： Anxious Depression Prediction in Real-time Social Data
地址： http://arxiv.org/abs/1903.10222
作者： Akshi Kumar, Aditi Sharma, Anshika Arora
摘要： 心理健康和社交媒体一直是密切相关的研究领域。在这项研究中，提出了一种新的模型，AD预测模型，用于实时推文中的焦虑抑郁预测。这种混合性焦虑抑郁症主要与不稳定的思维过程，烦躁不安和失眠有关。基于语言提示和用户发布模式，使用5元组向量<字，时间，频率，情感，对比度>来定义特征集。建立与焦虑相关的词典以检测焦虑指标的存在。分析推文的时间和频率是否存在不规则性，并且进行意见极性分析以发现发布行为的不一致性。该模型使用三个分类器（多项式na“”Bayes，梯度增强和随机森林）进行训练，并使用集合投票分类器进行多数投票。对抽样100个用户的推文评估初步结果，并且所提出的模型实现分类准确率为85.09％。
网络地平线动力学I：定性角度
原文标题： Network Horizon Dynamics I: Qualitative Aspects
地址： http://arxiv.org/abs/1903.10268
作者： B. Dribus, A. Sumner, K. Bist, N. Regmi, J. Sircar, S. Upreti
摘要： 大多数非循环有向网络，在数学上被描述为有向图，出现在机器学习，生物学，社会科学，物理学和其他应用中。纽曼已经注意到这种网络的数学挑战。在本系列论文中，我们研究了它们的连接属性，重点关注影响典型节点的水平尺寸的三种类型的相变。随着平均局部连通性的增加，前两种类型涉及巨型组件的涌现，而第三种类型涉及距离典型节点可变距离的小世界视界增长。在第一篇论文中，我们关注定性行为，模拟和应用，为后续论文留下正式的考虑因素。我们解释了这种相变如何区分深度神经网络和浅层机器学习架构，并提出具有惊人连接优势的混合本地/随机网络设计。我们还提出了一种小世界方法来解决早期宇宙宇宙学中的地平线问题，作为Guth和Linde通胀假设的新替代方案。
用于推荐系统中多方面社会效应的深度潜变量表示的双图注意力网络
原文标题： Dual Graph Attention Networks for Deep Latent Representation of Multifaceted Social Effects in Recommender Systems
地址： http://arxiv.org/abs/1903.10433
作者： Qitian Wu, Hengrui Zhang, Xiaofeng Gao, Peng He, Paul Weng, Han Gao, Guihai Chen
摘要： 社交推荐利用社交信息来解决传统协同过滤方法中的数据稀疏性和冷启动问题。然而，大多数现有模型假设来自朋友用户的社交效应是静态的并且是在恒定权重或固定约束的形式下。为了放松这个强有力的假设，在本文中，我们提出双图注意网络，以协作学习双重社会效应的表示，其中一个是由用户特定的注意力量建模，另一个是由动态和上下文感知建模注意力量。我们还将用户域中的社交效果扩展到项目域，以便可以利用来自相关项目的信息来进一步缓解数据稀疏性问题。此外，考虑到两个领域的不同社会影响可以相互影响并共同影响用户对项目的偏好，我们提出了一种新的基于策略的融合策略，该策略基于情境多臂强盗来衡量各种社会影响的相互作用。在一个基准数据集和商业数据集上的实验验证了我们模型中关键组件的功效。结果表明，与其他最先进的社会推荐方法相比，我们的模型在推荐准确性方面取得了很大的进步。
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。
