Arxiv网络科学论文摘要6篇(2021-01-13)
- 混合随机网络混合了优先连接和均匀连接机制;
- 后处理分层社区结构：质量改进和多尺度视图;
- 关于网络复杂性的估计：图元的维数;
- 统计物理学启发的模型，用于驱动市场供需的内在波动;
- 刻画阿根廷COVID-19大流行期间的社交媒体表达并预测心理健康和情绪;
- 使用HyperLogLog计数器在大型网络中查找高度连接的群集;
混合随机网络混合了优先连接和均匀连接机制
原文标题： Hybrid Random Networks Mixing Preferential Attachment with Uniform Attachment Mechanisms
地址： http://arxiv.org/abs/2101.04611
作者： Tiandong Wang, Panpan Zhang
摘要： 由于网络数据的复杂性，我们提出了一种有向混合随机网络，该网络将优先连接（PA）规则与统一附件（UA）规则混合在一起。当创建新边沿时，概率为 p in [0,1] ，它遵循PA规则。否则，此新边将添加到两个均匀选择的节点之间。与纯PA情况相比，这种混合使得固定节点的入度和出度以较慢的速率增长，从而导致分布尾部更轻。然后提供了针对所提出的混合模型的有用推理方法，并将其应用于合成数据集和实际数据集。我们看到，通过参数 p 提供了额外的灵活性，混合随机网络提供了更好的适合实际情况的方案，在该方案中，观察到了来自度数和度数的较轻尾部。
后处理分层社区结构：质量改进和多尺度视图
原文标题： Post-Processing Hierarchical Community Structures: Quality Improvements and Multi-scale View
地址： http://arxiv.org/abs/cs/0608050
作者： Pascal Pons, Matthieu Latapy
摘要： 稀疏图（社区）的密集子图出现在大多数现实世界的复杂网络中，在许多情况下都发挥着重要作用。大多数现有的社区检测算法会生成社区的层次结构，并寻求对社区的划分，以优化给定的质量函数。我们提出了新的方法来改善任何这些算法的结果。首先，我们展示了如何在比传统方法更大的分区集上优化通用类别的加性质量函数（包含模块化，性能和我们提出的基于相似度的新质量函数）。此外，我们定义了新的多尺度质量函数，该函数可以检测有意义的社区结构出现的不同尺度，而经典方法只能找到一个分区。
关于网络复杂性的估计：图元的维数
原文标题： On the Estimation of Network Complexity: Dimension of Graphons
地址： http://arxiv.org/abs/1909.02900
作者： Yann Issartel
摘要： 对网络的复杂性进行了半个多世纪的研究，并发现了广泛的应用。已经开发出许多方法来表征和估计网络的复杂性。但是，很少有关于统计保证的研究。在本文中，我们在随机图的一般模型（即所谓的graphon模型）中发展了图复杂度的统计理论。给定一个graphon，我们赋予节点的潜在空间以邻域距离，该邻域距离测量两个节点与相似节点连接的倾向。然后，我们的复杂度指标是基于该度量空间的覆盖数和Minkowski维（该度量空间的纯版本）的。尽管潜在空间无法识别，但是这些索引却是可识别的。这种复杂性的概念对随机图的流行示例具有简单的解释：它与随机块模型中的社区数量相匹配；随机几何图中欧几里得空间的维数； H “较旧的graphon模型中的链接函数的规则性。通过对图的单次观察，我们构造了邻域距离的估计量，并显示了其风险的通用非渐近界线，与minimax下界线匹配。估算距离，我们计算相应的覆盖数和Minkowski尺寸，并为这两个插件估算器提供最佳的非渐近误差范围。
统计物理学启发的模型，用于驱动市场供需的内在波动
原文标题： Statistical-physics-inspired model for intrinsic fluctuations driving supply and demand in markets
地址： http://arxiv.org/abs/2101.04361
作者： J.R. Mulder, René van Roij, R.A. Duine
摘要： 对于内在波动对市场供求的影响，我们提出了一个简单的统计物理启发模型。该模型由从事两种类型商品的主体商组成，它们的总数分开保存。单个主体商对两种商品的相对偏好由对所有主体商都相同的效用确定。计算市场供求曲线，并比较主体之间商品分配的各种动机选择。特别是，我们将所有主体商具有相同数量的商品且类似于经济学教科书的“平均域”案例与Boltzmann-Gibbs分布式商品的案例进行了比较，其中主体商的数量具有波动性。商品。我们发现，这两种方法所产生的均衡价格是不相等的，尤其是当很大一部分主体商既不能买也不能卖时。
刻画阿根廷COVID-19大流行期间的社交媒体表达并预测心理健康和情绪
原文标题： Capturing social media expressions during the COVID-19 pandemic in Argentina and forecasting mental health and emotions
地址： http://arxiv.org/abs/2101.04540
作者： Antonela Tommasel, Andres Diaz-Pace, Juan Manuel Rodriguez, Daniela Godoy
摘要： 目的。我们提供了一种基于社交媒体中使用的语言表达方式来预测COVID-19大流行期间特定人群的心理健康状况和情绪的方法。这种方法可以在短期到中期的时间范围内预测高流行期。设计。心理健康状况和情绪是通过标记刻画的，这些标记将社交媒体内容与词典联系起来。首先，我们为决策者建立描述性时间表，以监控标记的演变以及它们与危机事件的相关性。其次，我们将时间轴建模为时间序列，并支持它们的预测，这反过来又有助于确定估计标记的高流行点。发现。结果表明，不同的时间序列预测策略提供了不同的功能。在最佳情况下，即使在危机的早期阶段（例如7天）可获得的数据有限，使用神经网络策略也可以令人满意地预测情绪高发时期和心理健康障碍的出现。独创性。尽管文献中已经做出努力来预测个体的心理状态，但是在集体层面上对心理健康的分析却很少受到关注。我们提出了一种预测方法，以更大规模地分析给定人群（或个人群体）的心理健康，从而向前迈进了一步。实际影响。我们认为，这项工作有助于更好地理解与危机相关的心理过程如何在社交媒体中体现出来，这是设计，实施和监测健康预防和沟通政策的宝贵资产。
使用HyperLogLog计数器在大型网络中查找高度连接的群集
原文标题： Locating highly connected clusters in large networks with HyperLogLog counters
地址： http://arxiv.org/abs/2101.04610
作者： Lotte Weedage, Nelly Litvak, Clara Stegehuis
摘要： 在本文中，我们介绍了一种在网络中定位高度连接的群集的新方法。我们提出的方法适用于HyperBall算法，以内存高效的方式在大型图中定位具有高密度小子图模式的区域。我们使用这种方法来评估子图连通性的三种度量：电导率，三角形数量和传递性。我们证明了将我们的算法应用于这些度量，有助于识别图中的聚类区域，并为社区检测算法（例如PageRank-Nibble）提供了良好的种子集。我们从分析上获得了我们新算法的性能保证，并通过在合成网络和实际网络上进行的一系列数值实验证明了它们的有效性。
声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，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.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。
