Arxiv網路科學論文摘要6篇

NOESIS網路導向探測，模擬和感應系統;

交通成本：美國燃料價格空間分析;

與有效推文相關的挖掘功能;

用於估計邊感染概率的通用框架;

社會機器人：以人為本的手段？;

社會網路在兩個階段的信息擴散;

NOESIS網路導向探測，模擬和感應系統

地址： http://arxiv.org/abs/1611.04810

作者： Víctor Martínez, Fernando Berzal, Juan-Carlos Cubero

摘要： 網路數據挖掘已經成為一個重要的研究領域，由於其可以應用的大量問題。本文介紹了NOESIS，網路數據挖掘的開源框架，提供了大量的網路分析技術，包括網路結構屬性，社區檢測方法，鏈接評分和鏈路預測分析以及網路可視化演算法。它還具有完整的獨立圖用戶界面，便於使用所有這些技術。 NOESIS框架是使用堅實的面向對象設計原則和結構化並行編程來設計的。作為一個具有最小外部依賴性和許可軟體許可證的輕量級庫，NOESIS可以併入其他軟體項目。根據BSD許可證發布，可從此http URL獲得

交通成本：美國燃料價格空間分析

地址： http://arxiv.org/abs/1706.07467

作者： Juste Raimbault, Antonin Bergeaud

摘要： 燃料價格的地理學具有許多各種影響，從對可獲得性的重大影響作為領土權益和交通政策的指標。在本文中，我們以非常高的解析度研究了美國燃料價格的時空模式，使用新建的數據集，每月採集油價兩個月，占相當比例的美國燃氣設施。這些數據是使用我們描述的專門設計的大規模數據爬取技術來收集的。我們通過使用補充方法研究社會經濟變數的影響：考慮到空間非平穩性的地理加權回歸和狀態條件的線性計量經濟學模型，並對縣級特徵進行測試。前者產生大致對應於平穩度量表的最佳空間範圍，以及諸如中位數收入或每個工作的工資等變數的顯著影響，以及非簡單的空間行為，證實了地理特徵的重要性。另一方面，多層次建模顯示出強大的固定效應，而縣級特徵仍具有重大影響。通過這些方法的結合，我們揭示了治理過程與當地社會經濟空間過程的疊加。我們討論一個重要的應用，即制定本地參數化的汽車監管政策。

與有效推文相關的挖掘功能

地址： http://arxiv.org/abs/1706.07484

作者： Jian Xu, Nitesh Chawla

摘要： 什麼推特功能與Twitter的更高的效果相關聯？通過挖掘1,200萬個原始Twitter的250萬作品，我們對tweet時間，實體，構圖和用戶帳戶功能進行了系統的回顧。我們表明，各種特徵和啾啾效應之間的關係是非線性的;例如，使用幾個主題標籤的推文比使用沒有或太多的標籤具有更高的有效性。這項研究與基於推特功能的各種工業應用密切相關，包括廣告活動分析，用戶參與預測，自動交易信號的提取等。

用於估計邊感染概率的通用框架

地址： http://arxiv.org/abs/1706.07532

作者： Andras Bota, Lauren Gardner

摘要： 建模網路傳播的傳播是一個研究很多且重要的研究領域。大多數感染和擴散模型需要網路邊上的實際價值或概率作為輸入，但是這在現實生活中很少可用。本文的目標是為此任務開發一個通用框架。一般模型與最廣泛使用的感染模型配合使用，能夠處理任意數量的對這些過程的觀察。該模型被定義為一般的優化任務，並提出了一個粒子群啟發式來解決它。我們評估提出的方法在各種各樣的現實感染情景下的準確性和速度。

社會機器人：以人為本的手段？

地址： http://arxiv.org/abs/1706.07624

作者： Christian Grimme, Mike Preuss, Lena Adam, Heike Trautmann

摘要： 社會機器人目前被認為是有影響力的，但在公共話語和輿論製作中也是有點神秘的因素。他們被認為有能力在社會和網路媒體上大規模宣傳宣傳，甚至懷疑他們的應用對最近的選舉結果負有部分責任。令人驚訝的是，「社會博弈」一詞定義不明確，不同的科學學科使用不同的定義。這個工作首先是平衡的定義嘗試，然後再提供社交機器人實際工作的概述（以Twitter為例）以及他們目前的技術限制。儘管最近在深度學習和大數據研究方面取得了進展，但是有很多機器人無法處理的活動。然後我們討論如何通過將人類整合到過程中來擴展和控制機器人的能力，以及這是目前為了實現與其他人的有效交互最有希望的途徑的原因。

社會網路在兩個階段的信息擴散

地址： http://arxiv.org/abs/1706.07739

作者： Swapnil Dhamal, Prabuchandran K.J., Y. Narahari

摘要： 鑒於以種子節點數量表示的一定預算，信息傳播最大化的問題是社會網路研究中的一個重要課題。現有文獻著重於單相擴散，其中在擴散開始時選擇所有種子節點，並且所有選定的節點同時被激活。本文對多個階段選擇和激活種子節點的效果進行了詳細的研究。具體來說，假設研究獨立的級聯模型，我們在兩個階段研究擴散。首先，我們制定了兩相擴散的目標函數，研究了其性質，提出了在兩相中尋找種子節點的有效演算法。接下來，我們研究了兩個相關的問題：（1）預算分配，其目的是最佳地分解兩個階段之間的總預算;（2）調度，其尋求確定最後延遲之後開始第二階段。我們的主要結論包括：（a）在嚴格的時間限制條件下，使用單相擴散，（b）在中等的時間約束條件下，將大部分預算分配到第一階段，使用短延時的兩相擴散，（c）當沒有時間限制時，使用具有長延遲的兩相擴散，而將大約三分之一的預算分配給第一階段。

更多網路科學研究，請掃描以下二維碼關注netsci：

六度空間相逢，共究網路之理

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！