Arxiv網路科學論文摘要16篇
計算實驗成功預測了超高頻股票收益中自相關的出現;
「你不是肯尼迪」：媒體評選總統辯論焦點;
用於識別NHL選秀中特殊球員的模型樹;
GraphRNN：圖的深度生成模型;
多階段通過社會網路傳播信息的有效性;
初始條件對複雜網路極化的重要性;
N-GCN：半監督節點分類的多尺度圖卷積;
存在群間抑制的創新擴散模型;
流行病在含時活動驅動網路上的最優遏制;
解讀高頻率出生率的波動;
我會回來的：關於移動活動跟蹤應用程序用戶的多元生活;
建模相互依賴的和周期性的實際行為序列;
有內部和外部雜訊的網路中的罕見事件;
複雜網路中通過自學獲取知識的動態;
呼叫中心服務時間是對數正態分布。福克-普朗克描述;
空間演化博弈模型中的環境政策規制與企業合規性;
計算實驗成功預測了超高頻股票收益中自相關的出現
原文標題： Computational experiments successfully predict the emergence of autocorrelations in ultra-high-frequency stock returns
地址： http://arxiv.org/abs/1404.1051
作者： Jian Zhou (ECUST), Gao-Feng Gu (ECUST), Zhi-Qiang Jiang (ECUST), Xiong Xiong (TJU), Wei Chen (SZSE), Wei Zhang (TJU), Wei-Xing Zhou (ECUST)
摘要： 社會和經濟系統是複雜的適應系統，其中異質因子以自組織的方式相互作用和發展，宏觀法則從微觀屬性中出現。為了理解複雜系統的行為，基於物理和數學模型的計算實驗提供了一個有用的工具。在這裡，我們使用稱為改進的邁克 - 法默（MMF）的現象學訂單驅動模型進行計算實驗，以預測訂單流對超高頻回報中自相關的影響，由Hurst指數
H
r
進行量化。研究了MMF模型中嵌入的三種可能的決定因素，包括訂單方向的Hurst指數
H
s
，Hurst指數
H
x
和所下定單相對價格的冪律尾部指數
alpha
x
。計算實驗預測
H
r
與
alpha
x
和
H
x
負相關，與
H
s
正相關。此外，
alpha
x
和
H
x
的值對
H
r
的影響可以忽略不計，而
H
s
對
H
r
有顯著的影響。通過從43份中國股票的訂單流數據得到的實證結果，驗證了MMF模型對
H
r
對
H
s
和
H
x
的依賴性的預測。
「你不是肯尼迪」：媒體評選總統辯論焦點
原文標題： "You are no Jack Kennedy": On Media Selection of Highlights from Presidential Debates
地址： http://arxiv.org/abs/1802.08690
作者： Chenhao Tan, Hao Peng, Noah A. Smith
摘要： 政治演講和辯論在塑造政治家形象方面起著重要作用，而公眾通常依靠媒體從大量話語中選擇一些政治信息。了解哪些因素會影響選擇過程是一個重要的研究問題。為了定量探討選拔過程，我們建立了一個三十年的總統辯論記錄和辯論後報道數據集。我們首先檢查措辭的效果，並提出一個二元分類框架，控制說話人和辯論情況。我們發現，在這項任務中，眾包工作者只能達到60％的準確率，這表明媒體選擇並不完全明顯。我們的分類器平均勝過眾包工，主要是在初級辯論中。我們還將眾包工人自由形式解釋中的重要因素與數據驅動方法中的重要因素進行比較，並找出有趣的差異。很少有聽眾提到「語境很重要」，而我們的數據表明，同一位發言者的引語句比先前的話更加不同於引用較少引號的句子。最後，我們研究媒體偏好對不同字眼的總體影響，以了解媒體分散的程度。通過分析根據我們的數據引用行為構建的二部圖，我們觀察到兩黨覆蓋率呈下降趨勢。
用於識別NHL選秀中特殊球員的模型樹
原文標題： Model Trees for Identifying Exceptional Players in the NHL Draft
地址： http://arxiv.org/abs/1802.08765
作者： Oliver Schulte, Yejia Liu, Chao Li
摘要： 起草強壯的球員對球隊的成功至關重要。我們描述了一種新的數據驅動可解釋的方法來評估國家冰球聯盟的選秀前景。先前成功的方法已經基於玩家特徵建立了預測模型，或者根據隊列中可比較玩家的觀察到的表現推導出性能預測。本文開發了模型樹學習，它融合了基於模型和基於隊列的方法的優勢。模型樹根據離散要素的值或連續要素的學習閾值來劃分特徵空間。樹中的每個葉節點都定義了一組球員，這些球員很容易用曲棍球專家來描述，並帶有自己的組群回歸模型。與單一模型相比，模型樹形成了一個增加預測能力的整體。與基於群組的方法相比，可比數據組是從數據中發現的，而不需要相似性度量。模型樹的性能預測與最先進的方法相競爭，這些方法憑經驗驗證了我們的模型。我們在案例研究中表明，模型樹玩家排名可以用來突出玩家的強弱點。
GraphRNN：圖的深度生成模型
原文標題： GraphRNN: A Deep Generative Model for Graphs
地址： http://arxiv.org/abs/1802.08773
作者： Jiaxuan You, Rex Ying, Xiang Ren, William L. Hamilton, Jure Leskovec
摘要： 建模和生成圖是研究生物學，工程學和社會科學網路的基礎。然而，由於圖的非唯一性，高維性以及給定圖中邊之間存在複雜的非局部依賴關係，因此對圖上的複雜分布進行建模並從這些分布有效地採樣是具有挑戰性的。在這裡我們提出GraphRNN，這是一個深度自回歸模型，可以解決上述挑戰，並且可以用最小的假設來近似任何圖的分布。 GraphRNN學習通過對代表性圖集進行訓練來生成圖，並將圖生成過程分解為節點和邊形成序列，並以迄今為止生成的圖結構為條件。為了定量評估GraphRNN的性能，我們引入了基於最大平均偏差的數據集，基線和新穎評估度量的基準套件，這些度量衡量了多組圖之間的距離。我們的實驗顯示GraphRNN明顯優於所有基線，學習生成與目標集合的結構特徵相匹配的不同圖，同時還將比以前深度模型大50倍的圖尺度。
多階段通過社會網路傳播信息的有效性
原文標題： Effectiveness of Diffusing Information through a Social Network in Multiple Phases
地址： http://arxiv.org/abs/1802.08869
作者： Swapnil Dhamal
摘要： 我們研究使用多個階段的有效性，通過社會網路最大限度地擴大信息傳播的範圍，並在考慮各個方面的同時提供見解。具體而言，我們關注獨立級聯模型，根據前一階段的觀測擴散情況自適應地選擇多個階段的種子節點，並對現實世界網路數據集和各種播種預算值進行詳細的模擬研究。我們首先提出一個否定的結果，即更多的階段不能保證更好的傳播，然而更多階段的適應性優勢通常會導致在實踐中更好的傳播，就像在現實世界的數據集上觀察到的那樣。我們研究多個階段的擴散如何影響代表擴散程度的分布的均值和標準差。然後，我們研究階段的數量如何影響多階段擴散的有效性，擴散如何逐步進行，以及什麼是分階段的全部播種預算的最佳方式。我們的實驗表明，當我們從單相轉變為兩相時收益顯著，當我們進一步轉向三個階段時，我們的實驗獲得了可觀的收益，但此後的邊際收益通常不是很顯著。我們的主要結論是，考慮到階段的數量，在不同階段劃分預算的最佳方法是，每個階段受影響的節點數量幾乎相同。
初始條件對複雜網路極化的重要性
原文標題： Importance of initial conditions in the polarization of complex networks
地址： http://arxiv.org/abs/1802.08885
作者： Snehal M. Shekatkar, Sukratu Barve
摘要： 大多數現有的意見形成模式使用隨機初始條件。事實上，除了一小部分人口之外，社會網路中的大多數人最初都沒有意識到或漠不關心這個有爭議的問題。為了探索這些特定初始條件的後果，我們研究了當兩個不同的種子節點上出現衝突的想法然後根據多數規則進行傳播時社會網路的極化。我們發現這些初始條件產生的結果與用隨機初始條件得到的結果大不相同。我們進一步表明，一個潛在的社區結構和一個胖尾部程度分布相互競爭，以決定網路是否會極化。我們的工作表明，現有的意見動態模型應該重新評估，以納入初始條件依賴。
N-GCN：半監督節點分類的多尺度圖卷積
原文標題： N-GCN: Multi-scale Graph Convolution for Semi-supervised Node Classification
地址： http://arxiv.org/abs/1802.08888
作者： Sami Abu-El-Haija, Amol Kapoor, Bryan Perozzi, Joonseok Lee
摘要： 圖卷積網路（GCNs）在圖結構數據的半監督學習方面顯示出顯著的改進。同時，圖嵌入的無監督學習受益於隨機遊走中包含的信息。在本文中，我們提出了一個模型：GCNs網路（N-GCN），它結合了這兩個工作。 N-GCN的核心是在隨機行走中在不同距離發現的節點對上訓練多個GCN實例，並學習優化分類目標的實例輸出組合。我們的實驗表明，我們提出的N-GCN模型改進了我們考慮的所有具有挑戰性的節點分類任務的最新基線：Cora，Citeseer，Pubmed和PPI。此外，我們提出的方法還具有其他所需的特性，包括對最近提出的半監督學習方法（如GraphSAGE）的推廣，使我們能夠提出N-SAGE，以及抵禦敵對輸入擾動的韌性。
存在群間抑制的創新擴散模型
原文標題： A Model for Innovation Diffusion with Intergroup Suppression
地址： http://arxiv.org/abs/1802.08943
作者： Anirban Chakraborti, Syed S. Husain, Joseph Whitmeyer
摘要： 我們提出了一種創新擴散的新模式。在這裡，人口被分割成不同的群體。特定群體對一些文化產品的採用可能會被大量已經採用的自己的成員所抑制，特別是另一個採用的群體的成員也會受到阻礙。組間遷移也是允許的。我們確定平衡點並對兩組人口的模型進行穩定性分析。我們還模擬了模型的離散時間版本。最後，我們介紹2012-2016年8個國家使用平板電腦的數據，並顯示「25歲以下」年齡組和「55歲以上」年齡組之間的使用關係符合該模型。
流行病在含時活動驅動網路上的最優遏制
原文標題： Optimal Containment of Epidemics over Temporal Activity-Driven Networks
地址： http://arxiv.org/abs/1802.08961
作者： Masaki Ogura, Victor M. Preciado, Naoki Masuda
摘要： 在本文中，我們研究在時間和自適應網路中發生的流行病動態。基於活動驅動的網路模型，我們提出了一個自適應流行病模型，其中網路拓撲由於外部因素獨立於流行動態以及個體採用的內源性預防措施而動態地改變，感染。使用馬爾可夫過程對模型進行直接分析涉及轉移概率矩陣的譜分析，轉移概率矩陣的大小隨著節點數目呈指數增長。為了克服這個限制，我們根據
2times2
矩陣的特徵值導出受感染節點數量的衰減率的上限。利用這個上限，我們提出了一種有效的演算法來調整描述內源性預防措施的參數，以便隨時間推移抑制流行病。我們通過數值模擬來證實我們的理論結果。
解讀高頻率出生率的波動
原文標題： Deciphering the fluctuations of high frequency birth rates
地址： http://arxiv.org/abs/1802.08966
作者： Claudiu Herteliu, Peter Richmond, Bertrand M. Roehner
摘要： 這裡的術語「高頻率」是指每天，每周或每月的出生數據。每日出生數的波動表現出一系列的尖峰和窪地，至少乍看之下，看起來幾乎與白雜訊一樣隨機。然而，最近幾次研究發表了，包括本作者，這些研究更好地洞察了外生因素如何影響出生。其中之一涉及到不利條件（如饑荒，疾病，地震，熱浪）暫時影響人口受孕能力的方式，從而在死亡波浪後9個月出生率下降。此外，宗教間斷（例如在四旬期間）導致概念減少。這些以及其他影響帶來了希望，我們很快就能夠「讀」和解釋出生率模式，就像埃及學家讓 - 弗朗索瓦尚普利奧設法破譯許多（儘管不是全部）象形文字一樣。
我會回來的：關於移動活動跟蹤應用程序用戶的多元生活
原文標題： I"ll Be Back: On the Multiple Lives of Users of a Mobile Activity Tracking Application
地址： http://arxiv.org/abs/1802.08972
作者： Zhiyuan Lin, Tim Althoff, Jure Leskovec
摘要： 追蹤活動（如鍛煉，睡眠和飲食）的移動健康應用程序正在得到廣泛使用。雖然這些活動跟蹤應用程序有潛力改善我們的健康狀況，但用戶參與度和保留率是他們成功的關鍵因素。但是，實際活動跟蹤應用程序中的長期用戶參與模式尚未得到很好的理解。在這裡，我們研究了移動身體活動跟蹤應用程序中的用戶參與模式，該應用程序包括超過31個月超過一百萬用戶採取的1.15億次記錄活動。具體而言，我們表明，超過75％的用戶在長時間不活動後返回並重新與應用程序進行交互，無論持續時間不活動。我們發現了一個令人驚訝的結果，即再次參與使用模式與初始參與階段開始時的使用模式相似，而不是初始參與階段結束時的簡單延續。這種證據指向用戶參與的多種生活的概念模型，擴展了用戶活動的流行單一生活觀點。我們證明發生這些多重生命是因為用戶具有各種不同的主要意圖或使用該應用程序的目標。我們發現，一旦用戶達到主要目的或目標（例如體重減輕），用戶更可能停止使用應用程序。然而，這些用戶可能會返回一次他們原來的意圖重現（例如，想要失去新增重量）。基於本研究中提出的見解，包括改善主要意圖表現的標誌，我們的預測模型達到71％ROC AUC。總體而言，我們的研究對建模用戶重新參與健康活動跟蹤應用程序建模具有影響，並對通知，推薦以及博弈化如何用於增加參與度產生影響。
建模相互依賴的和周期性的實際行為序列
原文標題： Modeling Interdependent and Periodic Real-World Action Sequences
地址： http://arxiv.org/abs/1802.09148
作者： Takeshi Kurashima, Tim Althoff, Jure Leskovec
摘要： 移動健康應用程序，包括跟蹤運動，睡眠和飲食等活動的應用程序正在得到廣泛應用。準確預測人類行為對於有針對性的建議是必不可少的，這些建議可以改善我們的健康和個性化這些應用。然而，由於人類行為的複雜性，做出這樣的預測是非常困難的，其中包括大量隨時間變化的潛在行為，相互依賴並且是周期性的。以前的工作還沒有共同模擬這些動態，主要集中在物品消費模式，而不是更廣泛的行為類型，如進食，上下班或鍛煉。在這項工作中，我們開發了一個新穎的時變，相互依存和周期性動作序列的統計模型。我們的方法基於個性化的多變數時間點過程，通過混合高斯強度對時變動作傾向進行建模。我們的模型通過霍克斯基於過程的自激勵來捕捉行為之間的短期和長期的周期性相互依賴關係。我們評估了兩種活動日誌數據集的方法，其中包括超過17個月的2萬名用戶採取的1200萬次行動。我們證明，我們的方法使我們能夠成功預測未來的用戶行為及其時機。具體而言，我們的模型改進了對多個數據集的現有方法的行動及其時間的預測，分別高達156％和37％。對於比較罕見和周期性的行為，如步行和騎自行車，性能改進尤其大，對基線的改善高達256％。這表明，對現實世界行為的依賴性和周期性的顯式建模可以成功預測未來的行為，並對建模人類行為，應用程序個性化和健康干預的目標造成影響。
有內部和外部雜訊的網路中的罕見事件
原文標題： Rare events in networks with internal and external noise
地址： http://arxiv.org/abs/1802.09320
作者： J. Hindes, I. B. Schwartz
摘要： 我們研究具有內部和外部雜訊的網路中的罕見事件，並發展一種通用形式來分析結對淬火技術和大偏差理論的罕見事件。作為例證，在易感染 - 易感染模型中詳細考慮了罕見事件的概率分布，形狀和時間尺度以用於滅絕。我們發現當存在兩種類型的雜訊時，隨著網路規模的增加，存在交叉區域，其中大偏差的概率指數不再隨網路大小線性增加。我們證明交叉的形式取決於流行狀態是否位於流行閾值附近。
複雜網路中通過自學獲取知識的動力學
原文標題： The Dynamics of Knowledge Acquisition via Self-Learning in Complex Networks
地址： http://arxiv.org/abs/1802.09337
作者： Thales S. Lima, Henrique F. de Arruda, Filipi N. Silva, Cesar H. Comin, Diego R. Amancio, Luciano da F. Costa
摘要： 有關知識組織和獲取的研究對於理解與科學和技術相關的領域具有重要意義。模擬不同概念之間關係的常用方法是通過複雜的網路。在這樣的表示中，網路的節點存儲知識並且邊表示它們的關係。一些考慮這種類型的結構和知識獲取動態的研究採用一個或多個代理通過在網路上行走來發現節點概念。在這項研究中，我們研究了考慮單個節點作為「網路大腦」的不同類型的動力學。這樣的大腦代表了一系列真實的系統，例如一個人獲得並存儲在大腦中的環境信息。要將發現的信息存儲在特定節點中，代理將在網路上行走並返回大腦。我們提出了三種不同的動態，並在幾種網路模型和真實系統上進行測試，這些系統由期刊文章及其各自的引用形成。 {令人驚訝的是，結果顯示，根據所採用的步行模式，自我知識獲取的效率對網路大腦的拓撲結構，搜索策略和本地化的依賴性較弱。
呼叫中心服務時間是對數正態分布。福克-普朗克描述
原文標題： Call center service times are lognormal. A Fokker--Planck description
地址： http://arxiv.org/abs/1802.09398
作者： Stefano Gualandi, Giuseppe Toscani
摘要： 呼叫中心是代理商提供電話服務的服務網路。呼叫中心運營的一個重要部分是服務時間。在最近對實際數據的統計分析中，已經注意到服務時間的分布顯示出與對數正態分布的顯著擬合。在本文中，我們通過採用多智能體系統的統計力學的經典方法來討論這種行為的可能來源。根據Kahneman和Twersky的前景理論的精神，建立了導致具有對數正態平衡密度的線性動力學方程的微觀服役時間變化作為決策的主要標準，其為合適的值函數。
空間演化博弈模型中的環境政策規制與企業合規性
原文標題： Environmental Policy Regulation and Corporate Compliance in a Spatial Evolutionary Game Model
地址： http://arxiv.org/abs/1802.09406
作者： Gabriel Meyer Salom?o, André Barreira da Silva Rocha
摘要： 我們使用演化博弈模型來研究政策制定者在一個面臨污染陷阱的國家所推行的企業環境合規與執法之間的相互作用，即絕大多數企業沒有內部化其污染負面外部性的情景和審計人員不檢查公司。這場博弈衝突是由於公司在污染和未檢查的情況下富裕程度的平衡，而當審計師不需要檢查負責技術生產決策中污染的社會責任公司時，社會福利最大化使用和排放水平。從混合良好的兩種群體博弈模型開始，沒有長期均衡，污染者和推卸責任的審計人員的份額隨著時間的推移而持續振蕩。相比之下，當公司和審計師被分配到一個空間網路中時，博弈會根據檢查成本顯示出豐富的動態。雖然振蕩行為仍然是可能的，但是有一套參數可以實現長期穩健的平衡，同時該國離開污染陷阱。另一方面，過高的檢查成本會導致審計過程無效，只有少數合規企業被趕出國外。
聲明：Arxiv文章摘要版權歸論文原作者所有，由本人進行翻譯整理，未經同意請勿隨意轉載。本系列在微信公眾號「網路科學研究速遞」（微信號netsci）和個人博客 https://www.complexly.me （提供RSS訂閱）進行同步更新。
TAG:網路科學研究速遞 |