澳门新萄京官方网站 1

  • 与景点互动的行人的集体动力学;
  • 社会多媒体网络中时间相关性的影响;
  • 主动网络对齐:基于匹配的方法;
  • 交互注意的经常性网络推荐;
  • 使用非均匀采样的联系数据估计流行病风险;
  • CONE:面向社区的网络嵌入;
  • 评估威斯康星州的党派Gerrymandering;
  • 流量再分配模型下相互依赖的系统中的级联失效;
  • 所有离散系统的信息论和长度分布;
  • 两个传言的传播的确定性数学模型;
  • IAD:社会网络中的互动感知扩散框架;
  • 估计不完整信息网络上传播过程的结果:中尺度方法;
  • 人类迁移和物质在网络通道中的运动;
  • 基于主题的信息级联的影响接受模型;


个城市将会举行为期12周的试验,目前已经接收到了多达10个项目,然后根据每个项目的优异程度授予$5000到$30000不等的奖金。Mozilla
的执行董事马克·瑟曼(Mark
Surman)在一份声明中表示:“千兆网络必将改变我们的生活、学习、工作和网络的交互,就像是从拨号上网到现在的宽带。”

与景点互动的行人的集体动力学

地址:
http://arxiv.org/abs/1308.2321

作者: Jaeyoung Kwak, Hang-Hyun Jo, Tapio Luttinen, Iisakki Kosonen

摘要:
为了研究行人与景点之间的相互作用的集体效应,本研究扩展了社会力量模型。这种相互作用导致行人在景点周围形成稳定的群集,甚至如果相互作用变得更强,就会进入景点。还发现,对于高行人密度和中间的相互作用力量,一些行人涌入景点,而其他人则移动到邻近的景点。这些行人运动的集体模式或者它们之间的阶段和过渡被系统地呈现在一个阶段图中。结果表明,通过调节行人密度和有吸引力的相互作用的强度,可以实现安全高效的行人使用,例如为了避免有限资源的极度渴望的情况。

(文/cnbeta)    

社会多媒体网络中时间相关性的影响

地址:
http://arxiv.org/abs/1606.06626

作者: Michele Starnini, Andrea Baronchelli, Romualdo Pastor-Satorras

摘要:
多层网络代表了自然复杂系统描述的重大进步,他们的研究揭示了新的物理现象。然而,尽管它的重要性在于其时间维度在其结构和功能上的作用迄今尚未被详细研究。在这里我们研究由真实的社会多媒体网络展示的层之间的时间相关性。在基本层面上,这种相关性的存在意味着接触模式具有一定程度的可预测性,因为我们通过对单层案例提出的熵和互信息分析的扩展量化。在不同的层次上,我们证明时间相关性是网络代理的“多任务”行为的签名,其特征在于不同社会活动之间的转换水平比不相关模式预期的更高。此外,时间相关性显着影响在网络上展开的耦合流行病学过程的动力学。我们的工作为时间多路复用网络的系统研究开辟了道路,我们预计这将在许多领域的研究人员感兴趣。

主动网络对齐:基于匹配的方法

地址:
http://arxiv.org/abs/1610.05516

作者: Eric Malmi, Aristides Gionis, Evimaria Terzi

摘要:

网络对齐是匹配两个图的节点的问题,最大化匹配节点的相似度和它们之间的边。在广泛的应用中遇到了这个问题

从生物网络到社会网络到本体,需要整合多个网络数据源。由于任务的困难,在没有人力援助的情况下很少找到准确的对齐方式。因此,开发网络对齐算法是非常重要的,该算法可以最佳地利用能够为少数节点提供正确对齐的专家。然而,只有少数现有的作品解决了这种有效的网络对齐设置。大多数现有的活动方法集中于绝对查询(“节点$
a $和$ b
$是否相同”),而我们认为人类专家通常更容易回答相对查询(“哪个节点在集合$
{b_1, ldots,b_n } $中最像节点$ a
$?“)。本文介绍了两种新的相对查询策略TopMatchings和GibbsMatchings,可以应用于构建和解决二分配匹配问题的任何网络对齐方法之上。我们的方法通过对与网络对齐实例相关联的二部图的匹配进行抽样来识别查询最多的信息节点。我们将提出的方法与几种常用的查询策略进行比较,并对合成和实际数据集进行实验。我们基于抽样的策略产生最高的总体绩效,在某些情况下,超过所有基准方法超过15个百分点。在准确性方面,TopMatchings和GibbsMatchings相当可比。然而,GibbsMatchings具有更大的扩展性,但也需要对温度参数进行超参数调整。

交互注意的经常性网络推荐

地址:
http://arxiv.org/abs/1709.01532

作者: Wenjie Pei, Jie Yang, Zhu Sun, Jie Zhang, Alessandro Bozzon,
David M.J. Tax

摘要:
捕获用户对项目偏好的时间动态对于推荐是很重要的。现有的方法主要假设用户项目交互历史中的所有时间步骤与推荐同样相关,但是不适用于用户项目交互经常偶然发生的现实世界场景。更重要的是,它们分别学习用户和项目动态,从而无法捕捉他们对用户项目交互的共同影响。为了更好地模拟用户和项目动态,我们提出了采用注意模型的交互注意循环网络(IARN)来测量每个时间步长的相关性。特别地,我们提出了一种新颖的关注方案,以交互方式学习用户和项目历史的注意分数,从而考虑到用户与项目之间的交互动态的依赖关系。通过这样做,IARN可以有选择地记住用户历史的不同时间步长,以预测不同项目的偏好。因此,我们的模型可以为推荐结果提供有意义的解释,这可以通过辅助功能进一步增强。对现实世界数据集的广泛验证表明,IARN始终优于最先进的方法。

使用非均匀采样的联系数据估计流行病风险

地址:
澳门新萄京官方网站,http://arxiv.org/abs/1709.01548

作者: Julie Fournet, Alain Barrat

摘要:
描述人口联系的许多数据集由于人口抽样和接触不足而遭受不完整性的影响。使用这些不完整数据的数据驱动模拟传播过程导致了流行风险的低估,因此重要的是设计出纠正这种偏见的方法。我们在这里关注对个人之间的联系的非均匀抽样,旨在模仿日记或调查的结果,并将两个数据集作为案例研究考虑在不同的背景下收集。我们表明,使用在均匀群体抽样的情况下开发的方法构建的替代数据可以使用采样数据有所改进,但受到低估采样网络中链路密度的强烈限制。我们提出了构建替代数据的第二种方法,该数据假定知道形成群体的群体之间的链接密度。我们表明,当人口强大的结构化时,它给出了非常好的结果,并讨论了其组织结构较弱的人群的局限性。这些限制凸显出使用可穿戴式传感器进行测量的兴趣,能够产生关于触点结构和持续时间的准确信息。

CONE:面向社区的网络嵌入

地址:
http://arxiv.org/abs/1709.01554

作者: Carl Yang, Hanqing Lu, Kevin Chen-Chuan Chang

摘要:
侦察社区在网络研究中一直受到欢迎。通常基于关于社区特征的启发式假设,如边密度和节点均匀性,将其建模为图上的无监督聚类问题。在这项工作中,我们怀疑这些广泛采用的假设的普遍性,并将人类标记社区与通过各种主流算法获得的机器预测进行比较。基于支持结果,我们认为社区是由各种社会模式所定义的,而基于启发式的无监督学习则无法捕获所有这些。因此,我们建议通过社区导向网络嵌入(CONE)对社区检测进行监督,利用有限的地面实体社区作为例子,了解嵌入模型,了解其背后的社会模式。具体来说,通过将经常性神经网络与图上的随机游走相结合,以捕获由地面真相社区指导的社会模式,开发了深层建筑。由学习模型产生的其他节点的嵌入的通用聚类算法有效地显示出与地面实体相似的社区相似的社区。

评估威斯康星州的党派Gerrymandering

地址:
http://arxiv.org/abs/1709.01596

作者: Gregory Herschlag, Robert Ravier, Jonathan C. Mattingly

摘要:
我们检查2010年大会区域地图的威斯康星州的流行程度。我们发现选举结果有很大的差异,取决于使用什么地图。我们还发现,有强有力的证据表明,地图的地图非常流行,而且这种混乱可能在一些选举中改变了威斯康星大会的党派组成。与大会可能的重新分配计划的分配相比,威斯康星州选择的计划是一个异常值,因为它产生了与共和党人高度偏差的结果,当时全国民主党人的比例超过总票数的50-52%精确的阈值取决于所考虑的选举)。威斯康辛州的计划旨在通过提供额外的共和党席位维护共和党多数席位,即使当民主党的投票权增加到权力平衡将会转移到绝大多数重新划分的计划的范围内。

网站地图xml地图