Arxiv网络科学论文摘要11篇(2019-11-28)

  • 协作驱动个人生产力;
  • 全速范围自适应巡航控制系统跟车模型的鲁棒性分析;
  • 高度集群复杂网络的结构模型:随机规则小世界网络;
  • 近因预测作者引用演化中的爆发;
  • 基于累计时间的排序方法评价信息网络声誉;
  • 图表示用于人脸分析图像集;
  • 2019欧洲议会选举期间Twitter假新闻的覆盖面有限;
  • 城市效率和运动的不可逆转;
  • 没有惯性的行人模型的相关噪声导致了停止和前进波;
  • 用事实欺骗:通过一个大型网络实验量化锚定偏置;
  • ComHapDet:单倍体装配空间社区检测算法;

协作驱动个人生产力

原文标题: Collaboration Drives Individual Productivity

地址: http://arxiv.org/abs/1911.11787

作者: Goran Muric, Andres Abeliuk, Kristina Lerman, Emilio Ferrara

摘要: 如何合作者的数量会影响个人的生产力?以前的研究结果已经发生冲突,一些研究报告在个人生产率增长作为合作者的数量增长,而其他的研究表明,在搭便车效应歪斜由个人投资的努力,使较大的群体生产力较低。这些学校的思想之间的差别是巨大的:如果一个超尺度效应的存在,由前研究的建议,然后根据小组长,他们的生产力将速度甚至比其规模增加,超线性提高其效率。我们解决通过研究两个行星大规模协作系统这样一个问题:GitHub上和维基百科。通过分析超过200万的用户在这些平台上的活动,我们发现,群体规模和生产率之间的相互影响呈现出复杂的,以前没有观察到动态:更小的群体规模与集团规模生产能力超线性的,但在大尺寸饱和。此效果并不生产率的异质性的人为现象:组尺寸和生产率之间的关系保持在个体水平上。人们往往会做更多更多的人合作的时候。我们建议个人生产力的生成模型,捕捉非线性的协作努力。该模型能够解释通过捕捉它们的最大信息行为特征预测的GitHub和维基百科集团工作力度,它铺平了合作的原则性,数据驱动的科学方式。

全速范围自适应巡航控制系统跟车模型的鲁棒性分析

原文标题: Robustness analysis of car-following models for full speed range ACC systems

地址: http://arxiv.org/abs/1911.11805

作者: Antoine Tordeux, Jean-Patrick Lebacque, Sylvain Lassare

摘要: 自适应巡航控制系统驱动的自动化的基本组成部分。在上控制水平,ACC系统基于跟车模型根据所述距离间隙到前身和速度差的车辆的加速率。追求策略在于保持固定时间间隙与前作的建议,行业规范的自适应巡航控制系统。该系统的系统的主动安全是解决由于本地和字符串稳定性分析。一些经典的固定时间间隙的线性和非线性跟车模型进行了比较。我们审慎评估对时延,噪声和测量误差,异质性,或动力学限制在较低水平控制在动态操作模型的鲁棒稳定性。结果凸显,许多因素可能扰乱稳定和诱导停时走波的形成,甚至本质上是稳定跟车模型。

高度集群复杂网络的结构模型:随机规则小世界网络

原文标题: Highly Clustered Complex Networks in the Configuration Model: Random Regular Small-World Network

地址: http://arxiv.org/abs/1911.11910

作者: Wonhee Jeong, Hoseung Jang, Unjong Yu

摘要: 我们提出了一个方法,以使配置模型内的高度聚集的复杂网络。使用这种方法,我们产生高度聚集的随机规则网络并分析它们的属性。我们表明,适当的参数高度集群随机规则网络满足小世界网络的所有条件:连通性,高聚类系数和小世界效应。我们还研究集群如何影响随机规则网络渗透门槛。此外,囚徒困境博弈进行了研究和讨论集群和程度的异质的合作水平的影响。

近因预测作者引用演化中的爆发

原文标题: Recency predicts bursts in the evolution of author citations

地址: http://arxiv.org/abs/1911.11926

作者: Filipi Nascimento Silva, Aditya Tandon, Diego Raphael Amancio, Alessandro Flammini, Filippo Menczer, Staša Milojević, Santo Fortunato

摘要: 科技论文引文过程已被广泛研究。不过,虽然通过作者计提引文他们的论文的引文的总和,从纸张到笔者的水平转换引文积累的动态是不平凡的。在这里,我们进行笔者引用的演化的系统研究,尤其是其突发性的动态变化。我们发现他们在未来获得引用最近由作者应计的数量和引用的次数之间的相关性的实证证据。用一个简单的模型,其中一个作者接收新的引文的概率只取决于之前的12-24个月内收集的引用次数,我们可以重现两个引用并在多个几十年的作家的突发大小分布。

基于累计时间的排序方法评价信息网络声誉

原文标题: Accumulative time-based ranking method to reputation evaluation in information networks

地址: http://arxiv.org/abs/1911.11930

作者: Hao Liao, Qi-xin Liu, Ze-cheng Huang, Chi Ho Yeung

摘要: 随着现代科技的飞速发展,网络已经成为用户结交朋友,获取信息的重要平台。然而,由于网络上的信息过于丰富,信息过滤成为在线用户获得相关建议的一项关键任务。由于大部分网站可以根据用户的评价和喜好,相关性查询,新旧程度,如何从过度丰富的信息中提取最相关的项目进行排名始终在各个领域的研究人员的重要课题。在本文中,我们采用了用于分析复杂的网络,以评估用户的信誉和项目质量的工具。在我们提出的基于累积时间排名(ATR)算法,我们纳入其中当用户选择或速率项更新两种行为的加权因子,以反映用户的信誉和项目质量随时间的变化。我们发现,我们的算法优于国家的最先进的从各种在线零售商和研究出版物中引用的数据集的数据集经验的精度和鲁棒性方面排名算法。

图表示用于人脸分析图像集

原文标题: Graph Representation for Face Analysis in Image Collections

地址: http://arxiv.org/abs/1911.11970

作者: Domingo Mery, Florencia Valdes

摘要: 由于带有图片的数量庞大的一个社会事件的图像采集,这是非常有用的,可以用来分析的工具凹口 - 存在于彼此的相互作用collection--个人如何。在本文中,我们提出了基于他们的'连接”最佳的图表示。一对受试者的连通给出了表示如何`“连接它们的得分。它是基于共同出现,亲近,面部表情和头部的时候,他们正在寻找彼此的方位估计。在我们提出的图中,节点代表收集的对象,并且边对应的连通性。的节点的位置是根据其连接估计(越接近节点,越连接是受试者)​​。最后,我们开发了一种图用户界面,其中我们可以点击到节点(或边),显示集合,其中所述节点(或所连接的受试者)的主题是本的相应图像。我们通过分析一个婚礼庆典,情景喜剧视频,排球比赛,并从Twitter提取的图像给哈希标签呈现相关结果。我们相信,这个工具可以是非常有益的检测图像采集在现有的社会关系。

2019欧洲议会选举期间Twitter假新闻的覆盖面有限

原文标题: The Limited Reach of Fake News on Twitter during 2019 European Elections

地址: http://arxiv.org/abs/1911.12039

作者: Matteo Cinelli, Stefano Cresci, Alessandro Galeazzi, Walter Quattrociocchi, Maurizio Tesconi

摘要: 社会化媒体的出现改变了我们消费内容偏袒脱媒访问和生产方式。这种情形一直关注其对社会的影响是至关重要的讨论问题。在放大阿拉伯之春的情况下,或巨资Brexit年和2016年美国大选的批评。在这项工作中,我们通过分析官方消息人士透露,假新闻的来源,政治家,人们从演艺圈和许多其他的交互模式探索上届欧洲竞选期间的Twitter信息消费。我们深入探讨的相互作用最后欧洲议会选举,2019年5月,23日和26日举行的与前面不同类别的几个月账户中我们收集了近40万微博发表具有公共社会不同角色863个帐户。通过彻底的定量分析,我们研究它们之间的信息流,还利用geolocalized信息。账目显示的趋势,同一个类中限制它们的相互作用和辩论很少跨越国界。此外,我们没有发现针对散布虚假账户的有组织的网络的任何证据。取而代之的是,虚假的出口在很大程度上是由其他演员忽略,因此在玩网络政治讨论的外围作用。

城市效率和运动的不可逆转

原文标题: Efficiency and irreversibility of movements in a city

地址: http://arxiv.org/abs/1911.12158

作者: Indaco Biazzo, Abolfazl Ramezanpour

摘要: 我们知道,在物理系统,其最大效率由可逆过程实现。它是那么有趣的不可逆转性如何影响效率,在其他系统中,例如,在一个城市。在这项研究中,我们在一个城市来研究上述问题,着眼于运动(在家工作,回到家里)的循环过程。为此,我们目前的运动的最小模型,与用于效率和过程的不可逆性合理定义沿着;更准确地说,我们采取每个行程效率和前向和后向气流分布的过程的不可逆性的相对熵的数量的总行程时间的倒数。我们执行模型的数值模拟人口分布,流动性法律,以及移动战略的合理选择。结果表明,运动的效率确实负不可逆转的上述量度相关。网络的结构并在旅行时间的流的影响在这里的主要因素影响到达目的地并返回到起源,这通常比偏离的时间间隔较大的时间间隔。这又引起了从前进一和结果的向后流的发散到熵(病症或不确定性)的生产在系统中。这项研究的结果可能会更准确地表征城市效率和更好地理解这些复杂系统的主要工作原理是有帮助的。

没有惯性的行人模型的相关噪声导致了停止和前进波

原文标题: Stop-and-go waves induced by correlated noise in pedestrian models without inertia

地址: http://arxiv.org/abs/1911.12261

作者: Antoine Tordeux, Andreas Schadschneider, Sylvain Lassarre

摘要: 停止和去波交通普遍观察到的和行人流动。在大多数交通模型,他们通过时,该模型具有不稳定的齐次解参数微调后的相变发生。惯性作用被认为在这个机制中发挥了重要的作用。在这里,我们提出了基于在没有惯性随机效应停停停停波新的解释。在一个稳定的微观阶模型引入特定的色噪声的允许来描述现实停时走的行为,而不需要的不稳定性或相变。我们采用的办法行人单文件运动和仿真结果真实行人的轨迹进行比较。讨论用于模型参数合理值。

用事实欺骗:通过一个大型网络实验量化锚定偏置

原文标题: Fooling with facts: Quantifying anchoring bias through a large-scale online experiment

地址: http://arxiv.org/abs/1911.12275

作者: Taha Yasseri, Jannie Reher

摘要: 生活在“信息时代”的手段,不仅获得信息变得更加容易,而且,信息的分布更加动态比以往任何时候。通过大规模的在线现场实验,我们由于在一块的信息,他们最初给定的不合理依赖,为人们判断锚固偏见的存在新的经验证据。锚定的刺激和不同的任务,各个响应的比较揭示了一个积极的,锚和参与者对未来事件的结果的预测偏差之间又复杂的关系。治疗组中的参与者也同样易受不论其接合,先前的性能,或性别的水平的锚。鉴于锚的强大和无处不在的影响力定量这里,大家应该非常谨慎地密切监控和调节的信息的分发网络,以促进较少偏见的决策。

ComHapDet:单倍体装配空间社区检测算法

原文标题: ComHapDet: A Spatial Community Detection Algorithm for Haplotype Assembly

地址: http://arxiv.org/abs/1911.12285

作者: Abishek Sankararaman, Haris Vikalo, François Baccelli

摘要: 背景:单倍型,区分染色体序列从他们的同源对单核苷酸变异的有序列表,可以揭示一个人的易感性遗传性疾病和复杂疾病,影响如何,我们的身体对治疗药物响应。重构从短测序读数的个体的单倍型是成为甚至更多倍体的情况下具有挑战性的NP-hard问题。虽然提高测序的长度读取和插入大小 色黑有助于提高重建的准确性,这也加剧了计算单倍型装配任务的复杂性。这促使高通量测序数据能够单倍型的精确且高效组装算法框架的追求。结果:我们提出测序的新的图表示读取和姿势的单倍型组件的问题,因为社区检测的在空间随机图的实例。为此,我们构建了一个曲线图,其中每个读是一个未知的社会标签与单倍型是样品读关联的节点。然后重建的单倍型可认为是一个两步骤的过程:首先,一个恢复节点(即,读取)对社区的标签,然后使用所估计的标签来组装单倍型。基于这一观察,我们提出ComHapDet - 二倍体和ployploid单倍型一种新的组装算法功能,这使bialleleic和多等位基因变异。结论:所提出的算法的性能进行基准上通过测序染色体 5 四倍体双等位基因 EMPH 茄-马铃薯(马铃薯)的模拟获得的,以及实验数据。结果证明了该方法的有效性,它与现有技术相比,毫不逊色。

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.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。

推荐阅读更多精彩内容