• 用亚线性查询复杂度来近似局部PageRank;
• 荿本和效益之间的相互作用触发了非平凡的疫苗接种;
• 动态网络上的权力配置博弈：均衡选择;
• 利用密度尺度调整指标和网络工具揭示英格兰囷威尔士犯罪和财产的关系;
• 学术界游说行为和跨学科动力学的建模;
• 考虑事件持续时间和驾驶员行为不确定性的交通应急计划;
• 用于稠密张量挖掘的外存分布式算法;
• 利用复杂网络动态识别全球恐怖中心和脆弱模体;
• 电子商务促销活动的Twitter对话挖掘;
• 具有细化社团的随机交叉图的参数估計;
• 用于双曲空间网络嵌入与链路预测的相似性优先连接最小曲线自动机;
• 即时检测自动生成的Tweets;
• 网络上的超级扩散和时间相关的远距相互作用;
• ┅个基于演化博弈的共识观点模型;
• 交通驱动的度分布可调的无标度网络上的流行病传播;
• 利用动态网络中的风险规避抑制流行病传播;
• 以信誉驅动的小组形成促进合作;
• 通过惩罚少数人来促进合作;
• 采用自适应路由策略抑制交通驱动的流行病传播;
• 交通驱动疫情传播的免疫;
• 通过符合性驅动的生殖能力加强合作;
• 连续谱弛豫法的网络社区检测;
• 极化与假新闻：潜在错误信息目标的预警;
• 稠密的幂律网络和简单复形;
• 一种有效的染銫三元组普查计数方法;

用亚线性查询复杂度来近似局部PageRank

摘要： 我们可以通过只探索一个消失的图的一小部分来近似给定节点的中心性分数嗎在本文中，我们开发了一些适用于PageRank的技术的组合其中节点的中心性依赖于图中的\ emph {every}弧。我们得到一个算法给定任意$ n $ -node图中的任何一个節点，概率为$ 1- \ delta $返回一个乘法的PageRank分数的近似值（最大$ O \大） （N ^ {\压裂{2} 查询返回给定节点的列表邻居或随机选择的节点到目前为止，每个算法都需要一般的$ \ Omega（n）$查询我们还通过证明几乎匹配的下界来证明这个上界在本质上是最优的。我们的技术可以应用于其他的中心性测量尽管我们留下对未来工作的结果边界的分析。

成本和效益之间的相互作用触发了非平凡的疫苗接种

遏制疫情传播是科学面临的重大挑战接種疫苗是防止传播的最好方法，因为疫苗最终可以免疫个人但是疫苗并不完善，免疫总量不能保证不完全免疫已经导致了抗疫苗运动嘚出现，完全改变了对疫情发病率的预测在这里，我们提出一个数学上可解的平均场接种模型以模拟自发采用针对流感样疾病的疫苗，以及预期的流行病发病率结果与广泛的蒙特卡洛模拟流行病和疫苗联合演化过程是一致的。有趣的是结果揭示了接种覆盖率的非单調行为，随着疫苗的不完善和减少后的增加从所提出的数学模型的稳定性原理分析和理解这种明显的违反直觉的行为。

动态网络上的权仂配置博弈：均衡选择

摘要： 本文提出了两种均衡选择方法并将其应用于\ cite {allocation}中开发的功率分配博弈（PAG）。第一种方法是在一系列时变图上進行博弈在一个广泛的形式博弈框架中重新定义PAG，并选择子博弈的完美纳什均衡第二种方法是在不同的时变图的序列上进行权力分配博弈，并选择“弹性”纳什均衡其中“弹性”概念取自网络安全文献。将讨论某些技术结果以及两种方法之间的联系这两种方法也适鼡于涉及其他网络博弈的均衡选择问题。

利用密度尺度调整指标和网络工具揭示英格兰和威尔士犯罪和财产的关系

摘要： 规模调整指标（SAMs）是城市规模假说的重要成就 SAMs消除了在没有等距异形情况下计算的人均指标的固有偏差。但是这种方法仅限于城市地区，而世界人口嘚很大一部分仍然居住在城市之外而农村则主导着全世界的土地使用。在这里我们将SAM的概念扩展到人口密度尺度调整指标（DSAM），以揭礻不同类型的犯罪和财产指标之间的关系我们的方法允许考虑所有的人类环境，避免城市地区定义中的问题并解释城市地区内人口分咘的异质性。通过结合DSAM互相关和复杂的网络分析，我们发现犯罪和财产类型具有错综复杂层次分明的组织关系，从而得出了一些惊人嘚结论毒品和爆窃有不相关的DSAMs，而且在财产交易价值是富裕程度的指标方面十四种犯罪指标中有十二项没有显示具体针对富裕的证据。盗窃和抢劫是我们网络分析中联系最紧密的模块化结构通过揭示最有可能相互影响的犯罪和/或财产类型，提出了“零容忍”政策的替玳方案

学术界游说行为和跨学科动力学的建模

学科多样性正在被认为是建立具有更大的研究和技术突破潜力的充满活力的学术环境的关鍵。然而包括政策和行为态度在内的若干因素的相互作用对推进跨学科研究提出了重大障碍。由于反应式学术游说有利于近亲繁殖“認知僵化”可能会上升。在这里我们解决，分析和讨论学术界的游说和跨学科动态的数学模型该模型由四个耦合的非线性常微分方程組成，模拟三类学术个体之间的相互作用反映与学科多样性水平相关的知识进步速度。我们的模型预测了丰富的非线性行为包括状态嘚多样性和持续的周期性振荡，类似于“新”和“旧”之间的永恒斗争也研究了抑制游说的控制政策的效果。通过适当调整模型参数峩们可以近似看出苏联在1989年开始解体后，俄罗斯科学家在美国流动的增加导致的数学和分子生物学突破的跳跃/相位转变人类基因组1992年的項目和2000年的互联网扩散。

考虑事件持续时间和驾驶员行为不确定性的交通应急计划

交通应急管理涉及指挥车辆和行人在发生交通事故或水淹路段等交通事故时的交通状况以确保司机，行人和应急人员的安全在这项研究中，研究了涉及当地意大利连接北部和南部的主要公蕗A1高速公路的情况研究事件持续时间和驾驶员回应率对替代路线激活策略的影响。建立宏观和微观的路线并针对不同的事件持续时间囷响应率，评估有效路线激活的时间线根据结果??，对于短于1.5小时的事件不需要激活替代路线，事件越长需要更多替代路线来最尛化在淹没路线上的总行程时间。另外增加司机使用替代路线的响应率，导致需要激活宏观行程激活后的微行程此外，考虑到不同的疏散策略和居民的响应时间研究了洪水情景下的城市地区疏散问题。结果表明了最佳出口点分配的重要性以及居民应对减少总疏散时間的重要性。

本文旨在针对个体偏见对社会舆论动态进行系统分析作为经典DeGroot社会互动的推广，定义为随着时间演变的同伴观点的线性耦匼动力学偏差增加了依赖状态的边权重，因此导致高度非线性的网络动力学以往的研究针对一些特定的初始节点意见和网络结构，处悝了这类系统的收敛性和稳定性分析这里我们着重讨论个体偏差如何影响社会均衡及其稳定性。首先我们证明，当初始网络意见偏向於状态空间的一侧时节点偏差会将意见演化推到相应的区间边界。这种极化吸引效应在甚至有向和切换网络结构下仍然持续接下来，對于一些基本的网络结构一些重要的内部网络均衡被明确地提出来用于广泛的系统参数，这些系统参数通常表现为局部不稳定特别是，无论偏置水平和网络拓扑如何间隔质心都被证明是不稳定的。

用于稠密张量挖掘的外存分布式算法

我们如何检测大规模多方面数据（即张量）中的欺骗锁步行为当数据太大而无法放入内存或磁盘时，我们可以检测到它吗过去的研究表明，现实世界张量中的密集副本（例如社交媒体维基百科，TCP转储等）表示反常提升僵尸活动和网络攻击等异常或欺诈行为。因此已经提出了包括张量分解和搜索在內的各种方法来快速而准确地检测稠密副包。然而现有方法的准确性较低，或者他们认为张量足够小以适应主存这在许多现实世界的應用（如社交媒体和网络）中是不现实的。为了克服这些限制我们提出D-CUBE，一种基于磁盘的密集扩展子检测方法它也可以在多个机器上鉯分布式方式运行。与现有技术相比D-CUBE具有以下优点：（1）内存效率高：需要多达1600倍的内存，能处理1000倍大的数据（2.6TB）;（2）快速：由于其接菦线性的可扩展性;（3）可证实的准确性：保证检测到的子包的密度;以及（4）有效性：发现来自TCP转储的网络攻击以及最准确地评估数据的同步行为

利用复杂网络动态识别全球恐怖中心和脆弱模体

恐怖主义在人们心中灌输恐惧，剥夺个人按照自己的意愿行事的自由恐怖主义巳经成为全球社会的国际威胁，每个国家都直接或间接地受到影响在这里，我们从开源“全球恐怖主义数据库”的角度研究半个世纪鉯来发生的恐怖袭击事件，并对其时空动态进行研究我们构建了一个复杂的全球恐怖主义网络，研究它的发展动态以及网络的统计特性，这些都是非常有趣的通常情况下，每个国家根据自己的任务和特定的政治理念和政策来追求自己的国际安全愿景以对付恐怖主义嘚威胁，这当然可以包括使用战术措施和战略谈判甚至是体力。我们研究网络的抵御能力针对有针对性的攻击和随机失败，这可以指導反恐人员制定反恐战略然后，我们使用视差过滤方法来隔离巨型组件的骨干并确定恐怖中心和全球恐怖主义的脆弱主题。我们还在阿富汗哥伦比亚，以色列秘鲁和英国等几个典型案例中考察了枢纽和主题的演变。恐怖枢纽的动态和我们在网络骨干中发现的脆弱主題可以深刻洞察其形成和传播，从而有助于对抗恐怖主义或制定可以检查其传播的公共政策

电子商务促销活动的Twitter对话挖掘

随着社交媒體平台成为客户观点和意见的事实目的地，世界各地的品牌正在大力投资于充分利用这些平台来激活客户联系在本文中，我们开发了一種新颖的Twitter技术通过将事件周围的所有对话编织成一个统一的图（对话图，从此以后）在Twitter上进行对话对话图的结构是由于这些玩家之间複杂的交流模式而成为BOWTIE结构（以后称为ASKEWBOWTIE）的变体。最后我们研究ASKEWBOWTIE结构的结构特性，以了解组件的配置及其时间演化

具有细化社团的随機交叉图的参数估计

摘要： 本文研究由大量随机大小的重叠社区生成的统计网络模型，其中共享社区的任何节点对都以概率$ q $经由社区链接在$ q = 1 $的特殊情况下，模型简化为一个随机的交集图这个交集图在稀疏的上下文中也被认为可以产生高水平的传递性。参数$ q $增加了一定的洎由度并导致了一个简洁的，易于分析的网络模型具有可调节的密度，传递性和程度波动我们证明了这个模型的参数可以在大的和稀疏的极限状态下使用基于部分观测密度的链接，2星和三角形的矩估计来一致地估计

用于双曲空间网络嵌入与链路预测的相似性优先连接最小曲线自动机

最小曲线（MC）的思想是复杂网络的隐藏几何，特别是当它们足够稀疏聚类，小世界和异构时可以使用最小生成树（MST）有效地导航，这是一个贪婪导航局部拓扑信息驱动全局几何导航，并且MST可以被解释为通过全局最小化其在网络中的总距离而贪婪地最夶化在每个步骤附接的节点之间的局部相似性的增长路径在没有网络结构的情况下以及在高维空间中仅存在几何上位于网络生成流形上嘚节点的情况下，这也是有效的我们知道双曲空间中的随机几何图是适合现实复杂网络的适当模型：对这种关系的解释是复杂网络表现絀分层的，树状的组织结构而双曲几何结构又是树的几何结构。在这里我们表明，根据我们定义的相似性附件的机制网络自动机的訪问节点序列可以有效地近似双曲线盘中节点的角度坐标，这实际上代表了它们相似性的排序这是由于MST在其贪婪的成长过程中，在每个步骤中顺序地将自己的队列最相似（不太远）的节点连接起来的结果最小曲线自动机（MCA）显示的嵌入精度似乎优于HyperMap-CN，并且不如聚结嵌入但是其在实际网络中的链路预测性能没有基于双曲空间的方法的先例。最后根据用于构建MST的数据结构，MCA的时间复杂度也可以从边数量接近线性依赖性

摘要： 了解移动动物群体协调运动背后的机制，为他们的生物学和生态学提供重要见解同时也为生物启发式技术和自治系统提供算法。现在越来越清楚的是许多流动动物群体由异质个体组成，对群体行为具有不同程度和不同的影响力 - 通常被认为是“领導者”推断这种差异化影响或领导力的能力对于理解这些集体动物系统中的群体功能至关重要。由于对领导力的广义解释许多不同的喥量和数学工具被用来描述和推断“领导力”，例如位置因果关系，影响力信息流。但是关键的问题依然存在：这些概念中哪些（如果有的话）实际上描述了领导力我们认为，不是断言一个单一的领导定义或概念一个群体的典型复杂的相互作用规则和动态意味着领導本身不仅仅是一个标量，而是许多不同组成部分的复杂组合在这个手稿中，我们发展了领导力的解剖学确定了几个主要组成部分，並提供了讨论领导力的一般数学框架然后用真实的和合成的例子说明如何使用这个框架。我们认为这种多层面的领导定义方法将有助於更广泛地理解领导力的角色及其从流动动物群体及其后的数据中的推断。

即时检测自动生成的Tweets

摘要： 大多数以前与推特分类有关的工作集中在识别给定的推特为垃圾邮件或将Twitter用户账户分类为垃圾邮件发送者或机器人。在大多数情况下鸣叫分类是在预先收集的鸣叫数据集上进行的。在本文中我们提出了一种\ emph {on-the-fly}方法来将每个新下载的tweet分类为\ emph {autogenerated}或不是。我们将一个自动生成的推文（AGT）定义为一条推文其中自嘫语言内容的全部或部分由机器人或其他类型的程序自动生成。我们的即时方法使用两个分类器第一个分类只基于twitter文本和tweet每个推特附带嘚tweet元数据。它用于未知用户发布的推文没有可用的推特历史记录。未知的用户也会触发批量作业开始下载缺少的用户时间轴信息。第②个分类器用于在下载并可用用户时间线的用户发布的推文最初，它将成为处理大部分推文的第一个分类器这将逐渐改变，在初始化階段之后我们下载最活跃的用户的历史数据，我们达到了第二个分类器处理绝大多数tweets的状态使用我们的即时检测机制进行的模拟表明，我们每天可以处理多达68,000个独特用户的Twitter流瓶颈是下载新用户时间表所需的时间。 AGT检测非常准确在一组5000条推文中，我们使用主题交叉验證正确地分类了所有AGT的98％

网络上的超级扩散和时间相关的远距相互作用

这项工作解决随机游走在离散结构上的运动，其存在远距离相互莋用其强度可能随时间变化。衬底的性质没有限制其范围可以从有序的晶格到复杂的网络。常规晶格上与最近邻节点的长程相互作用增强了扩散运动的速度但行走者所走过的均方位移（MSD）的依赖性仍然随时间线性增加。与此相反我们对长距离相互作用强度随时间增加的模型的结果揭示了MSD相对于时间的非线性相关性。这种依赖的持续时间以及幂律指数的值取决于相互作用随时间变化的方式循环图上嘚模型适用于马尔可夫链框架内的精确分析处理。数值模拟与理论预测非常吻合可以很容易地扩展到分析方法不可行的复杂结构。

一个基于演化博弈的共识观点模型

我们提出了一个基于演化博弈的共识观点模型在我们的模型中，如果两个关联的代理人有相同的意见他們都会得到好处，否则他们都要付出代价代理商通过比较与邻居的收益来更新他们的意见。具有较高回报的代理人的意见更可能被模仿我们将这个模型应用于可调节度分布的无标度网络中。有趣的是我们发现存在一个最佳的成本效益比率，导致最短的共识时间定性汾析是通过研究意见集群的演变来获得的。而且我们发现，随着网络平均程度的增加共识时间减少，而随着噪声的增加共识时间增加，允许不合理的选择共识时间对网络规模的依赖被认为是一种幂律形式。对于小的或更大的成本效益比一致的时间随着程度指数的增加而降低。但是如果成本收益比例适中，则一致的时间会随着指数的增加而增加我们的研究结果可能为演化博弈理论驱动的舆论动態提供新的见解。

交通驱动的度分布可调的无标度网络上的流行病传播

摘要： 我们研究了可调度分布的无标度网络上的交通驱动的流行病傳播网络的非均匀性由幂律度分布的指数$ \ gamma $控制。发现流行阈值最低为$ \ gamma = 2.2 $而且，我们发现算法介数较大的节点更容易被感染我们期望我們的工作提供新的见解网络结构对交通驱动的流行蔓延的影响。

利用动态网络中的风险规避抑制流行病传播

摘要： 本文研究个体行为与动態网络传播的相互作用我们在具有周期性边界条件的方形区域上分布代理。每个智能体被认为是网络的一个节点如果两个智能体之间嘚地理距离小于一定的半径，就建立无线链路每个代理人每次都会评估疫情情况，并决定是否留在现在或离开现在的地方如果感染邻居的数量达到或超过临界值$ E $，代理将以一定的速度离开现在的位置由于代理人的移动，网络的结构是动态的有趣的是，我们发现存在朂优价值$ E $导致最大的流行阈值。这意味着通过规避风险的迁移可以有效控制疫情扩散此外，我们发现流行阈值随着恢复速率的增加洏增加，随着接触半径的增加而减小并以最佳移动速度最大化。我们的发现提供了对动态网络中流行病传播的更深入的了解

以信誉驱動的小组形成促进合作

摘要： 在以前的空间公益物博弈研究中，每个玩家都能够建立一个群体然而在现实生活中，有些玩家由于种种原洇无法成功组织团体在本文中，我们提出了一种声誉驱动的小组形成机制其中小组只能由声誉达到或超过阈值的玩家组织。我们将玩镓的声誉定义为最后$ T $时间步骤中的合作频率我们发现，只有在最后的$ T $时间步骤中始终合作的纯粹合作者才能建立最高的合作水平还研究了记忆长度$ T

通过惩罚少数人来促进合作

摘要： 处罚是维持自私者之间合作的有效途径。在以往的大部分研究中惩罚对象都是叛逃者。茬本文中我们提出了一个惩罚机制，其中大多数策略的个人将在一个公共产品博弈组中惩罚那些具有少数策略的人理论分析和模拟都表明，惩罚少数人可以大大提高合作水平对于没有惩罚或罚款的小罚款，合作者的比例不断增加的倍增因素但是，惩罚罚款的罚款数額较大时存在倍增因子的临界值，此时合作者的比例突然从0跳到1

采用自适应路由策略抑制交通驱动的流行病传播

摘要： 交通驱动型疫凊传播路由策略的设计近年来受到越来越多的关注。在本文中我们提出一种自适应路由策略，通过可调参数$ h $将拓扑距离与本地流行信息楿结合在流量没有拥塞的情况下，存在路由参数$ h $的最优值导致最大的流行阈值。这意味着与静态最短路径路由方案相比自适应路由鈳以更有效地控制流量扩展。此外我们发现$ h $的最优值可以在有限的节点交付能力的情况下大大缓解交通拥堵。我们期望我们的工作提供噺的见解动态路线对交通驱动的流行蔓延的影响

交通驱动疫情传播的免疫

摘要： 在本文中，我们研究了免疫策略对交通驱动疫情传播的控制我们分别考虑随机，基于程度和基于间隔的免疫策略发现以免疫策略为基础，能够最有效地防止交通驱动型疫情的爆发另外，隨着传播速率和分组产生率的提高发现流行性死亡的免疫节点的临界数量也随之增加。

通过符合性驱动的生殖能力加强合作

摘要： 我们提出了一致性驱动的生殖能力其中如果$ j $的策略是$ i $的邻域中的多数（少数）策略，那么个体$ i $更多（更少）可能模仿邻居$ j $的策略演化空间囚徒困境博弈的结果表明，与同质生殖能力相比符合驱动的生殖能力可以大大增强合作。这个发现对于不同类型的网络结构（包括正方形网格和无标度网络）以及策略更新（包括同步和异步策略更新）的不同方式是稳健的

连续谱弛豫法的网络社区检测

具有非常宝贵的理論和实践价值，为社区结构划分网络的问题在科学和工程学科中引起了重大的研究关注在文献中，纽曼的模块化度量通常用于量化给定汾区的质量从而最大化该度量提供了检测网络中社区的原则性方法。不幸的是测量的确切优化是计算NP完全的，只适用于非常小的网络必须寻求近似方法来扩展到大型网络。为了解决计算问题我们提出了一种新的方法来确定分区决策。结合迭代舍入策略和快速约束功率方法我们的工作实现了紧密有效的谱弛豫。所提出的方法在真实和合成网络上进行了彻底的评估与最先进的方法相比，该方法即使鈈是更好也能获得相当的质量。同时在并行执行方面也非常合适，在增加计算节点数量时运行速度几乎呈线性提高，为划分超大型網络提供了一个实用的工具

极化与假新闻：潜在错误信息目标的预警

用户两极分化和确认偏见在网络社交媒体上误传信息的关键作用。峩们的目标是利用这些信息预先确定恶作剧和假消息的潜在目标在本文中，我们介绍了一个在社交媒体上及时识别偏振内容的总体框架从而“预测”未来的虚假新闻主题。我们验证了所提出的方法在大量的意大利Facebook数据集上的表现表明我们能够以77％的准确度识别容易误導信息的主题。而且这样的信息可以作为新的特征被嵌入到能够以91％的准确度识别假新闻的附加分类器中。我们的方法的新颖之处在于栲虑到与在线社交媒体上的用户行为相关的一系列特征为消除两极分化和缓解错误信息现象迈出了重要的第一步。

稠密的幂律网络和简單复形

摘要： 越来越多的证据表明密集的网络出现在在线社会网络，推荐网络和大脑中除了密集之外，这些网络通常也是无标度的吔就是说，它们的度分布遵循（12，2）$ {gamma} in（1,2）$不断增长的网络已经被成功地用于使用优先连接来生成无标度网络，然而这些模型只能产生稀疏网络因为在每个时间步骤添加的链接和节点的数量是不变的。在这里我们提出一个建模框架网络在这个模型中增长的机制是基于Pitman-Yor過程，模型的变化可以产生指数为$ \ gamma = 2 $的无向无标度网络或者（1,2）$的幂指数出度分布的幂指向网络并将该模型推广到有向$ 2 $ - 维单形复合的模型，简单复合是可以编码的网络的泛化各部分之间的许多身体相互作用一个复杂的系统因此变得越来越流行，从社会交互系统到大脑的不哃数据集的特征我们的模型产生稠密有向的单纯性复合体，其幂律分布的广义出节点的度

一种有效的染色三元组普查计数方法

三元组普查是了解网络科学局部结构的重要手段，可以全面评估网络中演员三元组之间的关系配置然而，研究人员往往对关系和分类节点属性嘚组合感兴趣在这种情况下，需要考虑三元组普查节点的标签或颜色在本文中，我们描述了一个有效的算法来构建染色三元组部分基于现有的经典三元组普查方法。我们使用无向和有向图的经验和模拟数据来评估算法的性能仿真结果表明，所提出的算法在计算时间仩比原来的方法缩短了约17,400％并且将染色三元组普查应用于Zachary空手道网络数据集，同时显示了算法以及通过形成混合矩阵条件图的1,000个实现形成无效分布，并将观察到的有色三元组计数与期望值进行比较从而对普查进行统计测试的方法，从而证明该方法在我们的讨论中的实鼡性通过有色三元组普查同时获得同志异性和桥接的结果。总之所提出的染色三元组普查算法在有效的包装中为社会网络分析带来新穎的实用性。

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运动不点会刷新么公眾号“网络科学研究速递”（微信运动不点会刷新么号netsci）和个人博客 （提供RSS订阅）进行同步更新。