• 集體決策中的多樣性與社會網路結構：基於主體模擬的演化視角;
  • Log-minor分布及其在估計平均子系統熵中的應用;
  • 迷失在多樣化中;
  • 異構網路模體;
  • 社交流上考慮語義和影響的k-代表查詢;
  • 用設備上下文數據系統分析細粒度人類移動性預測;
  • 通過嵌入事件進行異構信息網路表示;
  • 挖掘西北巴塔哥尼亞岩畫藝術的拓撲結構;

集體決策中的多樣性與社會網路結構：基於主體模擬的演化視角

原文標題： Diversity and Social Network Structure in Collective Decision Making: Evolutionary Perspectives with Agent-Based Simulations

地址： arxiv.org/abs/1311.3674

作者： Shelley D. Dionne, Hiroki Sayama, Francis J. Yammarino

摘要： 集體，尤其是基於群體的管理決策在組織中至關重要。使用演化理論方法進行集體決策，進行基於主體的模擬，以研究代理人在討論中的問題理解和/或行為的多樣性以及他們的社會網路結構如何影響人類集體決策。模擬結果表明，具有一致問題理解的群體傾向於產生更高的思想效用值，並且表現出更好的決策收斂性，但只有在集體問題理解中沒有群體層次偏差時。模擬結果還表明在討論中選擇導向（即剝削）和變異導向（即探索）行為之間的平衡的重要性，以實現高質量的最終決策。擴大群體規模並引入非平凡的社會網路結構通常以決策融合為代價提高了思想的質量。使用不同社會網路拓撲結構的模擬顯示，在具有高局部聚類的小世界網路上的集體決策往往比在隨機或無標度網路上更經常地實現最高決策質量。討論了這種演化理論和模擬方法對未來集體，群體和多層次決策管理研究的啟示。

Log-minor分布及其在估計平均子系統熵中的應用

原文標題： Log-minor distributions and an application to estimating mean subsystem entropy

地址： arxiv.org/abs/1901.0945

作者： Alice C. Schwarze, Philip S. Chodrow, Mason A. Porter

摘要： 物理學，資訊理論和其他領域的共同任務是分析給定系統的子系統的性質。給定 n 耦合變數系統的協方差矩陣 M ，子系統的協方差矩陣是 M 的主要子矩陣。使用 n 主要子矩陣的快速增長使得對於即使是適度大小的系統詳盡地研究每個子矩陣也是不切實際的。因此，引出用於近似給定矩陣的重要子矩陣屬性的分布的方法是非常有意義的。由於差分熵作為無序的系統度量的重要性，我們研究了當協方差矩陣具有有界條件數時，主要 k 次k 子矩陣的對數行列式的分布。我們推導出右尾的上界和未成年人分布的方差，我們依次使用這些來推導出子系統熵樣本均值的標準誤差的上界。我們的結果表明，儘管具有 n 的子系統集快速增長，但是限制採樣誤差所需的樣本數量漸近地獨立於 n 。相反，足以將樣本數量增加到與 k 成線性比例，以達到所需的採樣精度。

迷失在多樣化中

原文標題： Lost in Diversification

地址： arxiv.org/abs/1901.0979

作者： Marco Bardoscia, Daniele dArienzo, Matteo Marsili, Valerio Volpati

摘要： 隨著金融工具越來越複雜，風險優化實踐越來越多地忽略了信息。這為風險的起源帶來了不透明感，這一直是2007 - 2008年全球金融危機的罪魁禍首之一。我們討論如何使用資訊理論概念以比特來量化透明度的損失。我們發現，{ em i}}財務轉型意味著大量的信息損失，{ em ii）}投資組合只有在基本面分析對資產的共同移動有充分信息的情況下才比單個股票更敏感，{ em iii證券化，在相關的參數範圍內，產生的信息對原始股票的信息敏感度較低，而{em em iv}}當多元化（或證券化）處於最佳狀態時（即資產不相關時），信息損失是最大。我們還討論了是否可以引入定價方案來處理信息損失的問題。這與收集風險來源方面信息的激勵措施相關。在簡單的均值方差方案中，我們發現市場激勵通常不足以使信息收穫具有可持續性。

異構網路模體

原文標題： Heterogeneous Network Motifs

地址： arxiv.org/abs/1901.1002

作者： Ryan A. Rossi, Nesreen K. Ahmed, Aldo Carranza, David Arbour, Anup Rao, Sungchul Kim, Eunyee Koh

摘要： 許多真實世界的應用程序產生大的異構網路，其中節點和邊可以是任意類型（例如，用戶，網頁，位置）。這種異構圖的特殊情況包括齊次圖，二部圖，k-分段圖，有符號圖，標記圖等。在這項工作中，我們將網路圖案的概念概括為異構網路。特別是，引入了稱為類型小圖（異構網路圖案）的小型誘導類型子圖，並顯示為複雜異構網路的基本構建塊。類型化的小圖是對圖（網路圖案）到異構網路的概念的強大概括，因為它們捕獲感興趣的誘導子圖和與誘導子圖中的節點相關聯的類型。為了解決這個問題，我們提出了一種快速，並行且節省空間的框架，用於計算大型網路中的類型圖。我們發現在低階（ k-1 ） - 節點類型的graphlet之間存在非平凡的組合關係，並利用它們在 o（1） 固定時間中導出許多 k -node類型的graphlet。因此，我們避免顯式枚舉那些類型化的graphlet。值得注意的是，時間複雜度與最佳無類型圖基元計數演算法相匹配。實驗證明了所提出的框架在運行時，空間效率，並行加速和可擴展性方面的有效性，因為它能夠處理大規模網路。

社交流上考慮語義和影響的k-代表查詢

原文標題： Semantic and Influence aware k-Representative Queries over Social Streams

地址： arxiv.org/abs/1901.1010

作者： Yanhao Wang, Yuchen Li, Kian-Lee Tan

摘要： 在社交平台上不斷生成的大量數據已成為用戶的重要信息源。從社交流中獲取新鮮有價值信息的主要方法是社交搜索。儘管對社交搜索進行了廣泛的研究，但現有方法只關注查詢結果的相關性，但忽略了代表性。在本文中，我們基於主題建模為社交流提出了一種新穎的語義和影響感知k代表（k-SIR）查詢。具體來說，我們認為用戶查詢和元素都表示為主題空間中的向量。 k-SIR查詢在查詢時w.r.t檢索一組k元素，在滑動窗口上具有最大代表性。查詢向量。元素集的代表性包括由主題模型計算的語義和影響分數。隨後，我們設計了兩種近似演算法，即多主題閾值流（MTTS）和多主題閾值下降（MTTD），以實時處理 k-SIR查詢。兩種演算法都利用每個主題維護的排名列表進行 k -SIR處理，並提供理論保證。對現實世界數據集的大量實驗證明了 k -SIR查詢與現有方法相比的有效性，以及我們提出的 k -SIR處理演算法的效率和可擴展性。

用設備上下文數據系統分析細粒度人類移動性預測

原文標題： A Systematic Analysis of Fine-Grained Human Mobility Prediction with On-Device Contextual Data

地址： arxiv.org/abs/1901.1016

作者： Huoran Li

摘要： 廣泛認為用戶移動性預測有助於移動設備上的各種基於位置的服務。大量研究已經探索了不同的演算法，以根據用戶當前和歷史背景和軌跡來預測用戶將來訪問的位置。他們中的大多數專註於預測的特定目標，例如用戶下一個檢查的場所或下一次旅行的目的地，這通常取決於他們的任務是什麼以及他們的數據中有什麼。雖然經常報告成功的故事，但是如果預測目標不同，可以找到關於會發生什麼的討論很少：是否比較精細的位置更容易預測更粗糙的位置，以及預測軌跡上的下一個位置是否比預測目的地更容易。另一方面，通常在這些預測任務中使用的少數人已經使用了更細粒度的設備上用戶行為數據，這些數據被認為是用戶意圖的指示。在本文中，我們使用細粒度的真實數據集對流動性預測問題進行了系統研究。基於馬爾可夫模型，遞歸神經網路和多模態學習方法，我們進行了一系列實驗來研究不同類型的預測目標粒度的可預測性和不同類型信號的有效性。這些結果提供了許多關於可預測內容和方式的見解，這些內容總體上闡明了實際的移動性預測。

通過嵌入事件進行異構信息網路表示

原文標題： Representation Learning for Heterogeneous Information Networks via Embedding Events

地址： arxiv.org/abs/1901.1023

作者： Guoji Fu, Bo Yuan, Qiqi Duan, Xin Yao

摘要： 網路表示學習（NRL）已被廣泛用於通過將原始網路映射到低維向量空間來幫助分析大規模網路。然而，現有的NRL方法忽略了關係屬性對異構信息網路（HIN）中對象相關性的影響。為了解決這個問題，本文提出了一個新的NRL框架，稱為Event2vec，供HIN在表示學習過程中考慮關係的數量和屬性。具體地，事件（即，完整的語義單元）用於表示多個對象之間的關係，並且事件驅動的一階和二階鄰近被定義為根據關係的數量和屬性來測量對象相關性。 。我們理論上證明了Event2vec如何在嵌入空間中保留事件驅動的鄰接，它利用事件嵌入來促進學習對象嵌入。實驗研究證明了Event2vec優於最先進的演算法在四個真實數據集和三個網路分析任務（包括網路重建，鏈路預測和節點分類）方面的優勢。

挖掘西北巴塔哥尼亞岩畫藝術的拓撲結構

原文標題： Digging the topology of rock art in Northwestern Patagonia

地址： arxiv.org/abs/1901.1037

作者： Fernando E. Vargas, José L. Lanata, Guillermo Abramson, Marcelo N. Kuperman, Danae Fiore

摘要： 我們基於網路分析和社區檢測，對北巴塔哥尼亞的岩石藝術進行了研究。我們揭示了一系列重要的考古遺址，這些遺址由共同的岩石藝術圖案聯繫在一起，這些圖案與其地理分布和狩獵 - 採集階段的區域人口和土地利用的考古背景相一致。這項探索性研究將使我們能夠更準確地處理一些在空間和時間上由岩石藝術主題分布引起的視覺傳播的社會策略。

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。

推薦閱讀：

相关文章