核心速遞
人類社會演化的動力學：一種能量學方法;
網絡分析中的實驗算法指南;
MMED ：多域和多模態事件數據集;
Tor 用戶對維基百科的貢獻：是否像其他人一樣？;
動態推薦系統的分層時間卷積網絡;
大規模互聯網流量的新現象;
發表偏倚對保護規劃的影響;
實現社交物聯網和社交雲;
基於相關性的社區檢測;
為小島嶼發展中國家提供100％可再生能源的電網——能源、環境和經濟增長的耦合;
隱藏二部圖中最大k度的分佈式計算;
電阻數據的臨界點分析與預警維護失敗的早期預警信號;
人類社會演化的
動力學：一種能量學方法
原文標題：
The Dynamics of Human Society Evolution: An Energetics Approach
地址：
http://arxiv.org/abs/1904.04400
Ram C. Poudel, Jon G. McGowan
摘要：人類社會是一個開放的系統，通過與各種已知和未知（能量）通量的耦合而發展。這些動態如何精確展開？能量學可能會提供進一步的見解。我們擴展了 Navier Stokes 的方法，研究隨時間演變的領域中的非平衡動力學。基於社會領域理論，經典領域理論的歸納，我們定義了社會中個體的社會力量，社會能量和漢密爾頓主義。基於時間依賴的漢密爾頓主義（包括權力動力學）勾勒出個人和社會演化的方程式。在本文中，我們將證明 Lotka-Volterra 型方程可以從社會領域的哈密頓方程導出。
網絡分析中的實驗算法指南
原文標題：
Guidelines for Experimental Algorithmics in Network Analysis
地址：
http://arxiv.org/abs/1904.04690
Eugenio Angriman, Alexander van der Grinten, Moritz von Looz, Henning Meyerhenke, Martin Nöllenburg, Maria Predari, Charilaos Tzovas
摘要：
網絡科學領域是一個高度跨學科的領域;對於網絡數據的實證分析，它從幾個研究領域中提取算法方法。因此，研究程序和技術結果的描述通常有所不同，有時甚至是廣泛的。在本文中，我們將重點放在網絡分析算法工程實驗部分的方法論上 - 這是一個以實證為重點的研究領域的重要組成部分。更確切地說，我們統一和調整來自不同領域的現有建議，並提出通用指南 - 包括統計分析 - 用於系統評估網絡分析算法。
這樣，可以適當地評估新提出的算法的行為，並且與現有解決方案的比較變得有意義。此外，作為主要技術貢獻，我們提供 SimexPal ，這是一種高度自動化的工具，可根據我們的指南執行和分析實驗。為了說明 SimexPal 的優點和我們的指南，我們將它們應用於案例研究中：我們設計，執行，可視化和評估最近算法的實驗，以近似中介中心性，這是網絡分析中的一個重要問題。
總之，我們的指南和 SimexPal 都應該對實驗算法中的先前努力進行現代化和補充;它們不僅對網絡分析有用，而且對相關環境也有用。
MMED：多域和
多模態事件數據集
原文標題：
MMED: A Multi-domain and Multi-modality Event Dataset
地址：
http://arxiv.org/abs/1904.02354
Zhenguo Yang, Zehang Lin, Min Cheng, Qing Li, Wenyin Liu
摘要：在這項工作中，我們構建併發布了一個多域和多模態事件數據集（MMED），其中包含從數百個新聞媒體網站（例如雅虎新聞，谷歌新聞，CNN新聞）收集的25,165篇文本新聞文章和76,516圖像在Flickr社交媒體上分享的帖子，根據412個真實世界事件進行註釋。收集數據集以探索組織由不同數據域中的專業人員和業餘愛好者貢獻的異構數據的問題，以及將從一個數據域獲得的事件知識傳遞到異構數據域的問題，從而總結具有不同貢獻者的數據。我們希望 MMED 數據集的發佈可以激發對相關挑戰性問題的創新研究，例如事件發現，跨模式（事件）檢索和視覺問答等。
Tor 用戶對維基百科的
貢獻：是否像其他人一樣？
原文標題：
Tor Users Contributing to Wikipedia: Just Like Everybody Else?
地址：
http://arxiv.org/abs/1904.04324
Chau Tran, Kaylea Champion, Andrea Forte, Benjamin Mako Hill, Rachel Greenstadt
摘要： 維基百科等網站上的用戶生成內容由志願者製作，他們不僅創造內容，還通過審查他人的貢獻來投入時間和精力進行質量控制。由於認為隱私增強工具是故意破壞，垃圾郵件和濫用的來源，許多用戶生成的網站（如維基百科）阻止了使用 Tor 等代理的匿名編輯。雖然阻止匿名尋求編輯被認為在遏制濫用方面是有效的，但是匿名尋求編輯的未實現的有價值貢獻形式的附帶損害通常是看不見的。
儘管自2005年以來維基百科已採取措施阻止 Tor 用戶的貢獻，但我們證明這些塊已經不完美，並且通過 Tor 在維基百科上進行編輯的數萬次嘗試都取得了成功。我們利用幾個數據源來測量和描述維基百科上 Tor 編輯的歷史，並比較 Tor 用戶對其他維基百科用戶群的貢獻。我們的分析表明，設法通過維基百科禁令的 Tor 用戶提供的內容與未註冊的維基百科貢獻者以及註冊用戶的初始貢獻的質量相似。
動態推薦系統的
分層時間卷積網絡
原文標題：
Hierarchical Temporal Convolutional Networks for Dynamic Recommender Systems
地址：
http://arxiv.org/abs/1904.04381
Jiaxuan You, Yichen Wang, Aditya Pal, Pong Eksombatchai, Chuck Rosenberg, Jure Leskovec
摘要： 可以從跨會話數據中學習以動態預測用戶將選擇的下一個項目的推薦系統對於在線平臺至關重要。然而，現有方法通常使用受速度和存儲器消耗限制的開箱即用序列模型，對於生產環境通常是不可行的，並且通常不包含跨會話信息，這對於有效推薦是至關重要的。在這裡，我們提出了分層時間卷積網絡（HierTCN），這是一種分層深度學習體系結構，可根據用戶與項目的順序多會話交互進行動態推薦。
HierTCN 專為具有數十億項目和數億用戶的網絡規模系統而設計。它由兩個級別的模型組成：高級模型使用遞歸神經網絡（RNN）來彙總用戶在不同會話中不斷變化的長期興趣，而低級模型使用時間卷積網絡（TCN）實現，利用會議期間的長期利益和短期互動，以預測下一次互動。我們對公共 XING 數據集和大規模 Pinterest 數據集進行了大量實驗，該數據集包含600萬用戶，具有16億次交互。
我們表明，與基於TCN的模型相比，HierTCN 比基於 RNN 的模型快2.5倍，並且使用的數據存儲量減少了90％。我們進一步開發了一種有效的數據緩存方案和基於隊列的小批量生成器，使我們的模型能夠在24小時內在單個 GPU 上進行培訓。我們的模型始終優於最先進的動態推薦方法，召回率提高18％，平均倒數排名提高10％。
大規模互聯網流量的新現象
原文標題：
New Phenomena in Large-Scale Internet Traffic
地址：
http://arxiv.org/abs/1904.04396
Jeremy Kepner, Kenjiro Cho, KC Claffy
摘要：互聯網正在改變我們的社會，需要對互聯網流量進行定量了解。我們的團隊收集並管理包含500億個數據包的最大公共互聯網流量數據。在MIT SuperCloud中使用10,000個處理器分析此流數據揭示了一種新現象：互聯網流量中其他看不見的葉節點和隔離鏈路的重要性。我們的分析進一步表明，雙參數修改的Zipf-Mandelbrot分佈準確地描述了移動樣本窗口的各種源/目標統計數據，範圍從100,000到100,000,000個數據包，而不是跨越多年和各大洲的集合。測量的模型參數區分不同的網絡流，並且模型葉參數與不同底層網絡拓撲中的流量的分數強烈相關。
發表偏倚對保護規劃的影響
原文標題：
Effects of publication bias on conservation planning
地址：
http://arxiv.org/abs/1904.04486
Raffael Hickisch, Timothy Hodgetts, Paul J. Johnson, Claudio Sillero, Klement Tockner, David W. Macdonald
摘要：保護規劃需要有關生物多樣性空間格局的可靠信息但是，現有的數據集是有偏差的：一些棲息地，分類群和地點的代表性不足。在這裡，我們將地理出版物密度映射到各省“省”的次國家級。我們查詢科學網絡目錄 SCI 和 SSCI 的生物多樣性相關出版物，包括國家和省名稱（1993 - 2016年期間）。
我們將這些數據與假設影響研究的其他省級因素（即經濟發展，人類存在，基礎設施和偏遠）結合起來。我們表明，與其生物氣候條件所預期的生物多樣性相比，似乎未充分研究的遺址很可能由於各種原因而無法被研究人員所接受，其中當前或最近的武裝衝突是值得注意的。最後，我們創建了一個優先考慮地理上發佈偏差的省份名單，並討論我們的省級模型如何協助調整保護規劃中的出版偏差。
實現社交物聯網和社交雲
原文標題：
Enabling the Social Internet of Things and Social Cloud
地址：
http://arxiv.org/abs/1904.04558
Weishan Zhang, Qun Jin, Didier El Baz (LAAS)
摘要：社交物聯網正在改變社交模式，並將帶來前所未有的在線和離線社交體驗。社交雲是對社會網絡的改進，以便通過社交互動合作地提供計算設施。這兩個領域都需要更多的研究工作才能擁有通用或統一的支持架構，以便與各種相關技術集成。這兩種範式都與社會網絡，雲計算和物聯網有關。因此，我們有理由相信它們有很多相互支持的潛力，我們預測這兩者將以某種方式合併。
基於相關性的社區檢測
原文標題：
Correlation-Based Community Detection
地址：
http://arxiv.org/abs/1904.04583
Zheng Chen, Zengyou He, Hao Liang, Can Zhao, Yan Liu
摘要： 從複雜網絡挖掘社區結構是各個領域的重要問題。許多現有的社區檢測方法通過優化社區評估功能來檢測社區。然而，這些功能中的大多數甚至在隨機圖上具有高值，並且可能無法檢測到大規模網絡中的小社區（所謂的分辨率限制問題）。在本文中，我們通過將相關性分析與社區檢測相結合，介紹了兩種新的以節點為中心的社區評估函數。
我們將進一步表明，相關性分析可以提供一種新的理論框架，該框架在基於相關性的優化問題的背景下統一一些現有的評估函數。在此框架中，我們可以通過選擇正確的相關函數來減輕分辨率極限問題並消除隨機波動的影響。此外，我們將挖掘關聯規則中使用的三個關鍵屬性引入社區檢測的上下文中，以幫助我們選擇適當的相關函數。基於我們引入的相關函數，我們提出了一種稱為 CBCD 的社區檢測算法。我們提出的算法在綜合基準網絡和現實網絡上都優於現有的最先進算法。
為小島嶼發展中國家提供
100％可再生能源的電網——
能源、環境和經濟增長的耦合
原文標題：
Power Grid with 100% Renewable Energy for Small Island Developing States — Nexus of Energy, Environment, and Economic Growth
地址：
http://arxiv.org/abs/1904.04597
Yuichi Ikeda
摘要：我們使用我們的電網優化模型估算了具有高水平可再生能源的電網的系統級平均電力成本（LCOE）。系統方法 LCOE 的估算結果將根據小島嶼發展中國家（SIDS）經濟體的能源，環境和經濟增長之間的關係進行討論。雖然100％的可再生能源在技術上可以使用電力存儲，但估計的 LCOE 高達397美元/兆瓦時，遠遠高於美國和日本住宅用戶的電價。
敏感性分析表明，100％可再生電網的 LCOE 估計增加223％，相當於經濟增長率降低了11％。經濟增長的減少將對小島嶼發展中國家的經濟產生重大的負面影響。然而，使用來自太陽能光伏發電的過剩能量供應通過電解水來產生氫會降低 LCOE ，因此可以用更少的二氧化碳排放實現更高的經濟增長。
隱藏二部圖中最
大 k 度的分佈式計算
原文標題：
Distributed Computation of Top-k Degrees in Hidden Bipartite Graphs
地址：
http://arxiv.org/abs/1904.04626
Panagiotis Kostoglou, Apostolos N. Papadopoulos, Yannis Manolopoulos
摘要：隱藏圖是由一組已知頂點（節點）組成的靈活抽象，而這組邊是事先不知道的。要揭示邊集，必須通過評估返回 true 或 false 的函數 f（u，v）來執行多個邊探測查詢，如果節點 u 和 v 分別連接或不連接。顯然，如果對包含 n 節點的圖執行所有可能的 n（n-1）/ 2 探測，則可以完全顯示該圖。
但是，函數 f通常是計算密集型的，因此執行所有可能的探測查詢會導致高執行成本。目標是通過儘可能少地執行探測查詢來提供有用查詢的答案。在這項工作中，我們通過使用分佈式算法研究了發現具有最高度數的隱藏二部圖的頂部 k 節點的問題。特別是，我們使用 Apache Spark 並提供實驗結果，表明與現有的集中式方法相比，實現了顯著的性能改進。
電阻數據的臨界點分析與
預警維護失敗的早期預警信號
原文標題：
Tipping point analysis of electrical resistance data with early warning signals of failure for predictive maintenance
地址：
http://arxiv.org/abs/1904.04636
Valerie Livina, Adam Lewis, Martin Wickham
摘要：我們將臨界點分析應用於汽車或航空工業中常用的電子元件的測量，並根據電阻時間序列的尺度特性展示早期預警信號。該分析利用統計物理框架和隨機建模，將測量的時間序列表示為根據測量估計的確定性和隨機分量的組合。早期預警信號比傳統技術估計的早得多，例如基於閾值的故障檢測，或威布爾故障分析中使用的批量估算。所引入的技術可用於工業應用的電力電子器件的預測性維護。我們建議這種方法可以應用於電力系統和能源應用中的各種電磁測量。
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“網絡科學研究速遞”（微信號netsci）和個人博客 https://www.complexly.me （提供RSS訂閱）進行同步更新。
近期網絡科學論文速遞
提高推薦系統長期性能的新方法 等16篇
使用深度神經網絡對 Twitter進行威脅檢測 等16篇
解開狗行為中的語言模式 等9篇
對科學的消極態度源於過度自信 等17篇
社區檢測的精確“沒有免費午餐”定理 等14篇
加入集智，一起復雜！
集智俱樂部QQ群｜877391004
◆ ◆ ◆
加入“沒有圍牆的研究所”
讓蘋果砸得更猛烈些吧！
閱讀更多 集智俱樂部 的文章
