2022/3/29 15:20:49 阅读：323 发布者：chichi77
高阶结构视角下的电网唯一性与同步稳定性;
基于机器学习的社区检测目标函数选择;
回答自助出版电子游戏开发者是否应该在 Twitter 上推销他们的游戏;
符号网络中有效且高效的核心分解;
弱势社区获得城市基础设施的机会较少;
一种基于序列的蛋白质-蛋白质相互作用预测的监督机器学习方法;
乘客选择早到电梯诱导电梯同步;
嘈杂和私人评估下的间接互惠声誉结构;
高阶结构视角下的电网唯一性与同步稳定性
原文标题： Power Network Uniqueness and Synchronization Stability from a Higher-order Structure Perspective
地址： http://arxiv.org/abs/2203.13256
作者： Hao Liu, Xin Chen, Long Huo, Chunming Niu
摘要： 三元子图分析揭示了基于高阶连接模式的电力网络的结构特征。与无标度、小世界和随机网络相比，电力网络具有五个单向三元子图的独特三元显著性分布 (TSP)。值得注意的是，三元闭合在电力网络中具有最高的意义。因此，唯一的 TSP 可以作为区分电力网络与其他复杂网络的结构标识符。电力网络形成了一个网络超家族。此外，基于随机增长模型的合成电力网络成长为属于超家族的网络，具有较少的输电线路。三元闭包的重要性与网络冗余衡量的建设成本密切相关。同步稳定性和建设成本之间的权衡导致了电网超家族。以独特的TSP为特征的电网本质上是权衡的结果。电网超家族的独特性说明了一个重要的事实，即电网。
基于机器学习的社区检测目标函数选择
原文标题： Machine-Learning Based Objective Function Selection for Community Detection
地址： http://arxiv.org/abs/2203.13495
作者： Asa Bornstein, Amir Rubin, Danny Hendler
摘要： NECTAR，一种以节点为中心的重叠社区检测算法，由 Cohen 等人于 2016 年提出。 al，根据调用它的网络在两个目标函数之间动态选择要优化的函数。如 Cohen 等人所示，这种方法优于用于重叠社区检测的六种最先进的算法。在这项工作中，我们介绍了 NECTAR-ML，它是 NECTAR 算法的扩展，它使用基于机器学习的模型来自动选择目标函数，在 15,755 个合成网络和 7 个真实网络的数据集上进行训练和评估。我们的分析表明，在大约 90% 的情况下，我们的模型能够成功选择正确的目标函数。我们对 NECTAR 和 NECTAR-ML 进行了竞争分析。 NECTAR-ML 被证明显著优于 NECTAR 选择最佳目标函数的能力。我们还对 NECTAR-ML 和另外两个最先进的多目标社区检测算法进行了竞争分析。 NECTAR-ML 在平均检测质量方面优于两种算法。多目标 EA (MOEA) 被认为是解决 MOP 的最流行方法，NECTAR-ML 显著优于它们的事实证明了基于 ML 的目标函数选择的有效性。
回答自助出版电子游戏开发者是否应该在 Twitter 上推销他们的游戏
原文标题： Answering Should Self-Publishing Video Game Developers Market Their Game on Twitter
地址： http://arxiv.org/abs/2203.13619
作者： Nathaniel Francis Golding
摘要： 在营销由自行出版的独立开发者制作的视频游戏中，使用社交媒体平台 Twitter 营销游戏的常见建议。然而，来自行业消息来源的建议有些矛盾，许多自行发布的独立开发者选择根本不使用 Twitter。这为研究人员提供了一个机会来调查这种紧张关系，并通过使用因果数据科学技术的相对最新发展来确定使用 Twitter 是否确实对成功发布博弈有因果影响。从这个意义上说，本文强调了这些因果推理的发展，同时告知自行发布的独立开发者他们是否真的应该使用 Twitter 推销他们的博弈。结果发现，使用 Twitter 在发布周平均增加了 85.4 条评论，对应于 314% 的正差异。使用 Twitter 还可以使在发布周达到关键的 10 条评论拐点阈值的机会增加一倍。然而，这些影响受到游戏特征的影响，表示为“标签”，但在任何情况下，Twitter 使用的影响都不会降低到 0。根据这些发现，建议新的自行发布的视频游戏开发者确实使用 Twitter 来推销他们的游戏
符号网络中有效且高效的核心分解
原文标题： Effective and Efficient Core Decomposition in Signed Networks
地址： http://arxiv.org/abs/2203.13712
作者： Junghoon Kim, Sungsu Lim, Jungeun Kim
摘要： 随着移动技术的普及和 IT 的发展，人们可以随时随地使用社会网络服务。在众多社会网络挖掘问题中，识别内聚子图由于其众多的应用而引起了不同领域的广泛关注。在众多内聚子图模型中，k-core 因其简单直观的结构而成为使用最广泛的模型。在本文中，我们通过扩展 k-core 在有符号网络中制定 (p,n)-core。 (p,n)-core 同时保证足够的内部上升沿和不足的内部下降沿。我们正式证明找到一个精确的 (p,n) 核是 NP 难的。因此，我们提出了三种有效的算法来寻找解决方案。使用现实世界和合成网络，我们证明了我们提出的算法的优越性。
弱势社区获得城市基础设施的机会较少
原文标题： Disadvantaged Communities Have Lower Access to Urban Infrastructure
地址： http://arxiv.org/abs/2203.13784
作者： Leonardo Nicoletti, Mikhail Sirenko, Trivik Verma
摘要： 空间可达性的差异与城市社区之间日益增长的不平等密切相关。由于提高某些社区的可达性水平可以为他们提供向上的社会流动性并解决城市中的社会排斥和不平等问题，因此理解城市社区之间空间可达性的性质和分布非常重要。为了支持决策者在城市政策干预中实现包容性和公平性，我们提出了一个开源和数据驱动的框架，以理解不同人群中基础设施可及性的空间性质。我们发现，任何城市（54 个城市）对各种基础设施的可及性都符合 Zipf 定律，这表明不平等似乎也与这些城市的增长过程成正比。然后，评估其中 10 个城市的社会经济集群城市概况之间的空间不平等，我们发现城市社区在社会和空间线上明显隔离。我们发现少数族裔比例较高、收入较低且拥有大学学位的人数相对较少的人群可及性得分较低。这些发现表明，我们提出的可重复框架可能有助于理解导致空间不平等的过程，并有助于城市制定有针对性的措施来解决某些贫困社区的不平等问题。
一种基于序列的蛋白质-蛋白质相互作用预测的监督机器学习方法
原文标题： A Supervised Machine Learning Approach for Sequence Based Protein-protein Interaction (PPI) Prediction
地址： http://arxiv.org/abs/2203.12659
作者： Soumyadeep Debnath, Ayatullah Faruk Mollah
摘要： 与实验方法相比，计算蛋白质-蛋白质相互作用 (PPI) 预测技术可以极大地减少时间、成本和假阳性相互作用。序列是蛋白质的关键和主要信息之一，在 PPI 预测中起着至关重要的作用。已经应用了几种机器学习方法来利用 PPI 数据集的特征。然而，这些数据集极大地影响了预测模型的性能。因此，应注意数据集管理和预测模型的设计。在这里，我们用 SeqPIP 竞赛的结果描述了我们提交的解决方案，其目的是从具有高质量无偏差交互数据集的序列信息中开发全面的 PPI 预测模型。给我们一个包含 2000 个正向和 2000 个负向交互序列的训练集。我们的方法使用三个独立的高质量交互测试数据集和其他竞争对手的解决方案进行了评估。
乘客选择早到电梯诱导电梯同步
原文标题： Passengers’ selections of early-arrival elevators induce the synchronization of elevators
地址： http://arxiv.org/abs/2203.12854
作者： Sakurako Tanida
摘要： 繁忙的多部电梯的集群运动被认为是自主振荡器的同步现象之一。在本文中，我们关注电梯之间的耦合相互作用，并通过数值模拟研究了电梯隔离和耦合时电梯在下行高峰期间的动力学差异。假设电梯之间的耦合交互是可以乘坐较早到达的电梯的乘客，我们引入一个控制参数，即这些乘客的比率。我们证明了订单参数和往返时间都随着控制参数的增加而增加。与客流量单纯增加的情况相比，顺序参数的趋势相似，而往返时间的趋势则相反。为理解释这些参数和输出的关系并阐明集群运动的机制，我们建立了简单的数学模型，并展示了可以乘坐较早到达电梯的乘客率如何影响两部电梯的集群运动。最后，通过引入相位，我们研究了导致电梯同相同步的相互作用。
嘈杂和私人评估下的间接互惠声誉结构
原文标题： Reputation structure in indirect reciprocity under noisy and private assessment
地址： http://arxiv.org/abs/2203.12898
作者： Yuma Fujimoto, Ohtsuki Hisashi
摘要： 评价关系是维持合作社会的关键。评价关系的形成已经在间接互惠方面进行了讨论，通过对个人之间良好或不良声誉的动态建模。最近，考虑了个人独立评估他人有错误（即嘈杂和私人声誉）的情况，其中声誉结构（从总体中每个人获得良好声誉的比例，这里定义为好）变得复杂，因此主要通过数值模拟进行研究。本研究对这种复杂的声誉结构进行了理论分析。我们制定了个人善良的随机转变。通过考虑大量人口，我们得出了善的频率分布的动态。动力学的平衡状态由高斯函数的总和来近似。我们证明了理论解决方案非常适合数值计算。从理论解中，我们得到了对复杂声誉结构的新解释。本研究为间接互惠的前沿研究提供了新的数学基础。
如有侵权，请联系本站删除！
