全球製藥業的藥物流程多層網絡分析
原文標題： Multilayer Network Analysis of the Drug Pipeline in the Global Pharmaceutical Industry
地址： http://arxiv.org/abs/2003.04620
作者： Hiromitsu Goto, Wataru Souma, Mari Jibu, Yuichi Ikeda
摘要： 一般情況下，開放式創新是行業內靠創新，如醫藥行業，這也被稱為知識密集型產業利潤豐厚的研究課題。然而，藥物管線在全球經濟中小型企業級內的動態仍令人擔憂。為了揭示醫藥創新的實際情況，研究知識的功能基於與藥物產品線，全球供應鏈，並擁有數據所作出的多層網絡上藥管道許可人和被許可人之間流動。因此，我們的研究結果表明成熟的相似之處之間在藥物管道供應鏈之間，一般同意醫藥創新與其他行業，如人工智能產業合作情況的知識流動。
從樹中選擇替代歷史
原文標題： Choosing among alternative histories of a tree
地址： http://arxiv.org/abs/2003.04378
作者： Gábor Timár, Rui A. da Costa, Sergey N. Dorogovtsev, José F. F. Mendes
摘要： 一個不斷髮展的網絡的結構包含了過去的信息。有效地提取這些信息，但是，在一般情況下，一個艱鉅的挑戰。我們制定一個快速，估計種植樹木的最可能的歷史，基於求根精確的結果有效的方法。我們證明了我們的算法產生精確的逐步最可能的歷史在一大類的樹木生長模型。我們的配方是能夠處理非常大的樹木，因此使我們能夠做出關於根推理和歷史重建中種植樹木的可能性可靠的數值意見。我們得到通式 langle LN mathcal N rangle 聰Ñ LN N - CN 對於給定樹的可能的歷史的平均對數數的大小依賴性，其用量應在很大程度上決定了樹歷史的reconstructability。我們還揭示了一個不確定性原理：根的inferrability之間以及完整的歷史的關係，表明在這兩個任務之間的權衡;根和完整的歷史不能同時在同一時間高精度地推斷。
基於鄰居信息的網絡分解概率算法
原文標題： Neighborhood Information-based Probabilistic Algorithm for Network Disintegration
地址： http://arxiv.org/abs/2003.04713
作者： Qian Li, San-Yang Liu, Xin-She Yang
摘要： 許多現實世界的應用程序可以模擬複雜的網絡，而這種網絡包括互聯網，傳染病網絡，交通網絡，電網，蛋白質摺疊結構等。網絡的完整性和耐用性是很重要的，以確保關鍵的網絡保護，不需要有害的網絡可以被拆除。網絡結構和完整性可以由一組關鍵節點來控制，並且找到的節點的最優組合的網絡中，以確保網絡結構和完整性可以是一個NP完全問題。儘管進行了廣泛的研究，現有的方法有很多侷限性，仍有許多未解決的問題。本文提出了一種基於鄰近地區的信息和節點重要性概率的方法，即，鄰近地區的信息為基礎的概率算法（NIPA）。我們還定義了一個新的基於核心地位，重要性度量（IM），它結合了每個目標節點和兩跳節點信息的鄰居節點的貢獻率。我們提出的NIPA已經過測試，不同的網絡標準和與其他三種方法比較：最佳攻擊策略（OAS），高介第一（HBF）和高度第一（HDF）。實驗表明，所提出的NIPA是所有四種方法中最有效的。在一般情況下，NIPA可以找出最關鍵的節點組合具有更高的效能，並設定最佳的關鍵節點發現我們提出的NIPA是啟發式的中心性預測比小得多。此外，許多以前被忽視的弱連接的節點都認定，成為新發現的最佳節點的重要組成部分。因此，建議對修訂後的保護戰略，以確保網絡完整性的保障。另一個關鍵問題和未來的研究課題進行了討論。
使用圖神經網絡進行主數據管理鏈路預測
原文標題： Link Prediction using Graph Neural Networks for Master Data Management
地址： http://arxiv.org/abs/2003.04732
作者： Balaji Ganesan, Gayatri Mishra, Srinivas Parkala, Neeraj R Singh, Hima Patel, Somashekar Naganna
摘要： 學習n元關係數據的圖表示有許多現實世界的應用，如反洗錢，欺詐檢測，風險評估等圖神經網絡已經被證明是有效的預測與很少或沒有節點的功能鏈接。雖然鏈路預測存在許多數據集，其特點是從現實世界的應用相當大的不同。在實體和關係的時間信息往往是不可用的。我們引進了10子圖，20912個節點，67564個聯繫，70個屬性和9種關係類型的新數據集。我們還提出新的改進圖模型，以適應他們的工業規模應用。
功能連接模型中分層網絡組織的持久性和湧現的拓撲
原文標題： Persistence of hierarchical network organization and emergent topologies in models of functional connectivity
地址： http://arxiv.org/abs/2003.04741
作者： Ali Safari, Paolo Moretti, Ibai Diez, Jesus M. Cortes, Miguel Ángel Muñoz
摘要： 功能網絡提供在大腦的活動模式拓撲描述，因為它們從活動的突觸連接，其具有一個分層組織的解剖或結構網絡上的傳播幹。雖然假設結構網絡塑造它們的功能的對應，還假設大腦活動的變化可能會與功能連接的轉換，並且可能其偏離分級拓撲。在該計算研究中，我們介紹一種新穎的方法來監控分層順序的在功能網絡的持久性和擊穿，從合成的和真正的結構connectomes擴頻活動的模擬生成。我們表明，分層連接是具有最佳處理能力和正常腦功能（格里菲斯相）和向下的狀態，從這個政權，往往與病理狀況相關偏離斷裂相關的準關鍵政權持久。我們的研究結果提供最佳的神經計算架構和流程，這是能夠活動和信息流的調整模式的研究提供重要線索，並演示如何分層拓撲及其準關鍵的功能性對應提供本地專業加工和全球之間的有效平衡積分。
使用內容和活動特點基於機器學習方法檢測Twitter抑鬱症
原文標題： Machine Learning-based Approach for Depression Detection in Twitter Using Content and Activity Features
地址： http://arxiv.org/abs/2003.04763
作者： Hatoon S. AlSagri, Mourad Ykhlef
摘要： 社會化媒體渠道，如Facebook，Twitter和Instagram的，已經永遠地改變了我們的世界。現在，人們越來越多地連接比以往任何時候，揭示一種數字人的。儘管社交媒體確實有幾個顯著的特點，的弊端是不可否認的為好。近期的研究表明社交媒體網站和增加抑鬱症的高使用量之間的相關性。本研究的目的是利用基於這兩個，他/她的網絡行為和鳴叫機器學習用於檢測可能鬱悶的Twitter用戶的技術。為此，我們訓練和測試的分類來區分用戶是否被按下不使用從他/她在網絡和微博活動中提取的特徵。結果表明，更多的功能的使用，較高的是在檢測用戶按下的準確性和F值的分數。這種方法對於早期發現抑鬱症或其他精神疾病的一個數據驅動的，可預測的方法。這項研究的主要貢獻是特徵的探索部分，其在檢測到抑鬱程度的影響。
一個開源的面向API的無監督圖學習Python框架
原文標題： An API Oriented Open-source Python Framework for Unsupervised Learning on Graphs
地址： http://arxiv.org/abs/2003.04819
作者： Benedek Rozemberczki, Oliver Kiss, Rik Sarkar
摘要： 我們提出空手道俱樂部一個Python框架相結合，可以解決無監督的機器學習任務30餘國家的最先進的圖挖掘算法。封裝的主要目的是讓社區發現，節點和全圖嵌入提供給廣大受眾的機器學習研究者和實踐者。我們設計空手道俱樂部有一個一致的應用程序接口，可擴展性，易用性上強調，盒模型的行為合理的，標準化的數據集攝入和輸出產生。本文討論了實際的例子此框架背後的設計原則。我們發現相對於上廣泛的現實世界中的聚類問題，分類任務，並與問候競爭速度的支持證據學習表演空手道俱樂部的工作效率。
網絡上的採樣：估計譜中心性的度量及其對評估其他相關網絡度量的影響
原文標題： Sampling on networks: estimating spectral centrality measures and their impact in evaluating other relevant network measures
地址： http://arxiv.org/abs/2003.04823
作者： Nicolò Ruggeri, Caterina De Bacco
摘要： 我們如何進行抽檢影響的幾個相關的網絡措施的估計的廣泛分析。特別是，我們專注於抽樣策略如何優化，以恢復特定的譜中間值的影響等拓撲量。我們的目標是一方面以延長TCEC [Ruggeri2019]中，特徵向量中心估計理論上接地採樣方法的行為的分析。在另一方面，更廣泛地採樣如何影響像比一個旨在優化，群落結構和節點屬性分配不同的中心性措施相關的網絡特性的評價論證。最後，我們適應TCEC背後的PageRank的核心地位的情況下，理論框架，並提出旨在優化其估計的採樣算法。我們表明，雖然理論推導可以適當地適於覆蓋這種情況下，相比於特徵向量中心情況下，需要進一步的近似高的計算複雜度將所得算法受到影響。
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”和個人博客進行同步更新。
閱讀更多 網絡科學研究速遞 的文章
