Arxiv網路科學論文摘要9篇(2018-02-16)

02-18

用資產置換的擴展式出售模型描述現實的財富分配;
Gab是什麼？自由言論的堡壘或者右翼回聲室？;
時間流逝的社交流中有影響力的用戶訂閱;
大型社會網路中的鏈接傳輸中心性;
交通流的流體動力學模型的相空間分析;
動態Galam模型;
分析主機和付費級域聚合的Web圖;
黑洞指標：克服PageRank標準化問題;
一種基於相似性的圖運算符建模方法;

用資產置換的擴展式出售模型描述現實的財富分配

原文標題： Describing Realistic Wealth Distributions with the Extended Yard-Sale Model of Asset Exchange

地址： http://arxiv.org/abs/1604.02370

作者： Jie Li, Bruce M. Boghosian, Chengli Li

摘要：我們提出了一個隨機的，基於主體的二元交易資產交換模型（AEM），用於財富分配，允許具有負值財富的代理。該模型保留了先前的AEM的某些特徵，例如再分配和財富獲得的優勢，但它也允許轉移以及對代理密度函數進行比例尺度。我們推導描述其時間演化的Fokker-Planck方程，並描述其數值解，其中包括解決找到最符合經驗數據的模型參數的反演問題的方法。使用這種方法，我們將Fokker-Planck方程的穩態解與27年美國消費者財務狀況調查數據進行比較。在這樣做的時候，我們證明了在這段時間內平均誤差小於0.16％的經驗數據是一致的。我們提出了美國財富分配數據的模型參數作為時間的函數，假設分布絕熱地響應其變化。我們認為，這樣得到的模型參數的時間序列為分析財富不平等提供了一種有價值的新診斷工具。

Gab是什麼？自由言論的堡壘或者右翼回聲室？

原文標題： What is Gab? A Bastion of Free Speech or an Alt-Right Echo Chamber?

地址： http://arxiv.org/abs/1802.05287

作者： Savvas Zannettou, Barry Bradlyn, Emiliano De Cristofaro, Michael Sirivianos, Gianluca Stringhini, Haewoon Kwak, Jeremy Blackburn

摘要：在過去的幾年中，新的「邊」社區已經建立並迅速在網路上獲得了推動力。儘管最近的研究表明，它們的確影響錯誤信息如何傳播到主流社區，但人們通常對他們如何演變以及他們吸引什麼樣的活動知之甚少。這激發了對他們進行監控並分析他們對Web信息生態系統的影響的需求。 2016年8月，一個名為Gab的新社會網路被創建為Twitter的替代品。它把自己定位為「首先是人和言論自由」，歡迎用戶禁止或暫停其他社會網路。在本文中，我們盡我們所知地提供了Gab的第一個特徵。我們收集和分析2016年8月至2018年1月期間336K用戶製作的2200萬個帖子，發現Gab主要用於新聞和世界事件的傳播和討論，並吸引更多的用戶，陰謀論者和其他巨魔。我們還測量了平台上仇恨言論的普遍程度，發現它比Twitter上的要高得多，但低於4chan的政治錯誤委員會。

時間流逝的社交流中有影響力的用戶訂閱

原文標題： Influential User Subscription on Time-Decaying Social Streams

地址： http://arxiv.org/abs/1802.05305

作者： Xin Yang, Ju Fan

摘要：影響力最大化要求從社會網路中獲得k大小的種子集，以便最大限度地發揮對所有其他用戶的影響力（稱為影響力擴散），因其在病毒式營銷和流言控制中的重要應用而受到廣泛關注。在現實世界的情景中，人們對特定話題中最有影響力的用戶感興趣，並且希望通過社會網路訂閱興趣話題。在本文中，我們制定了有影響力的用戶在時間衰退的社交流中訂閱的問題，該問題要求維護每個主題感知訂閱查詢的k -size有影響力的用戶集合。我們首先分析廣泛採用的滑動窗口模型，並提出一個新的時間衰減影響模型來克服計算社交流影響時的不足。基於篩選的流媒體演算法開發，我們提出了一種有效的演算法來支持動態更新社會網路時間衰減影響的計算。通過在訂閱中使用信息，我們可以構造前綴樹結構，使我們能夠最小化計算每個更新影響的時間，並且易於維護。修剪技術也適用於前綴樹，以優化社交流更新的性能。我們的方法確保 frac12? epsilon近似比。實驗結果表明，我們的方法在效率和結果質量方面明顯優於基準方法。

大型社會網路中的鏈接傳輸中心性

原文標題： Link transmission centrality in large-scale social networks

地址： http://arxiv.org/abs/1802.05337

作者： Qian Zhang, Márton Karsai, Alessandro Vespignani

摘要：了解鏈路在網路中傳輸信息的重要性可以提供方法來阻止或推遲持續的動態現象，如傳播流行病或傳播信息。在這項工作中，我們提出了一種基於隨機擴散過程的新方法，它通過估計在全球擴散擴散過程中它們傳遞信息的節點的平均數來捕捉鏈路的重要性。我們提出了一個簡單的演算法解決方案來計算傳輸中心性，並以很低的計算成本在非常大的網路中對其進行近似。最後，我們將傳輸中心性應用於三個大型經驗社會網路中弱連接的識別，表明這一度量標準在識別推動社會網路中傳播過程的鏈接時優於其他中心性度量。

交通流的流體動力學模型的相空間分析

原文標題： Phase-Space Analysis of Fluid-Dynamical Models of Traffic Flow

地址： http://arxiv.org/abs/1802.05341

作者： M David Alvarez Hernandez, Shani Alvarez Hernandez

摘要：本文首先分析動力型Borsche-Kimathi-Klar模型和Navier-Stokes型Helbing模型，研究兩種流體動力學交通模型及其穩態。為了達到這個目的，該研究是通過在階段空間中的一般分析來完成的。對於兩種模型，相空間路徑在幾種情況下構建，明確地評估一些相空間軌跡。最終，討論這些分析的結果。

動態Galam模型

原文標題： Dynamical Galam model

地址： http://arxiv.org/abs/1802.05389

作者： Taksu Cheon, Serge Galam

摘要：我們引入了一種政治觀點的時間演進模型，相當於Galam模型的動態擴展，在這個模型中，不靈活數量被視為動態變數。我們發現原來的Galam模型中不靈活的臨界值現在變成了穩定性控制政治觀點相位軌跡的系統的一個固定點。發現兩個階段的出現，其中保留了多數保留和制度變化的極限循環，這兩個階段分別佔主導地位，並且還觀察到它們之間的過渡。

分析主機和付費級域聚合的Web圖

原文標題： Analysis of the Web Graph Aggregated by Host and Pay-Level Domain

地址： http://arxiv.org/abs/1802.05435

作者： Agostino Funel

摘要：在本文中，網路被分析為由主機和支付級域（PLD）聚合的圖。網路圖數據集公開發布，由Common Crawl Foundation發布，基於2017年5月至6月至7月期間的網路爬蟲。主機圖有$ 13億美元的節點和$ 53億美元弧。 PLD圖有 sim 9100萬個節點和 sim 11億個弧。我們研究了使用統計方法重點關注冪律檢測的強/弱連通分量（SCC / WCC）的程度和大小分布。將冪律模型的統計合理性與幾種替代分布的統計合理性進行比較。雖然在主機層面上沒有證據顯示功率定律尾部，但它們出現在PLD聚合中，用於不合規格，SCC和WCC尺寸分布。最後，我們通過研究最短路徑長度的累積分布來分析距離相關特徵，並給出圖的直徑估計。

黑洞指標：克服PageRank標準化問題

原文標題： Black Hole Metric: Overcoming the PageRank Normalization Problem

地址： http://arxiv.org/abs/1802.05453

作者： Marco Buzzanca, Vincenza Carchiolo, Alessandro Longheu, Michele Malgeri, Giuseppe Mangioni

摘要：在網路科學中，通常需要對圖節點進行排序。雖然分揀策略可能不同，但通常通過利用網路結構來進行分揀。尤其是，在過去的十年中，PageRank度量以不同的方式用於根據有多少鄰居指向特定節點來生成排名。 PageRank很簡單，易於計算並且在許多應用中都很有效，但它帶有一個價格：由於PageRank是隨機遊走的應用，因此需要對弧權重進行歸一化。這種標準化雖然是必要的，但會引入一系列不需要的副作用。在本文中，我們提出了一個名為Black Hole Metric的PageRank的概括，它可以緩解這個問題。我們設計了一種情景，其中副作用對排名特別有影響，在真實網路和合成網路中測試新指標，並顯示結果。

一種基於相似性的圖運算符建模方法

原文標題： A Similarity-based Approach to Modeling Graph Operators

地址： http://arxiv.org/abs/1802.05536

作者： Tasos Bakogiannis, Giannis Giannakopoulos, Dimitrios Tsoumakos, Nectarios Koziris

摘要：由於數據的圖表表現形式出現在多個領域，因此數據分析師需要能夠根據不同運營商應用於不同運營商時所產生的效果，在大量不同的圖輸入中進行選擇。由於需要大量資源，運營商對大部分可用數據源的徹底執行是不切實際的。此外，只要考慮到不同的運營商，就必須重新實施相同的流程。為了解決這個挑戰，這項工作提出了一種高效的圖運算元建模方法。我們的新方法專註於輸入本身，利用圖相似性來推斷關於多個輸入圖的知識。建模運算符僅針對可用圖的一小部分子集執行，其行為與使用機器學習的其餘圖近似。這種方法與操作者無關，因為相同的相似性信息可以重複用於建模多個圖操作符。我們還提出了一系列基於度分布的相似性度量標準，該度量分布證明能夠產生高質量的估計，可比較甚至超越更昂貴的最先進的相似性度量。我們對真實世界和合成圖的評估表明，我們的方法可以對許多常見運營商實現極其精確的建模，並通過強大的替代方案來管理大規模的加速。

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。