Arxiv網路科學論文摘要10篇(2018-03-07)

03-17

局部決定全局：大規模社會網路中有影響力擴散者的識別和量化;
美國社會化媒體對極權、黨派和垃圾消息的消費;
AspEm：異構信息網路不同方面的嵌入學習;
語言網路的形態空間;
符號網路分割;
演算法偏差放大了意見偏見：一種有界的置信模型;
財富不平等的最優控制動力學模型;
識別雜訊網路中有影響力的擴散者;
種族多樣性增加科學影響力;
真實與理論網路中的隱藏對稱性;

局部決定全局：大規模社會網路中有影響力擴散者的識別和量化

原文標題： Local Determines Global: Identification and Quantification of Influential Spreaders in Large Scale Social Networks

地址： http://arxiv.org/abs/1509.03484

作者： Yanqing Hu, Shenggong Ji, Yuliang Jin, Ling Feng, H. Eugene Stanley, Shlomo Havlin

摘要：衡量和優化大數據在線社會網路中影響力的傳播對於設計虛假信息監控和病毒式營銷的有效策略非常重要。由於社會網路信息的病毒傳播是一個全球性的過程，人們普遍認為，測量節點的影響和優化病毒傳播需要整個網路信息。通過將統計物理學中的擴散動力學映射到粘結滲流上，我們發現在許多隨機擴展事件中，信息擴散僅發生在兩個分離良好的階段中的一個階段：具有少量受影響節點的局部受限階段和全局病毒擴展階段與整個網路節點的固定部分相對於初始擴展器和實現是不變的。全球和當地的階段顯然是分開的，這使我們能夠通過一個小的特徵性感染大小來區分它們。因此，在不需要關於全球網路結構的信息的情況下，可以基於該局部特徵感染大小準確地測量任何節點對整個網路的全球影響。這激發了一個有效的演算法，其具有恆定的時間複雜度，以處理最佳種子播種機選擇的長期存在問題，其性能非常接近真正的最佳值。

美國社會化媒體對極權、黨派和垃圾消息的消費

原文標題： Polarization, Partisanship and Junk News Consumption over Social Media in the US

地址： http://arxiv.org/abs/1803.01845

作者： Vidya Narayanan, Vlad Barash, John Kelly, Bence Kollanyi, Lisa-Maria Neudert, Philip N. Howard

摘要：什麼樣的社交媒體用戶閱讀垃圾新聞？在唐納德·特朗普總統首次發表國情咨文之前的三個月里，我們檢查了最重要的垃圾新聞來源的分布情況。利用持續發布極端主義，煽情主義，陰謀論，蒙面評論，假新聞和其他形式的垃圾新聞的政治新聞和信息的來源清單，我們發現這些內容的分布在整個意識形態範圍內均勻分布。我們證明：（1）在推特上，特朗普的支持者網路分享最廣泛的已知垃圾新聞來源，併流傳比所有其他團體放在一起更多的垃圾新聞; （2）在臉書上，與共和黨網頁截然不同的極端硬右版頁面分享最廣泛的已知垃圾新聞來源，並傳播比所有其他受眾群體更多的垃圾新聞; （3）平均而言，Twitter上垃圾新聞的觀眾分享比Facebook公共頁面上的觀眾更多的已知垃圾新聞來源。

AspEm：異構信息網路不同方面的嵌入學習

原文標題： AspEm: Embedding Learning by Aspects in Heterogeneous Information Networks

地址： http://arxiv.org/abs/1803.01848

作者： Yu Shi, Huan Gui, Qi Zhu, Lance Kaplan, Jiawei Han

摘要：異構信息網路（HIN）在現實世界的應用中無處不在。由於HIN中的異質性，類型邊可能不完全對齊。為了捕捉語義的微妙之處，我們提出了方面的概念，每個方面都是代表一個潛在語義方面的單元。同時，網路嵌入已經成為學習網路表示的強大方法，其中學習到的嵌入可以用作各種下游應用程序中的特徵。因此，我們有動力提出一種新的嵌入式學習框架--- AspEm ---基於多個方面來保存HIN中的語義信息。 AspEm不是將信息保存在一個語義空間中，而是分別封裝有關每個方面的信息。為了選擇方面的嵌入目的，我們進一步為AspEm設計一個基於數據集範圍統計的解決方案。為了證實AspEm的功效，我們用兩種類型的應用 - 分類和鏈路預測對兩個實詞數據集進行了實驗。實驗結果表明，通過考慮多個方面，AspEm可以超越基線網路嵌入學習方法，其中方面可以以無監督的方式從給定的HIN中選擇。

語言網路的形態空間

原文標題： The morphospace of language networks

地址： http://arxiv.org/abs/1803.01934

作者： Luís F Seoane, Ricard Solé

摘要：語言可以被描述為具有不同定性屬性和複雜性的交互對象的網路。這些網路包括語義，句法或語音層次，並且已經發現提供語言複雜性及其演進的新圖像。一般的方法是從資訊理論的角度考慮語言，包含說話者，聽話者和嘈雜的頻道。後者通常被編碼成矩陣，將用於通信的信號與在現實世界中發現的含義相聯繫。大多數語言演化研究都以某種方式處理這種理論上的缺陷，並探討了溝通矩陣中不同形式選擇的結果，這種選擇有點優化了溝通。這個框架自然地引入了調解通信代理的網路，但是沒有對可能的語言圖的基礎景觀進行系統分析。在這裡我們提供一個通用代碼的通用模型的網路屬性的詳細分析，揭示了一個相當複雜和異構的語言網路形態空間。此外，我們使用英語單詞的策劃數據來定位和評估這種語言形態空間中的真實語言。我們的研究結果表明，人類語言的結構非常簡單，除非在辭彙中引入了粒子，並具有指定任何其他概念的能力。這些結果進一步細化並首次與經驗數據相輔相成，這是圍繞 {em {最小努力語}}框架的持久理論傳統。

符號網路分割

原文標題： Partitioning signed networks

地址： http://arxiv.org/abs/1803.02082

作者： V.A. Traag, P. Doreian, A. Mrvar

摘要：符號網路自然會出現在衝突或仇恨明顯的環境中。在本書中，我們將回顧一些有關符號網路的文獻，特別是在分區方面。大部分的工作是建立在所謂的結構平衡理論之上的。我們涵蓋結構平衡理論的基本數學原理。該理論為分區提供了一種自然的表達方式。我們簡單地將此與其他基於社區檢測的分區方法進行比較。最後，我們分析了一個國際聯盟和衝突網路，並討論了我們調查結果對結構平衡理論的影響。

演算法偏差放大了意見偏見：一種有界的置信模型

原文標題： Algorithmic bias amplifies opinion polarization: A bounded confidence model

地址： http://arxiv.org/abs/1803.02111

作者： Alina S?rbu, Dino Pedreschi, Fosca Giannotti, János Kertész

摘要：通過在線媒體平台到達我們的信息流不是通過信息內容或相關性來優化，而是通過流行度和接近目標來優化。這通常是為了最大化平台使用而執行的。作為一個副作用，這引入了一種演算法偏差，這被認為會加劇社會爭論的兩極分化。為了研究這一現象，我們修改了有界置信度的眾所周知的連續輿論動態模型，以解決演算法偏差並研究其後果。在原始模型的最簡單版本中，隨機選擇討論參與者對，並且如果它們處於固定的容忍水平內，則他們的意見彼此更接近。我們修改討論合作夥伴的選擇規則：選擇意見已經彼此接近的個人的可能性增大，從而模擬了表明與類似同事交流的在線媒體行為。因此，我們觀察到：a）極化趨勢增加，這種趨勢也出現在原始模型預測收斂的條件下，以及b）達到漸近狀態收斂速度的急劇減慢，這使得該系統極不穩定。初期人口分散，極化增加。

財富不平等的最優控制動力學模型

原文標題： Kinetic models for optimal control of wealth inequalities

地址： http://arxiv.org/abs/1803.02171

作者： Bertram Düring, Lorenzo Pareschi, Giuseppe Toscani

摘要：我們在簡單的市場經濟中引入和討論財富分配動力學模型的最優控制策略，以盡量減少人口中財富密度的變化。我們的分析基於對微觀代理人動態的模型預測控制近似，並導致對稅收和再分配政策採取另一種理論方法。它表明，一般來說，控制能夠修改對應Boltzmann動力學方程的平穩解的帕累托指數，並且這種修改可以被準確量化。還討論了之前基於福克 - 普朗克模型與稅收再分配政策和目前方法之間的聯繫。

識別雜訊網路中有影響力的擴散者

原文標題： Identifying influential spreaders in noisy networks

地址： http://arxiv.org/abs/1803.02253

作者： ?irag Erkol, Ali Faqeeh, Filippo Radicchi

摘要：當關於系統的結構和動態的先驗知識是不完整或錯誤的時候，我們考慮識別網路上傳播過程中最有影響的節點的問題。具體而言，我們執行數值分析，其中根據先前信息確定頂部擴散器集合，其中，先前信息是由一定程度的噪音人為改變的。然後，我們通過測量其在真實系統中的傳播影響來衡量所選集合的最優性。雖然我們發現，當先驗知識完整且沒有錯誤時，頂部傳播者的識別是最佳的，但我們還發現，使用噪音信息識別的頂部傳播者的質量並不一定隨著噪音水平的增加而降低。例如，我們表明通常可以通過在網路結構中添加合成誤差來補償有關動態參數的錯誤信息。此外，我們表明，在一些動態的制度下，甚至完全失去對網路結構的先驗知識可能比依靠某些但不完整的信息更好。

種族多樣性增加科學影響力

原文標題： Ethnic Diversity Increases Scientific Impact

地址： http://arxiv.org/abs/1803.02282

作者： Bedoor K AlShebli, Talal Rahwan, Wei Lee Woon

摘要：受到多樣性的眾多社會和經濟利益的啟發，我們分析了超過900萬篇論文和600多萬名跨越24個研究領域的科學家，以了解研究影響與五種多樣性之間的關係，反映了（i）種族，（ii），（iii）性別，（iv）隸屬關係和（v）學術年齡。對於每種類型，我們研究群體多樣性（即一組論文作者的異質性）和個體多樣性（即科學家的整套合作者的異質性）。值得注意的是，在所考慮的所有類型中，我們發現種族多樣性是該領域科學影響力最強的預測因子（分別為群體和個體種族多樣性分別為0.77和0.55）。此外，為了區分種族多樣性與其他混雜因素的影響，我們分析了一個基線模型，其中作者族群隨機化，同時保留所有其他特徵。我們發現，與隨機基線模型相比，實際數據中種族多樣性與影響之間的關係更強，無論出版年份，每篇論文的作者數量以及每位科學家的合作者數量如何。最後，我們使用粗略的精確匹配來推斷因果關係，從而將不同論文和科學家的科學影響與緊密匹配的對照組進行比較。與其他結果一致，我們發現種族多樣性一貫導致更高的科學影響。

真實與理論網路中的隱藏對稱性

原文標題： Hidden Symmetries in Real and Theoretical Networks

地址： http://arxiv.org/abs/1803.02328

作者： Dallas Smith, Benjamin Webb

摘要：對稱性在真實網路中無處不在，通常表徵網路特性和功能。在這裡我們提出一個稱為 emph {latent symmetry}的網路對稱性的推廣，它是標準對稱概念的延伸。它們是根據網路縮減版本中的標準對稱性來定義的。潛在對稱性的一個獨特方面是每一個都與 emph {size}相關聯，這提供了一種討論網路中多個尺度的對稱性的方法。我們能夠演示一些包含潛在對稱性的網路（圖）的例子，包括一些真實的網路。在數值實驗中，我們表明，當與非網路（Erd { H o} s-R enyi）圖相比時，在使用優先連接構建的圖中發現潛在對稱性更加頻繁，網路增長是標準模型。最後，我們證明，如果網路中的頂點是潛在對稱的，那麼它們必須具有相同的特徵向量中心性，類似於標準意義上的對稱頂點。這表明，真實網路中存在的潛在對稱可以用於這些網路中相同的結構和功能標準對稱。我們從這些事實和觀察得出結論：在實際網路中存在 emph {潛在對稱性}，並提供關於網路潛在超出標準對稱性的有用信息，因為它們可以出現在多個尺度上。

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。