Arxiv網路科學論文摘要6篇(2018-05-02)

05-03

連續時間邊衰減含時網路和基於特徵向量的中心性;
表徵社會網路中的有效推薦;
Twitter揭示：使用Twitter分析預測公共抗議;
社會傳播的最佳社區結構;
在線公民科學到底是什麼？教育觀點;
衰退在線社區的事後檢討：級聯模式分析與預測;

連續時間邊衰減含時網路和基於特徵向量的中心性

原文標題： Tie-decay temporal networks in continuous time and eigenvector-based centralities

地址： http://arxiv.org/abs/1805.00193

作者： Walid Ahmad, Mason A. Porter, Mariano Beguerisse-Díaz

摘要：網路理論為研究互動代理的互聯繫統提供了一個有用的框架。許多網路化系統在不斷發展，但大多數現有的分析時間依賴網路的方法依賴於離散或離散時間。在本文中，我們提出了一種新穎的方法，通過區分作為離散聯繫人的交互作用和作為時間函數表示關係強度的 emph {tie}來連續演變網路。為了說明我們的領帶衰變網路的框架，我們展示了如何以數學上易於處理和計算有效的方式檢查 - 在個人交互後領帶強度隨時間衰減的網路中的重要（即「中心」）節點。作為一個具體的例子，我們介紹了PageRank中心性的連續時間概括，並將其應用於2012年英國國家衛生服務局爭議期間的轉推網路。我們的工作還提供了從網路理論到具有衰退時間的連續時間網路的其他工具的類似概括的指導，其中包括用於流式數據的應用。

表徵社會網路中的有效推薦

原文標題： Characterizing Efficient Referrals in Social Networks

地址： http://arxiv.org/abs/1805.00252

作者： Reut Apel, Elad Yom-Tov, Moshe Tennenholtz

摘要：社會網路的用戶通常關注該網路的特定領域，導致眾所周知的「過濾泡沫」效應。將人們連接到網路的一個新領域，以使他們在該領域活躍起來可能有助於緩解這種影響並改善社會福利。在這裡，我們介紹網路引用的初步分析，即用戶嘗試將對等體連接到網路的其他區域。我們按照他們的效率對這些推薦進行分類，即推介會導致用戶在網路的新領域中活躍起來的可能性。我們表明，通過使用描述推薦作者的過去經驗和他們的信息內容的特徵，我們能夠預測推薦是否有效，對於編寫有效推薦最有經驗的用戶達到0.87的AUC。我們的研究結果代表了在演算法上構建高效推薦的第一步，其目的是減輕在線社會網路中普遍存在的「過濾泡沫」效應。

Twitter揭示：使用Twitter分析預測公共抗議

原文標題： Twitter Reveals: Using Twitter Analytics to Predict Public Protests

地址： http://arxiv.org/abs/1805.00358

作者： Mohsen Bahrami, Yasin Findik, Burcin Bozkaya, Selim Balcisoy

摘要：抗議權被視為主要的公民權利之一。公民參與群眾示威表達自己並行使其民主權利。但是，由於參與者眾多，抗議活動可能會導致暴力和破壞，因此成本可能很高。因此，事先預測此類示範以防止此類損害非常重要。最近的研究表明，大約百分之七十五的被認為合法的抗議活動是事先計劃好的。 Twitter是著名的微博客網站，它被抗議者用來規劃，組織和發布最近許多抗議活動，例如那些導致阿拉伯之春，英國騷亂和那些反對特朗普先生的抗議活動之後美國總統選舉在本文中，我們旨在通過機器學習演算法來預測抗議活動。特別是，我們考慮了2016年11月宣布總統選舉結果後，抗議當選總統特朗普的抗議事件。我們首先確定Twitter上的趨勢主題演示標籤，並下載相應的鳴叫。然後，我們應用四種機器學習演算法進行預測。我們的研究結果表明，Twitter可用作預測未來抗議活動的強大工具，平均預測準確率超過75％（高達100％）。在特朗普總統頒布的禁止七個穆斯林國家公民進入美國的行政命令之後，我們進一步驗證了我們的模型，預測了在美國機場舉行的抗議活動。我們的研究的一個重要貢獻是包含了預測目的的事件特定特徵，這有助於實現高準確度水平。

社會傳播的最佳社區結構

原文標題： Optimal community structure for social contagions

地址： http://arxiv.org/abs/1805.00360

作者： Zhen Su, Wei Wang, Lixiang Li, H. Eugene Stanley, Lidia A. Braunstein

摘要：社區結構是現實世界網路行為的一個重要因素，因為它強烈地影響著傳播動態的穩定性和相變階段。我們在這裡提出了社會網路的可逆社會傳染模型，其中包括社會強化因素。在我們的模型中，當收到的信息單元數量超過採用閾值時，個體會採取社會傳染病。我們使用平均場近似來描述我們提出的模型，並且結果與數值模擬一致。數值模擬和理論分析都表明在擴散動力學中存在一階相變，並且當存在各種初始採用的種子時，系統中出現滯後環。我們找到一個最佳的社區結構，以最大化傳播動態。我們還發現了一個富含三相點的相圖，它將無擴散相與兩個擴散相分開。

在線公民科學到底是什麼？教育觀點

原文標題： What is online citizen science anyway? An educational perspective

地址： http://arxiv.org/abs/1805.00441

作者： Cathal Doyle, Yevgeniya Li, Markus Luczak-Roesch, Dayle Anderson, Brigitte Glasson, Matthew Boucher, Carol Brieseman, Dianne Christenson, Melissa Coton

摘要：在本文中，我們試圖通過促進眾包和協作的在線工具，為公民參與真正科學項目的性質辯論做出貢獻。我們關注的是一個未被重視的領域，即在線公民科學參與對學齡兒童科學教育的影響。我們提出了一個在線公民科學過程流的二叉樹，以及在紐西蘭小學教師中匿名調查的結果，他們都是知名的科學教育倡導者。我們的研究結果揭示了為什麼教師有興趣在課堂活動中使用在線公民科學，以及他們在選擇特定項目時要尋找什麼。從這些特徵中，我們得出了關於在線公民科學與教育過程，背景和成果傳播相關的最佳嵌入的建議。

衰退在線社區的事後檢討：級聯模式分析與預測

原文標題： Postmortem Analysis of Decayed Online Social Communities: Cascade Pattern Analysis and Prediction

地址： http://arxiv.org/abs/1805.00451

作者： Mohammed Abufouda

摘要：最近，許多在線社會網路（如MySpace，Orkut和Friendster）都面臨著成員的不活動衰退，這導致了這些網路的崩潰。這種不活動衰減的原因，機制和預防機制尚未完全了解。在這項工作中，我們從StackExchange平台分析腐爛和活著的子網站。分析主要集中在這些社區成員之間發生的不活動級聯。我們提供措施來了解衰減過程和統計分析，以提取伴隨不活動衰減的模式。此外，我們使用機器學習預測級聯大小和級聯病毒性。這項工作的結果包括腐朽子網站和活著子網站之間衰變模式的統計學顯著差異。這些模式主要是：級聯大小，級聯病毒性，級聯持續時間和級聯相似性。此外，與基線預測器相比，貢獻預測框架顯示出令人滿意的預測結果。在經驗證據的支持下，本文的主要研究結果如下：（1）衰變過程不受僅有一種網路測量的控制;用多種措施更好地描述; （2）StackExchange子網站的專家成員主要負責StackExchange子網站的活動或不活動; （3）統計分網站正在經歷衰變動態，可能導致其全面衰退;和（4）衰落的子網站本來不像不活躍的子網站那樣具有抵抗不活動衰退的能力。

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。