Arxiv網路科學論文摘要12篇(2018-05-08)

05-13

YouTube上的合作：從無監督檢測到對視頻和頻道流行度的影響;
社交媒體和營銷方面的意見建模;
#ILookLikeAnEngineer：使用基於社交媒體的標籤活動來更好地理解工程多樣性問題;
整合社會網路;
建模社會網路中的競爭性營銷策略;
網路上的權力分配博弈：計算問題;
記憶對輿論動態的影響;
信息在雙層網路中傳播的雙重轉換;
跨不同網路類別的中心性度量之間的一致性和差異;
迭代隨機投影的十億級網路嵌入;
網路社區優先順序;
利用快速神經網路初篩預測電網的連續性;

YouTube上的合作：從無監督檢測到對視頻和頻道流行度的影響

原文標題： Collaborations on YouTube: From Unsupervised Detection to the Impact on Video and Channel Popularity

地址： http://arxiv.org/abs/1805.01887

作者： Christian Koch, Moritz Lode, Denny Stohr, Amr Rizk, Ralf Steinmetz

摘要： YouTube是流式傳輸用戶生成視頻的最流行平台之一。如今，專業的YouTubers被組織在所謂的多頻道網路（MCN）中。這些網路提供諸如品牌交易，設備和戰略建議等服務，以換取YouTubers的收入份額。獲得更多用戶以及收入的主要策略是與其他YouTube用戶合作。然而，YouTube上的合作尚未經過詳細的定量研究。本文旨在通過以下貢獻縮小這一差距。首先，我們收集了一個YouTube數據集，涵蓋7,942個頻道的三個月內的視頻統計數據。其次，我們為YouTube視頻中以前未知數量的人提供協作檢測設計框架。我們將此框架用於使用基於深度神經網路（DNN）的方法作為CATANA來分析YouTube視頻中的協作。第三，我們分析了大約2.4年的視頻內容，並使用CATANA回答研究問題，為YouTube和MCN提供高效協作戰略指導。因此，我們專註於（i）協作頻率和合作夥伴選擇性，（ii）多頻道網路對頻道合作的影響，（iii）協作頻道類型，以及（iv）合作對視頻和頻道流行度的影響。我們的研究結果顯示，在許多情況下，協作在觀眾和新近吸引的合作頻道用戶方面都顯著受益，與非協作視頻相比，經常顯示出超過100％的受歡迎程度增長。

社交媒體和營銷方面的意見建模

原文標題： Opinion modeling on social media and marketing aspects

地址： http://arxiv.org/abs/1805.01892

作者： G. Toscani, A. Tosin, M. Zanella

摘要：我們介紹和討論了社會網路中意見形成的動力學模型，其中分配函數依賴於代理人的觀點和連通性。隨後，意見形成模型與描述通過社會網路在網上傳播產品受歡迎程度的動態模型相結合。基礎動力學模型的數值實驗表明，與社交媒體網站上的標籤的一些測量趨勢具有良好的定性一致性，並說明公司如何利用網路結構充分獲得其產品的廣告。

#ILookLikeAnEngineer：使用基於社交媒體的標籤活動來更好地理解工程多樣性問題

原文標題： #ILookLikeAnEngineer: Using Social Media Based Hashtag Activism Campaigns as a Lens to Better Understand Engineering Diversity Issues

地址： http://arxiv.org/abs/1805.01971

作者： Aqdas Malik, Aditya Johri, Rajat Handa, Habib Karbasian, Hemant Purohit

摘要：每年都會投入大量時間和資源來改善各個聯邦和州機構，私人/非營利組織和基金會的工程內部多樣性。儘管數十年的投資，努力還沒有產生期望的回報 - 在STEM勞動力需求增加的時候，少數群體的參與仍然滯後。近年來出現了一種新的數據流 - 包括Twitter，Facebook和Instagram在內的在線社會網路，它們是社交行為和公眾態度的關鍵感測器。現在美國近87％的人口參與某種形式的社交媒體活動。因此，社交網站已成為社交活動的強大指標，社交媒體數據已經顯示出對研究許多問題的重大承諾，包括公共衛生溝通，政治活動，人道主義危機和行動主義。我們認為，社交媒體數據同樣可以用來更好地理解和改善工程多樣性。作為一個案例研究來說明這種方法的可行性，我們提出了一項運動調查結果，#ILookLikeAnEngineer（使用Twitter數據 - 19,354個原始推文和29,529轉推），旨在提高工程工作場所的性別多樣性。該運動為全面增加多樣性和與相關觀眾建立聯繫的新方式提供了持續的動力。我們的分析表明，與STEM相關的多樣化舉措吸引了包括個人，大公司，媒體和社區利益團體在內的各種實體的聲音。

整合社會網路

原文標題： Integration in Social Networks

地址： http://arxiv.org/abs/1805.02039

作者： Josue Ortega

摘要：考慮幾個不相交的社會網路。什麼是最小數量的橋樑（即屬於不同社會網路的節點之間的邊）或中心節點（那些是橋接端點的那些節點），以便每兩個節點通過長度最多為k的路徑連接起來？答案只取決於k=2的社會網路的大小，並且不取決於每個社會網路的大小k geq3。我們的研究結果為社會網路提供了平等的機會衡量標準，這些衡量標準易於計算和驗證，並且可以用來比較各種現實生活中的社會網路的整合程度。

建模社會網路中的競爭性營銷策略

原文標題： Modelling Competitive marketing strategies in Social Networks

地址： http://arxiv.org/abs/1805.02081

作者： Rahul Goel, Anurag Singh, Fakhteh Ghanbarnejad

摘要：在競爭性營銷中，有大量的生產同一產品的參與者。每家公司都致力於廣泛傳播其產品信息，以便其產品將成為潛在買家的熱門產品。更受歡迎的是公司的產品，公司的收入就越高。開發了一個模型，其中兩個玩家競爭在大型網路中傳播信息。玩家同時選擇其初始種子節點，並根據獨立級聯模型（ICM）擴散信息。玩家的主要目標是選擇種子節點，以便他們將信息傳播到社會網路中儘可能多的節點。信息傳播速度在信息傳播過程中也起著非常重要的作用。社會網路中的任何節點都將受到一個或一個或多個信息的影響。我們還通過改變信息傳播速度分析了不同隔室中節點的多少部分發生了變化。最後，建立了博弈論模型，以獲得基於球員最佳反應函數的納什均衡。該模型基於霍特林的選舉競爭模型。

網路上的權力分配博弈：計算問題

原文標題： The Power Allocation Game on A Network: Computation Issue

地址： http://arxiv.org/abs/1805.02138

作者： Yuke Li, Jiahua Yue, Fengjiao Liu, A. Stephen Morse

摘要：在本文中，提出了兩個演算法，其目標是生成在 cite {分配}中首先開發的功率分配博弈均衡集合。基於第一種演算法，純策略納什均衡集的幾何性質將被證明是凸多面體的集合。第二種是基於模擬的演算法，是為了克服第一種演算法在生成均衡集合，然後基於集合進行策略相關預測方面的缺點。第二種演算法將有用地應用於真實世界的案例研究，該案例研究借鑒了當前朝鮮與包括美國和中國在內的一些主要參與者之間的危機。

記憶對輿論動態的影響

原文標題： Impact of memory on opinion dynamics

地址： http://arxiv.org/abs/1805.02169

作者： Arkadiusz J?drzejewski, Katarzyna Sznajd-Weron

摘要：我們調查了基於主體人的意見動態模型，其中包含兩種社會反應：一致性和獨立性。符合性與Sznajd模型或q -voter模型類似地引入到模型中，這意味著只有一致的團隊才會對個人施加同伴壓力。與以前版本的q -voter模型相比，這種新穎性是每個代理擁有的內存和外部噪音T，它們起著社會溫度的作用。每個代理人都有自己對過去經驗的回憶，這些經歷與獨立或遵守社會成本和利益有關。如果一個代理人因為獨立而獲得更多的獎勵，那麼他們就會比獨立者更傾向於獨立，反之亦然。我們將顯示，取決於社會溫度T，系統自發地組織成兩個政權之一。在某個臨界社會溫度Tc?以下，社會中的所有代理人都會獲得個人特徵（所謂的人員狀態）。他們中的一些人成為永久性的順從者，其他人開始獨立行事。這意味著最初同質群體變得異質化，並且代理人對社會影響的反應也不同。對於T>Tc?，具有相等概率的所有代理獨立行為或符合同伴壓力（所謂情境狀態）。人與情境狀態之間的這種政權變化，提醒了退化與終止疾病的想法，也影響了公眾輿論。對於個人主義社會而言，獲得了特別有意義的結果，其中公眾輿論是T的非單調函數，這意味著存在社會最佳協議溫度最高的社會溫度。

信息在雙層網路中傳播的雙重轉換

原文標題： Double transition of information spreading in a two-layered network

地址： http://arxiv.org/abs/1805.02270

作者： Jiao Wu, Muhua Zheng, Wei Wang, Huijie Yang, Changgui Gu

摘要：在聯網個體人口信息傳播研究方面取得了很大進展。過去許多研究中的一個共同點是，最終可接受的尺寸與傳輸概率的相圖中只有一個轉變。然而，其他因素是否改變了這種現象學仍在爭論中，特別是對於通過許多渠道和平台傳播信息的情況。在本研究中，我們採用兩層網路來表示多個信道的相互作用，並提出一個SAR（敏感 - 接受 - 恢復）信息傳播模型。有趣的是，我們的模型顯示了一種新穎的雙重轉變，包括連續轉變和隨後的不連續轉變，這種轉變源自網路兩層之間的兩次爆發。此外，我們還發現，關鍵因素是兩層之間的耦合度較弱，採用閾值較大，兩層之間的度分布差異較大。然後，開發了一個基於邊的分區理論，它充分解釋了所有數值結果。我們的發現對於理解現實生活中信息的二次爆發可能具有重要意義。

跨不同網路類別的中心性度量之間的一致性和差異

原文標題： Consistency and differences between centrality metrics across distinct classes of networks

地址： http://arxiv.org/abs/1805.02375

作者： Stuart Oldham, Ben Fulcher, Linden Parkes, Aurina Arnatkeviciute, Chao Suo, Alex Fornito

摘要：網路中不同節點的作用通常通過中心性分析推斷出來，中心性分析旨在量化節點通過網路連接影響或受其影響的可能性。已經提出了許多不同的中心性措施，但是它們提供多餘或獨特信息的程度，或者是否使用多重中心性度量來定義節點角色是有利的，尚不清楚。在這裡，我們評估了11個網路中量化的15個不同中心性測量值之間的相關性，研究這些相關性如何與網路密度和全局拓撲結構的變化相關聯，並根據它們的中心性集群來確定不同的節點角色。我們發現中心性度量通常是正相關的，但這些相關性的強度因網路而異，並且這種變化與網路的模塊性和主要化差距有關。基於中心性分值的節點聚類表明大多數網路都包含一個假定的核心，其中包含幾乎所有度量都得分較高的節點。我們的研究結果揭示了形成中心性測量之間相關性模式的拓撲約束，並展示了廣泛的比較性中心性如何能夠為網路中節點角色的解釋提供信息。

迭代隨機投影的十億級網路嵌入

原文標題： Billion-scale Network Embedding with Iterative Random Projection

地址： http://arxiv.org/abs/1805.02396

作者： Ziwei Zhang, Peng Cui, Haoyang Li, Xiao Wang, Wenwu Zhu

摘要：網路嵌入最近引起了相當多的研究注意。然而，現有的方法無法處理十億級網路，因為它們在計算上很昂貴，同時很難通過分散式計算方案加速。為了解決這些問題，我們提出了RandNE，一種新穎且簡單的億比例網路嵌入方法。具體而言，我們提出了一種高斯隨機投影方法，將網路映射到低維嵌入空間，同時保留節點之間的高階近似。為了減少時間複雜度，我們設計了一個迭代投影程序來避免顯式計算高階近似值。理論分析表明，我們的方法是非常有效的，並且對計算中沒有任何通信成本的分散式計算方案很友好。我們展示了RandNE在網路重建和先進方法網路重建和多個數據集上的鏈路預測任務方面的功效，這些數據集具有數千到數十億個節點和邊。

網路社區優先順序

原文標題： Prioritizing network communities

地址： http://arxiv.org/abs/1805.02411

作者： Marinka Zitnik, Rok Sosic, Jure Leskovec

摘要：發現網路中的模塊化結構對於促進對生物學，物理學，工程學和技術中的複雜系統的理解是至關重要的。社區檢測提供了一種計算方式來將候選模塊識別為假設，然後需要進行實驗驗證。然而，檢測社區的驗證需要昂貴而耗時的實驗方法，如濕生物實驗室中的誘變。因此，只有有限數量的社區可以通過實驗驗證，因此確定選擇哪個社區進行下游驗證和實驗非常重要。在這裡，我們開發CRank，這是一種自動化方法，用於確定網路社區的優先順序並確定最有前景的進行進一步實驗。 CRank有效評估每個社區的結構特徵的穩健性和強度，然後結合這些特徵獲取社區優先順序。 CRank可以與任何社區檢測方法一起使用並擴展到大型網路。它只需要網路結構提供的信息，不需要任何額外的元數據或標籤。但是，CRank可用時，可以合併特定於域的信息以進一步提升性能。對許多不同的和重要的生物網路的實驗表明，所提出的方法有效地優先考慮社區，與社區排序的基線排序相比，社區優先順序提高近50倍。總而言之，CRank代表了一種基於網路的方法來識別高質量的社區，即使是在監督元信息不可用的科學前沿領域。

利用快速神經網路初篩預測電網的連續性

原文標題： Anticipating contingengies in power grids using fast neural net screening

地址： http://arxiv.org/abs/1805.02608

作者： Benjamin Donnot (TAU, LRI), Isabelle Guyon (TAU, LRI, UP11), Marc Schoenauer (TAU, LRI), Antoine Marot, Patrick Panciatici

摘要：我們一直在解決保持高壓輸電網路安全的問題。這要求流經所有線路的電力保持低於某個標稱熱限制值，高於此限制線路可能會融化，破壞或造成其他損壞。目前的做法包括執行確定性的「N-1」可靠性標準，即通過運行緩慢但準確的物理網格模擬器，預測任何最終的單線斷開（無論其原因可能）是否超過熱限制。新的概念框架正在呼喚基於概率風險的安全標準，並需要新的方法來評估風險。為了解決這個困難的評估問題，我們在本文中討論了快速排序高階偶然事件（包括所有線路斷開對）的問題，以更好地優化模擬。我們提出了一種基於神經網路的新方法，它按推測嚴重程度的降序排列「N-1」和「N-2」偶然事件。我們證明了一個經典的基準問題，即與單獨考慮所有「N-1」情況相比，意外事件的殘餘風險顯著降低，無需額外的計算成本。我們評估說，我們的方法可以擴展到法國高壓電網規模的電網（超過1000條電力線）。

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。