Arxiv網路科學論文摘要13篇(2018-05-23)

05-25

來自專欄網路科學研究速遞

用於指導閉環在線用戶活動的隨機微分方程框架;

網路模型中社區檢測的資訊理論限度;

通過動態社區檢測優化功能性含時網路中的狀態變化檢測;

鍋和勺：使用Jefferson-DHondt方法的席位分配和偏見;

社交媒體對意見形成的影響;

不夠審慎使得男人誠實，但女人並非如此;

教堂增長的數學模型：系統動力學方法;

移動人群感知的社會網路輔助工作者招募;

加密貨幣市場的機器學習;

音樂藝術家的複合網路：異構層間鏈接的影響;

從Facebook狀態推斷人性特徵;

對網路中心性看法的轉變;

基於深度擴散網路模型的假新聞檢測;

用於指導閉環在線用戶活動的隨機微分方程框架

原文標題： A Stochastic Differential Equation Framework for Guiding Online User Activities in Closed Loop

地址： http://arxiv.org/abs/1603.09021

作者： Yichen Wang, Evangelos Theodorou, Apurv Verma, Le Song

摘要：最近，人們對使用點過程來模擬連續時間的用戶活動感興趣。這個框架在不同的應用程序中產生了新穎的模型和改進的性能。然而，大多數先前的作品集中在「開放式循環」設置，其中學習模型用於預測任務。通常，我們對「閉環」設置感興趣，在此設置中需要學習策略，以合併用戶反饋並將用戶活動引導至理想狀態。雖然點過程具有良好的預測性能，但如何將它們用於具有挑戰性的閉環活動指導任務尚不清楚。在本文中，我們提出了一個框架來將點過程轉換為隨機微分方程，這使我們能夠從隨機最優控制擴展方法來解決活動指導問題。我們還設計了一種高效的演算法，並且表明我們的方法比現有技術更有效地將用戶活動引導到期望的狀態。

網路模型中社區檢測的資訊理論限度

原文標題： Information-theoretic Limits for Community Detection in Network Models

地址： http://arxiv.org/abs/1802.06104

作者： Chuyang Ke, Jean Honorio

摘要：我們分析了幾種網路模型中節點標籤恢復的資訊理論限制。這包括隨機塊模型，指數隨機圖模型，潛在空間模型，有向優先附著模型和有向小世界模型。對於隨機塊模型，不可恢復性條件取決於在社區內以及不同社區之間存在邊的概率。對於潛在空間模型，不可恢復性條件取決於潛在空間的維度以及潛在空間中社區的距離和範圍。對於有向優惠附著模式和有向小世界模型，不可恢復性條件取決於同域和鄰域大小之間的比率。我們還考慮隨機塊模型和潛在空間模型的動態版本。

通過動態社區檢測優化功能性含時網路中的狀態變化檢測

原文標題： Optimizing state change detection in functional temporal networks through dynamic community detection

地址： http://arxiv.org/abs/1805.08286

作者： Michael Vaiana, Sarah F. Muldoon

摘要：隨著時間的推移，動態社區檢測提供了對網路集群的連貫描述，允許人們隨著網路的發展來跟蹤社區的增長和死亡。然而，模塊性最大化（一種用於執行多層社區檢測的流行方法）需要指定合適的零模型以及解析度和層間耦合參數。重要的是，演算法精確檢測群體演化的能力取決於這些參數的選擇。在功能時間網路中，不斷演化的社區反映了網路節點之間不斷變化的功能關係，因此檢測到的社區反映系統的任何狀態變化尤為重要。在這裡，我們提出的分析工作表明，統一的零模型提供了對檢測時態關聯網路中的小型演化社區的改進的敏感性。然後，我們提出了一種方法，通過基於層之間的網路節點的自相似性對層之間的自識別鏈接建模來提高模塊性最大化對狀態節點動態變化的敏感性。從建模和數學的角度來看，這種方法更適合功能性時態網路，因為它結合了網路節點的動態特性。我們基於神經科學中的應用來激勵我們的方法，其中網路節點代表神經元，功能邊代表時間上的發射模式的相似性。最後，我們證明在神經元刺激火車的模擬數據集中，當神經元組隨著時間的推移改變它們的燃燒性質時，基於神經元的發射特性更新層間鏈路提供了優越的社區探測的演化網路結構。

鍋和勺：使用Jefferson-DHondt方法的席位分配和偏見

原文標題： Pot and ladle: seat allocation and seat bias under the Jefferson-DHondt Method

地址： http://arxiv.org/abs/1805.08291

作者： Jaros?aw Flis, Wojciech S?omczyński, Dariusz Stolicki

摘要：我們提出了一個簡單的公式，用於根據全國投票股份和選舉制度的固定參數，採用Jefferson-DHondt方法進行席位分配，從而在多區選舉中估算國家席位份額。擬議公式澄清了座位偏差與派對數量和地區數量之間的關係。我們討論我們的公式與單區漸進式座位偏差公式的簡單概括有什麼不同，以及我們的方法能夠給出確切結果的假設。我們進一步表明，儘管違反了這些假設，但該公式很好地估計了所有擁有全國性黨派制度的歐盟國家的實際席位分配情況，並在議會選舉中使用了Jefferson-DHondt席位分配方法，即克羅埃西亞，捷克共和國，芬蘭，盧森堡，荷蘭，波蘭，葡萄牙和西班牙。最後，我們提出了評估政治策略的一些公式的應用。

社交媒體對意見形成的影響

原文標題： Effect of Social Media on Opinion Formation

地址： http://arxiv.org/abs/1805.08310

作者： Kamyar Nazeri

摘要：在這項工作中，我們調查了社交媒體對人口意見形成過程的影響。這個效應被模擬為二維Sznajd模型的動力學中的一個外部領域，其中一個代理遵循社交媒體的概率為P。我們研究磁場的演化，決定時間的分布和在外場存在下的平均弛豫時間。我們的結果表明，大小為L的晶格上的平均弛豫時間遵循冪律，其中指數取決於概率P.我們還表明，對於意見的任何初始分布，系統的兩個不同狀態之間的相變減小概率P正在增加。對於P?0.18的臨界點，沒有觀察到相變，並且系統演變為專政，而不管人群中意見的初始分布如何。

不夠審慎使得男人誠實，但女人並非如此

原文標題： Lack of deliberation drives honesty among men but not women

地址： http://arxiv.org/abs/1805.08316

作者： Valerio Capraro, Niko Peltola

摘要：以前的實驗已經探索了性別和認知反思對不誠實的影響。然而，據我們所知，沒有研究調查這兩個因素之間的潛在相互作用。在這裡，我們報告了一個大型的在線實驗（N = 766），受試者首先有機會為自己的利益撒謊，然後進行認知反射測試（CRT）。我們發現性別與CRT評分之間存在顯著的相互作用，因此缺乏審議會促進男性的誠實而不是女性的誠實。額外的分析強調，這種效應不是由直覺人士驅動的，而是至少部分地由那些答案既不直觀也不審慎的人所推動，他們在我們的欺騙博弈中碰巧是特別誠實的。

教堂增長的數學模型：系統動力學方法

原文標題： Mathematical Modeling of Church Growth: A System Dynamics Approach

地址： http://arxiv.org/abs/1805.08482

作者： John Hayward

摘要：使用數學建模教堂增長的可能性是使用人口建模的想法進行調查的。有人提出，一個主要的增長機制是通過宗教愛好者和非信徒之間的接觸，在那裡愛好者只是在有限的時間內熱情。在那段時間之後，他們仍然是教會成員，但在招聘方面效率較低這導致了適用於各種教會增長情況的普遍流行病模型。結果表明，即使是這樣一個簡單的模型，也可以幫助理解教會成長的方式，特別是在宗教復興時期。這是Hayward（1999）使用系統動力學和SIR模型的一些小修改的修訂版本。

移動人群感知的社會網路輔助工作者招募

原文標題： Social-Network-Assisted Worker Recruitment in Mobile Crowd Sensing

地址： http://arxiv.org/abs/1805.08525

作者： Jiangtao Wang, Feng Wang, Yasha Wang, Daqing Zhang, Leye Wang, Zhaopeng Qiu

摘要：工作人員招聘是移動人群感知（MCS）中的關鍵研究問題。雖然以前的研究依賴於具有預先假設的大型用戶池的特定平台，但本文利用受影響的社會網路傳播來協助MCS工作人員招聘。我們首先選擇社會網路上的一部分用戶作為初始種子，並將MCS任務推送給他們。然後，受影響的接受任務的用戶被招募為工作人員，最終目標是最大化覆蓋範圍。具體而言，為了選擇接近最佳的種子集合，我們提出兩種演算法，分別命名為基本選擇器和快速選擇器。基本選擇器採用基於預測移動性的迭代貪婪過程，該過程具有良好的性能，但受到無效率問題的困擾。為了加速選擇，提出了快速選擇器，其基於朋友之間地理位置的相互依賴性。對兩個真實世界數據集的實證研究證實，快速選擇器在各種設置下比基線方法獲得更高的覆蓋率，同時，它比基本選擇器更有效，而僅犧牲一小部分覆蓋範圍。

加密貨幣市場的機器學習

原文標題： Machine Learning the Cryptocurrency Market

地址： http://arxiv.org/abs/1805.08550

作者： Laura Alessandretti, Abeer ElBahrawy, Luca Maria Aiello, Andrea Baronchelli

摘要：機器學習和AI輔助交易在過去幾年吸引了越來越多的興趣。在這裡，我們使用這種方法來檢驗加密貨幣市場的低效率可以被利用來產生異常收益的假設。我們分析2015年11月至2018年4月期間每日1,681美元加密貨幣的數據。我們顯示，通過最先進的機器學習演算法輔助的簡單交易策略優於標準基準。我們的研究結果表明，不平凡的但最終簡單的演算法機制可以幫助預測加密貨幣市場的短期演變。

音樂藝術家的複合網路：異構層間鏈接的影響

原文標題： Multiplex networks of musical artists: the effect of heterogeneous inter-layer links

地址： http://arxiv.org/abs/1805.08711

作者： Johann H. Martínez, Stefano Boccaletti, Vladimir V. Makarov, Javier M. Buldú

摘要：通過包括人工網路模型的分析和數值研究，已經廣泛研究了拓撲結構從多路網路中的解耦狀態變為耦合狀態的方式。一般來說，這些實驗假定層之間的統一互連一方面提供了對多路復用網路的結構性質的分析處理，另一方面卻喪失了對實際網路的適用性，其中鏈路權重的異質性是內在特徵。在本文中，我們研究了音樂家的兩層復用網路，這些網路的層次與經驗數據集相對應，並且鏈接了以下信息：（i）它們之間的協作和（ii）音樂相似性。在我們的模型中，存在著協作和相似性層之間的聯繫，但它們並不是所有節點都無處不在。具體而言，根據藝術家的鄰域之間的結構相似性，考慮到每層的交互級別，創建（和加權）層間鏈接。接下來，我們評估層間鏈路的權重的不均勻性對整個網路的結構性質的影響，即拉普拉斯矩陣的第二小的特徵值（代數連通性）。我們的結果顯示了代數連接的價值的轉變，這遠離經典的理論預測，其中層間連接的權重被認為是均勻的。

從Facebook狀態推斷人性特徵

原文標題： Inferring Human Traits From Facebook Statuses

地址： http://arxiv.org/abs/1805.08718

作者： Andrew Cutler, Brian Kulis

摘要：本文探討了使用語言模型從用戶的Facebook狀態更新中預測20種人的特徵。數據由myPersonality項目收集，包括用戶狀態以及他們的個性，性別，政治認同，宗教信仰，種族，生活滿意度，智商，自我披露，公平觀念以及對占星術的信仰。一個可解釋的模型符合最先進的結果，可以預測性別和個性;並為智商，聳人聽聞的利益，政治認同和對生活的滿意度等其他特徵設定標準。此外，每個特質都會發布高度加權的單詞。這些列表對於創建關於人類行為的假設以及理解模型提取的信息是有價值的。使用性能和提取的功能，我們分析社交媒體上建立的模型。我們探索的現實世界問題包括性別分類偏倚和劍橋分析師使用心理模型。

對網路中心性看法的轉變

原文標題： A change of perspective in network centrality

地址： http://arxiv.org/abs/1805.08740

作者： Carla Sciarra, Guido Chiarotti, Francesco Laio, Luca Ridolfi

摘要：在瀏覽器的搜索欄中輸入「昨天」提供了一個長長的網站列表，其中排名靠前的是The Beatles的視頻鏈接。瀏覽器顯示其搜索結果的順序是使用網路中心性的一個顯著示例。中心性衡量節點在網路中的重要性，它在許多領域起著至關重要的作用，從社會學到工程學，從生物學到經濟學。許多指標可用於評估中心性。但是，中心性度量通常基於臨時假設，並且沒有普遍接受的方法來比較不同度量標準的有效性和可靠性。在這裡我們提出了一個新的觀點，其中心性定義自然地從網路的最基本特徵 - 鄰接矩陣中出現。按照這個觀點，自然會出現不同的中心性措施，包括程度，特徵向量和中心權威中心性。在這個理論框架內，可以比較不同指標的準確性。對大量網路進行的測試表明，標準中心性度量標準的表現不令人滿意，突出了這些度量標準的內在局限性，用於描述複雜網路中節點的中心性。提出更多信息豐富的多組件中心度度量作為標準度量的自然延伸。

基於深度擴散網路模型的假新聞檢測

原文標題： Fake News Detection with Deep Diffusive Network Model

地址： http://arxiv.org/abs/1805.08751

作者： Jiawei Zhang, Limeng Cui, Yanjie Fu, Fisher B. Gouza

摘要：近年來，由於網路社會網路的蓬勃發展，出於各種商業和政治目的的假消息在網路世界中大量出現並普遍存在。以欺騙性的言語，在線社會網路用戶很容易被這些在線虛假新聞感染，這已經給線下社會帶來了巨大影響。提高在線社會網路信息可信度的一個重要目標是及時發現虛假消息。本文旨在研究從在線社會網路中檢測虛假新聞文章，創作者和主題的原理，方法和演算法，並評估相應的性能。本文論述了假新聞的未知特徵以及新聞文章，創作者和主題之間的各種聯繫帶來的挑戰。基於詳細的數據分析，本文介紹了一種新型的自動假新聞可信推斷模型，即FakeDetector。基於從文本信息中提取的一組顯式和潛在特徵，FakeDetector構建了一個深度擴散網路模型，以同時學習新聞文章，創作者和主題的表示。已經對現實世界的假新聞數據集進行了大量實驗，以將FakeDetector與幾種最先進的模型進行比較，實驗結果證明了所提模型的有效性。

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。