Arxiv網路科學論文摘要7篇(2018-06-07)

06-25

來自專欄網路科學研究速遞

探討人類衰老中健康缺陷的網路結構;

增長策略決定網路性能;

有年齡結構的社會互動促進了激演化;

TrollSpot：檢測評論平台中的不當行為;

了解新聞奧特萊斯的受眾定位模式;

學術Twitter的指標;

為搜索垂直部署深度排名模型;

探討人類衰老中健康缺陷的網路結構

原文標題： Probing the network structure of health deficits in human aging

地址： http://arxiv.org/abs/1802.08708

作者： Spencer G. Farrell, Arnold B. Mitnitski, Olga Theou, Kenneth Rockwood, Andrew D. Rutenberg

摘要：我們面對人類老齡化和死亡率的網路模型，其中節點代表在無標度網路拓撲中相互作用的健康屬性，觀察數據既使用臨床實驗室（臨床前）健康缺陷作為網路節點。我們發現個人健康屬性表現出各種各樣的死亡率相互信息，並且通過重建其相對連通性，排名較高的節點更具信息性。令人驚訝的是，我們發現與臨床措施相比，實驗室措施的互信息範圍廣泛和重疊。我們確認最近連接和最不連接模型節點之間的相似行為，由最近鄰居連接控制。此外，在模型和觀測數據中，我們發現最少連接（實驗室）節點的損害早於最連接（臨床）的缺陷。我們的網路模型的平均場理論捕捉並解釋了這種現象，這是由節點及其連接鄰居的連通性造成的。我們發現其他網路拓撲結構，包括隨機的，小世界的，和分類無標度的網路，都表現出不同的性質。我們的無障礙無標度網路模型與我們在人類衰老中觀察到的擴展現象一致，因此是研究人體衰老和死亡的機制和開發新的預測措施的有用工具。

增長策略決定網路性能

原文標題： Growth strategy determines network performance

地址： http://arxiv.org/abs/1806.01878

作者： Ana P. Millán, J.J. Torres, S. Johnson, J. Marro

摘要：結構和功能之間的相互作用對於確定幾個系統的行為至關重要。在這裡我們提出一個自適應網路模型的啟發在突觸修剪，夫婦的活動和拓撲動態。作為瞬態密度的函數，耦合在有序存儲器相和無序存儲器相之間產生不連續的相變。我們證明，在提供可用於存儲穩定存儲器的有序固定狀態時，存在具有相對高密度的初始瞬態時段是至關重要的。我們還表明，為了以最小的能量消耗獲得這些狀態，密度的中間值是最優的，並且最終它是網路中的瞬態異質性決定了靜止狀態。我們的結果可以解釋為什麼在實際大腦區域觀察到的修剪曲線呈現其特徵性時間特徵，並且最終分別與自閉症和精神分裂症相關的異常伴隨著缺陷或過量修剪。

有年齡結構的社會互動促進了激演化

原文標題： Age-structured social interactions enhance radicalization

地址： http://arxiv.org/abs/1806.01975

作者： Yao-Li Chuang, Tom Chou, Maria R. DOrsogna

摘要：正如人口研究所證實的那樣，不滿情緒的青年在支持和採取極端主義理想方面最容易受到影響。為了研究與年齡有關的激演化，我們引入了一個三階段模型，其中個體在非激進，激進和激進狀態下進步，同時也在衰老。各階段之間的轉換被建模為年齡相關的相互作用，這些相互作用在同齡人群中最??大化，並在成年早期得到加強。為了進行比較，我們還推導了與年齡相關的完整模型對應的與年齡無關的公式。我們發現年齡依賴會導致更複雜的動力學，從而加強某些參數制度的激演化。我們還觀察到激進行為在世代循環中衰退和流動的波浪，實現了政治科學中眾所周知的範式。雖然政府干預在適當的年齡成為目標時最為有效，但決定採取預防措施還是糾正措施更好取決於激演化進程的積極性。

TrollSpot：檢測評論平台中的不當行為

原文標題： TrollSpot: Detecting misbehavior in commenting platforms

地址： http://arxiv.org/abs/1806.01997

作者： Tai Ching Li, Joobin Gharibshah, Evangelos E. Papalexakis, Michalis Faloutsos

摘要： Disqus這樣的評論平台已經成為擁有數百萬用戶和職位的主要在線交流平台。它們的受歡迎程度也吸引了寄生和惡意行為，如拖釣和垃圾郵件。對這些平台的建模和維護的研究相對較少。作為我們的主要貢獻，我們開發了一種系統的方法來檢測評論平台上的惡意用戶，重點是：（a）可解釋的，和（b）惡意分類的細粒度。我們的工作有兩個關鍵的新穎之處：（a）我們提出了兩種分類方法，一種採用兩階段方法，首先將可觀察特徵映射到行為，然後將這些行為映射到用戶角色;（b）包含四個維度信息的73個特徵。我們在9個月的時間內使用了700萬條評論，並且我們顯示我們的分類方法能夠以0.904 AUC區分良性和惡意角色（垃圾郵件發送者，推銷者和狂熱分子）。我們的工作是邁出堅實的一步，確保評論平台成為交流意見的安全和愉快的媒介。

了解新聞奧特萊斯的受眾定位模式

原文標題： Understanding News Outlets Audience-Targeting Patterns

地址： http://arxiv.org/abs/1806.02155

作者： Erick Elejalde, Leo Ferres, Rossano Schifanella

摘要：新聞界塑造人口信息景觀的力量是無與倫比的，即使在民主進入所有信息渠道的時代也是如此。然而，眾所周知，新聞媒體（特別是更傳統的媒體）傾向於歧視他們想要接觸的人，以及將誰留在一邊。在這項工作中，我們試圖利用智利媒體生態系統來闡明報紙的受眾定位模式。首先，我們使用引力模型來分析地理因素，作為解釋受眾可達性的一個因素。這表明一些報紙的確受到地理因素（主要是地方新聞媒體）的驅動，但其他一些報紙不是（全國性的分銷渠道）。對於那些不是，我們使用回歸模型來研究社會經濟和政治特徵對新聞採用的影響。我們的結論是，確實較大的全國性分散式新聞媒體以這些因素為基礎來定位人群，而不是基於地理或即時性。

學術Twitter的指標

原文標題： Scholarly Twitter metrics

地址： http://arxiv.org/abs/1806.02201

作者： Stefanie Haustein

摘要： Twitter可以說是構成所謂altmetrics基礎的數據源中最受歡迎的。作為引用的早期指標以及社會影響的衡量標準，推薦學術文檔的推文已被預言。本章從關鍵角度提供了Twitter活動的概述作為學術指標的基礎，同時也描述了學術Twitter指標的潛力和局限性。通過回顧Twitter上的學術交流文獻並分析與學術文獻鏈接的2400萬條推文，它旨在提供對研究評估背景下可以或不可以評估推文的基本認識。超越了推文和引文之間低度相關性的有限解釋力，本章考慮了Twitter上流行的學術文獻的類型，以及他們如何擴散，何時何地擴散，從而了解學術文獻的推文。儘管本章無法解決與從社交媒體創建有意義的指標相關的問題，但它強調了特定的問題並旨在為高級學術Twitter指標提供基礎。

為搜索垂直部署深度排名模型

原文標題： Deploying Deep Ranking Models for Search Verticals

地址： http://arxiv.org/abs/1806.02281

作者： Rohan Ramanath, Gungor Polatkan, Liqin Xu, Harold Lee, Bo Hu, Shan Zhou

摘要：在本文中，我們提出了執行複雜機器學習模型的體系結構，例如捕獲查詢和文檔之間的語義相似性的神經網路;並部署到服務於500M +用戶的真實世界的生產系統。我們介紹現實世界中出現的挑戰以及我們如何解決這些挑戰。我們證明我們的架構提供了競爭建模功能，而且在延遲方面對系統沒有任何顯著的性能影響。我們的模塊化解決方案和見解可以被其他真實世界的搜索系統用來實現和生產近期在神經網路中的收益。

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。