Arxiv網路科學論文摘要12篇(2018-07-19)

08-16

來自專欄網路科學研究速遞

湧現的意義結構：藝術集體的社會語義網路分析;
Devam vs. Tamam：2018年土耳其選舉;
通過知識圖譜揭示學術社區;
經濟網路中有成本的客戶共享;
基於信任的協同過濾：使用規則等價解決冷啟動問題;
複雜網路上的反應性隨機遊走;
評論「馬爾可夫易感-感染-易感和易感-感染-移除型傳染病網路中的節點感染是非負相關的」;
經濟和人口統計數據分布中迷人但簡單的偏度-峰度的峰度關係；與優先連接模型關聯;
帶激勵的時間限制影響擴散;
我們感受到的假新聞：媒體對「假新聞」一詞的看法和概念化;
湧現的民主;
量化在線信息曝光中的偏差;

湧現的意義結構：藝術集體的社會語義網路分析

原文標題： Emergent Meaning Structures: A Socio-Semantic Network Analysis of Artistic Collectives

地址： http://arxiv.org/abs/1807.06623

作者： Nikita Basov (Centre for German and European Studies, St. Petersburg State University), Wouter De Nooy (Department of Communication Science, University of Amsterdam), Aleksandra Nenko (Institute for Design and Urban Studies, ITMO University)

摘要：本文探討了小群體社會實踐中的意義結構。雖然社會和制度領域強加意義結構，但它們在一個領域內發生的具體活動的背景下被實踐（出現）。現場參與者以小組合作形成了這樣的實際背景。它可以在強加的意義結構之間發揮差距和重疊，並聯合創建將其定義為社會群體的新興意義結構。難以捕捉，新興的意義結構在很大程度上被制度和領域對意義結構的看法所忽視。因此，集體實踐對意義結構的重要性被低估了。我們研究藝術集體中強加的和緊急的意義結構。當代藝術領域並未明確強加其意義結構，因此在藝術實踐中出現的意義結構在社會群體中相對自由。特別是，我們研究了兩個聖彼得堡藝術家集體，他們彼此激烈互動，並參與聯合創意工作和展覽。我們表明，這些集體在特定領域的意義結構框架內闡述了自己的意義結構，融合了與集體成員所佔據的不同領域和領域位置相對應的意義。語義和社會結構的二元性是意義結構概念的核心。我們在自然語言中使用單詞搭配作為語義結構，並且在混合方法社會語義網路分析中將交互作為社會結構。在這種方法中，社會網路有助於理解語義網路。

Devam vs. Tamam：2018年土耳其選舉

原文標題： Devam vs. Tamam: 2018 Turkish Elections

地址： http://arxiv.org/abs/1807.06655

作者： Mucahid Kutlu, Kareem Darwish, Tamer Elsayed

摘要： 2018年6月24日，土耳其舉行歷史性選舉，將議會制改為總統制。土耳其選民面臨的主要問題之一是，是否要重新選舉其長期政治領導人雷傑普·塔伊普·埃爾多安（Recep Tayyip Erdogan），開啟這個新的政治時代。在本文中，我們分析了導致選舉的兩個月內發布的108M條推文，以了解支持或反對埃爾多安再次當選的團體。我們檢查了兩組中最有區別的主題標籤和轉發的帳戶。我們的研究結果表明兩組之間存在強烈的兩極分化，因為它們在意識形態，新聞來源以及首選電視娛樂方面存在差異。

通過知識圖譜揭示學術社區

原文標題： Unveiling Scholarly Communities over Knowledge Graphs

地址： http://arxiv.org/abs/1807.06816

作者： Sahar Vahdati, Guillermo Palma, Rahul Jyoti Nath, Christoph Lange, S?ren Auer, Maria-Esther Vidal

摘要：知識圖以自然的方式表示現實世界實體的屬性的含義以及它們之間的關係。利用知識圖中編碼的語義，可以實現知識驅動的任務，如語義檢索，查詢處理和問答，以及知識發現任務的解決方案，包括模式發現和鏈路預測。在本文中，我們解決了學術知識圖中的知識發現問題，即整合學術數據的圖表，並介紹了Korona，一個知識驅動的框架，能夠揭示學術社區，以預測學術網路。 Korona實現了圖分區方法，並依賴語義相似性度量來確定學術實體之間的相關性。作為概念證明，我們使用來自語義Web領域的研究人員，會議和論文的數據構建了一個學術知識圖，並應用Korona來揭示共同作者網路。從我們的實證評估中觀察到的結果表明，在學術知識圖中利用語義能夠識別研究人員之間以前未知的關係。通過擴展本體，這些觀察可以推廣到其他學術實體，例如文章或機構，用於預測其他學術模式，例如共同引用或學術合作。

經濟網路中有成本的客戶共享

原文標題： Customer Sharing in Economic Networks with Costs

地址： http://arxiv.org/abs/1807.06822

作者： Bin Li, Dong Hao, Dengji Zhao, Tao Zhou

摘要：在經濟市場中，賣方，信息中介和客戶構成了經濟網路。每個賣家都有自己的客戶群，賣家的私人客戶對其他賣家不可觀察。因此，賣方只能在自己的客戶中銷售商品，除非其他賣家或信息中心將其銷售信息分享給他們的客戶群。但是，賣方不會被激勵默認共享其他人的銷售信息，這導致資源分配效率低下，銷售收入有限。為了解決這個問題，我們開發了一種稱為客戶共享機制（CSM）的新機制，它激勵所有賣家將他們的銷售信息分享給他們的私人客戶群。此外，CSM還鼓勵所有客戶如實參與銷售。最後，CSM不僅有效地分配商品，還優化了賣方的收入。

基於信任的協同過濾：使用規則等價解決冷啟動問題

原文標題： Trust-Based Collaborative Filtering: Tackling the Cold Start Problem Using Regular Equivalence

地址： http://arxiv.org/abs/1807.06839

作者： Tomislav Duricic, Emanuel Lacic, Dominik Kowald, Elisabeth Lex

摘要：基於用戶的協同過濾（CF）是創建推薦系統的最常用方法之一。此方法基於查找最相關的k個用戶，我們可以從其評級歷史中提取要推薦的項目。然而，CF受到數據稀疏性和冷啟動問題的困擾，因為用戶通常只評估可用項目的一小部分。一種解決方案是將附加信息結合到推薦過程中，例如由用戶分配給他人的顯式信任分數或由用戶之間的社交連接產生的隱式信任關係。這種關係通常形成非常稀疏的信任網路，其可用於基於他們信任的人為用戶生成推薦。在我們的工作中，我們探索使用來自網路科學的度量，即規則等價，應用於信任網路以生成用於選擇k-最近鄰居以推薦項目的相似性矩陣。我們評估了我們對Epinions的方法，並且我們發現在推薦準確性方面我們可以勝過處理冷啟動用戶的相關方法。

複雜網路上的反應性隨機遊走

原文標題： Reactive random walkers on complex networks

地址： http://arxiv.org/abs/1807.06847

作者： Giulia Cencetti, Federico Battiston, Duccio Fanelli, Vito Latora

摘要：我們介紹和研究在複雜網路的節點處相互作用的隨機遊走者的集合種群模型。該模型根據節點佔用概率，將網路鏈路上的隨機重定位移動與本地交互相結合。該模型具有很高的通用性，因為步行者的運動可以在節點的拓撲屬性上進行，例如它們的程度，而節點佔據概率的任何一般非線性函數都可以被認為是局部反應項。除此之外，根據所檢查的具體應用，可以隨意調節反應和重新定位的相對強度。在最一般的情況下，我們得出了步行者在平衡狀態下的佔據概率的解析表達式。我們證明它取決於局部反應函數的不同階次導數，而不僅取決於節點的程度，還取決於不同距離的鄰居的平均程度。由於這個原因，反應性隨機遊走者對網路結構非常敏感，並且是檢測網路屬性（如對稱性或度數相關性）的有效方法。作為可能的應用，我們首先討論如何使用反應隨機遊走的佔用概率來定義網路節點的功能中心性的新測量。然後，我們通過跟蹤反應步行者的演變來說明如何揭示具有相同對稱性的網路組件。最後，我們表明我們模型的動態受到度相關性的影響，因此可以通過基於反應步行者的定量指標對分類和不協調網路進行分類。

評論「馬爾可夫易感-感染-易感和易感-感染-移除型傳染病網路中的節點感染是非負相關的」

原文標題： Comment on "Nodal infection in Markovian susceptible-infected-susceptible and susceptible-infected-removed epidemics on networks are non-negatively correlated

地址： http://arxiv.org/abs/1807.06909

作者： Pablo M. Rodriguez, Alejandro Roldán-Correa, Leon Alexander Valencia

摘要： Cator和Van Mieghem [Cator E，Van Mieghem P.，Phys。 Rev. E 89,052802（2014）]指出，對於馬爾可夫SIS和SIR流行病模型，網路中任何節點對之間同時感染的相關性是非負的。用於獲得此結果的參數很大程度上依賴於隨機過程的圖構造以及FKG不等式。在本文中，我們表明儘管作者使用的方法適用於SIS模型，但它不能用於他們工作中所述的SIR模型。特別是，我們觀察到過程中的單調性對於調用FKG不等式至關重要。此外，我們提供了一個簡單圖的例子，其中SIR馬爾可夫模型中的節點感染是負相關的。

經濟和人口統計數據分布中迷人但簡單的偏度-峰度的峰度關係；與優先連接模型關聯

原文標題： Intriguing yet simple skewness - kurtosis relation in economic and demographic data distributions; pointing to preferential attachment processes

地址： http://arxiv.org/abs/1807.06911

作者： Marcel Ausloos (U. Leicester), Roy Cerqueti (U. Macerata)

摘要：在本文中，我們提出數據分布的高階矩之間的關係，例如偏度（S）和峰度（K）之間的關係，允許指向具有可理解的結構參數的理論模型。說明性數據涉及兩種情況：（i）所得稅的分配和（ii）居民的分配，在2011年義大利各省的每個城市匯總後。此外，從等級大小關係，對於S或K在這兩種情況下，都表明人們獲得了基礎（假設）建模分布的參數：在本例中，2參數Beta函數， - 本身與Yule-Simon分布函數相關，從而表明增長模型基於優惠附加過程。

帶激勵的時間限制影響擴散

原文標題： Time-Bounded Influence Diffusion with Incentives

地址： http://arxiv.org/abs/1807.06921

作者： Gennaro Cordasco, Luisa Gargano, Joseph Peters, Adele Anna Rescigno, Ugo Vaccaro

摘要：在社會網路中廣泛研究的影響擴散模型將網路表示為圖公式輸入有誤，每個節點具有影響閾值公式輸入有誤。最初，初始集S subseteq VS subseteqV的成員受到影響。在每個後續輪次期間，通過包括具有至少公式輸入有誤先前影響的鄰居的每個節點vv來增強受影響節點的集合。一般問題是找到影響整個網路的小型初始集。在本文中，我們通過使用 emph {incentive}來擴展此模型，以降低某些節點的閾值。目標是盡量減少確保流程在給定輪次內完成所需的激勵總數。在一般網路中很難近似這個問題。我們提出路徑，樹和完整網路的多項式時間演算法。

我們感受到的假新聞：媒體對「假新聞」一詞的看法和概念化

原文標題： Fake news as we feel it: perception and conceptualization of the term "fake news" in the media

地址： http://arxiv.org/abs/1807.06926

作者： Evandro Cunha, Gabriel Magno, Josemar Caetano, Douglas Teixeira, Virgilio Almeida

摘要：在本文中，我們定量分析了近年來新聞媒體中「假新聞」一詞的形成方式。我們使用從20個國家的新聞媒體收集的八年數據，研究傳統媒體中對該術語的看法和概念。我們的結果不僅證實了以前有關「假新聞」使用率大幅增加的跡象，而且還顯示了2016年美國總統大選後這種表達方式的背景變化。在其他結果中，我們發現相關辭彙的變化，在上述實體中，圍繞「虛假新聞」一詞的周圍主題和背景極性，表明這種表達在2016年後經歷了感知和概念化的變化。這些結果擴大了對「假」一詞的使用的理解新聞「，幫助理解並更準確地描述與錯誤信息和操縱相關的這種相關社會現象。

湧現的民主

原文標題： Emergent Democracy

地址： http://arxiv.org/abs/1807.06953

作者： Joichi Ito

摘要：本文認為，一種新的民主形式 - 「新興民主」 - 將通過使用互聯網通信工具和平台（如博客）而發展。本文探討了各種可用的工具，探討了民主的歷史，民主的現代實驗以及這些工具如何支持民主。隨著這些新工具的出現，本文還探討了這些問題。這些問題包括隱私以及公司，極權主義政權和恐怖分子對這些工具的社會負面使用等問題。

量化在線信息曝光中的偏差

原文標題： Quantifying Biases in Online Information Exposure

地址： http://arxiv.org/abs/1807.06958

作者： Dimitar Nikolov, Mounia Lalmas, Alessandro Flammini, Filippo Menczer

摘要：我們對在線信息的消費是通過過濾，排名和推薦演算法來調解的，這些演算法在嘗試提供相關且引人入勝的內容時會引入無意的偏見。有人建議，我們依賴搜索引擎和社交媒體等在線技術可能會限制不同觀點的接觸，使我們容易受到虛假信息的操縱。在本文中，我們挖掘了大量的Web流量數據集，以量化兩種偏差：（i）同質性偏差，即從一組狹窄的信息源中消費內容的趨勢，以及（ii）流行度偏差，即選擇性地接觸頂級網站的內容。我們的分析揭示了幾個廣泛使用的Web平台的不同偏見水平。搜索將用戶暴露給各種各樣的來源，而社交媒體流量往往表現出高人氣和同質性偏見。當我們將分析重點放在新聞網站的流量時，我們會發現更高的流行度偏差，並且應用程序之間的差異較小。總的來說，我們的結果量化了我們在線系統選擇在多大程度上將我們限制在「社交泡沫」中。

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。