• 定量分區模型和本福德定律;
  • 用於社會推薦的圖神經網路;
  • 具有不完美複製的多狀態投票模型;
  • 無標度相互依賴網路中的級聯故障;
  • 在線社會網路中贖回最大化的種子選擇和社會優惠券分配;
  • 投票給我！任意評分規則表決系統中社會影響的選舉控制;
  • 如果投資者的信念傾向於預測未來強勢的氣候政策，那麼撤資可能會刺破碳泡沫;
  • NAIRS：神經注意力可解釋推薦系統;
  • 社交媒體上的虛假新聞：一項數據驅動的綜述;
  • 基於機器學習的現實手機數據魯棒預測模型;
  • 非馬爾可夫恢復對網路上可逆故障傳播的影響;
  • 維基百科數學家網路分析;
  • 從不同類型的在線數據源中提取貢獻的社會資本;
  • 城市街道網路的結構熵、自組織和冪律：亞歷山大思想的證據;

定量分區模型和本福德定律

原文標題： Quantitative Partition Models and Benfords Law

地址： arxiv.org/abs/1606.0214

作者： Alex Ely Kossovsky

摘要： 本福德定律預測，實際數據中數字最左側的第一個有效數字在所有可能的1到9位數之間成比例，大致與LOG（1 + 1 /數字）相同，因此低位數比高位數頻繁出現數字在第一位。關於遵守本福特定律的數據配置的兩個基本先決條件是高階數和正偏度，尾部落在直方圖的右側，因此定量配置使得小數量眾多且大數量很少。在本文中，根據所得到的零件組的定量和數字行為來檢查各種定量分區模型。在所有分區模型中發現的通用特性包含許多小部件，但只有很少的大部件，而本福德定律僅在某些特定分區情況下並在某些約束條件下有效。因此，本福德定律的另一個建議的觀點是將其視為定量劃分中更廣泛的正偏度現象的特定子集。值得注意的是，這種觀點在本福德定律的所有其他原因和解釋中都是正確的，其中小的一般在模型的部分結構中或者在完全收斂到本福德之前總是超過大 - 在某種意義上賦予原則普遍性。總之，作為較小部分的組成，主動分割或被動地考慮大量的部分可以被認為是對物理科學中本福德定律的廣泛經驗觀察的另一個獨立解釋。

用於社會推薦的圖神經網路

原文標題： Graph Neural Networks for Social Recommendation

地址： arxiv.org/abs/1902.0724

作者： Wenqi Fan, Yao Ma, Qing Li, Yuan He, Eric Zhao, Jiliang Tang, Dawei Yin

摘要： 近年來，可以自然地集成節點信息和拓撲結構的圖神經網路（GNN）已被證明在學習圖數據方面具有強大的功能。 GNN的這些優點為推進社交推薦提供了巨大的潛力，因為社交推薦系統中的數據可以表示為用戶 - 用戶社交圖和用戶 - 項圖;學慣用戶和項目的潛在因素是關鍵。然而，構建基於GNN的社交推薦系統面臨著挑戰。例如，用戶項圖表對交互及其相關意見進行編碼;社會關係具有異質的優勢;用戶涉及兩個圖（例如，用戶 - 用戶社交圖和用戶 - 項圖）。為了同時解決上述三個挑戰，在本文中，我們提出了一個新的圖神經網路框架（GraphRec），用於社會推薦。特別是，我們提供了一種原則性的方法來共同捕獲用戶項圖中的交互和意見，並提出框架GraphRec，它連貫地模擬兩個圖和異構強度。對兩個真實數據集的大量實驗證明了所提出的框架GraphRec的有效性。

具有不完美複製的多狀態投票模型

原文標題： A multi-state voter model with imperfect copying

地址： arxiv.org/abs/1902.0725

作者： Federico Vazquez, Ernesto S. Loscar, Gabriel Baglietto

摘要： 具有多個州的選民模型已經在諸如群體遺傳，意見形成，物種競爭和語言動態等多種領域中得到應用。在動態的單個步驟中，隨機選擇的個體複製群體中隨機鄰居的狀態。在該基本公式中，假設複製是完美的，因此在每個時間步驟生成個體的精確副本。在這裡，我們介紹和研究平均場中的多狀態選民模型的變體，其在複製過程中包含可變程度的不完美或錯誤。我們發現系統的排序屬性，由 [ps -1 in [0,1] 中的參數測量，取決於 [0,1] 和人口中的複製錯誤 eta 的幅度大小 N 。在完美複製 eta = 0 的情況下，系統達到吸收配置，完整訂單 psi = 1 ，所有 N 值。然而，對於任何程度的不完美 eta> 0 ，我們顯示靜止狀態下的訂單參數的平均值隨 N 減少為 langle psi rangle simeq 6 /（ pi ^ 2 eta ^ 2 N） for eta ll 1 和 eta ^ 2 N gtrsim 1 。因此，系統在熱力學限制 N 到 infty 中變得完全無序。此外，我們還顯示 langle psi rangle simeq 1- 1.64 ， eta ^ 2 N 在消失的小錯誤限制 eta 到0 ，因此，平均來說，完成訂單只能實現對於 eta = 0 。這些結果得到模型的蒙特卡羅模擬的支持，這也可以研究其他情景。

無標度相互依賴網路中的級聯故障

原文標題： Cascading failures in scale-free interdependent networks

地址： arxiv.org/abs/1902.0734

作者： Malgorzata Turalska, Keith Burghardt, Martin Rohden, Ananthram Swami, Raissa M. DSouza

摘要： 大型級聯在許多自然和工程複雜系統中是常見的。在本文中，我們使用真實網路拓撲（例如異質度分布）以及層內和層間度相關性來探索級聯在網路中的傳播。我們發現三個屬性，無標度度分布，內部網路協調性和跨網路集線器到集線器連接，都是顯著減小Bak-Tang-Wiesenfeld沙堆模型中大型級聯大小的必要組件。我們證明了多層網路結構中存在的相關性影響了動態級聯過程，並且可以防止故障在連接層上擴散。這些發現強調了內部和跨網路拓撲在優化互連繫統的穩定性和穩健性方面的重要性。

在線社會網路中贖回最大化的種子選擇和社會優惠券分配

原文標題： Seed Selection and Social Coupon Allocation for Redemption Maximization in Online Social Networks

地址： arxiv.org/abs/1902.0743

作者： Tung-Chun Chang, Yishuo Shi, De-Nian Yang, Wen-Tsuen Chen

摘要： 在線社會網路已成為利用信息傳播中的社會影響力進行有效病毒式營銷的媒介。然而，新的應用社會優惠券（SC）將社會推薦納入優惠券不能通過以前的研究有效地解決，這些研究沒有考慮SC分配的影響。分配的SC的數量限制每個用戶的受影響的朋友的數量。在本文中，我們不僅研究種子選擇問題，而且研究SC分配對優化贖回率的影響，贖回率代表SC分配的效率。因此，我們制定了一個名為種子選擇和SC分配的贖回最大化（S3CRM）的問題，並證明了S3CRM的強度。我們設計了一種具有性能保證的有效演算法，稱為種子選擇和社交優惠券分配演算法。對於S3CRM，我們引入邊際贖回的概念來評估種子和SC的投資效率。此外，為了實現均衡投資，我們開發了一種稱為保證路徑的新圖結構，以探索優化贖回率的機會。最後，我們使用各種基線對我們提出的演算法進行綜合評估。結果驗證了我們的想法，並顯示了所提演算法相對於基線的有效性。

投票給我！任意評分規則表決系統中社會影響的選舉控制

原文標題： Vote for Me! Election Control via Social Influence in Arbitrary Scoring Rule Voting Systems

地址： arxiv.org/abs/1902.0745

作者： Federico Corò, Emilio Cruciani, Gianlorenzo DAngelo, Stefano Ponziani

摘要： 在線社會網路用於在用戶之間傳播觀點和想法，從而實現更快的溝通和更廣泛的受眾。意見以社會互動為條件的方式通常被稱為社會影響力。在政治運動期間廣泛使用社會影響來宣傳和支持候選人。在這裡，我們考慮在選民網路中利用社會影響力的問題，以便改變他們對目標候選人的意見，目的是增加他在廣泛的投票系統中贏得/失去選舉的機會。我們引入線性閾值排名，這是完善的線性閾值模型的自然而有力的擴展，它描述了考慮到行使影響量的意見變化。我們可以通過顯示子模塊來最大化目標候選人的得分，最高可達 1- frac {1} {e} 。我們利用這樣的屬性為建設性選舉控制問題提供 frac {1} {3}（1- frac {1} {e}） - 近似演算法。同樣，我們在破壞性場景中得到 frac {1} {2}（1- frac {1} {e}） - 近似比率。該演算法可用於任意評分規則投票系統，包括多個規則和borda計數。最後，我們對現實世界網路進行實驗研究，測量目標候選者的勝利概率（PoV）和勝利率（MoV），驗證模型並測試演算法的能力。

如果投資者的信念傾向於預測未來強勢的氣候政策，那麼撤資可能會刺破碳泡沫

原文標題： Divestment may burst the carbon bubble if investors beliefs tip to anticipating strong future climate policy

地址： arxiv.org/abs/1902.0748

作者： Birte Ewers, Jonathan F. Donges, Jobst Heitzig, Sonja Peterson

摘要： 為了實現巴黎氣候協議的雄心勃勃的目標，大部分化石燃料儲備需要保持在地下。由於目前國家政府對減少溫室氣體排放的承諾目前還不夠，機構和私人投資者以及從化石燃料中撤資的社會運動等行動者可能在向脫貧之路上施加壓力給國家政府施加重要作用。在自適應社會網路中使用基於隨機代理的共同演化金融市場模型和投資者對未來氣候政策的信念，我們發現從化石燃料中撤資的動態顯示出社會傾向於以化石燃料為基礎的潛力經濟。我們的結果進一步表明，對社會負責任的投資者具有槓桿作用：10--20％的一小部分，這些道德投資者的百分比足以引發碳泡沫的爆發，與帕累托原則一致。這些研究結果表明，剝離有可能與其他社會運動和政策工具一起促進脫碳，特別是考慮到強有力的國際氣候政策迫在眉睫。我們的分析還表明可能存在碳泡沫，可能對經濟產生不穩定影響。

NAIRS：神經注意力可解釋推薦系統

原文標題： NAIRS: A Neural Attentive Interpretable Recommendation System

地址： arxiv.org/abs/1902.0749

作者： Shuai Yu, Yongbo Wang, Min Yang, Baocheng Li, Qiang Qu, Jialie Shen

摘要： 在本文中，我們開發了一個名為NAIRS的神經注意力可解釋推薦系統。自我關注網路作為系統的關鍵組件，旨在將注意力權重分配給用戶的交互項目。該關注機制可以區分各種交互項目對用戶簡檔的貢獻的重要性。基於自我關注網路獲得的用戶配置文件，NAIRS提供個性化的高質量推薦。此外，它開發了視覺線索來解釋建議。該演示應用程序與NAIRS的實現使用戶能夠與推薦系統進行交互，並持續收集訓練數據以改進系統。演示和實驗結果表明了NAIRS的有效性。

社交媒體上的虛假新聞：一項數據驅動的綜述

原文標題： False News On Social Media: A Data-Driven Survey

地址： arxiv.org/abs/1902.0753

作者： Francesco Pierri, Stefano Ceri

摘要： 在過去幾年中，研究界對社會網路上傳播的虛假新聞問題越來越感興趣。對於檢測和表徵虛假新聞的廣泛關注的動機是對現實世界的這種威脅的相當大的反彈。事實上，社交媒體平台在傳統新聞媒體上表現出特殊的特徵，這些特徵特別有利於欺騙性信息的泛濫。它們還針對該主題的各種潛在干預提出了獨特的挑戰。隨著這個問題成為全球關注的問題，它也越來越受到學術界的關注。本次調查的目的是提供一份全面的研究報告，介紹在社交媒體上傳播的虛假新聞的檢測，特徵描述和減輕方面的最新進展，以及等待該領域未來研究的挑戰和開放性問題。我們使用數據驅動的方法，側重於每個研究中使用的特徵的分類，以表徵虛假信息和用於指導分類方法的數據集。在調查結束時，我們重點介紹了最有希望解決虛假新聞的新興方法。

基於機器學習的現實手機數據魯棒預測模型

原文標題： A Machine Learning based Robust Prediction Model for Real-life Mobile Phone Data

地址： arxiv.org/abs/1902.0758

作者： Iqbal H. Sarker

摘要： 現實生活中的行動電話數據可能包含嘈雜的實例，這是構建具有許多潛在負面後果的預測模型的基本問題。推斷模型的複雜性可能增加，可能出現過度擬合問題，從而模型的整體預測精度可能降低。在本文中，我們解決了這些問題，並為個人用戶的真實手機數據提供了一個強大的預測模型，以提高模型的預測精度。在我們的魯棒模型中，我們首先通過使用樸素貝葉斯分類器和拉普拉斯估計器確定動態雜訊閾值來有效地識別和消除訓練數據集中的雜訊實例，其可能根據用戶與用戶的獨特行為模式而不同。之後，我們採用最流行的基於規則的機器學習分類技術，即決策樹，對無雜訊質量數據集構建預測模型。在各個行動電話用戶的真實行動電話數據集（例如，電話呼叫日誌）上的實驗結果顯示了我們的穩健模型在精度，召回和f-測量方面的有效性。

非馬爾可夫恢復對網路上可逆故障傳播的影響

原文標題： The effect of non-Markovian recovery on reversible failure propagation on networks

地址： arxiv.org/abs/1902.0759

作者： Zhaohua Lin, Mi Feng, Ming Tang, Zonghua Liu, Pak Ming Hui, Ying-Cheng Lai

摘要： 與傳統的不可逆故障傳播相比，自發恢復模型可以更好地描述網路系統（如金融和交通網路）上的故障傳播。在本文中，我們研究了非馬爾可夫恢復過程如何影響自發恢復系統中的級聯失效動力學。為此，我們比較了兩種故障恢復模型：非馬爾可夫恢復（NMR）模型和相應的馬爾可夫恢復（MR）模型。我們首先開發了MR和NMR模型的成對近似理論，它可以比經典平均場（MF）方法更準確地預測故障恢復系統的時間演變，穩態和滯後行為。我們發現雖然非馬爾可夫恢復機制基本上不影響故障恢復系統的穩態和滯後行為，但這兩種模型表現出不同的演化過程。在研究初始條件對相變和滯後行為的影響時，我們發現在滯後區域，NMR模型表現出非單調增長特徵：隨著初始失效節點的增加，穩態保持相對低失效階段首先變為相對高失效階段，然後再次進入相對低失效階段。然後我們使用MF理論定性地解釋這一現象，並指出在考慮非馬爾可夫動力學時，我們不僅要從參數變化的角度來研究穩態，還要從初始條件來研究穩態。

維基百科數學家網路分析

原文標題： Analysis of the Wikipedia Network of Mathematicians

地址： arxiv.org/abs/1902.0762

作者： Bingsheng Chen, Zhengyu Lin, Tim S. Evans

摘要： 我們來看看由維基百科上的傳記之間的超鏈接定義的數學家網路。我們將展示如何使用2013年，2017年和2018年拍攝的維基百科數據的三個快照來提取此信息。我們通過執行中心性分析來說明如何使用這些維基百科數據。這些測量表明，希爾伯特和牛頓是最重要的數學家。我們用我們的例子來說明中心性度量的優缺點，並說明如何提供中心度量的穩健性估計。在某種程度上，我們通過與其他兩個來源的結果進行比較來做到這一點：早期對MacTutor網站上的傳記進行研究，以及對倫敦帝國理工學院數學和物理學學生意見的小型非正式調查。

從不同類型的在線數據源中提取貢獻的社會資本

原文標題： Contributive Social Capital Extraction From Different Types of Online Data Sources

地址： arxiv.org/abs/1902.0763

作者： Sebastian Schams, Georg Groh

摘要： 這是一個反覆出現的在線交流問題，難以評估未知人的屬性。這可能導致各種問題，例如來自不值得信任的來源的「假新聞」的傳播。在社會學中，人們通過其社會網路可獲得的（社會）資源的總和通常被描述為社會資本。在本文中，我們從不同的角度來看待社會資本。我們不是評估人們因為他們在某個群體中的成員身份而擁有的優勢，而是通過各種方式來推斷一個人增加或可能添加到網路中的社會資本，即他們的貢獻社會資本（CSC）。由於文獻中沒有關於一個人的社會資本究竟是什麼的共識，我們會看到各種相關的屬性：專業知識，聲譽，可信度和影響力。針對五種不同的在線數據來源調查這些特徵的分析：微博（例如，Twitter），社會網路平台（例如，Facebook），直接通信（例如，電子郵件），科學計量學和線程討論板（例如，Reddit）。 。在每個領域，我們討論最近的出版物，並將重點放在所使用的數據源，實施的演算法和性能評估上。將這些發現與貢獻社會資本提取進行比較和設定。分析演算法基於個體特徵（例如，Twitter上的關注者），其比率或人的中心性度量（例如，PageRank）。機器學習方法，例如直接分類器（例如，支持向量機）使用與社會資本相關的基礎事實。對這些方法的討論旨在通過識別相關數據源和最適合的演算法，並通過提供用於評估結果的測試方法來促進對該主題的研究。

城市街道網路的結構熵、自組織和冪律：亞歷山大思想的證據

原文標題： Structure Entropy, Self-Organization, and Power Laws in Urban Street Networks: Evidence for Alexanders Ideas

地址： arxiv.org/abs/1902.0766

作者： Jerome Benoit, Saif Eddin Jabari

摘要： 網路機制的研究對於更好地理解網路的更廣泛屬性和現象至關重要。在這裡，我們在信息物理和統計物理學的框架內全面研究城市街道網路中的無標度網路。雖然自然道路（「命名街道」的替代品）與另一條道路相交的次數已被廣泛報道為遵循自組織城市之間的無標度概率分布，但從中推導出城市街道網路的統計數據。基本原則很少受到關注。我們恢復了自組織城市中自然道路的離散帕累托概率分布，並預見了一個非標準的鐘形概率分布，其中有一個Paretian尾部。我們的方法明確強調道路交叉結構，而不是像大多數調查那樣隱含地抑制它。這種整體觀點揭示了一種潛在的Galoisean代數結構。這樣我們的方法就符合信息物理的思維方式。這使我們能夠將城市街道網路設想為受Boltzmann介觀熵守恆約束的不斷發展的社會系統。通過引用Jaynes的最大熵原理，從基礎的Galoisean層次結構到潛在的Paretian一致性的過程發生。最終，為了獲得預測的統計數據，我們用漸近極限處的二項式成對代理社會模型解開潛在的離散Pareto概率分布。新興範例可能適用於具有更複雜層次結構的系統。同時，根據你的發現，它似乎很好地反映了亞歷山大的城市觀念。已建立的統計數據可用於建立現實的城市模型，並發現管理我們城市的基本法律。

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。

推薦閱讀：

相关文章