- 理解在线社会网络衰退动力学的理论模型;
- 强关系对之间的内部迁移和移动通信模式;
- 国际关系中联盟与竞争网络的结构平衡;
- 金融网络中的或然可转换债券;
- 当代价高昂的惩罚逐渐演变为有利时;
- 可见度有限的多数投票模型：对滤泡的调查;
- 基于增强学习的黑盒规避攻击进行动态图中的链路预测;
- 基于概率图模型和递归神经网络的语义情感分析;
- 网络增长模型中节点影响的动态;
- 社交用户的前k位社交-空间协同参与位置选择;
- 利用网络分析探索农业气象学交流;
- 灵活的模仿机制通过更好的疫苗接种来抑制流行病;
- 增长信号决定了演化网络的拓扑;
- 使用图元谱进行病毒研究协作网络的时间模式分析;
- 激励措施、锁定措施和检测方法：从修昔底德分析到COVID-19大流行;
- 使用社会网络改善职业体育中的团体转变预测;
- BlackLivesMatter运动和反抗议活动的Twitter语料库：2013年至2020年;
理解在线社会网络衰退动力学的理论模型
原文标题： A Theoretical Model for Understanding the Dynamics of Online Social Networks Decay
地址： http://arxiv.org/abs/1610.01538
作者： Mohammed Abufouda
摘要： 在线社会网络是当今生活中交流和信息交换的主要来源。它们可以促进精美的新闻共享，知识启发以及形成具有相同兴趣的群体。在过去的二十年中，研究人员广泛地研究了在线社会网络的增长动力，以期寻求对在线社会网络中人类行为的清晰了解，这在许多方面都可以提供帮助，例如设计更好的推荐系统和吸引新成员。但是，并非所有社会网络都达到了预期的增长，例如，像MySpace，Orkut和Friendster这样的在线社会网络今天已停止服务。在这项工作中，我们提出了一个概率理论模型，该模型刻画了由于社会网络成员不活动而导致的社会衰退的动态。事实证明该模型具有一些有趣的数学属性，即 submodularity，这意味着以合理的性能实现了模型优化。这意味着最大化问题可以在（1-1 / e）范围内近似，并且最小化问题可以在多项式时间内实现。
强关系对之间的内部迁移和移动通信模式
原文标题： Internal migration and mobile communication patterns among pairs with strong ties
地址： http://arxiv.org/abs/2009.00252
作者： Mikaela Irene D. Fudolig, Daniel Monsivais, Kunal Bhattacharya, Hang-Hyun Jo, Kimmo Kaski
摘要： 使用带有人口统计和位置信息的匿名移动电话服务订户的大规模呼叫详细记录，我们调查了该国境内的长途住宅搬迁如何影响搬家者与未搬家者之间的移动通信模式。通过使用聚类方法分析呼叫频率时间序列，我们发现这种自我改变对被分为两个集群，自我移动后，呼叫频率增加，呼叫频率降低。这表明这种居住移动与移动后不久的通信模式的变化相关。我们发现，移动前的呼叫行为与移动后的呼叫行为有关。虽然人口统计和位置信息可以帮助预测呼叫频率是上升还是下降，但它们与预测实际呼叫频率量无关。我们还注意到，在移动之后的四个月，即使通话频率降低了，大多数近距离对仍保持联系。
国际关系中联盟与竞争网络的结构平衡
原文标题： Structural balance of alliance and rivalry networks in international relations
地址： http://arxiv.org/abs/2009.00369
作者： Koji Oishi, Kentaro Sakuwa
摘要： 我敌人的敌人会变成我的敌人吗？越来越多的关于州际关系结构分析的文献从网络角度解决了这个老问题。但是，合作和敌对结构的长期变化机制尚未得到充分理解。在寻求对状态间结构长期演化的一般解释时，我们以经验的方式考察结构平衡理论，该理论预测，有符号网络向更“平衡”的结构演化，在许多三角关系（即三重轴）中，两种状态趋于共享一个共同的敌人或三个国家相互合作。我们研究主权国家之间的联盟（正边）和竞争（负边）网络，并研究结构平衡理论是否可以解释其从1816年到2009年的演变。我们发现与结构平衡理论的一致性随着时间的推移而急剧变化。经验模式遵循的理论是在19世纪德国统一之前和第二次世界大战之后的理论预测，而在中期则不一致。该结果揭示了两个历史事件对网络演化的潜在机制的影响。而且，与以前支持社会结构平衡理论的签名社会网络的研究对比表明，国际联盟和竞争网络可以成为研究符号网络时间演变背后的新机制的有前途的材料。
金融网络中的或然可转换债券
原文标题： Contingent Convertible Bonds in Financial Networks
地址： http://arxiv.org/abs/2009.00062
作者： Giovanni Calice, Carlo Sala, Daniele Tantari
摘要： 我们研究了关联银行网络中或有可转换债券（CoCos）的作用。我们首先确认Acemoglu等人记录的相变。 （2015年）没有CoCos，因此表明银行间网络的结构对于CoCos作为增强金融稳定性的机制的有效性至关重要。此外，我们表明，在存在中等程度的金融冲击的情况下，轻度互连的金融网络比高度互连的网络更健壮，并且可能成为CoCos发行者和买方的最佳选择。最终，我们的结果表明，在某些网络结构下，CoCos的存在会增加（而不是减少）财务脆弱性，因为发生了不必要的触发因素和随之而来的次优转换，从而损害了CoCos投资者。
当代价高昂的惩罚逐渐演变为有利时
原文标题： When Costly Punishment Becomes Evolutionarily Beneficial
地址： http://arxiv.org/abs/2009.00143
作者： Ivan Ezeigbo
摘要： 演化生物学方面的合作意味着付出代价c才能享受利益b。叛逃者是不支付任何费用但享受合作者利益的人。尤其是人类社会已经发展出一种阻止叛逃，惩罚的策略。代价高昂的惩罚是一种惩罚，在这种惩罚中，生物网络或某种合作计划中的主体人要支付一定的费用，以确保另一名主体人产生一些费用。先前的研究表明，诸如跨博弈邻居之间的多样性，连接密度以及代价高昂的惩罚等参数如何影响非常规网络中合作的发展。在这项研究中，还考虑了由于代价高昂的惩罚而导致的规则网络的演化，特别是空间格。这项研究比较了随参数变化而在非常规和常规网络之间的观察结果，并使人们对这些网络中发生的相互作用有了更清晰的了解。模型，结果和分析为博弈论和惩罚带来了新的认识。结果表明，代价高昂的惩罚永远不会成为唯一的演化策略。但是，在演化博弈中，代价高昂的惩罚者可以发展更有利的策略，代价高昂的惩罚者的最初出现会在所有类型的常规网络和异构网络中带来较高的平均回报。在常规网络中，每个节点的度数为k。尽管通常认为惩罚是反进步的，但在邻居中存在多样性的情况下，它会放大所有异构网络的群体收益。但是，在常规网络中，不需要昂贵的惩罚来提高平均收益，就不需要邻居的多样性。这为为什么自然选择偏爱昂贵的惩罚这一问题提供了答案，这在人类中尤为明显。
可见度有限的多数投票模型：对滤泡的调查
原文标题： Majority-vote model with limited visibility: an investigation into filter bubbles
地址： http://arxiv.org/abs/2008.11862
作者： Andre L. M. Vilela, Luiz Felipe C. Pereira, Laercio Dias, H. Eugene Stanley, Luciano R. da Silva
摘要： 社会中意见形成的动态是一个复杂的现象，其中许多变量起着重要的作用。近来，用于过滤哪些内容被馈送到社会网络用户的算法的影响已经受到审查。据推测，这些算法促进了营销策略，但也可以促进过滤器气泡的形成，在过滤器气泡中，用户最有可能接触到符合他们自己观点的观点。在两州多数表决模型中，个人采用与其多数邻居相反的意见，概率为 q ，定义为噪声参数。在这里，我们在多数投票模型的动力学中引入了可见性参数 V ，该参数等于一个人忽略其每个邻居的意见的可能性。对于 V = 0.5 ，每个人平均将忽略其一半相邻节点的意见。我们采用蒙特卡洛模拟来计算临界噪声参数，该参数是可见性 q_c（V）的函数，并获得模型的相图。我们发现临界噪声是可见性参数的增加函数，因此 V 的较低值有利于异议。通过有限尺寸尺度分析，我们获得了模型的关键指数，这些指数与可见性无关，并表明该模型属于Ising通用性类。我们将结果与提交静态站点稀释的网络的情况进行了比较，发现有限的可见性模型是在社会网络中引发观点分化的更微妙的方式。
基于增强学习的黑盒规避攻击进行动态图中的链路预测
原文标题： Reinforcement Learning-based Black-Box Evasion Attacks to Link Prediction in Dynamic Graphs
地址： http://arxiv.org/abs/2009.00163
作者： Houxiang Fan, Binghui Wang, Pan Zhou, Ang Li, Meng Pang, Zichuan Xu, Cai Fu, Hai Li, Yiran Chen
摘要： 动态图中的链路预测（LPDG）是一个重要的研究问题，具有各种各样的应用，例如在线建议，疾病传染研究，组织研究等。最近已经提出了各种基于图嵌入和图神经网络的LPDG方法，并取得了进展。最先进的性能。在本文中，我们研究了LPDG方法的脆弱性，并提出了第一个实用的黑盒规避攻击。具体来说，给定一个训练有素的LPDG模型，我们的攻击目标是在不知道模型参数，模型体系结构等的情况下扰动图结构，以使LPDG模型尽可能多地建立错误的预测链接。我们基于基于策略的随机RL算法设计攻击。此外，我们评估了对来自不同应用程序域的三个真实世界图数据集的攻击。实验结果表明，我们的攻击既有效又有效。
基于概率图模型和递归神经网络的语义情感分析
原文标题： Semantic Sentiment Analysis Based on Probabilistic Graphical Models and Recurrent Neural Network
地址： http://arxiv.org/abs/2009.00234
作者： Ukachi Osisiogu
摘要： 情感分析是基于文本形式表达的情感对文档进行分类的任务，这可以通过使用词汇和语义方法来实现。本研究的目的是研究基于语义图模型和递归神经网络的语义在情感分析中的应用。在经验评估中，将图模型的分类性能与一些传统的机器学习分类器和递归神经网络进行了比较。用于实验的数据集是IMDB电影评论，亚马逊消费品评论和Twitter评论数据集。经过这项实证研究，我们得出结论，由于语义特征提取方法减少了分类中的不确定性，从而导致更准确的预测，因此将情感分析任务的语义包括在内可以大大提高分类器的性能。
网络增长模型中节点影响的动态
原文标题： Dynamics of node influence in network growth models
地址： http://arxiv.org/abs/2009.00235
作者： Shravika Mittal, Tanmoy Chakraborty, Siddharth Pal
摘要： 在文献中已经提出了许多类的网络增长模型来刻画现实世界中的复杂网络。现有研究主要集中在这些模型的整体特征上，例如学位分布。我们旨在将重点转移到从单个节点的角度研究网络增长动态。在本文中，我们研究了随着网络的发展，网络增长模型中节点影响的度量如何随时间变化。我们将这种度量称为节点可见性，它刻画了节点形成新连接的概率。首先，我们对三种流行的网络增长模型进行了调查-优先依恋，加性和乘法适应性模型；并主要考察“有影响力的节点”或“领导者”，以了解其可见度如何随时间演变。随后，我们考虑了通用适应性模型，并观察到乘法模型在允许有影响力的节点保持其可见性与同时使新节点在网络中获得可见性之间达到了平衡。最后，我们观察到具有乘法适应性的空间增长模型可以减少影响节点的全球范围，从而允许网络中出现多个“本地领导者”。
社交用户的前k位社交-空间协同参与位置选择
原文标题： Top-k Socio-Spatial Co-engaged Location Selection for Social Users
地址： http://arxiv.org/abs/2009.00373
作者： Nur Al Hasan Haldar, Jianxin Li, Mohammed Eunus Ali, Taotao Cai, Timos Sellis, Mark Reynolds
摘要： 随着基于位置的社会网络的出现，用户可以通过签到在不同位置标记其日常活动。这些签到位置表示用户对各种社会空间活动的偏爱，并且可以用来构建其个人资料，以提高某些应用程序中的服务质量，例如推荐系统，广告和组队。为了支持此类应用，在本文中，我们提出了一个新的问题，即在社交图中识别用户的前k个社会空间共同参与位置选择（SSLS），该问题从大量的k个位置中选择最佳的k个位置集合与用户及其朋友有关的位置候选者。所选位置应（i）在空间和社交方面与用户及其朋友有关，并且（ii）在空间和社交方面都应多样化，以最大程度地扩大朋友在空间中的覆盖范围。该问题已被证明是NP难的。为了解决具有挑战性的问题，我们首先通过基于派生的多样性界限设计一些修剪策略来开发基于分支定界的精确解决方案。为了使解决方案可扩展到大型数据集，我们还通过推导松弛范围和高级终止规则来滤除无关紧要的中间结果，从而开发出近似解决方案。为了进一步提高效率，我们通过避免在运行时重复计算分集来提出一种快速精确的方法和一种元启发式近似方法。最后，我们已经进行了广泛的实验，以使用四个现实世界的大型数据集，针对经过改编的现有方法来评估我们提出的模型和算法的性能。
利用网络分析探索农业气象学交流
原文标题： Exploring Scientific Exchange in Agricultural Meteorology with Network Analysis
地址： http://arxiv.org/abs/2009.00420
作者： Giuditta Parolini, Silvio R. Dahmen
摘要： 网络分析在科学界及其知识流通过程的历史调查中变得越来越重要，因为它提供了机会来探索和可视化科学行为者之间的联系，而这些联系在质量上与传统的历史方法不同。时间网络特别适合此任务，因为它们可以调查科学界随着时间的演变。在本文中，我们将依靠时态网络提供的分析工具来检查由国际气象组织（IMO）建立的农业技术委员会（1913-1947）。通过使用该委员会的会员数据，我们将研究这个科学共同体在过去几十年中的发展历程，主要成员，代表哪些国家的民族以及两次世界大战等历史事件对工作的影响。这个组织的这将使我们对这个科学机构的知识流通过程有更深入的了解，因为IMO是一个基于自愿合作的国际组织，其工作首先是与成员之间互动的直接结果。在本文中，我们将依靠中心性度量（特征向量，联合和条件中心性）来了解委员会网络的结构，并且我们将在历史数据分析中不断指出时间网络的优缺点。
灵活的模仿机制通过更好的疫苗接种来抑制流行病
原文标题： Flexible imitation mechanisms suppress epidemics through better vaccination
地址： http://arxiv.org/abs/2009.00443
作者： Soya Miyoshi, Marko Jusup, Petter Holme
摘要： 是否接种疫苗是一项复杂的决定。它既涉及对社会福利的贡献-畜群免疫-也涉及对自己的幸福的贡献。它受到社会影响力，个人经验，教育和大众媒体的启发。在我们的工作中，我们调查一种情况，在这种情况下，人们根据社交社区对先前流行病的反应做出选择。为此，我们提出了一个使用博弈论，网络理论和流行病传播建模以及舆论动态模型的组件提出的简约模型。个人可以通过两种方式使用有关邻居的信息-他们遵循多数或表现最佳的邻居。此外，我们让个人从他们的经验中学到这两种决策策略中的哪一种。我们的结果表明，如果满足以下条件，个人可以灵活选择如何从附近地区整合信息，从而增加了疫苗的摄入量并降低了流行病的严重性。首先，应该限制模仿邻里多数的个人的初始比例，其次，对以前爆发的记忆应该足够长。这些结果对新型疫苗的接受和提高对疫苗接种的认识有启示，同时也指出了有希望的未来研究方向。
增长信号决定了演化网络的拓扑
原文标题： Growth signals determine the topology of evolving networks
地址： http://arxiv.org/abs/2009.00444
作者： Ana Vranić, Marija Mitrović Dankulov
摘要： 网络科学为研究实际复杂系统的结构和功能提供了必不可少的理论框架。通常使用不同的网络模型来查找控制其演化的规则，从而正确选择模型详细信息对于获得相关洞察至关重要。我们在这里研究由老化节点模型生成的网络的结构如何取决于增长信号的特性。我们使用不同的波动信号，并将网络的结构差异与通过恒定增长信号获得的网络进行比较。我们表明，具有随时间变化的增长信号获得的幂律度分布的网络是相关的和聚类的，而具有恒定的增长信号获得的网络则不是相关的和聚类的。的确，增长信号的特性显著决定了所获得网络的拓扑，因此在复杂系统的模型中应着重考虑这一点。
使用图元谱进行病毒研究协作网络的时间模式分析
原文标题： Using Graphlet Spectrograms for Temporal Pattern Analysis of Virus-Research Collaboration Networks
地址： http://arxiv.org/abs/2009.00477
作者： Dimitris Floros, Tiancheng Liu, Nikos Pitsianis, Xiaobai Sun
摘要： 我们介绍了一种用于科学协作网络的时间模式分析的新方法。我们通过最近二十年来的五次流行病或大流行病爆发以及持续发生的COVID-19大流行，特别调查了病毒研究活动。我们的方法体现了两个创新的组成部分。第一个是时间协作网络的简单模型，其时间在发布时间中进行了划分，并在引用历史中进行了卷积，以有效地刻画和容纳混合时间范围内的协作活动。第二个组成部分是图集的新颖用法，用于编码拓扑结构并检测协作活动随时间的变化和持久性。我们特别发现双叉图元在两个方面的独特作用和普遍作用：（1）确定三角形簇之间的桥梁，以及（2）将草根量化为每个协作网络的骨干。我们提出了许多有关病毒研究活动的有趣模式和发现。
激励措施、锁定措施和检测方法：从修昔底德分析到COVID-19大流行
原文标题： Incentives, lockdown, and testing: from Thucydides's analysis to the COVID-19 pandemic
地址： http://arxiv.org/abs/2009.00484
作者： Emma Hubert, Thibaut Mastrolia, Dylan Possamaï, Xavier Warin
摘要： 我们考虑通过激励，随机SIS或SIR隔间模型来控制COVID-19大流行。当流行病持续进行时，人群可以减少个体之间的相互作用，以降低疾病的传播速度，从而限制流行病的发生。但是，这种努力是要付出代价的。因此，政府可以制定激励政策来鼓励锁定人口。此外，政府还可以实施一项检测政策，以便更准确地了解该疾病在国内的传播情况，并隔离受感染的个人。我们提供了数值示例，并扩展了随机SEIR隔室模型以说明COVID-19疾病的相对较长的潜伏期。数值结果证实了税收和检测政策对改善流行病控制的重要性。更准确地说，如果制定了税收政策，即使没有特定的检测政策，也应鼓励人们大大减少其相互作用，从而限制疾病的传播。如果政府也调整其检测政策，则在人口方面所需的工作就更少了，因此个人可以像往常一样进行互动，而这种流行病很大程度上被有针对性地隔离了经过积极检测的个人。
使用社会网络改善职业体育中的团体转变预测
原文标题： Using Social Networks to Improve Group Transition Prediction in Professional Sports
地址： http://arxiv.org/abs/2009.00550
作者： Emily J. Evans, Rebecca Jones, Joseph Leung, Benjamin Z. Webb
摘要： 我们检查社会数据是否可用于预测职业棒球大联盟（MLB）成员和国家篮球协会（NBA）成员在球队之间的过渡。我们发现将社会数据整合到各种机器学习算法中可以大大提高算法正确确定这些过渡的能力。特别是，我们会分别衡量和评估球员的表现，团队适应度和社交数据对预测这些转变的贡献。结合个人绩效和团队适应性都可以提高我们算法的预测准确性。但是，当我们包括社交数据表明社交关系对MLB和NBA中的球员过渡具有相对较大的影响时，这种改进与所看到的改进相形见war。
BlackLivesMatter运动和反抗议活动的Twitter语料库：2013年至2020年
原文标题： Twitter Corpus of the BlackLivesMatter Movement And Counter Protests: 2013 to 2020
地址： http://arxiv.org/abs/2009.00596
作者： Salvatore Giorgi, Sharath Chandra Guntuku, Muhammad Rahman, McKenzie Himelein-Wachowiak, Amy Kwarteng, Brenda Curtis
摘要： 黑人生活问题（BLM）是一项基层运动，抗议针对黑人个人和社区的暴力行为，其重点是警察的野蛮行为。在2020年Ahmaud Arbery，Breonna Taylor和George Floyd被杀以及Jacob Blake被枪杀之后，该运动获得了媒体和政治的广泛关注。由于其分散的性质，＃BlackLivesMatter社交媒体主题标签已同时代表了该运动并被用作号召性用语。类似的标签似乎已经出现在BLM运动中，例如#AllLivesMatter和#BlueLivesMatter。我们引入了来自1000万用户的4180万条推文的数据集，其中包含以下关键字之一：BlackLivesMatter，AllLivesMatter和BlueLivesMatter。该数据集包含从BLM运动开始于2013年到2020年6月的所有当前可用推文。我们对数据集进行汇总，并显示使用BlackLivesMatter关键字和与计数器移动相关的关键字的时态趋势。过去，尽管主题范围类似，尽管范围要小得多，但BLM数据集已用于研究抗议和反抗议运动中的话语，预测转推，检查社交媒体在抗议运动中的作用以及探索叙事机构。本文开放了大规模数据集，以促进在计算社会科学，通信，政治学，自然语言处理和机器学习领域的研究。
声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。