非正式导师在学术合作中的作用 | 网络科学论文速递21篇

 核心速递

• 非正式导师在学术合作中的作用；
  

• 我应该多久访问一次我的在线社会网络？;
  

• 具有无标度属性的隐变量网络模型的广义阈值;

• 用相对论引力理论建模在线讨论的参与动力学;

• 网络的经典信息论;

• 用顶点替换语法进行图建模;

• 多层网络中的边相关性;

• 用于假新闻检测的带标签信息的张量分解;

• RWR-GAE：图自动编码器的随机游走正则化;

• 用于网络嵌入的深度内核监督哈希;

• 从社交媒体中自动提取时尚知识;

• 众包实时病毒性疾病和有害生物信息：一个发展中国家的全国性木薯病监测案例;

• 广义营养级和图层次结构;

• 利用多域视觉信息进行假新闻检测;

• 二元节点元数据混合模式的网络约束;

• 使用多层网络上的模块化信念传播检测显著的社区结构;

• 通过递归网络量化混沌吸引子的信息丢失;

• Twitter Moodifier：向Twitter用户提供情感意识;

• 隐私保护链路预测与潜在几何网络模型;

• 复杂网络中的社区结构：挑战和机遇;

• 基于角色嵌入的Reddit网络时态分析;

非正式导师在学术合作中的作用

原文标题：The Impact of Informal Mentorship in Academic Collaborations地址：http://arxiv.org/abs/1908.03813作者：Bedoor AlShebli, Kinga Makovi, Talal Rahwan摘要：受到学术界导师制度的诸多好处的启发，我们研究科学合作中的非正式导师制度，即一名年轻科学家得到多位资深科学合作者的支持，而他们不一定具有任何正式的监督角色。为此，我们分析了跨越9个学科和一个多世纪研究的250万对独特的导师对，研究表明，导师素质与所写论文的科学影响之间具有因果关系。这种影响随着导师的数量的增加而增加，并且随着时间的推移，跨学科和大学的影响持续存在。这种影响也随着导师的学术年龄而增加，直到他们达到30年的经验，之后它开始减少。此外，我们研究了导师及学生人的性别如何影响学生的职业发展和导师的文章被引数量。我们发现，增加女性导师的比例会降低女性导师的影响，同时也会损害女性导师的收益。虽然目前鼓励年轻女性接受资深女性指导的政策有助于在科学界留住更多女性，但我们的研究结果表明，通过鼓励异性指导，留在学术界的女性的影响可能会增加。

我应该多久访问

一次我的在线社会网络？

原文标题： 

How often should I access my online social networks?

地址：

http://arxiv.org/abs/1908.04811

作者： 

Eduardo Hargreaves, Daniel Sadoc Menasché, Giovanni Neglia

摘要： 在线社会网络的用户面临着一个难题，他们总是试图在没有足够时间或精力预算的情况下获得信息。用户在在线社会网络上的保留具有重要意义，包括经济、心理和基础设施方面。在本文中，我们提出以下问题：用户访问社会网络的最佳速率是多少？为了回答这个问题，我们提出了一种分析模型来确定社会网络的访问（VoA）价值。在本文考虑的简单模型中，VoA被定义为用户访问网络和获取新内容的机会。显然，VoA取决于来源生成内容的速率以及社交网络的过滤。然后，我们提出了一个优化问题，其中用户的效用相对于VoA增长，但是受到访问网络所产生的成本的限制。利用本文所提出的框架，我们提供了有关最佳访问率的见解。我们的结果是使用Facebook数据进行参数化的，表明该方法具有一定的预测能力。

具有无标度属性的隐

变量网络模型的广义阈值

原文标题：

Generalised thresholding of hidden variable network models with scale-free property

地址：

http://arxiv.org/abs/1908.03757

作者：

Sámuel G. Balogh, Péter Pollner, Gergely Palla

摘要：隐变量形式（基于一些内在节点参数的假设）是描述和分析复杂网络拓扑结构的一种非常有效和强大的方法。由于其最有利的特性之一，即被证明能够再现各种不同程度的分布形式，它已成为生成具有无标度特性的网络的标准工具。该模型研究最深入的版本是基于与节点相关的指数分布隐藏变量（内部顶点权重）的阈值机制，这导致了无标度网络的出现，其中度分布 p(k)~k^-gamma，使用指数gamma=2进行衰减。在这里，我们通过扩展导致上述度分布的连接概率集和隐藏变量分布，对该模型进行了推广和修正，并分析了导致上述行为的条件。此外，我们建议放宽连接概率中的硬阈值，这获得具有任意尺度指数的稀疏无标度网络开辟了可能。

用相对论引力理论建模

在线讨论的参与动力学

原文标题：

Modeling Engagement Dynamics of Online Discussions using Relativistic Gravitational Theory

地址：

http://arxiv.org/abs/1908.03770

作者：

Subhabrata Dutta, Dipankar Das, Tanmoy Chakraborty

摘要：在线讨论是研究用户在不同主题上的行为的宝贵资源。与先前以静态方式对讨论进行建模的研究不同，在本研究中，我们将其建模为一个时变过程，并解决两个相互关联的问题——预测哪些用户群将参与正在进行的讨论，并基于评论数量预测讨论的增长率。我们提出了RGNet（相对论引力神经网络），这是一种新算法，它利用爱因斯坦引力场方程将在线讨论建模为悬浮在用户时空流形上的“尘埃云”，随着时间的推移以不同的速率吸引不同群体的用户。我们还提出了一种用于在线讨论的全球用户嵌入方法GUVec，RGNet利用该方法来预测用户的临时参与度。RGNet利用不同的基于文本和基于网络的特性来学习讨论中的灰尘分布。我们使用了四个基线——前两个使用LSTM架构，第三个使用牛顿引力模型，第四个使用之前预测工作中采用的逻辑回归。在Reddit数据集上的实验表明，RGNet在用户群的时间参与度预测和增长率预测方面分别达到0.72 Micro F1评分和6.01％平均误差，显著优于所有基线。我们进一步使用RGNet来预测非暂时性的参与——用户是否会对某个帖子发表评论。RGNet为此任务达到0.62 AUC，优于现有基线8.77％AUC。

网络的经典信息论

原文标题：

Classical Information Theory of Networks

地址：

http://arxiv.org/abs/1908.03811

作者：

Filippo Radicchi, Dmitri Krioukov, Harrison Hartle, Ginestra Bianconi

摘要：异质性是现实世界网络的最重要的特征之一，支持这一事实的经验证据是不容置疑的。现有的理论框架证明了网络的异构性是增强系统鲁棒性、可同步性和可导航性等特性的一种便捷方法。然而，能够解释复杂网络中异质性自然出现的统一信息理论尚不存在。在这里，我们通过开发一个经典的网络开发信息论框架来填补这一知识空白。研究表明，在所有可用于生成随机网络的度分布中，基于最大熵原理产生的是幂律分布。我们还研究了空间嵌入式网络，发现节点之间的相互作用自然会导致空间中点的非均匀分布。该框架充分描述了现实世界航空运输网络的相关特征。

用顶点替换语法进行图建模

原文标题：

Modeling Graphs with Vertex Replacement Grammars

地址：

http://arxiv.org/abs/1908.03837

作者：

Satyaki Sikdar, Justus Hibshman, Tim Weninger

摘要：图建模的主要目标之一是捕获网络数据的构建块，以研究各种物理和自然现象。最近，在形式语言理论和图论的交叉工作中探索了使用图语法进行图建模。然而，现有的图语法形式，如超边替换语法，只能在小树状图上运行。本文通过修改一种称为顶点替换语法（VRGs）的不同的图语法形式来解决这一限制。我们证明可以从图的许多层次聚类中有效地提取VRGs。我们发现了VRGs编码是一个简洁的图模型，但忠实地保留了原始图的结构。在对大型真实世界数据集的实验中，我们发现，由VRGs模型生成的图显示出与原始网络相似的各种特性。

多层网络中的边相关性

原文标题：

Edge Correlations in Multilayer Networks

地址：

http://arxiv.org/abs/1908.03875

作者：

A. Roxana Pamfil, Sam D. Howison, Mason A. Porter

摘要：网络分析的许多最新发展都集中在多层网络上，人们可以使用它来编码时间相关的交互、多种类型的交互以及复杂系统中出现的其他复杂情况。与单层网络一样，多层网络在应用中通常具有社区结构等中尺度特征。推断这种结构的一种主要方法是使用多层随机块模型（SBMs）。这些模型的一个常见（但不充分）假设是，独立地对不同层中的边进行采样，并以节点的社区标签为条件。在本文中，我们通过将边相关性结合到类似SBM的模型中来放宽这种独立性假设。我们推导出了模型关键参数的最大似然估计，并且我们提出了一种层相关性度量方法，用以衡量不同层中连通模式之间的相似性。最后，我们解释了如何在多层网络中使用相关模型进行连边预测。通过考虑边相关性，预测准确度在合成网络和购物者的时间网络中都得到改善。

用于假新闻检测的

带标签信息的张量分解

原文标题：

Tensor Factorization with Label Information for Fake News Detection

地址：

http://arxiv.org/abs/1908.03957

作者：

Frosso Papanastasiou, Georgios Katsimpras, Georgios Paliouras

摘要：所谓的“假新闻”引起了人们对媒体环境退化的担忧，并导致对技术解决方案的需求。随着虚假新闻检测越来越被认为是一个技术问题，它吸引了大量研究。这些研究主要集中在利用从文本新闻内容中提取的信息上。相比之下，我们只关注基于社交网络结构信息的虚假新闻检测。我们认为共享虚假新闻的用户的基础网络连接具有足够的可识别性，足以支持虚假新闻的检测。于是，我们将每个帖子建模为友谊互动网络，并将帖子集合表示为多维张量。考虑到已有的标记数据，我们提出了一种张量分解方法，它将数据样本的类标签与它们的潜在表示相关联。具体而言，我们将分类错误术语与统一优化过程中的标准因子分解相结合。在实际数据集上的研究结果表明，我们提出的方法不仅简单有效，而且与最先进的方法相比更具有竞争力。

RWR-GAE：图自动

编码器的随机游走正则化

原文标题：

RWR-GAE: Random Walk Regularization for Graph Auto Encoders

地址：

http://arxiv.org/abs/1908.04003

作者：

Vaibhav, Po-Yao Huang, Robert Frederking

摘要：节点嵌入已成为用于在低维空间中表示图数据的普遍存在的技术。图自动编码作为一种广泛应用的深度模型，被提出用来在无监督的情况下，通过最小化图数据的重建误差来学习图的嵌入。然而，它的重建损失忽略了潜在表示的分布，从而导致较差的嵌入结果。为了解决这一问题，我们提出了一种基于随机游走的方法来正则化编码器所学习的表示。结果表明，新的增强算法在节点聚类任务上大大优于现有的最先进模型（提升幅度高达7.5%），在cora、citeser和pubmed三个标准数据集的链路预测任务上达到了最高的精度。代码可在https://github.com/MysteryVaibhav/DW-GAE获得。

用于网络嵌入的

深度内核监督哈希

原文标题：

Deep Kernel Supervised Hashing for Network Embedding

地址：

http://arxiv.org/abs/1908.04007

作者：

Jia-Nan Guo, Xian-Ling Mao, Xiao-Jian Jiang, Ying-Xiang Sun, He-Yan Huang

摘要：网络嵌入是一种很有前途的网络表示方式，可以方便地完成许多有符号的社交网络处理和分析任务，如链路预测和节点分类。最近，为提高嵌入效率，几种现有的嵌入算法中都采用了特征散列技术，取得了很大的成功。但是，现有的基于特征散列的嵌入算法仅考虑符号社交网络中的正链接，然而，负链接也可以帮助提高性能。因此，在本文中，我们提出了一种同时考虑正负链接的有符号社会网络嵌入深度散列方法。大量实验表明，在两个真实世界符号社交网络上的链路预测任务中，所提出的方法比目前几个最先进的方法表现更好。

从社交媒体中自动提取时尚知识

原文标题：

Automatic Fashion Knowledge Extraction from Social Media

地址：

http://arxiv.org/abs/1908.04045

作者：

Yunshan Ma, Lizi Liao, Tat-Seng Chua

摘要：时尚知识在帮助人们穿衣方面起着举足轻重的作用。本文提出了一种新的系统，以自动从社交媒体中收集时尚知识。它从多种形式的图像，文本和元数据中统一了场合、人物和服装发现这三个任务。它应用了情境化时尚概念学习模型，利用丰富的上下文信息来改善时尚概念学习表现。同时，为了克服训练数据中的标签噪声，我们采用弱标签建模方法来进一步提高训练数据的性能。我们建立了一个网站，以展示我们系统提取的时尚知识的质量。

众包实时病毒性疾病

和有害生物信息：一个发展

中国家的全国性木薯病监测案例

原文标题：

Crowdsourcing real-time viral disease and pest information. A case of nation-wide cassava disease surveillance in a developing country

地址：

http://arxiv.org/abs/1908.04237

作者：

Daniel Mutembesa, Christopher Omongo, Ernest Mwebaze

摘要：在大多数发展中国家，大部分国家食品篮都由小型自给农业系统提供支持。这些系统面临的一个主要挑战是疾病和虫害攻击，这对依赖这些系统维持生计的小农造成了毁灭性影响。任何提议的解决方案的关键组成部分是良好的疾病监测网络。然而，由于人力和财力资源有限，目前的监督工作无法提供足够的数据来有效和高效地监测广大地理区域的此类现象。与拥有移动电话的农民群体一起进行众包提供了一个可行的选择，可以提供有关病毒性疾病和病虫害发生率和严重程度的全年实时监测数据。本文提出了一个移动自组织监测系统，用于监测木薯中的病毒和害虫。我们展示了乌干达的一个试验结果，该系统已部署了76周。我们讨论了人群与移动智能手机的参与行为以及已经应用的几种激励措施的效果。

广义营养级和图层次结构

原文标题： 

Generalised trophic levels and graph hierarchy

地址：

http://arxiv.org/abs/1908.04358

作者：

Giannis Moutsinas, Choudhry Shuaib, Weisi Guo, Stephen Jarvis

摘要： 由于营养水平的限制性定义和营养一致性，目前对营养网络的分析仅限于生态领域和来源明确的网络。营养一致性是衡量网络层次结构的一个指标，已被证明与网络的结构和动态方面相关。在本文中，我们概括了先前的定义以包含所有可能的简单图，我们给作为网络影响度量的营养级别和作为拓扑度量的营养差异的平均值赋予新的含义。我们展示了我们的广义营养级别与之前的定义的比较，以及我们的概括在网络拓扑和动态方面提出了什么的新见解。然后我们建立了一个流行病动力学模型，展示了广义营养一致性与发病率的关系，以及它如何影响SIS模型中的传播过程。

利用多域视觉信息

进行假新闻检测

原文标题： 

Exploiting Multi-domain Visual Information for Fake News Detection

地址： 

http://arxiv.org/abs/1908.04472

作者： 

Peng Qi, Juan Cao, Tianyun Yang, Junbo Guo, Jintao Li

摘要： 社交媒体的日益普及促进了假新闻的泛滥。随着多媒体技术的发展，虚假新闻试图利用图片或视频的多媒体内容来吸引和误导读者，从而快速传播，使视觉内容成为假新闻的重要组成部分。假新闻图片，即附在假新闻帖子中的图片，不仅包括被恶意篡改的假图片，还包括错误地用于表示无关事件的真实图片。因此，如何充分利用虚假新闻图片的内在特征是假新闻检测的一个重要但具有挑战性的问题。在现实世界中，虚假新闻图片在物理和语义层面上可能与真实新闻图片具有显著不同的特征，这可以分别在频率和像素域中得以清晰地再现。因此，我们提出了一种新的多域可视神经网络框架（MVNN）来融合频率和像素域的视觉信息，用于检测虚假新闻。具体来说，我们设计了一个基于CNN的网络，以自动捕获频域中虚假新闻图像的复杂模式；并利用多分支CNN-RNN模型从像素域中的不同语义层次提取视觉特征。利用注意机制动态地融合频域和像素域的特征表示。在真实数据集上进行的大量实验表明，MVNN的准确度至少高于现有方法9.2％，并且可以帮助提高多模式假新闻检测的性能超过5.2％。

二元节点元数据

混合模式的网络约束

原文标题： 

Network constraints on the mixing patterns of binary node metadata

地址： 

http://arxiv.org/abs/1908.04588

作者：

Matteo Cinelli, Leto Peel, Antonio Iovanella, Jean-Charles Delvenne

摘要： 我们考虑协同系数界限上的网络约束，该度量了测量具有相同属性值的节点的相互连接趋势。协同系数是跨越网络边缘且范围在-1和1之间的节点属性值的皮尔逊相关系数。本文着重讨论了二元节点属性的分类问题，并证明了网络的度分布和每个属性值的节点个数等性质对分类系数的可得数值有约束。我们探讨了三个不同空间中的分类性，即对给定网络约束集有效的图配置和节点属性分配的集合。我们提供了一种方法来获得这些空间的分类极值的界限。最后，我们证明在某些条件下，网络约束严重限制了协协同性的最大值和最小值，这可能会给我们如何解释协同系数带来问题。

使用多层网络上的模块化

信念传播检测显著的社区结构

原文标题： 

Modularity belief propagation on multilayer networks to detect significant community structure

地址：

http://arxiv.org/abs/1908.04653

作者： 

William H. Weir, Benjamin Walker, Lenka Zdeborová, Peter J. Mucha

摘要： 基于模块化的社区检测包括许多广泛使用的用于识别单层和多层网络中结构的高效启发式算法。最近，一种模块化优化的信念传播方法为识别非平凡结构提供了有用的指导，而其他优化启发式方法则没有。在本文中，我们将模块化信念传播扩展到多层网络。作为此研究的一部分，我们还直接加入了一个分辨率参数。我们证明了分辨率参数会影响算法的收敛性，并产生与基线不同的社区结构。我们展示了我们在合成多层网络上的扩展，展示了我们的工具如何达到最佳性能并能防止过度拟合。与其他广泛使用的多层模块化工具GenLouvain相比，我们强调了这些优势。最后，我们将多层模块化信念传播应用于两个实际的多层网络，并讨论实现我们的方法时的实际问题，我们已将其作为一般用途的Python包发布。

通过递归网络量化

混沌吸引子的信息丢失

原文标题： 

Quantifying information loss on chaotic attractors through recurrence networks

地址： 

http://arxiv.org/abs/1908.04731

作者： 

K. P. Harikrishnan, R. Misra, G. Ambika

摘要： 我们提出了一种用于通过递归网络分析混沌吸引子的熵测量，递归网络是基于动力系统的时间序列用特定准则构建的无权无向复杂网络。研究表明，随着吸引子上数据点数量（或网络上节点数量）的增加以及用于构建网络的嵌入维度的增加，所提出的度量收敛到一个常数值，并清楚地区分了递归网络和隐式网络、混沌时间序列和白噪声序列。由于该测度是网络拓扑的特征，因此可以根据相应递归网络的链路密度的差异来量化与混沌吸引子的结构变化相关的信息损失。在复杂网络的一般理论的背景下，我们还指出了所提出的度量在混沌吸引子的递归分析中的一些实际应用，以及该度量的相关性。

Twitter Moodifier：

向Twitter用户提供情感意识

原文标题：

Tweet Moodifier: Towards giving emotional awareness to Twitter users

地址：

http://arxiv.org/abs/1907.11741

作者： 

Belen Saldias, Rosalind W. Picard

摘要： 过去几年来，在线社会网络中的情绪传染一直备受关注。以前的研究主要集中在寻找嗜同性环境中影响传染的证据。然而，这些研究忽视了用户对他们在线分享和消费情绪的认知。在本文中，我们对Twitter用户进行了一项实验，旨在帮助他们更好地了解他们在这个社会网络上体验到的情绪变化。本文介绍了Tweet Moodifier（T-Moodifier），这是一款Google Chrome扩展程序，它允许twitter用户过滤并明确（通过彩色视觉标记）他们新闻提要中的情感内容。我们比较了55名参与者和5089名公众“朋友”之间的行为变化。比较期从安装T-Moodifier之前的两周到之后的一周。研究表明，使用T-Moodifier可能有助于Twitter用户提高他们的情绪意识：T-Moodifier用户能够获得有关其帖子的情感统计数据，同时他们产生的中性情感内容的百分比显著更高。这种行为变化表明，人们在使用实时机制时可能会表现得不同。此外，那些完成调查的人可以更自信地断言他们在Twitter上分享和感知的主要情绪。这表明T-Moodifier有效地让用户反思他们的新闻提要。

隐私保护链路预测

与潜在几何网络模型

原文标题： 

Privacy Preserving Link Prediction with Latent Geometric Network Models

地址： 

http://arxiv.org/abs/1908.04849

作者：

Abir De, Soumen Chakrabarti

摘要： 链路预测是社会网络分析中的一项重要任务，具有从图搜索到推荐的广泛应用。通常的范例是向每个节点推荐一个当前为非邻居的节点的排序列表，作为未来链接的最可能候选节点。由于对隐私的关注与担忧日益增加，用户（节点）可能更愿意将他们的部分或全部连接的隐私。大多数链路预测启发式算法（例如公共邻居，Jaccard系数和Adamic-Adar）在进行预测时可能会泄露私人链接信息。我们提出了一个DPLP通用框架，用于保护这些流行启发式算法在排序目标下的差异隐私。在最近引入的潜在节点嵌入模型下，我们还分析了隐私和链路预测效用之间的权衡。对八种不同的实际图表的广泛实验表明，相比其他几种链路预测启发式算法，DPLP更能有效地权衡隐私和预测性能。

复杂网络中的社区

结构：挑战和机遇

原文标题： 

On community structure in complex networks: challenges and opportunities

地址：

http://arxiv.org/abs/1908.04901

作者： 

Hocine Cherifi, Gergely Palla, Boleslaw K. Szymanski, Xiaoyan Lu

摘要： 社区结构是网络系统的众多实际应用中遇到的最相关的功能之一。尽管过去几十年里，一个大型的跨学科科学家群体在这个课题上进行了大量的工作来描述、建模和分析群体，但是为了更好地理解它们的结构和动态对网络系统的影响，还需要更多的研究。本文在第一部分中回顾了社区生成模型的研究及其在为社区检测算法建立坚实基础中的作用。我们讨论了模块化和基于模块化最大化的算法。然后，我们概述了随机区块模型及其不同变体，并从模型中推断了社区结构。以下部分重点介绍了时间演化网络，其中现有节点和链接可能会消失，并且可以并行引入新节点和链接。在这种情况下提取社区是一个有趣且非平凡的问题，在过去十年中引起了相当大的兴趣。我们简要讨论了最近在该领域取得的重大进展。在最后一节中，我们讨论了针对模块化网络中有影响力的流行病传播者所必需的免疫策略。他们的主要目标是从整个网络中选择和免疫一小部分个体，来控制扩散过程。多年来，出现了各种策略，提出了不同方法来免疫具有重叠和非重叠社区结构的网络中的节点。我们首先讨论随机策略，这些策略需要很少或根本不需要有关网络拓扑的信息，但会牺牲性能。然后，我们引入确定性策略，这些策略已被证明在控制疫情爆发方面非常有效，但需要对网络充分了解。

基于角色嵌入的

Reddit网络时态分析

原文标题： 

Temporal Analysis of Reddit Networks via Role Embeddings

地址： 

http://arxiv.org/abs/1908.05192

作者：

Siobhan Grayson, Derek Greene

摘要： 受自然语言处理领域的历时词汇分析的启发，我们提出了一种图嵌入方法，从社交网络中发现关于用户角色的时间洞察力。具体地说，我们将角色嵌入算法struc2vec应用于一组社交网络，这些社交网络表现出“忠诚”或“流浪”的特征，这些特征来自于流行的在线社交新闻聚合网站reddit。对于每个subreddit，我们提取九个月的数据，并在连续的时间窗口上创建网络角色嵌入。然后，我们可以通过对齐生成的时间嵌入空间来比较和对比用户角色随时间的变化。特别是，我们从个人和社区层面分析了reddit上忠诚社区和流浪社区的时间角色嵌入。

来源：网络科学研究速递

审校：赵子鸣

编辑：张爽

声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，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.me （提供RSS订阅）进行同步更新。

近期网络科学论文速递

---

集智俱乐部QQ群｜877391004

商务合作及投稿转载｜[e-mail]

◆ ◆ ◆

搜索公众号：集智俱乐部

加入“没有围墙的研究所”

让苹果砸得更猛烈些吧！