多样性孕育了科学创新却降低了科学影响力 | 网络科学论文速递24篇

核心速递

• 多样性孕育了科学创新却降低了科学影响力;
• 作者成长超越计算机科学和出版质量的出版物增长，这与协作相关;
• 网络密度与序列学习的实验研究;
• 纯粹机会的在线赌博：下注分配、风险态度和异常扩散;
• 政治分析的复杂网络方法：向巴西众议院提出申请;
• 记得凛冬已至;
• 简洁对社交媒体风格与成功的因果影响;
• 网络流动影响下的流行病传播;
• 图表示集成学习;
• 是否可以利用社会影响力来破坏安全性：在线实验评估;
• 分析网络对小说社区的影响;
• 图嵌入的并行计算;
• 关注领导者：语义变革前沿的文档获取更多引文;
• 粒子系统的非平衡扩散特性以及与社会系统的对应关系;
• 随机过程中的扩散和记忆效应以及与社会系统中信息传播的对应关系;
• 具有微观和宏观动态的时间网络嵌入;
• 基于深度神经网络的图嵌入实现Lifelog模式分析;
• 具有时变有向图的不确定模型的非贝叶斯社会学习;
• Van Der Pol振子层级网络的动力学性质;
• Quora竞争主题命名约定：从数百万主题对中预测适当的主题合并和获胜主题;
• 不均衡下的收入不平等动态：印度案例;
• 使用异构图的局部和全局关系联合嵌入进行谣言检测;
• 可变成本测试的超图测试组：电力系统案例研究;
• 在线社会网络中的用户信誉建模：成本、收益和互惠的作用;

多样性孕育了科学

创新却降低了科学影响力

原文标题：

Diversity Breeds Innovation With Discounted Impact and Recognition

地址：

http://arxiv.org/abs/1909.02063

作者：

Bas Hofstra, Sebastian Munoz-Najar Galvez, Bryan He, Vivek V. Kulkarni, Daniel A. McFarland

摘要：先前的工作对科学提出了一个多样性悖论。多样性孕育了科学创新，然而，多样性的个人在科学事业上的成功率较低。但是，如果多样性有利于创新，那么为什么科学不奖励多样性呢？我们通过利用1980年至2015年约103万美国博士生的数量以及他们从事出版和教师工作的职业来回答这个问题。本文运用文本分析和机器学习技术回答了一系列的问题：我们如何发现科学创新？多样性是否会孕育创新？各种个人的创新是否被采纳和奖励？研究表明，代表性不足的群体往往会具有更高的创新率。然而，他们的创新贡献却大打折扣：例如，性别少数群体的创新被其他学者采用的比率低于性别多数群体的创新，性别和种族少数群体的创新导致学术地位的减少。这意味着一种不公平的制度，在这种制度中，不同的个体进行创新，但他们的创新却被不成比例地忽视，并且未能以与多数群体相同的速度转变为事业成功。总而言之，学术生涯中可能存在无根据的阶层，这削弱了多样性在创新中的作用，并在一定程度上解释了一些群体在学术界代表性的不足。

作者成长超越计算机科学和出版

质量的出版物增长，这与协作相关

原文标题： 

Author Growth Outstrips Publication Growth in Computer Science and Publication Quality Correlates with Collaboration

地址：

http://arxiv.org/abs/1909.02212

作者：

Stephen M. Blackburn, Kathryn S. McKinley, Lexing Xie

摘要：尽管计算机科学界成功地利用计算机性能的指数增长来推动社会和经济变革，但事实证明，出版物的指数增长更加难以适应。为了更深入地了解出版物增长并告知计算机科学界应如何应对这种增长，我们从多个角度分析了出版实践：ACM赞助的整个ACM数字图书馆的出版物；ACM特别兴趣小组（SIG）捕获的子学科；十大顶级会议；1990年至2012年间的机构；美国四大院系；作者；教员和博士等。本文首先总结了我们如何相信我们的主要发现（1）对出版物增长的期望；（2）如何区分研究质量和产出数量；（3）对个别研究人员的评估。然后，我们进一步推动计算机科学出版实践的研究，并详细描述我们的方法和结果。

网络密度与序列学习的实验研究

原文标题：

An Experiment on Network Density and Sequential Learning

地址：

http://arxiv.org/abs/1909.02220

作者： 

Krishna Dasaratha, Kevin He

摘要：我们进行了一个连续的社会学习实验，在这个实验中，受试者轮流根据私人信号和他们的前辈的一个子集猜测一个隐藏状态。一个网络决定了可观测到的前辈，并且我们比较了稀疏网络和稠密网络上被试的准确度。在稀疏网络上，社交学习的准确度是密集网络的两倍。当主体忽略观察结果之间的相关性时，朴素推理模型可以预测网络密度中的相对静态，而这一发现难以与理性学习模型相协调。

纯粹机会的在线赌博：

下注分配、风险态度和异常扩散

原文标题：

Online Gambling of Pure Chance: Wager Distribution, Risk Attitude, and Anomalous Diffusion

地址：

http://arxiv.org/abs/1909.02343

作者：

Xiangwen Wang, Michel Pleimling

摘要：在线赌博网站提供许多不同的赌博游戏。在这项工作中，我们分析了许多完全基于概率的赌博游戏的赌博日志，并提取了赌注和赔率分布。我们发现对数正态分布描述的是总水平上的赌注分布。将赌徒的净收入看作随机游走，本文研究了净收入和相关数量的均方位移，并找出了不同博弈下的不同扩散行为。最后，我们讨论了观测到的反常扩散的可能来源。

政治分析的复杂网络方法：

向巴西众议院提出申请

原文标题：

A complex network approach to political analysis: application to the Brazilian Chamber of Deputies

地址：

http://arxiv.org/abs/1909.02346

作者： 

Ana C. M. Brito, Filipi N. Silva, Diego R. Amancio

摘要：在本文中，我们引入了一种基于网络的方法来研究由政治实体代表的集群是如何随时间演变的。我们构建了巴西众议院的投票据网络，其中代表是节点，边缘表示代表之间的投票相似性。巴西众议院的特点是多党政治体制。因此，我们期望代表广泛的思想。然而，研究表明，在整个研究时间跨度内，并不存在多个观点：基于命题中的一致/不一致来表示观点的社区的客观数量约为3。所得结果还揭示了不同政党之间不同的联盟模式。最后，在总统弹劾程序正式启动之前，我们还发现了早期政党孤立的迹象。我们认为，拟议的框架可用于补充对政治动态的研究，甚至可用于类似的社会网络，其中个人以复杂的方式组织。

记得凛冬已至

原文标题：

Remembering winter was coming

地址：

http://arxiv.org/abs/1909.02423

作者： 

Xavier Bost (LIA), Serigne Gueye (LIA), Vincent Labatut (LIA), Martha Larson (DMIR), Georges Linarès (LIA), Damien Malinas (CNELIAS), Raphaël Roth (CNELIAS)

摘要：当今流行的电视连续剧往往具有连续多季的、复杂的情节，但往往是在可控的、不连续的条件下被观看的。因此，大多数观众在观看新一季之前需要重新沉浸在故事中。尽管与朋友和家人的讨论会有所帮助，但我们注意到，大多数观众会大量使用简要剧情回顾来了解剧情。电视连续剧复杂故事的简要剧情回顾的自动生成，首先需要对剧情动态进行建模，其次需要提取相关序列。在本文中，我们通过考虑叙事中人物之间互动的社会网络来处理情节并不建模：主要人物的社会环境发生了实质性的、持久性的变化，为总结提出了一个新的发展方向。一旦确定，每个角色故事情节中的这些主要阶段可以作为完成相关序列视频剪辑的基础。我们的算法将这种社会网络分析和电影制作方法结合起来，从部分统计数据中自动生成面向角色的电视剧视频剪辑。我们在现实世界的场景中进行用户评估：在新的第六季上映前几周，大量观众被要求按照热门电视剧“权力的博弈”的五个角色对视频剪辑进行排名。我们的结果揭示了面向角色的摘要能够重新吸引电视连续剧中的观众，并确认了对情节内容建模和利用文体模式识别显著序列的贡献。

简洁对社交媒体风格

与成功的因果影响

原文标题：

Causal Effects of Brevity on Style and Success in Social Media

地址：

http://arxiv.org/abs/1909.02565

作者： 

Kristina Gligoric, Ashton Anderson, Robert West

摘要：在网络社区，数十亿人努力传播他们的信息，了解如何措辞的成功是最重要的。在这项工作中，我们对措辞的一个特别突出的方面感兴趣：简洁。简明扼要对信息成功的因果影响是什么？简明扼要的语言特点是什么？什么时候简明扼要是有益的，何时不是？尽管大多数以前的工作都研究了简明扼要对语言风格和成功的影响，但我们进行了一个对照实验，其中人群工作者将社交媒体帖子缩短到规定的目标长度，而其他人群工作者随后对原始版本和缩短版本进行评分。这使我们能够分离出简明扼要与成功的因果效应。我们发现，一般而言，简洁的消息比原始消息更成功，长度减少了30-40%。最佳减少率平均在10%到20%之间。观察到的效果在不同的评分子群体中是稳健的，并且对于每天访问社交媒体的评估者来说是最强的。最后，我们发现简洁的独特语言和内容特征，并将其与测量的成功概率相关联，以区分有效缩短策略和无效缩短策略。总的来说，我们的研究有助于人们理解简洁性对在线社交媒体信息成功的影响。

网络流动影响下的流行病传播

原文标题： 

On Epidemic Spreading under Mobility on Networks

地址：

http://arxiv.org/abs/1909.02647

作者： 

Vishal Abhishek, Vaibhav Srivastava

摘要：本文研究了一个耦合的传染病流动模型，在该模型中，每个个体按照连续时间马尔可夫链（CTMC）在空间分布区域（子种群）的网络中移动。然后，根据SIS模型与局部子种群相互作用，我们导出了描述这些相互作用的确定性连续极限模型。我们证明了在不同参数范围下存在无病平衡和地方平衡，并利用Lyapunov技术建立它们（几乎）全局渐近稳定性。对于无病平衡的稳定性，我们还推导出一些简单的充分条件，这些条件强调了迁移率对SIS动力学行为的影响。最后，数值模拟表明，所导出的模型对具有有限总体的随机模型提供了很好的近似，同时也证明了图结构对瞬态性能的影响。

图表示集成学习

原文标题：

Graph Representation Ensemble Learning

地址：

http://arxiv.org/abs/1909.02811

作者：

Palash Goyal, Di Huang, Sujit Rokka Chhetri, Arquimedes Canedo, Jaya Shree, Evan Patterson

摘要：基于图的表示学习在预测缺失链接、分类和推荐节点等方面具有广泛的适用性，因此受到了广泛的关注。大多数嵌入方法都是为了在低维空间中保持原图的某些性质。然而，现实世界中的图具有多种特性的组合，这些特性很难用单一的方法来刻画和捕捉。在这项工作中，我们引入了图表示集成学习的问题，并提供了一个首创的框架来有效地聚合多个图嵌入方法。我们对我们提出的框架进行了分析，并从理论和经验上分析了目前最先进的嵌入方法之间的依赖关系。我们在四个真实世界图的节点分类任务上测试了我们的模型，结果表明所提出的集成方法在F1值的的性能上比现有的方法高8%。进一步研究表明，这种方法对代表性不足的阶级更为有利，可以提高12%。

是否可以利用社会影响力

来破坏安全性：在线实验评估

原文标题：

Can social influence be exploited to compromise security: An online experimental evaluation

地址：

http://arxiv.org/abs/1909.02872

作者： 

Soumajyoti Sarkar, Paulo Shakarian, Mika Armenta, Danielle Sanchez, Kiran Lakkaraju

摘要：社交媒体使用户和组织能够获得有关技术使用情况的信息，如软件使用情况，甚至安全功能使用情况等。然而，另一方面，它也允许对手潜在地利用用户，从用户那里获取信息，并影响用户做出可能具有恶意性设置的决定。虽然已经有大量的研究关注社会影响力如何影响个人采用安全技术的可能性，但在本研究中，我们进一步调查了同伴影响力是否可以支配用户。为此，我们在一个与人类参与者的在线控制实验中操纵社交信号暴露，以调查社交影响是否可以被消极地利用，引导用户走向危险的安全功能选择。本文通过受控博弈对此进行分析，其中每个参与者在使用具有不同实用程序的六种安全技术时选择一个选项，其中一种选择具有最大效用。在博弈的多轮中，我们观察到社交影响作为一种工具可以非常强大地操纵用户使其采用危险的安全功能设置。然而，在这个过程中，用户从其同伴那里接收社会信号的方式决定了社会影响在多大程度上能够成功地改变用户的行为。

分析网络对小说社区的影响

原文标题：

Analyzing Network Effects on a Fanfiction Community

地址：

http://arxiv.org/abs/1909.02886

作者：

Andrés Carvallo, Denis Parra, Eduardo Graells-Garrido

摘要：自web2.0诞生以来，在线社区发展迅速，已经成为许多人生活的重要组成部分。在其中一个社区，fanfiction.net中，用户可以阅读和编写改编自名著、电视剧、电影等的故事。通过跟踪故事及其作者，小说社区创建了一个社交网络。以往对网络社区的研究表明，社交网络的特征如何帮助解释社区的行为。因此，我们有兴趣从社区的角度来研究科幻小说的社交网络及其影响。特别是，在这篇文章中，我们描述了社区成员的一些特性，并试图找出哪些因素解释了作者的受欢迎程度。研究发现，加入小说后的时间和作者传记的大小，对作者的人气有负面影响。此外，我们还发现，用户的网络指标有助于更好地解释作者的受欢迎程度。

图嵌入的并行计算

原文标题： 

Parallel Computation of Graph Embeddings

地址：

http://arxiv.org/abs/1909.02977

作者： 

Chi Thang Duong, Hongzhi Yin, Thanh Dat Hoang, Truong Giang Le Ba, Matthias Weidlich, Quoc Viet Hung Nguyen, Karl Aberer

摘要：图嵌入的目的是学习一种基于向量的顶点表示方法，该方法结合了图的结构。然后，此表示使得图属性能够被推断。然而，现有的图形嵌入技术并不能很好地扩展到大型图。因此，我们提出了一种使用资源约束的计算节点集群来嵌入图的并行计算框架。我们展示了如何分配任何现有的嵌入技术，首先分裂图的任何给定的约束计算节点集，然后协调这些子图导出的嵌入空间。我们还提出了一种独立于特定推理任务的图嵌入质量评估方法。在此基础上，我们给出了集中计算和并行计算所得到的嵌入之间的差别的一个形式上的界限。实验结果表明，该方法在保证嵌入质量的前提下，具有良好的并行计算性能。

关注领导者：语义变革

前沿的文档获取更多引文

原文标题： 

Follow the Leader: Documents on the Leading Edge of Semantic Change Get More Citations

地址：

http://arxiv.org/abs/1909.04189

作者： 

Sandeep Soni, Kristina Lerman, Jacob Eisenstein

摘要：历时性词汇嵌入提供了对语言演变的深刻见解，为量化社会文化变迁提供了工具。然而，虽然这种方法能够识别出语义上发生变化的单词，但是它仅仅是孤立地在研究它们；它不利于发现在特定语义创新方面领先或落后的单词。在本文中，我们提出了一种方法来量化每个用法的语义进步程度。这些用法可以被聚合以获得每个文档的分数。我们分析了两大类文献，包括法律意见和科学文章。被预测为语义递进的文档会获得更多的引文，这表明它们特别有影响力。因此，我们的工作提供了一种识别词汇语义领导者的新技术，并展示了引文网络中早期采用与影响之间的新联系。

粒子系统的非平衡扩散特性

以及与社会系统的对应关系

原文标题： 

Non-equilibrium diffusion characteristics of a particle system and the correspondence to a social system

地址：

http://arxiv.org/abs/1909.04208

作者： 

Peng Wang, Feng-Chun Pan, Jie Huo, Xu-Ming Wang

摘要：本文提出了一个Langevin方程来描述一个由相关高斯白噪声驱动的系统，并用临界速度来标定系统的正负阻尼。利用Kramers-Moyal展开将方程转化为Fokker-Planck方程。该解决方案表现出一些非平衡现象。首先，速度/能量的分布曲线呈现随机振荡，然后逐步建立由玻尔兹曼分布描述的近平衡分布。然而，在分布曲线上出现一个尖峰，打破了这种稳定的分布。尖峰沿着速度/能量递减的方向运动，并非线性放大以维持这种状态。最终的分布是由单调上升段和单调下降段形成的尖峰。统计量的计算结果表明，该过程是一个子扩散过程，尖峰源于噪声与空间的相关性。基于广义位移被视为观察粒子所携带的信息，速度被视为主体对事件的敏感度这一基本假设，我们将这一系统中的观察结果映射到一个社会系统中，以了解舆论或信息的传播。

随机过程中的扩散和记忆效应以及

与社会系统中信息传播的对应关系

原文标题：

Diffusion and memory effect in a stochastic processes and the correspondence to an information propagation in a social system

地址：

http://arxiv.org/abs/1909.04220

作者：

Peng Wang, Feng-Chun Pan, Jie Huo, Xu-Ming Wang

摘要：本文提出了一个使用广义Langevin方程来描述具有记忆的系统

以及正负阻尼。通过使用Kramers-Moyal展开，可以将等式转换为Fokker-Planck方程。 Fokker-Planck方程的解表明速度服从高斯分布。随着存储器参数的增加，系统的分布曲线将趋于一致，这表明存储器可以增强系统的随机性。在这种分布背后还有一些其他的记忆效应，可以通过计算传输系数，均方位移和噪声与空间之间的相关性来表征。这些讨论可以与社会系统相平行，以理解记忆引起的社会意识形态的传播。

具有微观和宏观

动态的时间网络嵌入

原文标题：

Temporal Network Embedding with Micro- and Macro-dynamics

地址：

http://arxiv.org/abs/1909.04246

作者：

Yuanfu Lu, Xiao Wang, Chuan Shi, Philip S. Yu, Yanfang Ye

摘要：网络嵌入的目的是将节点嵌入到一个低维空间中，同时捕获网络的结构和属性。虽然已经提出了很多有效的网络嵌入方法，但大多集中在静态网络上。实际上，在微观和宏观动力学方面随时间演变的时间网络无处不在。微观动力学详细描述了网络结构的形成过程，宏观动力学则是指网络规模的演化模式。微观动力学和宏观动力学都是网络演化的关键因素，但如何将二者巧妙地结合起来进行时间网络嵌入，尤其是宏观动力学，还没有得到很好的研究。本文提出了一种新的具有微观和宏观动力学特性的时间网络嵌入方法M2DNE。具体而言，对于微观动力学，我们把边缘的建立看作是时间事件的发生，并提出了一个时间关注点过程，以细粒度的方式捕捉网络结构的形成过程。对于宏观动力学，我们定义了一个基于网络嵌入参数化的一般动力学方程，以捕捉内在的演化模式，并在更高的结构层次上对网络嵌入施加约束。时间网络中微观和宏观动力学的相互演化交替地影响着节点嵌入的学习过程。在三个真实时间网络上的大量实验表明，M2DNE不仅在网络重构等传统任务上，而且在尺度预测等与时间趋势相关的任务上，都显著优于现有技术。

基于深度神经网络的

图嵌入实现Lifelog模式分析

原文标题：

Lifelog Patterns Analyzation using Graph Embedding based on Deep Neural Network

地址：

http://arxiv.org/abs/1909.04252

作者：

Wonsup Shin, Tae-Young Kim, Sung-Bae Cho

摘要：最近，随着智能设备的普及，通过传感器收集的数据量正在增加。Lifelog是一种大数据，用来分析从各种智能设备收集到的个人日常生活中的行为模式。然而，传感器数据是一种低级信号，由于其无法清晰地表达关系，使得人们很难直接识别情况。此外，日常行为模式也很难被识别，因为它通过各种传感器记录异质数据。本文提出了一种定义带节点和边的图结构，并从生成的生命线图中提取日常行为模式的方法。我们使用图卷积方法嵌入生命线图并将其映射到低维。图卷积层通过在非欧几里德空间中嵌入生命线图来提高日常行为模式的表达能力，并学习图的模式。实验结果表明，该方法能从UbiqLog数据集中自动提取有意义的用户模式。此外，我们通过比较我们的方法和现有方法来评估性能，证实了这种方法的有效性。

具有时变有向图的不确定

模型的非贝叶斯社会学习

原文标题：

Non-Bayesian Social Learning with Uncertain Models over Time-Varying Directed Graphs

地址：

http://arxiv.org/abs/1909.04255

作者：

César A. Uribe, James Z. Hare, Lance Kaplan, Ali Jadbabaie

摘要：我们研究了一个不确定模型下的非贝叶斯社会学习问题，在这个问题中，一个主体网络试图基于一系列观察到的信号来协同识别世界的状态。与现有文献相比，我们将注意力集中在从有限的观测中建立关于世界可能状态的主体所持有的统计模型的情景。结果表明，现有的非贝叶斯社会学习方法，可以在这种条件下选择非零概率的错误假设。因此，我们提出了一个新的算法来迭代地构造一组信念，这些信念表示某个假设是否得到了经验证据的支持。该算法可以在具有非双随机权的时变有向图上实现。

Van Der Pol振子

层级网络的动力学性质

原文标题： 

Dynamical properties of hierarchical networks of Van Der Pol oscillators

地址：

http://arxiv.org/abs/1909.04360

作者： 

Daniel Monsivais, Kunal Bhattacharya, Rafael A. Barrio, Philip K. Maini, Kimmo K. Kaski

摘要：在社会和生物系统中发现的振子网络具有广泛的耦合强度和复杂的组织结构。然而，人们发现，宏观尺度上出现的振荡的稳健性和同步性最终成为这些系统运行的关键。为了模拟这种被观察到的动力学，例如在昼夜节律振荡器系统中，我们研究了与分层耦合相连接的Van der Pol振荡器网络。对于每个孤立的振荡器，我们假设相同的基频。通过数值模拟，我们发现耦合系统进入了一个锁相状态，在每个层次上的每个振荡器的相位和频率都是相同的。在层次结构的每个层次上观察到的频率都会发生变化，在最高层达到一个渐近的最低值。值得注意的是，渐近频率可以调谐到非耦合Van der Pol振荡器基频以下的任何值。我们将数值结果与近似解析解的结果进行了比较，并发现它们具有定性一致性。

Quora竞争主题命名

约定：从数百万主题对中

预测适当的主题合并和获胜主题

原文标题： 

Competing Topic Naming Conventions in Quora: Predicting Appropriate Topic Merges and Winning Topics from Millions of Topic Pairs

地址：

http://arxiv.org/abs/1909.04367

作者：

Binny Mathew, Suman Kalyan Maity, Pawan Goyal, Animesh Mukherjee

摘要： Quora是一个受欢迎的问答网站，它使用户能够使用多个相关主题标记问题，从而有助于吸引高质量的答案。这些主题不是预定义的，而是用户定义的约定，在Quora系统中出现多个这样的约定来描述完全相同的概念并不罕见。在几乎所有这些情况下，用户（或Quora版主）手动将主题对合并到其中一个主题中，从而选择一个相互竞争的约定。因此，该网站的一个重要应用是尽早确定这些相互竞争的惯例，以便将来合并。本文提出了一种两步法，将异常检测和监督分类框架相结合，预测数百万个主题对中的两个主题是否真的是相互竞争的，并且是应该合并的，F1值达到0.711。我们还开发了一个模型来预测主题合并的方向，即获胜的约定，F1值达到0.898。我们的系统还能够在合并的第一个月内预测25%的正确合并案例，并在一年内预测40%的案例。这是一个令人鼓舞的结果，因为Quora用户平均需要936天来识别这样一个正确的合并。人类判断实验表明，我们的系统能够预测几乎所有人类能够预测的正确案例，加上人类根本无法识别的37.24%的正确案例。

不均衡下的收入

不平等动态：印度案例

原文标题： 

Dynamics of income inequality under disequilibrium: The case of India

地址：

http://arxiv.org/abs/1909.04452

作者：

Anand Sahasranaman, Henrik Jeldtoft Jensen

摘要：收入不平等是印度面临的最重大的社会经济挑战之一，可能对其民主和社会的未来产生长期影响。本文在没有均衡假设的情况下，探讨了印度的收入不平等，并从动态的角度说明了收入分配中再分配的性质和方向。考虑到平均收入和收入不平等在工业革命后都呈现出上升趋势，我们认为这一过程可以用几何布朗运动（GBM）进行适当的建模。具体地说，我们使用了GBM机制和Berman等人提出的再分配参数（表明收入分配中再分配的性质）。研究发现，自20世纪90年代中期以来，再分配是负的，这意味着收入呈指数级分化，表明资源从穷人向富人的再分配是不正当的。众所周知，印度的静态不平等正在加剧，但有一个假设是，虽然富人从经济增长中获得的好处可能超过比例，但穷人的境况也比以前好。从我们的工作中令人惊讶的发现是，收入不平等的性质使我们从一种渐进的再分配制度转向了倒退的再分配制度。从本质上讲，穷人的持续贫困直接刺激了富人的倍增收入增长。我们在正式制造业和服务业劳动力非正规性增加以及印度农业劳动力净收入可能出现负增长的背景下描述了这些调查结果。为了解决这一现象，可能需要进行重大的结构改革。

使用异构图的局部和全局

关系联合嵌入进行谣言检测

原文标题：

Jointly embedding the local and global relations of heterogeneous graph for rumor detection

地址：

http://arxiv.org/abs/1909.04465

作者：

Chunyuan Yuan, Qianwen Ma, Wei Zhou, Jizhong Han, Songlin Hu

摘要：社交媒体的发展改变了人们交流、分享信息和决策的方式，但同时也为发布和传播谣言提供了一个理想的平台。现有的谣言检测方法侧重于从文本内容、用户配置文件和传播模式中寻找线索。然而，以往的研究并没有充分利用消息传播图中的局部语义关系和全局结构信息。本文提出了一种新的用于谣言检测的全局-局部注意网络（GLAN），它将局部语义信息和全局结构信息联合编码。我们首先通过融合相关转发的语义信息和注意机制，为每个源推文生成更好的集成表示。然后，我们将所有源推文，转推文和用户之间的全局关系建模为一个异构图，以获取丰富的结构信息，用于谣言检测。我们在三个真实世界的数据集上进行了实验，结果表明GLAN在谣言检测和早期检测两个场景中都显著优于最新模型。

可变成本测试的超图

测试组：电力系统案例研究

原文标题：

Group-Testing on Hypergraphs with Variable-Cost Tests: A Power Systems Case Study

地址：

http://arxiv.org/abs/1909.04513

作者： 

Laurence A. Clarfeld, Margaret J. Eppstein

摘要：评估电网中级联失效的风险需要识别电力系统中N个元件的许多小的“缺陷”子集，正是“缺陷”子集使得有缺陷组中的所有元件同时发生电力故障触发大规模的级联失效。RC算法是一种有效地寻找最小缺陷集的最新算法，虽然之前未被承认，但RC算法是一个群体测试算法，因为它可以测试候选解决方案池。RC算法持续减小缺陷池的大小，直到找到最小的缺陷集。利用美国西部电网的一个综合模型，实验表明运行时间是最小化的，初始池比以前推荐的要小得多，几乎是RC速度的两倍。我们将RC与刚刚被提出的一种替代群测试算法（SIGHT）进行了比较。这两种算法都有各自的优点；虽然SIGHT比RC需要更少的总测试次数，但RC需要的缺陷集测试次数较少。因此，每种算法的相对速度取决于有缺陷测试与无缺陷测试的相对成本，这是以前在组测试文献中没有考虑到的因素。在电力系统应用中，缺陷集的测试计算量大得多，因此RC的速度更快。然而，由于只有一个控制参数（与RC中的许多参数相比），SIGHT更容易优化，并且在无缺陷测试足够低的应用中，SIGHT将比RC更快。

在线社会网络中的用户信誉

建模：成本、收益和互惠的作用

原文标题：

Modeling User Reputation in Online Social Networks: The Role of Costs, Benefits, and Reciprocity

地址：

http://arxiv.org/abs/1909.04591

作者：

Frank Schweitzer, Pavlin Mavrodiev, Adrian M. Seufert, David Garcia

摘要：本文分析了一个基于主体的模型，来估计在线社交网络（OSN）中用户的成本和收益如何影响OSN的稳健性。收益是根据用户从其关注者那里获得的相对声誉来衡量的。它们可以通过直接和间接的相互作用而增强，从而形成OSN的核心-外围结构。成本与登录，维护配置文件等的操作有关，并且假定为所有用户都是常量。OSN的稳健性取决于用户随时间的进入和退出。直观地说， 人们会预期更高的成本会导致更多的用户离开，从而导致OSN不那么稳健。我们证明了最优的成本水平存在，它最大化了OSN的性能，通过其用户的长期平均收益来衡量，并且通过OSN核心的寿命测量OSN的鲁棒性。我们的数学推导和计算分析揭示了成本水平的变化如何影响互惠性，进而影响OSN的核心-外围结构，以解释最优成本水平。

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！