学生社会网络研究综述 | 网络科学论文速递29篇

核心速递

• 学生社会网络研究综述;
  

• 图学习：人类如何推断和表示网络;
  

• 网络共生接触过程的动力学相关性和成对理论;

• 复杂网络上意见动力学的聚类和熵;

• 使用Twitter实时确定拒绝服务攻击的影响范围;
• DyANE：用于时间网络的动力学感知节点嵌入;
• 符号二模网络中的平衡;
• HapPenIng：发生、预测、推断——知识图谱中的事件序列补全;
• 生物区块链：智能车辆数据共享的安全解决方案;
• 浅析我们看待复杂网络鲁棒性和弹性的方式;
• 意见动力学的奥卡姆剃刀：加权中位数影响过程;
• 争议性辩论的斥力驱动民意进入五十对五十的状态;
• 利用强化学习的图节点注入攻击;
• 深度协同过滤与异构网络中的多角度信息;
• 加密货币交易曲线的定量分析;
• 动力学竞争网络的中心性;
• （N主体）组的复制种群动力学的相互作用。对称性破缺、阈值亚稳态和宏观行为;
• ChOracle：一个用于流失预测的统一的统计框架;
• 经由多个单能中子照相识别异构货物含氢成分;
• 感到焦虑？使用机器学习感知推特中的焦虑;
• 第27届图绘制及网络可视化国际研讨会（GD 2019）;
• 马尔可夫链的模块化分解：检测普遍的社区层级组织;
• 投票意向在公共舆论极化中的作用;
• 用于兴趣点推荐的两阶段时间敏感联合正则协同排序模型;
• 追赶潮流：2014年和2019在Twitter上讨论政治的情形变化;
• 主题标签（不）是判断性的：2019年Lok Sabha选举不为人知的故事;
• 解密社交媒体中新闻媒体的爆火事件;
• 空间相互作用模型的预测局限：非高斯分析;
• 通过社交媒体分析增强的态势感知：对第一响应者的调查;

学生社会网络研究综述

原文标题：

A Survey on Studying the Social Networks of Students

地址：

http://arxiv.org/abs/1909.05079

作者：

Akrati Saxena, Pratishtha Saxena, Harita Reddy, Ralucca Gera

摘要：研究表明，体育和在线学生的社会网络支持教育吗？分析学校和大学学生之间的互动可以提供丰富的信息。对学生社会网络的研究可以帮助我们了解他们的行为动力学，他们的友谊和学习成绩，社区和群体形成，信息传播等之间的相互关系。通过将研究所获得的成果纳入课堂知识传播和违法行为的传播，可以实现具有不同学术能力和背景的学生的教育目标和整体发展。此外，我们使用社会网络分析（SNA）来识别孤立的学生，确定群体学习文化，分析吸烟，饮酒等各种习惯的传播。在本文中，我们对研究进行了回顾，展示了如何分析学生的社会网络，以帮助我们确定如何利用改进的教育方法使学习在学校和大学层面更具包容性，并通过扩展学生的整体发展来实现学生的全面发展。他们的社会网络，以及控制违法行为的传播。

图学习：人类如何推断和表示网络

原文标题：

Graph learning: How humans infer and represent networks

地址：

http://arxiv.org/abs/1909.07186

作者：

Christopher W. Lynn, Danielle S. Bassett

摘要：人类进行交流，接收和使用物品的序列信息存储 - 在讲座和图书在一个句话或笔记音乐抽象的概念。通过这些项目（节点），并将它们（边）之间的顺序转变形成的网络编码人通讯和知识的重要结构特征。但是，人类如何学习背后的项目序列概率转换的网络？此外，人们有什么样的内部这些网络的地图是什么样子？在这里，我们介绍图的学习，不断增长的和跨学科领域的工作重点是研究人类如何学习和他们周围的世界代表网络。我们首先描述从显示人类善于检测序列项之间的转移概率统计差异建立学习成果。接下来我们介绍直接控制的转移概率的差异，表明人类的行为也严重依赖于过渡的抽象的网络结构，最近的实验。最后，我们提出，研究人员已提出来解释网络结构对人的行为和认知的影响计算模型。自始至终，我们强调了一些在图表的学习，将需要从认知科学家和网络科研机构都创造性见解的研究令人兴奋的开放性问题。

网络共生接触过程的

动力学相关性和成对理论

原文标题：

Dynamical correlations and pairwise theory for the symbiotic contact process on networks

地址：

http://arxiv.org/abs/1909.03981

作者：

Marcelo M. de Oliveira, Sidiney G. Alves, Silvio C. Ferreira

摘要：双物种的共生接触过程（2SCP）是一个随机过程。该过程对应的图上的节点只能有两种情况：为空，或最多容纳两个个体（共生的两个物种各一个）。节点中的物种将各自根据标准接触过程（单物种的接触过程）动力学发展（出生、死亡）。显然，由于共生的原因，具有两个物种的节点的死亡率更低。我们利用成对平均场理论，研究了同质网络和异质网络中动力学关联的作用，并将该方法与一般的单点理论和随机模拟进行了比较。结果表明，我们的理论明显优于单一理论。特别是在随机规则网络上，2SCP模型的稳态通过成对平均场可以非常准确地再现。即使是在相对较小的顶点度值下，也可以观察到标准平均场的表达偏差。而且，这种成对的方法还能够准确地捕获异构网络中的过渡点（单一方法无法不能预测过度点），并提供丰富的相位图。大量的数值模拟验证了我们的理论结果。

复杂网络上意见动力学的聚类和熵

原文标题：

Clusters and the entropy in opinion dynamics on complex networks

地址：

http://arxiv.org/abs/1909.04843

作者：

Wenchen Han, Yuee Feng, Xiaolan Qian, Qihui Yang, Changwei Huang

摘要：在这项工作中，我们研究了复杂网络上修改的Hegselmann-Krause意见模型中的异构群体。我们引入了关于所有相对意见聚类的香农信息熵，以表征最终配置中的聚类概况。与网络结构无关，对于最大数量的簇和最高的熵，存在一个子群的最优顽固性。此外，对于最小数量的聚类和最低熵，存在一个子群的最佳有界置信度（或子群比率）。但是，网络结构确实会影响群集配置文件大的平均学位有利于达成共识，使得不同的网络与完整的图更相似。网络规模对无标度网络上的异构群体的群集配置文件的影响有限，但对小世界网络上的群集配置文件具有显著影响。

使用Twitter实时确定

拒绝服务攻击的影响范围

原文标题：

Determining the Scale of Impact from Denial-of-Service Attacks in Real Time Using Twitter

地址：

http://arxiv.org/abs/1909.05890

作者：

Chi Zhang, Bryan Wilkinson, Ashwinkumar Ganesan, Tim Oates

摘要：拒绝服务（DoS）攻击在Twitter，Facebook和银行等在线和移动服务中很常见。随着分布式拒绝服务（DDoS）攻击的规模和频率的增加，迫切需要确定攻击的影响。该任务的两个主要挑战是从大量用户那里获得反馈并及时获得。在本文中，我们提出了一个弱监督模型，通过在推文上应用Latent Dirichlet Allocation和对称Kullback-Leibler散度，不需要注释数据来衡量DoS问题的影响。弱监督模块存在限制。它假定在时间窗口中检测到的事件是DoS攻击事件。当更多的非攻击事件被收集并且不太可能被识别为新事件时，这将变得不那么成问题。另一种消除该限制的方法是，一个可选的分类层，通过手动注释的DoS攻击推文进行训练，过滤掉非攻击推文，可以用来提高精确度，但代价是召回。实验结果表明，我们可以学习弱监督模型，这些模型可以达到与监督模型相当的精度，并且可以在同一行业的实体中进行推广。

DyANE：用于时间

网络的动力学感知节点嵌入

原文标题：

DyANE: Dynamics-aware node embedding for temporal networks

地址：

http://arxiv.org/abs/1909.05976

作者：

Koya Sato, Mizuki Oka, Alain Barrat, Ciro Cattuto

摘要：已经证明网络节点的低维矢量表示成功地将图数据馈送到机器学习算法并且改善跨不同任务的性能。然而，大多数嵌入技术的开发目标是实现网络结构和模式的密集，低维编码。在这里，我们提出了一种节点嵌入技术，旨在提供低维特征向量，这些向量是在时间网络上发生的动力学过程的信息 - 而不是网络结构本身 - 目的是实现与这些过程和结果相关的预测任务。流程。我们通过使用时间网络的修改的超邻接表示并基于随机游走的静态图的标准嵌入技术来实现这一点。我们证明了所得到的嵌入向量对于与范式动力学过程相关的预测任务是有用的，即在经验时间网络上的流行病传播。特别地，我们说明了我们在扩散过程的单个实例中预测节点流行状态的方法的性能。我们展示了如何将此任务构建为嵌入向量上的监督多标签分类任务，使我们能够在随机时间从节点的部分采样中估计整个系统的时间演变，对临近预报传染病动力学具有潜在影响。

符号二模网络中的平衡

原文标题：

Balance in Signed Bipartite Networks

地址：

http://arxiv.org/abs/1909.06073

作者：

Tyler Derr, Cassidy Johnson, Yi Chang, Jiliang Tang

摘要：今天的大部分大数据可以表示为网络。然而，并非所有网络都是相同的，事实上，对于许多其结构具有额外复杂性的网络，传统的通用网络分析方法不再适用。例如，符号网络包含正链接和负链接，因此开发了专用理论和算法。但是，之前的工作主要集中在一模设置，其中符号链接连接任何节点对。尽管符号二模网络很常见，但却被忽视了。它们具有两种节点类型的复杂性，其中符号链接只能在两个集合中形成，这带来了一些挑战，这些挑战阻止了大多数关于有符号一模和无符号二模网络的现有文献的应用。另一方面，平衡理论是一种关键的符号社会理论，通常被定义为任何长度的循环，并且以三角形的形式用于许多单方面符号的网络任务。然而，在二模网络中没有三角形，而且存在两种类型的节点。因此，在这项工作中，我们使用有符号的二模网络中的最小周期 - 有符号的蝴蝶（即包含两种节点类型的长度为4的周期）进行平衡理论的第一次综合分析和验证。然后，为了研究平衡理论辅助符号二模网络任务的适用性，我们开发了多种符号预测方法，这些方法利用符号蝴蝶形式的平衡理论。我们在三个真实符号二模网络上的符号预测实验证明，使用这些有符号的蝴蝶不仅可以进行符号预测，而且可以为其他符号二模网络分析任务的改进铺平道路。

HapPenIng：发生、预测、推断

——知识图谱中的事件序列补全

原文标题：

HapPenIng: Happen, Predict, Infer — Event Series Completion in a Knowledge Graph

地址：

http://arxiv.org/abs/1909.06219

作者：

Simon Gottschalk, Elena Demidova

摘要：温布尔登锦标赛和美国总统选举等活动系列代表了体育，文化和政治等重要社会领域的重要事件。但是，语义参考源（如Wikidata，DBpedia和EventKG知识图）仅提供不完整的事件序列表示。在本文中，我们针对知识图中的事件序列完成问题。我们解决了两个任务：1）子事件关系的预测，以及2）作为事件序列的一部分发生并且在知识图中缺失的现实世界事件的推断。为了解决这些问题，我们提出的监督HapPenIng方法利用了事件序列的结构特征。HapPenIng不需要任何外部知识 - 这些特征使其在事件推理的上下文中是唯一的。我们的实验评估表明，相应地，HapPenIng在子事件预测和推理任务的精度方面优于基线44和52个百分点。

生物区块链：智能车辆

数据共享的安全解决方案

原文标题：

Biometric Blockchain: A Secure Solution for Intelligent Vehicle Data Sharing

地址：

http://arxiv.org/abs/1909.06369

作者：

Bing Xu, Tobechukwu Agbele, Qiang Ni, Richard Jiang

摘要：智能车辆（IV）已经成为一种很有前途的技术，它可以彻底改变我们的生活，智能城市迟早的事。然而，它尚未从许多安全漏洞受到影响。传统的安全方法不能确保免受恶意攻击的IV数据共享。区块链，如预期的研究和行业社区，已成为一个很好的解决方案来解决这些问题。在IV数据共享的主要问题是信任，数据的准确性和数据共享的可靠性在通信信道。区块链技术，先前为加密货币工作，最近已申请建立在对等网络的网络与IV数据共享类似的拓扑信任和可靠性。在本章中，我们提出了一个新的框架，即生物识别blockchain（BBC），用于安全IV数据共享。在我们的新方案中，生物特征信息被开发为线索，记录谁负责数据共享活动，而所提出的BBC技术作为数据共享IV架构的支柱。因此，所提出的BBC技术提供车辆之间的更可靠的信任环境，而个人身份是在拟议的新方案可追溯。

浅析我们看待复杂

网络鲁棒性和弹性的方式

原文标题：

A look at the way we look at Complex Networks Robustness and Resilience

地址：

http://arxiv.org/abs/1909.06448

作者：

Ulisses Lacerda de Morais, Luis Antunes

摘要：本文提供的有关策略，以减轻在复杂的网络干扰的不利影响目前的研究主题的简要概述。它涉及不清楚使用刚性和弹性术语的问题，并提出了在不同领域的策略比较常见的跨学科的框架。报告最后提出了对未来的研究当前的挑战和建议的高级别讨论。

意见动力学的奥卡姆剃刀：

加权中位数影响过程

原文标题：

Occam’s Razor in Opinion Dynamics: The Weighted-Median Influence Process

地址：

http://arxiv.org/abs/1909.06474

作者：

Wenjun Mei, Francesco Bullo, Ge Chen, Florian Dörfler

摘要：如今舆论的形成深受社会网络的影响，面临着如认为激进，回声室，和公开辩论的意识形态前所未有的挑战。舆论动力学数学模型起着理解这些宏观现象背后的社会相互作用的微观机制的基础性作用。加权平均的意见更新无疑是对舆论的动力学应用最广泛的微观机制。然而，基于加权平均这种模式在他们的预测能力受到限制，仅限于程式化连续意见谱。在这里，我们指出，这些模型的预测中的限制是不是由于缺乏复杂的，但由于加权平均机制本身设有一个不可忽略的现实意义。通过解决认知失调理论框架这一不切实际的特点，提出了一种基于加权中值机制，而不是一种新的舆论动力学模型。出人意料的是，在微观机制这样一个不显眼的变化导致剧烈的宏观后果。在奥卡姆剃刀，我们的新模式，本着尽管其形式简单，具有取决于影响网络结构复杂的共识，分歧的相变。我们的模型给出了也许是在社会学和政治学各种开放的问题，如社会边化和观点激进，该机制回音室，和多极的意见分布的地层之间的连接最简单的答案。值得注意的是，加权平均动态意见适用于有序的多选问题，这是在现代公共辩论和选举盛行的第一款车型。

争议性辩论的斥力驱动

民意进入五十对五十的状态

原文标题：

Repulsion in controversial debate drives public opinion into fifty-fifty stalemate

地址：

http://arxiv.org/abs/1909.06483

作者：

Sebastian M. Krause, Fritz Weyhausen-Brinkmann, Stefan Bornholdt

摘要：意见形成与公共政策强影响的过程。在大的后果有争议的辩论，舆论常常被困在百分之五十的僵持，危及广泛接受的政治决定。从数以百万计的私人讨论的紧急影响，使人们很难理解或影响这种舆论动态。在这里，我们表明，从意见排斥有利于百分之五十的僵局。我们研究了选民的模型，其中主体可以有两种意见或未定状态之间。在配对讨论中，未定剂可以说服或由另一主体人所表达的意见排斥。如果斥力发生在四种情况下，至少一个，如在有争议的辩论中，双方意见的频率相等。再者，我们决定包括主体未定状态的转换。如果出现这种情况的时候，犹豫不决主体的份额变大，如能在民调未定答案的份额来衡量。

利用强化学习的图节点注入攻击

原文标题：

Node Injection Attacks on Graphs via Reinforcement Learning

地址：

http://arxiv.org/abs/1909.06543

作者：

Yiwei Sun, Suhang Wang, Xianfeng Tang, Tsung-Yu Hsieh, Vasant Honavar

摘要：真实世界的图应用，如广告和产品的建议做出基于准确分类节点的标签的利润。然而，在这样的情况下，也有对敌人进行攻击，例如图，以减少节点归类性能高的奖励。上图对抗性攻击以前的工作重点放在修改现有的图结构，这是最现实世界的应用不可行。与此相反，它是更实际的对抗性节点注入现有的图表，其也可以潜在地降低了分类器的性能。在本文中，我们研究了新的节点注入中毒攻击问题，其目的是毒害图。我们描述了强化学习为基础的方法，即NIPA，依次修改注入节点的对抗性信息。我们报告的使用几个基准数据集，表明了该方法NIPA相对于现有的国家的最先进的方法，优越的性能，实验的结果。

深度协同过滤与

异构网络中的多角度信息

原文标题：

Deep Collaborative Filtering with Multi-Aspect Information in Heterogeneous Networks

地址：

http://arxiv.org/abs/1909.06627

作者：

Chuan Shi, Xiaotian Han, Li Song, Xiao Wang, Senzhang Wang, Junping Du, Philip S. Yu

摘要：近日，推荐系统起到缓解信息超载的问题了举足轻重的作用。潜在因素模型已被广泛用于建议。大多数现有的潜在因子模型主要是利用用户和项目之间的互动信息，虽然最近的一些扩展模型的利用一些辅助信息，了解用户和物品统一的潜在因素。统一的潜在因素仅代表用户的特征和购买历史的方面项目的属性。然而，用户的特征和物品的特性可以从不同的方面，例如，品牌方面和物品类别纵横干。此外，潜在因子模型通常用较浅的投影，它无法捕捉用户和项目的特性良好。在本文中，我们提出了一个基于神经网络的方面级协同过滤模型（NeuACF）利用不同方面潜在因子。通过作为多相信息网络建模在推荐器系统的丰富的对象的属性和关系，NeuACF第一至不同的元的路径中提取用户和项目的不同方面级相似性矩阵分别，然后馈送与这些矩阵，以一个精心设计的深层神经网络学习方面级的潜在因素。最后，方面级潜因素被融合的前N个建议。此外，为了更有效地融合来自不同方面的信息，我们进一步提出NeuACF ++融合与自我注意机制方面级的潜在因素。三个真实世界的数据集大量的实验表明，NeuACF和NeuACF ++显著优于现有两个潜在因素模型和最近的神经网络模型。

加密货币交易曲线的定量分析

原文标题：

Quantitative analysis of cryptocurrencies transaction graph

地址：

http://arxiv.org/abs/1909.06767

作者：

Amir Pasha Motamed, Behnam Bahrak

摘要：加密货币作为资产转让和保证金融交易的一种新的方式在近几年得到普及。加密货币交易是公开的，因此，对这些货币的不同方面的统计研究是可能的。然而，之前加密货币交易的统计分析已经十分有限，而且大多致力于比特币，用这些货币之间没有全面的比较。在这项研究中，我们打算比较比特币，复仇，莱特币，短跑，和Z-现金的交易图，相对于他们的交易图表随时间变化的动态，并讨论它们的属性。特别是，我们观察到，节点和事务图的边，而这些图的密度的增长速度，是密切相关的这些货币的价格。我们还发现，这些货币的交易图表是非选型，以及它们的交易图表的程度顺序遵循幂律分布。

动力学竞争网络的中心性

原文标题：

Centrality in dynamic competition networks

地址：

http://arxiv.org/abs/1909.06810

作者：

Anthony Bonato, Nicole Eikmeier, David F. Gleich, Rehan Malik

摘要：竞争网络经由参与者之间对抗性相互作用形成的。动力学竞争假说预测，在竞争的网络影响力的演员应该有很多其他节点的大量共同出邻居。我们实证研究这一理念作为核心地位分数，并找到重要的衡量预测在几个真实世界的网络，包括食物网，冲突的网络，并从幸存者投票数据。

（N主体）组的复制

种群动力学的相互作用。对称

性破缺、阈值亚稳态和宏观行为

原文标题：

Replicator population dynamics of group (n-agent) interactions. Broken symmetry, thresholds for metastability and macroscopic behavior

地址：

http://arxiv.org/abs/1909.06858

作者：

Emmanuel Artiges, Carlos Gracia-Lazaro, Luis Mario Floria, Yamir Moreno

摘要：我们从基本的物理因素分析再现（演化动力学）战略家的公共品博弈达尔文的竞争，对原型 N   - 主体（集团）经济和生物相互作用。在所提出的设置中，人口分成小组，被链接到这组表现个体的适应，而演化动力学发生全球性的地方。服用（组）的优点置换对称性，“尺度”马氏相空间的许多竞争性基团的非线性分析是在很大程度上是可行的，关于历史演化的预期典型性。这些预测是用于主体（微观）动力学的数值模拟结果的合理理解的基础。作为上，例如模型相关的问题，这些结果的潜在影响组选，“社会规范”，还是普通货物的可持续发展中的作用，突出在简洁而言，结束之前。

ChOracle：一个用于流失

预测的统一的统计框架

原文标题：

ChOracle: A Unified Statistical Framework for Churn Prediction

地址：

http://arxiv.org/abs/1909.06868

作者：

Ali Khodadadi, Seyed Abbas Hosseini, Ehsan Pajouheshgar, Farnam Mansouri, Hamid R. Rabiee

摘要：用户流失是在线服务的一个重要问题，威胁到服务的健康状况和盈利能力。对大多数预测流失以前的作品转换成问题的地方搅动和非搅动用户标记的二元分类任务。最近，一些作品都试图在用户流失预测问题转化成用户恢复时的预测。在这种方法是在现实世界中的在线服务更加逼真，在每个时间步长的模型预测预测流失标签的用户返回时间来代替。然而，这一类的以前的作品缺乏一般性的受苦，需要高计算复杂度。在本文中，我们将介绍 EMPH ChOracle，即通过模拟用户返回时间利用时空点过程和递归神经网络的组合服务预测用户流失的预言。此外，我们引入隐变量纳入拟议回归神经网络的潜在用户的忠诚度的系统模型。我们还通过使用由时间反向传播发展为学习所提出的RNN的参数的高效近似算法变。最后，我们证明ChOracle对各种现实世界的数据集的卓越性能。

经由多个单能中子照相

识别异构货物含氢成分

原文标题：

Hydrogenous content identification in heterogeneous cargoes via multiple monoenergetic neutron radiography

地址：

http://arxiv.org/abs/1909.06920

作者：

Jill Rahon, Areg Danagoulian

摘要：的含氢量在商业货物的确定是在货物安全的一个重要挑战。以前的工作已显示出射线摄影应用的含氢货物分类的可行性。这一结果是通过使用显著材料在其中子散射横截面的能量相关材料的差异来实现。这里介绍的工作细节这项技术的几个异构货物的实物模型与量化含氢量的目标多单能中子传输测量中的应用。它表明通过执行发射中子的脉冲高度数据的分析，以确定集装箱的内容含氢的能力。用于这些可行性研究的设立是能够检测和定量至多30的面密度克/厘米 ^ 2高密度聚乙烯（HDPE），即使当与金属材料的混合。货物的含氢量的精确测定有两个重要的用途：它可以实现更好的成像和货物筛选过程中的常规违禁歧视的;它也可以允许从有效原子序数各个元素的贡献的展开， Z _  mathrm EFF ，如从多个单能伽玛射线照相（器MMgr）测定。这种功能组合可以使多单能中子照相应用到货物安全显著贡献。

感到焦虑？使用机器

学习感知推特中的焦虑

原文标题：

Feeling Anxious? Perceiving Anxiety in Tweets using Machine Learning

地址：

http://arxiv.org/abs/1909.06959

作者：

Dritjon Gruda, Souleiman Hasan

摘要：这项研究提供了一个预测测量工具从纵向的角度来看，研究认为焦虑使用非侵入式的机器学习的方法来扩展人的评价在微博焦虑。结果表明，我们所选择的机器学习方法描绘感觉到随着时间的推移用户状态焦虑的波动，以及平均特质焦虑。我们进一步找到感觉焦虑和结果之间的反向关系，如社会参与和知名度。对个人，组织和社会层面影响进行了讨论。

第27届图绘制及网络可

视化国际研讨会（GD 2019）

原文标题：

Proceedings of the 27th International Symposium on Graph Drawing and Network Visualization (GD 2019)

地址：

http://arxiv.org/abs/1909.07013

作者：

Daniel Archambault, Csaba D. Tóth

摘要：这是该指数的arXiv为GD 2019，其中包含一个可选的附件同行评审和修订录用论文的电子诉讼。论文集（不含附件）也被由Springer在计算机科学系列讲义出版。

马尔可夫链的模块化分解：

检测普遍的社区层级组织

原文标题：

Modular decomposition of Markov chain: detecting hierarchical organization of pervasive communities

地址：

http://arxiv.org/abs/1909.07066

作者：

Hiroshi Okamoto, Xu-le Qiu

摘要：在网络科学，一组在比与组外的概率更高相互连接的节点被称为一个社区。从个别社区与构成由网络描述了复杂的系统的功能模块相关联，发现社区透视对于理解这些系统的整体功能主要是重要的。很多努力，一直致力于开发方法，因为网络科学的早期网络中检测社区。尽管如此，以揭示真实世界的网络社区的主要特征的方法有待建立。在这里，我们制定的随机游走扩散到整个网络分为本地模块作为主体为社区分解。这个制剂显示社区及其分层组织，这是真实世界的网络的特点，但超出大多数现有的方法遥不可及的普遍结构。

投票意向在公共舆论极化中的作用

原文标题：

The role of voting intention in public opinion polarization

地址：

http://arxiv.org/abs/1909.07092

作者：

Federico Vazquez, Nicolas Saintier, Juan Pablo Pinasco

摘要：我们引进和学习中的有两位候选人之间作出选择主体一个人口投票意向的动力学的简单模型。给定药剂的犹豫不决的水平通过其倾向建模投给两个选择中的一个，通过在[0,1]变量 a  P 表示。当一个主体 I 与另一种药剂Ĵ用倾向 pj 相互作用，然后 I 或者通过 H 的概率 P IJ = 欧米加PI +（1- 欧米加增加其倾向 P_I  ）p_j ，或由 H 的概率 1 PIJ ，其中 H 是一个固定的步骤减小  P_I。我们通过一个速率方程的方法分析系统和对比度蒙特卡罗模拟的结果。我们发现，倾向的力度取决于主体分配给自己的倾向，体重  欧米茄。当所有的权重分配给所述相互作用配偶体（ 欧米加= 0 ），主体倾向被快速驱动到极端值 p值= 0 或 p值= 1 之一，直到一个极端吸收共识实现。然而，对于 欧米加> 0 系统首先到达对称极化的准稳定状态下倾向的分布具有逆高斯的形状以最小的在中心 P = 1/2 和两个最大值在极值 p值= 0,1 ，直到对称性被破坏，所述系统被驱动到极端共识。线性稳定性分析表明，该偏振态的寿命，由均值共识时间  tau蛋白估计，如发散  tau蛋白 SIM（1- 欧米加）^  -  2  LN N 当 欧米加接近 1 ，其中 N 是系统的尺寸。最后，连续的近似允许导出输运方程，其对流术语与颗粒从朝向极端中心的漂移兼容。

用于兴趣点推荐的两阶段

时间敏感联合正则协同排序模型

原文标题：

A Joint Two-Phase Time-Sensitive Regularized Collaborative Ranking Model for Point of Interest Recommendation

地址：

http://arxiv.org/abs/1909.07131

作者：

Mohammad Aliannejadi, Dimitrios Rafailidis, Fabio Crestani

摘要：基于位置的社会网络（LBSNS）的普及，导致用户检入数据的大量。推荐的兴趣点（POI）起着满足在LBSNS用户的需求了关键作用。虽然最近的工作已探索采取了推荐协作评定（CR）的想法，已经有纳入时间信息使用CR POI推荐一些尝试。在这篇文章中，我们提出了整合的POI的地域影响力和基于兴趣点的人气和用户的随时间活动的方差正规化两相CR算法。时间敏感的正则惩罚用户和兴趣点已经过去更多的时间敏感，帮助模式，同时从用户交互POI学习考虑到其长期的行为模式。此外，在第一阶段，它试图排名比未访问的那些更高的访问兴趣点，并在同一时间，应用地域的影响。在第二阶段，我们的算法试图排名用户的喜爱的POI更高的推荐名单上。这两个阶段采用合作学习策略，使该模型从两个不同的角度捕捉复杂的潜在关联。现实世界的数据集实验表明，我们提出的对时间敏感的协作评定模型击败的国家的最先进的POI推荐的方法。

追赶潮流：2014年和2019

在Twitter上讨论政治的情形变化

原文标题：

Catching up with trends: The changing landscape of political discussions on twitter in 2014 and 2019

地址：

http://arxiv.org/abs/1909.07144

作者：

Avinash Tulasi, Kanay Gupta, Omkar Gurjar, Sathvik Sanjeev Buggana, Paras Mehan, Arun Balaji Buduru, Ponnurangam Kumaraguru

摘要：4G的到来增加了互联网在印度的使用情况，其中讨论了一个庞大的在线人数。在线社会网络（嗅觉神经元）是这些讨论的中心。在选举中，政治讨论构成了这些网络上的热门话题一个显著部分。政治家和政党赶上这些趋势，然后社交媒体成为他们的宣传议程的一部分。我们不能忽视任何选举这一趋势，无论是中美，德国，法国，还是印度。Twitter是我们观察这些趋势的重要平台。在这项工作中，我们通过对比2014年和2019印度大选在诸如性别，政党，地理，各级平台的使用检查在Twitter上的政治讨论的幅度。为了进一步设法了解战略，其次是政党，我们比较了他们是如何有效地利用该平台的条款由印度人民党（BJP）和印度国大党（INC）在2019年的大选Twitter的使用情况。我们特别分析谁胜出政治家的句柄。使用诸如“下面的”，“啁啾习惯”参数莫迪（@narendramodi）和拉胡尔·甘地（@RahulGandhi），“源用于鸣叫”，与文本一起：那么我们继续来比较BJP和INC的frontmen举行政治手柄鸣叫的分析。随着这项工作，我们也引入了丰富的数据集涵盖了大部分过程在2014年和2019年选举期间作出的鸣叫。

主题标签（不）是判断性的：2019

年Lok Sabha选举不为人知的故事

原文标题：

Hashtags are (not) judgemental: The untold story of Lok Sabha elections 2019

地址：

http://arxiv.org/abs/1909.07151

作者：

Saurabh Gupta, Asmit Kumar Singh, Arun Balaji Buduru, Ponnurangam Kumaraguru

摘要：在在线社交媒体主题标签已经成为一种让用户能在主题建立社区，促进意见和分类信息。在政治方面，在Twitter主题标签被用来通过用户竞选的政党，新闻传播，或者让追随者，并按照围绕一个主题标签内置的讨论得到一个总体思路。在过去，研究人员已经利用了很多围绕主题标签收集的数据的研究某些类型和主题标签的特定属性。在本文中，我们执行只用在印度2019年人民院选举期间在Twitter上分享的主题标签选举的大规模实证分析。我们研究的趋势和事件在地面上展开，潜在主题揭露代表井号标签和语义相似性与选举结果相关主题标记。我们收集2400万＃标签进行大量实验。在我们的数据集中的鸣叫首先，我们发现趋势主题标签交叉引用它们列出下来引人注目的事件。其次，我们使用隐含狄利克雷分布寻找数据集中的主题模体。最后，我们用跳跃克字嵌入模型发现语义相似主题标记。我们提出的知名度和影响指标来预测仅使用＃标签选举结果。实证结果表明，影响是预测选举结果一个很好的措施。

解密社交媒体中

新闻媒体的爆火事件

原文标题：

Uncovering Flaming Events on News Media in Social Media

地址：

http://arxiv.org/abs/1909.07181

作者：

Praboda Rajapaksha, Reza Farahbakhsh, Noel Crespi, Bruno Defude

摘要：社交网站（SNS网站）促进思想和信息，通过不同类型的反馈，包括发布的帖子，留下意见和其他类型的反应的共享。然而，在SNS的一些意见或反馈是轻率和进攻，而有时这种类型的反馈对目标用户产生非常不利的影响。被称为火焰状现象去手牵手与这种类型的发布可以触发几乎立即上的SNS。最受欢迎的用户，如名人，政客和新闻媒体是燃烧的行为的主要受害者，所以检测这些类型的事件将是有益的和赞赏。火红的事件进行监控和通过分析后收到的负面评价标识。因此，我们的这项研究的主要目的是找出一种方法来检测使用情绪预测方法在SNS燃烧事件。我们使用深层神经网络（NN）模型，可变长度的句子都可以认同的情绪和分类的SNS内容的情绪（包括文章和评论）发现燃烧事件。我们深厚的神经网络模型使用Word2Vec和FastText字嵌入方法作为其训练探索哪种方法是最合适的。用于训练NN深标记数据集使用增强基于词典的方法生成的。我们深厚的神经网络模型句子的情绪划分为五类：非常积极，正面，中性和负面非常负面。为了检测燃烧事件中，我们只注重分为阴性和非常消极类的评论。作为一个用例中，我们尝试探索在新闻媒体领域燃烧的现象，因此我们将重点放在发布三个流行的新闻媒体在Facebook上（BBCNews，CNN和福克斯新闻）新闻条目进行训练和测试模型。

空间相互作用模型

的预测局限：非高斯分析

原文标题：

Predictive limitations of spatial interaction models: a non-Gaussian analysis

地址：

http://arxiv.org/abs/1909.07194

作者：

B. Hilton, A. P. Sood, T. S. Evans

摘要：我们提出了一个以空间相互作用模型对基于众所周知的统计措施适用于这样的模型和数据的数据进行比较的方法。我们说明了使用广泛使用的例子中，我们的做法：通勤数据，特别是来自美国人口普查2000年。我们发现，辐射模型比适当选择简单的引力模型显著恶化。各种结论作出关于空间相互作用模型的开发和使用，包括：那个空间的互动模式适合严重到的数据在绝对意义上，因此过度拟合小，增加额外的拟合参数的风险提高了模型的预测能力和输入数据的适当的选择可以提高模型的拟合。

通过社交媒体分析增强的

态势感知：对第一响应者的调查

原文标题：

Situational Awareness Enhanced through Social Media Analytics: A Survey of First Responders

地址：

http://arxiv.org/abs/1909.07316

作者：

Luke S. Snyder, Morteza Karimzadeh, Christina Stober, David S. Ebert

摘要：社交媒体数据已被越来越多地用于促进事件和紧急情况如自然灾害期间态势感知能力。虽然研究人员已经研究了几种方法来概括，想象或水雷进行分析的数据，第一反应一直没能充分利用的研究进展主要是由于学术研究和部署，功能系统之间的差距。在本文中，我们探索有效利用社会化媒体数据从第一响应者的角度的机遇和障碍。我们提出的与他们的态势感知使用社交媒体的第一反应几个详细的访谈摘要。我们进一步评估SMART-社交媒体的可视化分析系统，对第一响应者操作的影响。

来源：网络科学研究速递

审校：李沁洋

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！