- 几何空间中数据簇团或网络社区的角可分性及其与双曲嵌入的关系;
- 基于主体的创造性领导有效性模拟;
- 临近性网络的潜在几何和动态;
- 使用立场分类进行假新闻检测：一项综述;
- 具有顽固链接的社会网络动态的不稳定性;
- 使用节点中心性度量子网中的影响;
- 搜寻对个性化内容图像推荐的影响;
- 使用图嵌入的无监督对抗图对齐;
- 利用社会信号改进加密货币价格预测;
- 基于社交媒体的用户嵌入：文献综述;
- iPool——层级图神经网络中基于信息的池化;
- 网络结构与初始群体规范分布在规范冲突中的作用;
几何空间中数据簇团或网络社区的角可分性及其与双曲嵌入的关系
原文标题： Angular separability of data clusters or network communities in geometrical space and its relevance to hyperbolic embedding
地址： http://arxiv.org/abs/1907.00025
作者： Alessandro Muscoloni, Carlo Vittorio Cannistraci
摘要： 分析以高维度为特征的“大数据”，例如单词向量和复杂网络，通常需要通过嵌入在几何空间中表示。机器学习和网络几何的最新发展已经指出双曲空间是用于表示由真实复杂物理系统导出的该数据的有用框架。在双曲空间中，节点的径向坐标表征它们的层次结构，而它们之间的角距离表示它们的相似性。一些研究强调了嵌入在双曲线空间中的节点的角坐标与可用的社区元数据之间的关系。然而，这种分析通常仅限于视觉或定性评估。在这里，我们引入角度分离指数（ASI），以定量评估节点网络社区或数据集群在几何空间的角坐标上的分离。 ASI在双曲线空间中特别有用 - 在此研究中对其进行了广泛测试 - 但无论采用何种几何形状，ASI都可用于角度分离的任何评估。提出ASI以及基于均匀随机零模型的精确检验统计量来评估分离的统计显著性。我们证明ASI允许发现网络几何中的两个重要现象。首先，二维双曲线网络生成模型中温度的升高，不仅减少了网络聚类，而且还将网络的“维数跳跃”引入到高于2的维度。第二，ASI可以成功应用于检测在隐藏的几何空间中生长的网络结构的内在维度。
基于主体的创造性领导有效性模拟
原文标题： An Agent-based Simulation of the Effectiveness of Creative Leadership
地址： http://arxiv.org/abs/1005.1516
作者： Stefan Leijnen, Liane Gabora
摘要： 本文使用EVOC（一种基于主体的文化演化模型）研究创造性与非创造性领导的有效性。每次迭代，人工社会中的每个主体都会发明一个新动作，或模仿邻居的行为。只有领导者的行为才能被所有其他主体（称为粉丝）模仿。使用了两种创造性衡量标准：（1）发明与模仿比率，iLeader，衡量代理人发明的频率，以及（2）概念变化率，cLeader，衡量发明的创造性。高iLeader增加了思想的平均适应性，但只有当追随者的创造力很低时。高iLeader仅在创意产生的早期阶段与更多的想法相关联。高级领导者在创意创造的早期阶段提高了思想的平均适应性;在后期阶段，它降低了观念适应性。讨论了这些发现的原因以及对人类社会创造性领导的暂时影响。
临近性网络的潜在几何和动态
原文标题： Latent geometry and dynamics of proximity networks
地址： http://arxiv.org/abs/1907.00073
作者： Fragkiskos Papadopoulos, Marco Antonio Rodríguez Flores
摘要： 邻近性网络是时变图，表示在物理空间中移动的人之间的亲密度。在过去的十年中，它们的性质得到了广泛的研究，因为它们严重影响了扩散现象的行为和路由算法的性能。然而，负责其观察到的特征的机制仍然难以捉摸。在这里，我们展示了临近性网络的许多观察到的属性在一个简单的潜在空间网络模型中自然地同时出现，称为动态S。动态S不直接模拟节点移动性，但捕获每个快照中的连接性-模型中的每个快照都是S的实现传统复杂网络的模型，与双曲几何图同构。通过放弃运动组件，模型便于数学分析，使我们能够证明接触，接触和重量分布。我们证明这些分布是热力学极限中的幂律，指数位于实际系统中观察到的范围内。有趣的是，我们发现网络温度在网络动态中发挥着核心作用，决定了这些分布的指数，时间聚合的代理程度，以及独特和重复组件的形成。此外，我们表明，范式流行和谣言传播过程在实际和建模网络中表现相似。动态S或它的扩展可能适用于其他类型的时变网络，并构成最大似然估计方法的基础，推断节点坐标及其在潜在空间中的演化。真实的系统。
使用立场分类进行假新闻检测：一项综述
原文标题： Fake News Detection using Stance Classification: A Survey
地址： http://arxiv.org/abs/1907.00181
作者： Anders Edelbo Lillie, Emil Refsgaard Middelboe
摘要： 本文调查并介绍了在姿态分类和假新闻检测领域开展的近期学术工作。由于微博中的意见分化，回声室和模型生物问题是对获取高质量数据提出挑战的例子。然而，显示出几种机器学习方法在分类姿势方面取得了可喜的成果。一些人使用群体立场进行假新闻检测，例如[Dungs et al。，2018]中使用隐马尔可夫模型的方法。此外，特征工程在几种方法中具有重要意义，如[Aker等，2017]所示。本文还包括基于所提出的调查的系统实现的提议。
具有顽固链接的社会网络动态的不稳定性
原文标题： Instability of social network dynamics with stubborn links
地址： http://arxiv.org/abs/1907.00352
作者： Somaye Sheykhali, Amir Hossein Darooneh, Gholam Reza Jafari
摘要： 本文基于结构平衡理论研究了存在顽固链接的符号网络。网络中的每个代理都有正负链接的混合，表示友好和敌对的互动以及他对交互的固执。结构平衡理论确认，在具有同时友好/敌对相互作用的签署社会网络中，随着时间的推移，总体趋势是逐渐减少紧张局势。从这个角度来看，个体反复颠倒他们自己的情绪，以减少由不平衡引起的感觉紧张。在本文中，我们调查了代理人固执对其交互的影响。我们将顽固定义为一种抵抗变化的极端对抗性互动。在本文中，我们调查了顽固链路的存在是否会对网络的平衡状态产生影响，以及符号网络中的平衡程度是否取决于顽固链路的位置。我们的结果表明，不均衡的配置由多个拮抗组组成。分析和仿真结果都表明，网络平衡的全局平衡更多地受到结果网络拓扑中顽固链路的位置的影响，而不是顽固链路的分数。这意味着即使有很大一部分顽固的链接，网络也会向平衡状态发展。另一方面，如果一小部分顽固的链接聚集在五个顽固的社区中，那么网络就会演变成一个不平衡的状态。
使用节点中心性度量子网中的影响
原文标题： Influence measures in subnetworks using vertex centrality
地址： http://arxiv.org/abs/1907.00431
作者： Roy Cerqueti, Gian Paolo Clemente, Rosanna Grassi
摘要： 这项工作涉及评估节点在整个网络及其所属的子网中的影响的问题，适应顶点中心性的经典思想。我们提供了相对于经典算法的相对顶点中心度量的一般定义，涉及整个网络。具体来说，我们通过包括单个节点相对于包含它的给定子图的相对影响来给出相对中心度量的分解。建议的相对中心性度量在通过收集 S ＆P 100资产产生的经验网络中进行测试，重点关注两个特定的中心指数：中介性和特征向量中心性。分析是在时间视角下进行的，在整个网络和资产所属的特定部门中捕获资产对所分析测量的特征的影响。
搜寻对个性化内容图像推荐的影响
原文标题： Effects of Foraging in Personalized Content-based Image Recommendation
地址： http://arxiv.org/abs/1907.00483
作者： Amit Kumar Jaiswal, Haiming Liu, Ingo Frommholz
摘要： 推荐系统的主要挑战是帮助用户找到有趣的物品。个性化推荐系统已经变得非常流行，因为它们试图预先确定用户的需求并向他们提供个性化他们的导航的建议。然而，很少有研究解决了什么驱使用户注意集合中的特定内容以及影响有趣项目选择的因素。为此，我们采用信息搜寻理论（IFT）的视角来进行图像推荐，以展示用户如何利用视觉书签来定位有趣的图像。我们研究了一个基于个性化内容的图像推荐系统，通过加强基于IFT的视觉注意线索来了解影响用户注意力的因素。我们进一步发现，视觉书签（提示）会导致推荐的图像集合更强烈的气味。我们的评估基于Pinterest图像集。
使用图嵌入的无监督对抗图对齐
原文标题： Unsupervised Adversarial Graph Alignment with Graph Embedding
地址： http://arxiv.org/abs/1907.00544
作者： Chaoqi Chen, Weiping Xie, Tingyang Xu, Yu Rong, Wenbing Huang, Xinghao Ding, Yue Huang, Junzhou Huang
摘要： 图对齐，也称为网络对齐，是社会网络分析中的基本任务。许多最近的工作依赖于部分标记的交叉图节点对应关系，即锚链接。但是，由于隐私和安全问题，针对不同场景的锚链的手动标记可能是禁止的。将两个图对齐而没有任何锚链接是一项至关重要且具有挑战性的任务。在本文中，我们提出了一种无监督的对抗图对齐（UAGA）框架，以完全无监督的方式学习不同图的两个嵌入空间之间的交叉图对齐（ emph ie没有现有的锚链接，没有用户的个人个人资料或属性信息可用）。所提出的框架学习每个图的嵌入空间，然后尝试通过对抗训练对齐两个空间，然后进行细化过程。我们进一步将UAGA方法扩展为增量UAGA（iUAGA），迭代地基于伪锚链接显示未观察到的用户链接。这可以用于进一步改善嵌入质量和对准精度。此外，所提出的方法将有益于一些现实世界的应用， emph（例如，）社会网络中的链路预测。对真实世界数据的综合实验证明了我们提出的方法UAGA和iUAGA对无监督图对齐的有效性。
利用社会信号改进加密货币价格预测
原文标题： Improved Forecasting of Cryptocurrency Price using Social Signals
地址： http://arxiv.org/abs/1907.00558
作者： Maria Glenski, Tim Weninger, Svitlana Volkova
摘要： 社交媒体信号已成功用于开发大规模预测和预期分析。例如，预测股市价格和流感爆发。最近，已经探索了社会数据来预测加密货币的价格波动，这是一种具有重大政治和经济影响的新型破坏性技术。在本文中，我们利用和对比社交信号的预测能力，特别是用户行为和沟通模式，来自多个社交平台GitHub和Reddit，以预测具有高开发者和社区兴趣的三种cyptocurrencies的价格 - 比特币，以太坊和Monero。我们评估神经网络模型的性能，这些模型依赖于历史价格数据和社会数据训练的长期短期记忆单位（LSTM）与仅有价格的LSTM和基线自回归综合移动平均线（ARIMA）模型，通常用于预测股票价格。我们的结果不仅证明了社交信号在预测每日硬币价格时减少了错误，而且还表明Reddit（r / Bitcoin，r / Ethereum和r / Monero）官方社区的评论中使用的语言是整体的最佳预测因子。我们观察到，与以太坊（7％）和Monero（8％）相比，比特币提前一天预测价格（4％均方根误差百分比）更准确。
基于社交媒体的用户嵌入：文献综述
原文标题： Social Media-based User Embedding: A Literature Review
地址： http://arxiv.org/abs/1907.00725
作者： Shimei Pan, Tao Ding
摘要： 自动表示学习是许多最近机器学习成功案例的背后原因。它通常用于将从大数据集（例如，原始文本）学习的知识转移到仅有少量训练样例可用的任务。在本文中，我们回顾了学习在低维嵌入中表示社交媒体用户的最新进展。该技术对于创建基于社交媒体的高性能人类特征和行为模型至关重要，因为评估潜在人类特征和行为的基本事实通常很难获得大规模。在该调查中，我们回顾了用于从异构用户数据学习统一用户嵌入的典型方法（例如，将社交媒体文本与图像组合以学习统一的用户表示）。最后，我们指出了一些当前的问题和未来的方向。
iPool——层级图神经网络中基于信息的池化
原文标题： iPool -- Information-based Pooling in Hierarchical Graph Neural Networks
地址： http://arxiv.org/abs/1907.00832
作者： Xing Gao, Hongkai Xiong, Pascal Frossard
摘要： 随着数据科学的出现，对网络或图数据的分析已成为一个非常及时的研究问题。已经提出了各种近期工作，以从谱图论或空间角度将神经网络概括为图。然而，这些工作中的大部分都集中在使卷积运算符适应图表示。与此同时，汇集运算符在提取多尺度和层次表示方面也起着重要作用，但到目前为止它几乎被忽视了。在本文中，我们提出了一个名为iPool的无参数池操作符，它允许在任意图中保留信息量最大的特征。由于信息节点主要表征图信号的论点，我们提出了一个标准来评估给定其邻居的每个节点的信息量，并在理论上证明其与邻域条件熵的关系。此新标准确定如何选择节点并在池化层中构建粗化图。得到的层次结构产生任意拓扑中的网络数据的有效同构不变表示。所提出的策略是根据公共图表数据集（包括生物信息学和社会网络）的图表分类进行评估，并在大多数数据集上实现最先进的性能。
网络结构与初始群体规范分布在规范冲突中的作用
原文标题： The Role of Network Structure and Initial Group Norm Distributions in Norm Conflict
地址： http://arxiv.org/abs/1907.00888
作者： Julian Kohne, Natalie Gallagher, Zeynep Melis Kirgil, Rocco Paolillo, Lars Padmos, Fariba Karimi
摘要： 社会规范可以通过提供隐含共享的期望和行为准则来促进群体中的社会共存。但是，不同的社会群体可以持有不同的规范，缺乏总体的规范性共识会导致群体内部和群体之间的冲突。在本文中，我们提出了一个基于主体的模型，该模型模拟了两个相互作用组中规范的采用。我们在改变相对群体大小和同质/异质性（网络结构的两个特征）和初始群体规范分布的同时探索这种现象。代理根据Granovetter阈值模型的改编版本，使用均匀分布的阈值来更新其规范。我们研究网络结构和初始规范分布对实现规范共识的过程的影响以及由此产生的群内和群体间冲突的可能性。我们的结果表明，当规范与群体成员关系密切相关时，规范变化最有可能发生。当网络是嗜异性的时，群体最终会得到最相似的规范分布，其中包括中小型群体。高嗜同性网络显示出高潜在的群际冲突和低潜在的群内冲突，而高嗜异性网络则出现相反的模式。
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。
网友评论