- 复杂系统科学及其应用简介;
- 使用微博情感分析和群体智慧预测事件结果;
- Instagram上集体认同的形成——调查为未来星期五社会运动;
- 超越节点嵌入：同构网络的有向无监督边表示框架;
- 映射带缺失边的稀疏的网络流;
复杂系统科学及其应用简介
原文标题： An Introduction to Complex Systems Science and its Applications
地址： http://arxiv.org/abs/1912.05088
作者： Alexander F. Siegenfeld, Yaneer Bar-Yam
摘要： 背后许多概念和定量框架的标准假设不成立了许多复杂的物理，生物和社会系统。复杂系统科学澄清时候，为什么这样的假设失败，并提供其它框架理解复杂系统的性能。本文综述介绍了一些复杂的系统科学的基本原则，包括复杂型材，效率和适应性之间的权衡中，系统的复杂性匹配，他们的环境，多尺度分析，和演化过程的必要性。我们的重点是的，而不是特定的动力学建模系统的一般属性;而不是提供一个全面的检讨，我们教学上描述了了解，并与我们的世界的复杂系统交互的概念和分析方法。随着一些脚注外，本文假定只有高中的数学和科学背景，所以它可能是访问在各领域的学者，在工业界，政府和慈善事业，任何决策者谁是有兴趣在系统和社会。
使用微博情感分析和群体智慧预测事件结果
原文标题： Event Outcome Prediction using Sentiment Analysis and Crowd Wisdom in Microblog Feeds
地址： http://arxiv.org/abs/1912.05066
作者： Rahul Radhakrishnan Iyer, Ronghuo Zheng, Yuezhang Li, Katia Sycara
摘要： 微博饲料的情感分析近年来引起倍相当大的兴趣。目前大多数的工作集中在鸣叫情感分类。但没有太多的工作已经做了探索的质量（人群的智慧）在社会网络微博的意见如何可靠，如Twitter在预测某些活动，如选举辩论的结果。在这项工作中，我们调查的人群的智慧是否在预测这样的结果有用，是否他们的意见是由该领域专家的影响。我们在多标签分类的领域工作，以执行鸣叫的情感分类，并获得群众的意见。然后，该学会情绪用来预测事件，如成果：美国总统辩论的赢家，格莱美奖得主，超级碗赢家。我们发现，在大多数情况下，在众人的智慧，确实与专家的匹配，并在他们没有（特别是在辩论的情况下）的情况下，我们看到了众人的观点实际上是通过影响该专家。
Instagram上集体认同的形成——调查为未来星期五社会运动
原文标题： Collective Identity Formation on Instagram -- Investigating the Social Movement Fridays for Future
地址： http://arxiv.org/abs/1912.05123
作者： Felix Brünker, Fabian Deitelhoff, Milad Mirbabaie
摘要： 近年来，社交媒体改变了个人参与社会运动的方式。虽然活动家展示在街上的公共目标而战，具体的运动的成员也可以起到集体网上。因此，不同的方面可能会影响集体认同的形成，从而推动社会媒体的集体行动。这项研究结合的社会身份和认同理论的观点，以便审查意见为主，小组成员如何促进集体组/社会认同的形成，因此，集体行动。为此，我们采用的自动文本分类技术，关系到社会的运动周五为未来Instagram的通信。分析1137条的评论表明，个人主要快递集团凝聚力和亲情，而不是团结的评论的Instagram。这项研究进一步呈现集体组/集体行动的社会身份的提出的模型。加强分类和测试模型传承研究目标。
超越节点嵌入：同构网络的有向无监督边表示框架
原文标题： Beyond Node Embedding: A Direct Unsupervised Edge Representation Framework for Homogeneous Networks
地址： http://arxiv.org/abs/1912.05140
作者： Sambaran Bandyopadhyay, Anirban Biswas, M. N. Murty, Ramasuri Narayanam
摘要： 网络表示学习历来被用于查找网络中的节点的低维向量表示。不过，也有感兴趣的经典网络分析领域，其中大多数都是未开发的网络嵌入空间非常重要的优势驱动的挖掘任务。的应用，如在同构网络链路预测，边的向量表示（即，嵌入）仅通过使用边的端部顶点的嵌入物的简单聚合启发式的。显然，导出边嵌入的这种方法是次优的且有需要一种用于通过利用所述网络的边属性嵌入边专用的无监督的方式。为此目的，我们提出了一种网络转化成其加权的线图，其理想地适合于找到原始网络的边的嵌入的一个新概念。我们进一步导出的新的算法来嵌入线图中，通过引入集体同质的概念。据我们所知，这是对边均匀信息网络嵌入首次直接监督的方法，不依赖于节点的嵌入。我们验证三个下游边挖掘任务边的嵌入。对于边还嵌入我们提出的优化框架生成一组节点的嵌入，这是不是边的只是聚集。进一步的实验分析表明我们的框架，以节点中心性的概念的连接。
映射带缺失边的稀疏的网络流
原文标题： Mapping flows on sparse networks with missing links
地址： http://arxiv.org/abs/1912.05377
作者： Jelena Smiljanić, Daniel Edler, Martin Rosvall
摘要： 在构建网络的经验数据的错误会导致社会检测的方法来过拟合和突出伪结构具有误导性的复杂系统的组织结构和功能的信息。在这里，我们展示了如何使用地图式缺失环节检测显著基于流的社区稀疏网络。由于地图方程建立在香农熵估计，它假设完整的数据，使得分析欠网络可以导致过度拟合。为了克服这个问题，我们结合有关网络的不确定性成图式框架的假设贝叶斯方法。我们验证具有交叉验证地图式的贝叶斯估计，图式中使用的Grassberger熵估计，这样我们可以比较不平衡的分裂。在人工和真实世界的网络，结果表明，地图式的贝叶斯估计提供了一个原则的做法在欠网络透出显著结构。
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.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。
网友评论