- 复杂网络的节点嵌入和精确的低秩表示;
- 衡量高铁对中国城市互动的动态影响;
- 从矩阵多项式联合推断多个图;
- COVID-19的自组织波浪感染曲线;
- 谁在帮派中？在社交媒体中揭示协调社区;
- Twitter和YouTube上的2020美国大选分析;
- 使用复杂网络方法对斯诺克职业球员进行排名;
- 欧洲各城市随着时间的推移人工土地利用的变化：重归一化的径向视角;
- 社交媒体上的模拟：识别原创内容的一种深度神经方法;
- 离散意见动力学模型中粗粒化的块大小依赖性：在美国总统选举中的应用;
- PageRank的公理化特征;
- 意见动态的Ising通用类动力学交换模型;
复杂网络的节点嵌入和精确的低秩表示
原文标题： Node Embeddings and Exact Low-Rank Representations of Complex Networks
地址： http://arxiv.org/abs/2006.05592
作者： Sudhanshu Chanpuriya, Cameron Musco, Konstantinos Sotiropoulos, Charalampos E. Tsourakakis
摘要： 从经典的谱嵌入到现代神经网络启发的方法，低维嵌入是复杂网络建模和分析的基石。 Seshadhri等人的最新著作。 （PNAS 2020）表明，此类嵌入无法刻画复杂网络中产生的局部结构。特别是，它们表明，从自然的低维模型生成的任何网络都不能既稀疏又不具有高三角形密度（高聚类系数），这是许多现实世界网络的两个标志性特性。在这项工作中，我们证明了Seshadhri等人的结果。与使用的模型紧密相连，而不是复杂网络的低维结构。具体来说，我们证明其模型的较小松弛可以生成具有高三角形密度的稀疏图。出乎意料的是，我们表明，同一模型导致许多实际网络的精确低维分解。我们给出了一种基于逻辑主成分分析（LPCA）的简单算法，该算法成功找到了这种精确的嵌入。最后，我们进行了大量的实验，以验证低维嵌入在现实网络中刻画本地结构的能力。
衡量高铁对中国城市互动的动态影响
原文标题： Measuring the Dynamic Impact of High-Speed Railways on Urban Interactions in China
地址： http://arxiv.org/abs/2010.08182
作者： Junfang Gong, Shengwen Li, Xinyue Ye, Qiong Peng
摘要： 高铁（HSR）已成为大城市之间城际交通的重要模式。高铁推动的城市间互动往往在促进城市和区域经济一体化与发展中发挥更加突出的作用。因此，量化高铁互动对城市和人的影响对于长期的城市和区域发展规划和政策制定至关重要。我们使用社交媒体的地名信息作为主体来开发评估框架，以估计此类互动的动态。本文采用两种类型的空间信息：社交媒体帖子中的地名，以及社交媒体帖子中嵌入的地理位置信息。该框架强调了城市之间社会互动的不对称性质，并提出了一系列指标，以从多个角度量化这种影响，包括互动强度，空间衰减和渠道效应。结果表明，高铁不仅大大扩展了城际连接的不均匀分布，而且通过渠道效应显著地重塑了沿高铁路线发生的相互作用。
从矩阵多项式联合推断多个图
原文标题： Joint Inference of Multiple Graphs from Matrix Polynomials
地址： http://arxiv.org/abs/2010.08120
作者： Madeline Navarro, Yuhao Wang, Antonio G. Marques, Caroline Uhler, Santiago Segarra
摘要： 根据对节点的观察来推断图结构是一项重要且流行的网络科学任务。不同于单个图的更常见的推断，并且受社会和生物网络的推动，我们研究了根据观察其节点处的信号（图信号）来共同推断多个图的问题，假设在所求图中该图是固定的。从数学的角度来看，图平稳性意味着信号的协方差与代表基础图的稀疏矩阵之间的映射是由矩阵多项式给出的。一个著名的例子是马尔可夫随机场，其中协方差的倒数产生感兴趣的稀疏矩阵。从建模的角度来看，固定图信号可用于建模在一组（不一定已知）网络上发展的线性网络过程。利用矩阵多项式的通断，当可获得完美的协方差信息时，可提供一种凸优化方法以及足够的条件来保证对真实图的恢复。从经验的角度来看特别重要，我们根据所观察到的信号数量和其他关键问题参数，提供了恢复误差的高概率界限。使用合成数据和真实数据进行的数值实验证明了该方法具有完善的协方差信息的有效性以及其在嘈杂状态下的鲁棒性。
COVID-19的自组织波浪感染曲线
原文标题： Self-organized wavy infection curve of COVID-19
地址： http://arxiv.org/abs/2010.08099
作者： Takashi Odagaki
摘要： 利用COVID-19的SIQR模型，我发现日本的波浪状感染曲线是政府施加并由公民服从的隔离措施政策波动的结果，假设感染系数是数量的二值函数对于感染者，我发现当感染者的清除率介于这两个值之间时，波浪感染曲线是自组织的。根据感染曲线，我将每个国家/地区的COVID-19暴发分为五种类型，并表明这些差异可能与传播系数的相对大小和被感染者的隔离率有关。
谁在帮派中？在社交媒体中揭示协调社区
原文标题： Who's in the Gang? Revealing Coordinating Communities in Social Media
地址： http://arxiv.org/abs/2010.08180
作者： Derek Weber, Frank Neumann
摘要： 干预和有组织的拖钓是具有重大现实影响的在线恶意行为。检验这些现象的通用方法侧重于广泛的运动，而不是负责任的小团体。为了揭示潜在的合作帐户网络，我们提出了一种新颖的时间窗口方法，该方法仅依赖于帐户交互和元数据。它检测参与行为的帐户组，这些行为共同执行我们描述的基于目标的不同策略。我们的方法针对具有地面真实数据的两个相关数据集进行了验证。
Twitter和YouTube上的2020美国大选分析
原文标题： USelections 2020 analysis on Twitter and YouTube
地址： http://arxiv.org/abs/2010.08183
作者： Alexander Shevtsov, Maria Oikonomidou, Despoina Antonakaki, Polyvios Pratikakis, Sotiris Ioannidis
摘要： 即将到来的2020年11月美国总统选举在社交媒体上引起了广泛讨论。美国大选的部分内容是有机的，来自用户讨论他们对候选人的看法，政治立场或电视上显示的相关内容。所生成内容的另一重要部分来自正式运动和草皮运动。在这项研究中，我们根据与2020年美国大选相关的流行标签以及Twitter数据集中包含的YouTube相关链接（对视频和行为的喜欢，不喜欢和评论）获得了大约750万条推文，其中包含140万用户所形成社区的数量，情感和图表分析。特别是，我们研究了每个流行主题标签的每日流量，并显示了2020年7月至2020年9月转发图的演变过程，突出显示了数据集中包含的两个主要实体（“拜登”和“特朗普”）。情绪分析的结果表明，Twitter上对特朗普的正面情绪为45.7，对拜登的正面情绪为33.8，而在YouTube元数据中对特朗普的正面情绪为14.55，对拜登的正面情绪为8.7。
使用复杂网络方法对斯诺克职业球员进行排名
原文标题： A complex networks approach to ranking professional Snooker players
地址： http://arxiv.org/abs/2010.08395
作者： Joseph D. O'Brien, James P. Gleeson
摘要： 斯诺克运动在1968-2020年期间进行的比赛详细分析，用于根据相应结果计算有向和加权优势网络。我们考虑一种基于经过充分研究的PageRank算法的排名程序，该算法不仅包含玩家在其职业生涯中获得的获胜次数，而且还包括这些获胜者面临的对手素质的细节。通过这项研究，我们发现约翰·希金斯是有史以来表现最好的斯诺克选手，罗尼·奥沙利文排在第二位。我们演示了如何在各种时间段中应用这种方法，在每个时间段中我们都可以确定相应时代中最强大的参与者。然后将该程序与更经典的排名方案进行比较。此外，这项运动中引入了一种可视化工具，称为等级时钟，可以立即分析各个竞争对手的职业发展轨迹。这些结果进一步证明了网络科学在体育领域成功量化中的应用。
欧洲各城市随着时间的推移人工土地利用的变化：重归一化的径向视角
原文标题： Change in Artificial Land Use over time across European Cities: A rescaled radial perspective
地址： http://arxiv.org/abs/2010.08401
作者： Paul Kilgarriff, Rémi Lemoy, Geoffrey Caruso
摘要： 从卫星上看，白天或晚上观察土地使用情况，大多数城市都呈圆形，围绕城市中心组织。为了了解欧洲最近的城市化变化及其与城市规模的关系，对人工土地利用的增长进行了径向分析。我们关注与城市土地使用有关的最根本的区别：它是否是为人为目的（例如住宅或道路）而人为设计的，或者是自然的，还是至少未开发？使用来自欧盟哥白尼城市地图集的空间详细数据，计算并比较了2006年至2012年的两年间的人工土地利用（ALU）情况。基于Lemoy和Caruso（2018）发现的城市形态的相似性，可以进行简单的尺度在控制人口规模之后，使用法律来比较城市的内部结构。我们首先表明，使用FUA定义城市时，似乎存在一种吉布拉特土地使用定律。但是，当我们在内部检查城市时，由于城市规模类别之间的平均值存在差异，因此这不再是很清楚。我们还使用区域和地形对其他城市分组进行了研究，以表明欧洲城市之间的人工土地利用增长并不均匀。我们的发现对城市的可持续性具有重要意义，因为这一证据表明，各种规模的城市中城市扩张和城市中心的增长停滞不前。它还对蔓延的性质及其随城市规模的扩展具有理论意义。
社交媒体上的模拟：识别原创内容的一种深度神经方法
原文标题： Impersonation on Social Media: A Deep Neural Approach to Identify Ingenuine Content
地址： http://arxiv.org/abs/2010.08438
作者： Koosha Zarei, Reza Farahbakhsh, Noel Crespi, Gareth Tyson
摘要： 模仿者在在线社会网络（尤其是Instagram）上内容的生产和传播中发挥着重要作用。这些实体是邪恶的伪造帐户，旨在通过进行相似的配置文件伪装合法帐户，然后通过伪造内容来打击社交媒体，这使得很难理解哪些帖子是真实制作的。在本研究中，我们重点关注三个拥有合法验证帐户的重要社区。其中，我们确定了2.2K个模仿者个人资料的集合，其中包含近10,000个生成的帖子，68K条评论和90K个点赞。然后，基于配置文件特征和用户行为，我们将它们分为“ bot”和“ fan”两个集合。为了将模仿者生成的帖子与真实内容分开，我们提出了一种深度神经网络体系结构，该体系结构可测量“个人资料”和“帖子”功能以预测内容类型：“机器人生成”，“粉丝生成”或“真实内容。我们的研究揭示了这种有趣的现象，并提供了有关由机器人生成的内容的有趣观察结果，可帮助我们了解假冒者在Instagram上制作假内容的作用。
离散意见动力学模型中粗粒化的块大小依赖性：在美国总统选举中的应用
原文标题： Block size dependence of coarse graining in discrete opinion dynamics model: Application to the US presidential elections
地址： http://arxiv.org/abs/2010.08484
作者： Kathakali Biswas, Soumyajyoti Biswas, Parongama Sen
摘要： 美国总统选举的投票系统选举学院类似于通常用于研究物理系统中相变的粗粒度过程。在最近的一篇论文中，意见动力学模型表现出一个阶段性过渡，被证明能够解释这样一种情况，即在选举团制度的基础上，赢得更多民意票的候选人仍然可能失去大选。我们探索了这种可能性对各种因素的依赖性，例如状态数和总人口（即系统规模），并获得了有趣的扩展行为。与实际数据相比，表明在模型假设内计算出的少数胜出的概率确实接近最大可能值。此外，我们还实施了两步粗粒度处理程序，与意见动态和信息论均相关。
PageRank的公理化特征
原文标题： Axiomatic Characterization of PageRank
地址： http://arxiv.org/abs/2010.08487
作者： Tomasz Wąs, Oskar Skibski
摘要： 本文研究了识别网络中最重要节点的基本问题。我们使用公理化的方法来解决这个问题。具体来说，我们提出了六个简单的属性，并证明PageRank是满足所有条件的唯一中心度度量。我们的工作为PageRank提供了新的概念和理论基础，可用于确定这种中心性度量在特定应用中的适用性。
意见动态的Ising通用类动力学交换模型
原文标题： The Ising universality class of kinetic exchange models of opinion dynamics
地址： http://arxiv.org/abs/2010.08491
作者： Sudip Mukherjee, Soumyajyoti Biswas, Arnab Chatterjee, Bikas K. Chakrabarti
摘要： 我们使用定标参数和蒙特卡洛模拟显示，在存在有限振幅的退火噪声项的情况下，观点演化的二元相互作用模型类别属于Ising通用性类别。尽管已知零噪声极限显示出主动吸收跃迁，但添加退火噪声会在模型的无限范围（平均场）极限中引发具有Ising通用性级别的连续有序-无序跃迁。
声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，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