- 发现原型以解释个人行为的演变;
- 运用关键人物分析法检验社区动画师在技术采用中的作用;
- 在图中局部查找最近邻;
- 当名人说话：一个全国性的Twitter实验促进印度尼西亚的疫苗接种;
- 地理空间数据的持续同调：投票案例研究;
发现原型以解释个人行为的演变
原文标题： Discovering Archetypes to Interpret Evolution of Individual Behavior
地址： http://arxiv.org/abs/1902.05567
作者： Kanika Narang, Austin Chung, Hari Sundaram, Snigdha Chaturvedi
摘要： 在本文中，我们的目标是发现大型社会网络中个体演化的原型模式。在我们的工作中，原型包括不同行为的 进步阶段。我们引入了一种新颖的高斯隐马尔可夫模型（G-HMM）聚类来识别演化模式的原型。 G-HMM允许：接近无限的行为变化;限制个人如何演化;不同的演化率;并且是吝啬的。我们使用Academic和StackExchange数据集进行的实验发现了富有洞察力的原型。我们为研究人员确定了四种原型： Steady， Diverse， Evolving和 Diffuse。我们观察到同一原型中男性和女性研究人员的演化存在明显差异。具体而言，女性和男性在原型（例如 Diverse）中的不同之处在于它们如何开始，如何过渡以及在职业生涯中期花费的时间。我们还发现，通过原型的差异而不是性别的差异可以更好地解释拨款收入的差异。对于StackOverflow，发现的原型可以标记为： Experts， Seekers， Enthusiasts和 Facilitators。我们在活动预测和困惑的竞争基线方面拥有强大的定量结果。对于未来的会话预测，建议的G-HMM群集模型对于不同的堆栈交换平均提高了32％，对于Academic数据提高了24％。我们的模型也表现出比基线更低的困惑。
运用关键人物分析法检验社区动画师在技术采用中的作用
原文标题： Using Key Player Analysis as a Method for Examining the Role of Community Animators in Technology Adoption
地址： http://arxiv.org/abs/1902.05630
作者： Jomara Sandbulte, Jessica Kropczynski, John M. Carroll
摘要： 本文探讨了社区动画师在技术采用中的作用。社区动画师是积极构建社会网络并在这些网络中的节点之间建立联系的个人。本研究通过从当地艺术节的移动应用程序收集的数据来观察技术采用模式。通过应用内的照片共享和交互构建社会网络。根据这些数据，我们建议使用关键球员分析来识别社区动画师。此外，我们使用图不变量（即网络中的碎片）来描述关键参与者对整个交互网络的作用和影响。我们的结果通过提出一种量化和识别社区动画师理论概念的方法，为可用性研究中的技术采用提供了文献。我们进一步分析了在早期采用技术时可以找到的社区动画师的类型：早期采用者本身和初始开发人员。
在图中局部查找最近邻
原文标题： Finding Nearest Neighbors in graphs locally
地址： http://arxiv.org/abs/1902.05638
作者： Abhinav Mishra
摘要： 许多分布式学习技术的动机是数据集的大小增加以及无法在单个机器上装入主存储器。我们提出了一种算法，可以在本地查找图中最近的邻居，而无需访问整个图。我们的算法是分布式的，进一步鼓励了可扩展我们证明了算法的收敛性
当名人说话：一个全国性的Twitter实验促进印度尼西亚的疫苗接种
原文标题： When Celebrities Speak: A Nationwide Twitter Experiment Promoting Vaccination in Indonesia
地址： http://arxiv.org/abs/1902.05667
作者： Vivi Alatas, Arun G. Chandrasekhar, Markus Mobius, Benjamin A. Olken, Cindy Paladines
摘要： 通常会寻求名人代言来影响公众舆论。我们会问，名人代言本身是否会产生影响，超出了他们的陈述被许多人看到的事实，以及他们的陈述是否实际上导致人们改变他们的信仰。为此，我们在印度尼西亚进行了一项全国性的Twitter实验，共有46位知名人士和组织，共有780万粉丝，他们同意让我们随机发推文或转发推广其账户免疫的内容。我们的设计利用Twitter上转发链传递的信息结构来解析覆盖范围与认可效果。认可很重要：用户可以识别为由名人发起的推文比同一用户看到的类似推文更容易被用户所喜欢或转发，但没有名人的认可。相比之下，明确引用推文中的来源实际上减少了扩散。通过随机抽取哪些名人在推文时，我们发现了一些暗示性证据，即整体活动可能会影响有关疫苗接种的信念以及通过网络获取免疫接种行为的知识。总的来说，调查结果显示了名人代言的重要作用。
地理空间数据的持续同调：投票案例研究
原文标题： Persistent Homology of Geospatial Data: A Case Study with Voting
地址： http://arxiv.org/abs/1902.05911
作者： Michelle Feng, Mason A. Porter
摘要： 分析持续同调的关键步骤是将数据转换为单纯复形。用于持续同调的现代包通常在点云上构建Vietoris-Rips或其他基于距离的单纯复形，因为它们相对容易计算。我们研究了构建这些复形的替代方法以及在单纯复形构造期间对持续同调算法的输出做出相关选择的效果。我们提出了两种从二维地理空间数据（如地图）构建单纯复形的新方法。我们将这些方法应用于加利福尼亚州的一级投票数据集，证明我们的新结构可以捕捉基于距离的结构遗漏的几何特征。因此，我们的新结构可以为地理空间数据提供更多可解释的持久性模块和条形码。特别地，它们能够通过结合关于区域之间的其他空间关系的信息来区分仅针对窄范围的距离尺度（例如，人口稠密城市中的投票行为）发生的短持久性特征与短持久性噪声。
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