- 通用排名动态;
- 复杂网络和分层网络系统的复杂评估模型和方法;
- 协同演化网络上的过程动力学方程;
- 使用混合深度学习模型进行社交媒体上的可解释性抑郁症多模式检测;
- 采用选择的信息交互特征;
- 维基百科的适度模式能否拯救思想的社会市场?;
- COVID-19期间封闭平台上的谣言演变;
- 面向分布式账本的分布式复杂查询:数据市场使用案例;
通用排名动态
原文标题: Universal dynamics of ranking
地址: http://arxiv.org/abs/2104.13439
作者: Gerardo Iñiguez, Carlos Pineda, Carlos Gershenson, Albert-László Barabási
摘要: 几乎任何东西都可以并且被排名;人与动物,大学与国家,单词与基因。排名将高度复杂的系统的组成部分简化为有序列表,旨在刻画每个元素执行相关功能的适应性或能力,并且从社会经济政策到知识提取都在使用排名。百年的研究发现,随着时间的推移汇总数据时,在自然和社会中对列表进行排名的规律性。但是,当元素随时间改变其排名时,对排名动态的理解却很少。为了弥合这种差距,我们在这里探讨了自然,社会,经济和基础设施系统中30个排名列表的动态,其中包括数百万个元素,其时间范围从数分钟到几个世纪不等。我们发现,控制新元素进入排名列表的通量揭示了具有可识别的稳定性模式的系统:在高通量系统中,仅列表的顶部是稳定的,而在低通量系统中,顶部和底部的稳定性是相同的。我们证明了两个基本机制-元素的置换和替换-足以理解和量化排名动态。该模型揭示了排名列表动态中的两种状态:由远程等级变化控制的快速状态和由扩散驱动的缓慢状态。我们的结果表明,表征复杂系统动力学的鲁棒性和适应性之间的平衡可能由随机过程控制,而与每个系统的细节无关。
复杂网络和分层网络系统的复杂评估模型和方法
原文标题: Models and methods of complex evaluation of complex network and hierarchically network systems
地址: http://arxiv.org/abs/2104.13852
作者: Olexandr Polishchuk
摘要: 建立了复杂网络系统的流量模型,定义了其主要流量特征。这些特性可用于确定系统的实际结构,分析其在所有生命周期阶段的开发并找到绕过网络隔离区域的替代流向。定义了网络系统组件的影响力和介数中心性参数。使用这些参数,研究了系统能够抵抗负面的内部和外部影响的条件。定义了复杂网络系统的流核心概念,该概念允许根据操作来区分系统结构中最重要的组件,以解决在网络中查找社区的问题。定义了单流部分重叠的多层网络的p核和内核的概念,这些概念允许确定在实现系统之间的交互作用中起最重要作用的系统结构组件。开发该方法用于复杂等级网络系统质量的复杂评估。该方法论结合了在所有层次结构级别上对系统组件行为进行本地,预测,交互和聚合分析的互连方法。结果表明,所提出的复杂评估方法的应用对于解决定义网络系统元素质量的实际可能标准,新颖性检测,确定关键和最佳系统操作模式以及选择给定系统类别的最佳系统的问题是有效的。
协同演化网络上的过程动力学方程
原文标题: Kinetic Equations for Processes on Co-evolving Networks
地址: http://arxiv.org/abs/2104.13815
作者: Martin Burger
摘要: 本文的目的是为大型共同演化网络上的过程推导宏观方程,例如随着过滤器泡沫或其他社会过程(例如规范发展)的出现而出现的意见分化。这导致了图(或网络)上的过程,其中节点中粒子的状态以及它们之间的权重都会及时更新。在推导过程中,我们遵循统计力学的基本范式:我们从范式微观模型开始,推导高维空间中的Liouville型方程,不仅包括网络中的节点状态(对应于力学中的位置),还包括它们之间的边权重。然后,我们得出自然的(有限的)边际层次并传递到无限的极限。我们将讨论该层次结构的闭合问题,并看到只有等状态节点之间的权重分布集中时,才会出现简单的均值场解决方案。在更有趣的一般情况下,我们建议在两个粒子分布的水平(包括它们之间的重量)的水平上合适的闭合,并讨论所产生的动力学方程的一些性质。此外,我们重点介绍了此闭包的一些保留结构的属性,并在最小模型中讨论了它的分析。我们讨论了我们的理论在文献中某些基于主体的模型上的应用,并讨论了一些开放的数学问题。
使用混合深度学习模型进行社交媒体上的可解释性抑郁症多模式检测
原文标题: Explainable Depression Detection with Multi-Modalities Using a Hybrid Deep Learning Model on Social Media
地址: http://arxiv.org/abs/2007.02847
作者: Hamad Zogan, Imran Razzak, Xianzhi Wang, Shoaib Jameel, Guandong Xu
摘要: 通过提供对模型预测的见识,模型的可解释性对于获得适当的用户信任已经变得很重要。但是,大多数现有的机器学习方法都无法为抑郁症预测提供可解释性,因此它们的预测对于人类来说是晦涩难懂的。在这项工作中,我们提出了一种带有分层注意力网络MDHAN的解释性多模态抑郁检测,用于在社交媒体上检测抑郁的用户并解释模型预测。我们已经考虑了用户帖子以及基于Twitter的多模式功能,特别是,我们使用了应用于推文级别和单词级别的两个注意机制来对用户帖子进行编码,计算每个推特和单词的重要性,并刻画语义序列用户时间轴上的功能(帖子)。我们的实验表明,MDHAN优于几种流行且健壮的基线方法,证明了将深度学习与多模式功能相结合的有效性。我们还表明,当在社交媒体上公开发布消息的用户中检测到抑郁症时,我们的模型有助于提高预测性能。 MDHAN拥有出色的性能,并确保有足够的证据来解释这一预测。
采用选择的信息交互特征
原文标题: Information Interaction Profile of Choice Adoption
地址: http://arxiv.org/abs/2104.13695
作者: Gaël Poux-Médard, Julien Velcin, Sabine Loudcher
摘要: 信息(实体)之间的相互作用在个人对其行为的方式中起着重要作用:产品的采用,新闻的传播,策略选择等。但是,潜在的相互作用机制通常是未知的,并且很少被探索。在文学中。我们引入了一种有效的方法来根据实体之间的时间距离来推断实体交互网络及其演化。它们共同构成了交互配置文件。交互配置文件允许描述交互过程的机制。我们通过基于多核推理的最新进展的凸模型来解决这个问题。我们考虑实体的有序曝光顺序(URL,广告,情况)以及用户对其施加的操作(共享,点击,决策)。我们研究用户如何根据接触到的接触物表现出不同的行为。我们证明,曝光组合对用户的影响大于每个曝光独立影响的总和-存在交互作用。我们将此建模简化为可以并行解决的非参数凸优化问题。我们的方法在三个实际数据集上的交互过程中恢复了最先进的结果,并且在推断基本数据生成机制方面优于基线。最后,我们显示了交互配置文件可以直观地可视化,从而简化了模型的解释。
维基百科的适度模式能否拯救思想的社会市场?
原文标题: Can the Wikipedia moderation model rescue the social marketplace of ideas?
地址: http://arxiv.org/abs/2104.13754
作者: Taha Yasseri, Filippo Menczer
摘要: Facebook在2019年12月宣布了一项社区审查计划,而Twitter在2021年1月推出了一个基于社区的平台来解决错误信息,称为Birdwatch。尽管我们的分析总体上支持基于社区的内容审核方法,但它也警告潜在的陷阱,尤其是在新基础架构的实施不会促进多样性的情况下。我们呼吁利用来自复杂系统研究,行为社会学和计算社会科学的方法进行更多的多学科研究,以推进基于人群的内容调节的研究。
COVID-19期间封闭平台上的谣言演变
原文标题: The Evolution of Rumors on a Closed Platform during COVID-19
地址: http://arxiv.org/abs/2104.13816
作者: Andrea W Wang (1), Jo-Yu Lan (2), Chihhao Yu (1), Ming-Hung Wang (2) ((1) Information Operations Research Group (IORG) (2) Department of Information Engineering and Computer Science, Feng Chia University)
摘要: 在这项工作中,我们调查了2020年1月至2020年7月间从台湾最受欢迎的封闭式消息传递平台收集的11.4万条可疑消息的数据集。我们提出了一种混合算法,该算法可以根据其主题和叙事。也就是说,我们获得了一组消息,这些消息在彼此之间的有限内容更改内。通过将算法应用于数据集,我们能够查看每个特定谣言随时间变化的内容变化和时间动态。通过对三个与COVID-19相关的谣言的定性案例研究,我们发现关键权威人物经常被错误地引用在虚假信息中。这是增加一种虚假信息流行度的有效措施。此外,事实检查并不能有效阻止误导信息引起注意。实际上,一种虚假信息的普及通常受到重大社会事件和有效内容变更的影响。
面向分布式账本的分布式复杂查询:数据市场使用案例
原文标题: Towards Decentralized Complex Queries over Distributed Ledgers: a Data Marketplace Use-case
地址: http://arxiv.org/abs/2104.13819
作者: Mirko Zichichi, Luca Serena, Stefano Ferretti, Gabriele D'Angelo
摘要: 分布式账本技术(DLT)和分散式文件存储(DFS)被越来越多地用于创建通用的,分散的和不信任的基础结构,参与者可以在对等交互中进行交互和协作。分散的数据市场代表了一个突出的用例,其中用户同时是消费者和提供者,并且需要无信任的交互。但是,DLT和DFS中的数据通常是非结构化的,并且没有有效的机制来查询某种类型的数据以进行市场搜索。在本文中,我们建议使用分布式哈希表(DHT)作为DLT之上的一层,在该层中,一旦获取了数据并将其存储在分类帐中,就可以通过基于多个关键字的查询来搜索这些数据,这要归功于查找DHT提供的功能。 DHT网络是一种超多维数据集覆盖结构,旨在对多个基于关键字的查询进行有效处理。我们为分散的数据市场提供了这种解决方案的体系结构,并提供了基于仿真的分析,证明了所提出方法的可行性。
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