- 一个动力系统视角揭示俄罗斯Twitter运营中的协同;
- MONSTER：未知社会网络影响力估计和最大化的归纳方法;
- 在线问答社区内容评论对用户延续的影响：一个可供性视角;
- 二十年网络科学：引文和共同作者网络分析;
- 重写结构Cospans;
- 挑战网络增长观测中简单的尺度假设;
一个动力系统视角揭示俄罗斯Twitter运营中的协同
原文标题： A Dynamical Systems Perspective Reveals Coordination in Russian Twitter Operations
地址： http://arxiv.org/abs/2001.08816
作者： Sarah Rajtmajer, Ashish Simhachalam, Thomas Zhao, Brady Bickel, Chris Griffin
摘要： 我们从动力系统的角度研究Twitter的数据。尤其是，我们专注于大组由Twitter公司公布的数据，并断言以表示俄罗斯的影响操作。我们提出了一个数学模型来描述，可以使用谱分析提取的每一天鸣叫生产。我们表明，这种数学模型使我们能够构建具有共同的谐波用户的家庭（集群）。我们的信息操作定义描述用户的策略标签制度，并显示所产生的策略对应于从他们的谐波标识的行为集群。然后，我们这些用户群比较从使用基于图的主题分析方法文本数据得出的人。我们表明，在用户群的谱性质与在谱簇表示用户主题组的数量。批量数据分析也提供了新的见解在之前的工作中的数据集。
MONSTER：未知社会网络影响力估计和最大化的归纳方法
原文标题： MONSTOR: An Inductive Approach for Estimating and Maximizing Influence over Unseen Social Networks
地址： http://arxiv.org/abs/2001.08853
作者： Jihoon Ko, Kyuhan Lee, Kijung Shin, Noseong Park
摘要： 影响最大化（IM）是在社会网络分析的最重要的问题之一。它的目标是找到种子节点谁通过社会网络最大限度地提高信息传播的给定数。因为它是一个NP问题，许多近似/启发式方法已经被开发，并且其中一些重复蒙特卡洛（MC）模拟遍地，具体数万次或更多次每潜在种子集，以可靠地估计影响。在这项工作中，我们提出了一种感应式机器学习方法，称为蒙特卡洛仿真器（MONSTOR），以预测在网络训练期间看不见MC的模拟结果。 MONSTOR可以大大加快通过更换重复MC模拟现有的IM方法。在我们的实验中，MONSTOR实现上与IM使用情况的准确性一点牺牲看不见真正的社会网络近乎完美的准确度。
在线问答社区内容评论对用户延续的影响：一个可供性视角
原文标题： The Impact of Content Commenting on User Continuance in Online Q&A Communities: An Affordance Perspective
地址： http://arxiv.org/abs/2001.08927
作者： Langtao Chen
摘要： 在线问题和解答（Q＆A）社区的参与者分享信息提供方便，创新的方式和协作解决与他人的问题。对于那些Q＆A社区越来越大的挑战是鼓励和保持持续的用户参与。从动机启示的角度来看，这项研究提出了一个研究框架来解释的内容在网上Q＆A社区用户行为继续征求意见的效果。参与者的任期在内容评论和用户持续之间关系的调节作用，也探讨。使用从大型在线Q＆A社区收集的纵向面板数据，本研究实证检验的内容评论的Q＆A社区的持续用户的参与效果。结果表明，评论收据和注释配置都是重要的激励因素在社区用户继续。具体来说，在提交的参加者问题，收到的意见对张贴问题的参与者的继续产生积极的影响，而答案评论都接收，并由参与者发布对在社区张贴答案的用户持续的积极影响。此外，使用权在社会上确实发现有内容的评论和用户持续之间的关系显著负调节作用。这项研究不仅提供内容的评论如何影响持续的用户参与以及如何参与社区温和派任期含量的影响评论更细致入微的理论知识，而且还提供了提高用户继续在网上Q＆A社区的影响。
二十年网络科学：引文和共同作者网络分析
原文标题： Twenty Years of Network Science: A Bibliographic and Co-authorship Network Analysis
地址： http://arxiv.org/abs/2001.09006
作者： Roland Molontay, Marcell Nagy
摘要： 二十年前3篇开拓转向关注复杂的网络环境，并开始研究一个新的时代，建立所谓的网络科学的跨学科领域。也就是说，这些高被引论文开创性分别在小世界网络分别写了瓦和斯托加茨，巴拉布'ASI＆Albert和格文和纽曼，对无标度网络和复杂网络的群落结构。在过去的20年 - 由于该领域的多学科性质 - 一个多样化的，但不能分割的网络科学界又出现了。在本文中，我们研究这个社会是如何随着时间而演变对速度，多样性和跨学科的性质，通过网络科学家的成长合着者网络（在这里看到的概念指的是学者与至少一个文件引用至少上述三个里程碑的论文之一）。提供的31763网络科学论文书目分析之后，我们构建的56646名网络科学家合着网络，我们分析其拓扑结构和动态。我们阐明了的过去20年网络科技的合作模式通过调查合着者网络的许多结构特性，并通过使用增强的数据可视化技术。我们还确定了最核心的作家，最大的社区，调查的时空变化特征，以及网络的性能比较科学计量指标。
重写结构Cospans
原文标题： Rewriting Structured Cospans
地址： http://arxiv.org/abs/2001.09029
作者： Daniel Cicala
摘要： 为了促进网络上的抽象水平的研究中，我们进一步研究结构cospans的形式主义。我们定义的结构cospans的TOPOS并建立其重写的理论。对于重写关系，我们提出了一个明确的双重语义编码结构cospans的组合性。对于应用程序，我们概括图的感应视点重写到在更宽的类topoi的重写。
挑战网络增长观测中简单的尺度假设
原文标题： Challenging the assumption of simple scaling in the observables of network growth
地址： http://arxiv.org/abs/2001.09118
作者： Max Falkenberg, Jong-Hyeok Lee, Shun-ichi Amano, Ken-ichiro Ogawa, Kazuo Yano, Yoshihiro Miyake, Tim S. Evans, Kim Christensen
摘要： 表示是优先连接 - - 真实网络中识别功法尺度已证明争议。批评者认为，直接测量网络的时空演化是不是找优惠的附件时测量度分布更好。然而，许多既定的方法没有考虑到不断增长的网络在安装任何潜在的时间依赖性仁，或假设节点度是关键观察到确定节点演进。在本文中，我们认为，这些假设可能导致错误的对未来的演化，和过去的产地，这些网络的结论。我们说明这些假设的风险，通过引入Barabasi阿尔伯特模式，``K2模式“”，其中新节点连接到节点的现有网络中成比例的节点数目的目标节点的距离的两个中的一个简单的适应，其效果我们展示了以数字和分析。因为该K2模型结果在时间相关度分布和附着仁，尽管开始出现成长为线性择优连接。我们通过表明类似的效果在使用美国物理学会引网络真正的网络看到支持这些结果。我们的研究结果表明，显著更多的关怀应该进入不断增长的网络演进的分析，以及，关于增长的网络的演进现有的结果可能是假的。
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