- 网络之间的相互连接类似一阶渗流变化中的外部场;
- 深度统一多模态嵌入，用于理解社交媒体网络中的内容和用户;
- 仿真模型的探索方法;
- 通过远程监督从Twitter学习跨语言嵌入;
网络之间的相互连接类似一阶渗流变化中的外部场
原文标题： Interconnections between networks act like an external field in first-order percolation transitions
地址： http://arxiv.org/abs/1905.07009
作者： Bnaya Gross, Hillel Sanhedrai, Louis Shekhtman, Shlomo Havlin
摘要： 许多相互依存的现实世界基础设施涉及不同社区或城市之间的相互联系。在这里，我们研究是否以及如何将这种互连的影响描述为经历一阶渗流转变的相互依赖网络的外部场。我们发现，与外部字段相关的关键指数 gamma 和 delta 也可以定义为一阶转换，但它们的值与二阶转换的值不同。令人惊讶的是，我们发现即使在相互依赖的网络的单个模型中也可以找到两组不同的指数，这取决于依赖性耦合强度。具体而言，一阶区域中的指数 gamma （高耦合）不遵循波动耗散定理，而在连续区域（低耦合）则表示。然而，在这两种情况下，它们都满足Widom的身份， delta - 1 = gamma / beta ，这进一步支持了他们定义的有效性。我们的结果提供了对相互依赖网络中相变性质的物理直觉，并解释了两组不同指数的根本原因。
深度统一多模态嵌入，用于理解社交媒体网络中的内容和用户
原文标题： Deep Unified Multimodal Embeddings for Understanding both Content and Users in Social Media Networks
地址： http://arxiv.org/abs/1905.07075
作者： Karan Sikka, Lucas Van Bramer, Ajay Divakaran
摘要： 在过去几年中，社交媒体网络上产生的多模式内容爆炸式增长，这使得必须更深入地了解社交媒体内容和用户行为。我们提出了一种新颖的内容独立内容 - 用户 - 反应模型，用于社交多媒体内容分析。与通常单独处理语义内容理解和用户行为建模的先前工作相比，我们在统一框架内提出了对这些问题的通用解决方案。我们将开放社交媒体中的用户，图像和文本嵌入到一个共同的多模式几何空间中，使用一种新的损失函数来设计应对远程和不同的模态，从而实现无缝的三向检索。我们的模型不仅优于基于单峰嵌入的跨模态检索任务方法，而且还显示了联合解决Twitter数据上的两个任务所带来的改进。我们还表明，与在Instagram数据上使用单峰内容学习的用户相比，在我们的联合多模式嵌入模型中学习的用户嵌入更能预测用户兴趣。因此，我们的框架超越了使用显式领导者 - 跟随者链接信息通过从孤立用户中提取隐含的以内容为中心的从属关系来建立从属关系的先前实践。我们提供定性结果，以显示从学习嵌入中出现的用户群具有一致的语义和我们的模型从嘈杂和非结构化数据中发现细粒度语义的能力。我们的工作表明，社交多模态内容本质上是多模式的，并且具有一致的结构，因为在社会网络中，意义是通过用户和内容之间的交互来创建的。
仿真模型的探索方法
原文标题： Exploration methods for simulation models
地址： http://arxiv.org/abs/1905.07160
作者： J. Raimbault, D. Pumain
摘要： 我们首先回想一下，在这一章中，模拟模型在社会科学和人文学科中是绝对必要的，在实验科学方法中，它们只能非常特别地要求它们来构建他们的知识。通过数学模型的形式化能够提供分析解决方案，这通常是不可能的，以便提供令人满意的社会复杂性表示，基于主体的计算模型越来越多地被使用。长期以来，计算机的有限计算能力禁止对模型进行编程，同时考虑到地理上本地化（个人或地区）的大量实体之间的相互作用。原则上，这些模型应该告知在宏观地理层面上定义的给定配置的出现的可能性和条件，这些配置来自微观地理层面上发生的相互作用，在具有太多复杂行为的系统中，人类大脑可以理解。然而，这需要研究这些模型的动态行为，包括非线性反馈效应，并验证它们在模拟的所有阶段产生合理的结果。在过去十年结束之前，这种探索算法动态的必要阶段仍然相当简陋，当时算法包括更复杂的方法，如演化计算和分布式高性能计算的使用，使得验证方面有了显著的质的飞跃模型，甚至是社会科学和人文学科的认识论转向，建议使用这里描述的OpenMOLE平台实现的最新应用。
通过远程监督从Twitter学习跨语言嵌入
原文标题： Learning Cross-lingual Embeddings from Twitter via Distant Supervision
地址： http://arxiv.org/abs/1905.07358
作者： Jose Camacho-Collados, Yerai Doval, Eugenio Martínez-Cámara, Luis Espinosa-Anke, Francesco Barbieri, Steven Schockaert
摘要： 跨语言嵌入表示同一向量空间中来自不同语言的单词的含义。最近的工作表明，通过对齐独立学习的单语嵌入空间可以构建这样的表示，并且即使没有外部双语数据也可以获得准确的对齐。在本文中，我们探讨了一个在文献中被忽视的研究方向：利用嘈杂的用户生成的文本来学习特别针对社交媒体应用的跨语言嵌入。虽然社交媒体类型的噪音和非正式性质对跨语言嵌入方法提出了额外的挑战，但我们发现它还提供了关键机会，因为代码转换的丰富性以及表情符号和命名实体的共享词汇表的存在。我们的贡献在于一个非常简单的后处理步骤，利用这些现象来显著提高最先进的对齐方法的性能。
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