网络科学研究速递

Arxiv网络科学论文摘要17篇(2020-11-30)

2020-11-30  本文已影响0人  ComplexLY

APAN：用于实时含时图嵌入的异步传播注意网络

原文标题： APAN: Asynchronous Propagate Attention Network for Real-time Temporal Graph Embedding

地址： http://arxiv.org/abs/2011.11545

作者： Xuhong Wang, Ding Lyu, Mengjian Li, Yang Xia, Qi Yang, Xinwen Wang, Xinguang Wang, Ping Cui, Yupu Yang, Bowen Sun, Zhenyu Guo

摘要： 由于在图数据库中查询k-hop邻居的时间复杂度受到限制，大多数图算法无法在线部署并执行毫秒级的推理。这个问题极大地限制了在某些领域中应用图算法的潜力，例如财务欺诈检测。因此，我们提出了异步传播注意网络，一种用于实时含时图嵌入的异步连续时间动态图算法。传统的图模型通常执行两个串行操作：首先进行图计算，然后进行模型推断。我们将模型推论和图计算步骤解耦，以便繁重的图查询操作不会损害模型推论的速度。大量实验表明，该方法可以达到较好的竞争性能，同时推理速度提高8.7倍。

使用Hawkes模型探究左右尾极端事件的非对称激励：金融收益应用

原文标题： Asymmetric excitation of left- and right-tail extreme events probed using a Hawkes model: application to financial returns

地址： http://arxiv.org/abs/2011.12291

作者： Matthew F. Tomlinson, David Greenwood, Marcin Mucha-Kruczynski

摘要： 我们构建了一个两尾阈值峰值霍克斯模型，该模型刻画一个时间序列内左尾和右尾极值之间以及之间的不对称自激和交叉激励。我们通过调查标准普尔500股指每日对数回报内的极端损益来证明其适用性。我们发现，极端损失和收益的到来是由共同的条件强度来描述的，损失对收益的贡献是收益的两倍。但是，前者的贡献衰减速度几乎是后者的五倍。我们将这些不对称性归因于市场交易者对资产价格的极端向上和向下运动的不同反应：一个消极偏见的例子，其中创伤比欣快感更为突出。

ODT流浏览器：提取、查询和可视化人员流动

原文标题： ODT Flow Explorer: Extract, Query, and Visualize Human Mobility

地址： http://arxiv.org/abs/2011.12958

作者： Zhenlong Li, Xiao Huang, Xinyue Ye, Xiaoming Li

摘要： 理解地点之间的人员流动动力学可提供有关其交互重力的基础知识，从而有益于需要人类空间交互中的先验知识的广泛应用。正在进行中的COVID-19大流行独特地强调了监视和测量精细的人类空间相互作用的需求。为了应对大流行期间人类流动性数据的飞速增长的需求，我们开发了一个交互式地理空间门户网站，该方法是从数十亿个带有地理标签的推文中提取全球每日人口流量，并从SafeGraph流动性数据中提取美国（美国）人口流量。该门户网站名为ODT（原始目标时间）Flow Explorer。资源管理器的核心是ODT数据多维数据集，再加上大数据计算集群，可以有效地管理，查询和聚集数十亿个不同时空尺度上的OD流。尽管资源管理器仍处于早期开发阶段，但是快速生成的流动数据可以使需要及时访问细粒度的人类流动记录的广泛领域受益。可以通过此http URL访问ODT Flow Explorer

采用双管齐下的方法快速、准确地检测动态图中的异常

原文标题： Fast and Accurate Anomaly Detection in Dynamic Graphs with a Two-Pronged Approach

地址： http://arxiv.org/abs/2011.13085

作者： Minji Yoon, Bryan Hooi, Kijung Shin, Christos Faloutsos

摘要： 给定动态图流，我们如何检测异常模式的突然出现，例如链接垃圾邮件，关注者提升或拒绝服务攻击？另外，我们可以对实际发生的异常类型进行分类，并从理论上分析每种类型引起的异常征兆吗？在这项工作中，我们提出了AnomRank，这是一种用于动态图异常检测的在线算法。 AnomRank使用两管齐下的方法定义两个新颖的异常度量。每个度量跟踪其自身版本的“节点得分”（或节点重要性）函数的派生形式。这使我们能够检测到任何节点重要性的突然变化。我们在理论上和实验上都表明，“两管齐下”的方法成功地检测出两种常见的异常类型：沿边的突然重量变化和图的突然结构变化。 AnomRank（a）快速准确：比最先进的方法快49.5倍，或比准确度高35％；（b）可扩展：输入图中的边数量呈线性，可处理数百万个边在普通笔记本电脑/台式机上需要2秒钟，并且（c）从理论上讲是正确的：为“两管齐下”的方法提供了理论上的保证。

在SemEval-2019任务5上实现对Twitter中针对移民和妇女的仇恨言论的可解释性多语言检测

原文标题： Towards Interpretable Multilingual Detection of Hate Speech against Immigrants and Women in Twitter at SemEval-2019 Task 5

地址： http://arxiv.org/abs/2011.13238

作者： Alvi Md Ishmam

摘要： 他的论文描述了我们在多语种环境下（尤其是英语和西班牙语）检测Twitter上针对女性和移民的仇恨言论的技术。挑战是由SemEval-2019任务5设计的，参与者需要设计算法来检测具有给定目标（例如女性或移民）的英语和西班牙语的仇恨言论。在这里，我们利用语言特性开发了两个深度神经网络（双向门控递归单元（GRU），字符级卷积神经网络（CNN））和一个机器学习模型。我们提出的模型分别以英语和西班牙语获得了任务A的57和75 F1分数。对于任务B，英语的F1分数是67，西班牙语的F1分数是75.33。在任务A（西班牙语）和任务B（英语和西班牙语）的情况下，F1分数分别提高了2、10和5分。此外，我们提供了可视化可解释的模型，该模型可以通过调查带注释的数据集来解决定制设计的机器学习架构的普遍性问题。

使用R语言分析社交媒体网络数据：用户、评论和交流模式的半自动筛选

原文标题： Analysing Social Media Network Data with R: Semi-Automated Screening of Users, Comments and Communication Patterns

地址： http://arxiv.org/abs/2011.13327

作者： Dennis Klinkhammer

摘要： 社交媒体平台上的交流不仅在文化和政治上相关，而且在整个社会中越来越广泛。用户不仅可以通过社交媒体平台进行交流，还可以专门搜索信息，传播信息或自己发布信息。但是，虚假新闻，仇恨言论甚至激进因素都是这种现代交流形式的一部分：有时会对个人和社会产生深远的影响。对这些机制和沟通模式的基本理解可以帮助抵消负面的沟通形式，例如儿童中的欺凌行为或极端政治观点。为此，将提出一种方法，以打破潜在的沟通模式，追踪单个用户并检查他们的评论并在社交媒体平台上发布信息；或稍后通过定性研究进行对比。如果考虑到框架式社会网络和主题，此方法可以以100％的准确性识别特别活跃的用户。但是，方法论和对策方法必须更加动态和灵活，以确保传播仇恨言论，虚假新闻和激进分子的用户的敏感性和专一性。

社交距离困境中的振荡动力学

原文标题： Oscillatory dynamics in the dilemma of social distancing

地址： http://arxiv.org/abs/2011.13358

作者： Alina Glaubitz, Feng Fu

摘要： 远离社会作为主要的非药物干预措施之一，可以帮助减缓疾病的传播，例如在COVID-19大流行中。有效的社会疏离，除非通过严厉的封锁措施和强制性的警戒线卫生措施来实施，否则需要始终如一的严格集体遵守。但是，尚不清楚导致社会疏远的最终决定因素是什么及其对缓解疾病的影响。在这里，我们通过控制社会疏远行为演变的演化博弈论模型将其纳入流行病学过程。在我们的模型中，我们假设一个人的行为符合其最大利益，并且他们的决定是通过对社交实时感染风险与社会疏远成本进行比较的适应性社会学习来驱动的。我们发现伴随着感染浪潮的社会距离有趣的振荡动力。而且，振荡动力学受到控制决策的模型参数的非平凡依赖而减弱，并在累积感染超过畜群免疫力时逐渐停止。与没有社会距离的情况相比，我们量化了社会距离减轻流行病的程度及其对个人行为改变的理性和理性的依赖。我们的工作为利用人类行为支持大流行应对提供了新的见解。

脆弱但具有弹性：公司协作网络中的适应性下降

原文标题： Fragile, yet resilient: Adaptive decline in a collaboration network of firms

地址： http://arxiv.org/abs/2011.13369

作者： Frank Schweitzer, Giona Casiraghi, Mario V. Tomasello, David Garcia

摘要： 企业协作网络的动态遵循增长和衰退的生命周期。这并不意味着它们的弹性也减弱了。相反，不断下降的协作网络仍可能具有减轻公司离职带来的冲击并通过适应新的合作伙伴来弥补这些损失的能力。为了证明这一点，我们分析了25年中六个不同工业领域的14.500家公司的21.500 R＆D合作。我们计算离开网络的公司的时间依赖性概率，并模拟辍学级联，以确定下降的预期动力。然后，我们表明与这些期望的偏离是由网络的适应性导致的，这缓解了下降的趋势。这些偏差可以用作网络弹性的度量。

基于自发对称破缺概念的在线回声室效应建模

原文标题： Modeling of Online Echo-Chamber Effect Based on the Concept of Spontaneous Symmetry Breaking

地址： http://arxiv.org/abs/2011.13372

作者： Masaki Aida, Ayako Hashizume

摘要： 在线回声室效应是一种现象，其中在在线社会网络内形成的相对较小的社区中，与常识相去甚远的信念得到了加强。由于它严重破坏了现实世界中的社交活动，因此我们应该理解在实现对策技术的工程框架中回声腔效应是如何产生的。本文通过将自发对称性中断的概念引入用于描述在线用户动态的振荡模型框架中，提出了一种在线回声腔效应模型。

迈向实时人口估计：在县一级引入Twitter的居民和非居民每日估计

原文标题： Towards real-time population estimates: introducing Twitter daily estimates of residents and non-residents at the county level

地址： http://arxiv.org/abs/2011.13482

作者： Yago Martin, Zhenlong Li, Yue Ge

摘要： 由于缺乏可靠的数据或可用数据的时间稀疏性，迁移和流动性的研究历来受到严重限制。使用地理空间数字跟踪数据，可以更加精确和动态地测量人口运动的研究。我们的研究旨在开发近乎实时的（一日滞后）Twitter人口普查，以便在时间上更精细地描绘县一级的本地和非本地人口。利用经过地理标记的推文来确定所有活动Twitter用户的住所，我们通过获取准确的每日Twitter人口（居民和非居民）来为数字和计算人口统计学领域做出贡献。与用户自行报告的家庭位置相比，内部验证显示出80％以上的准确性。外部验证结果表明，这些股票与县级居民/非居民的可用统计信息相关，并且可以准确反映定期（季节性旅游）和非定期事件，例如2017年美国大食。引入人口估计中通常缺乏的动态成分的潜力。

通过深度强化学习在时变图中进行有效的信息扩散

原文标题： Efficient Information Diffusion in Time-Varying Graphs through Deep Reinforcement Learning

地址： http://arxiv.org/abs/2011.13518

作者： Matheus R. F. Mendonça, André M. S. Barreto, Artur Ziviani

摘要： 网络播种对于在时变图上（TVG）进行有效的信息传播是许多现实应用中的一项艰巨任务。有多种方法可以模拟此时空影响最大化问题，但最终目标是确定节点开始扩散过程的最佳时刻。在这种情况下，我们提出了“时空影响最大化”（STIM），该模型是通过在一组人工TVG上进行强化学习和图嵌入训练的，能够学习每个节点的时间行为和连通性模式，从而使其能够预测在TVG中开始传播的最佳时机。我们还开发了一套特殊的人工TVG，用于训练，以模拟TVG中的随机扩散过程，这表明STIM网络甚至可以在不确定的环境中学习有效的策略。 STIM还在真实世界的TVG中进行了评估，在TVG中，它还设法通过节点有效地传播信息。最后，我们还表明STIM模型的时间复杂度为 O（| E |）。因此，STIM提出了一种在TVG中进行有效信息传播的新颖方法，具有高度的通用性，可以通过简单地改变采用的奖励函数来改变模型的目标。

揭示澳大利亚和美国现代城市演变中的结构吸引子

原文标题： Revealing configurational attractors in the evolution of modern Australian and US cities

地址： http://arxiv.org/abs/2011.13597

作者： Bohdan Slavko, Kirill Glavatskiy, Mikhail Prokopenko

摘要： 现代城市的空间结构呈现出高度多样化的格局，并且在众多限制下不断发展。最近，在表征这种多样性的过程中，有两个主要方面很突出：异质性和扩散。但是，现代住区并不能填补整个异质性扩散空间。然而，导致观察到的布局出现的动力学机制尚不清楚。在这里，我们评估了澳大利亚25个城市和美国175个城市中人口密度的异质性和分布。我们观察到较大的城市趋向于形成一个具有低程度的扩散和高度的异质性的集群，并将这种观察与这些城市中城市内部迁移的动态特性联系起来。为此，我们引入了一个与迁移数据一致的模型，该模型根据实际布局数据预测了大多数城市的高度紧凑且异构的结构。此外，我们针对流动性特征的变化（例如社会配置和处于平衡状态附近的搬迁阻抗）分析了城市配置长期动态的稳定性。结果，我们报告了城市结构在质量上截然不同的三个阶段：统一，单中心和多中心。这些阶段被示出为通过光滑或急剧的转变，在适当选择的构型参数的空间观察到分离。最后，该分析表明，所有可能的平衡构型（“构型吸引子”）的集合在异质性扩展空间中形成了一个狭窄区域，从而解释了聚类模式的出现。

医疗众筹如何帮助人们？水滴筹大型案例研究

原文标题： How Medical Crowdfunding Helps People? A Large-scale Case Study on Waterdrop Fundraising

地址： http://arxiv.org/abs/2011.13608

作者： Junjie Huang, Huawei Shen, Qi Cao, Li Cai, Xueqi Cheng

摘要： 尽管在线医疗众筹取得了巨大的成功，但关于医疗众筹是否以及如何帮助人们的定量研究仍很少探索。在本文中，我们通过经验研究了在线医疗众筹如何在Waterdrop Fundraising（中国最受欢迎的在线医疗众筹平台之一）中使用超过27,000个筹款案例的人们中获得帮助。我们发现，募捐人获得的钱款分布广泛，即，大多数低筹款案件与少数非常成功的案件并存。我们进一步调查了可能与医疗筹款案例成功相关的因素。筹款案例的简介信息（例如筹款者的地理信息）会影响捐赠金额，因为详细描述可能会提高筹款案例的可信度。一个重要的发现在于社会网络对筹款案例成功的影响：筹款信息在社会网络上的传播是筹款成功的关键因素，而筹款人的社会资本在筹款中起着重要的作用。最后，我们使用机器学习模型进行捐赠预测，验证潜在因素对医疗众筹成功的影响。总而言之，这项工作在网络上呈现了数据驱动的医疗筹款观点，并为理解医疗众筹打开了一扇门。

城市Twitter网络和社区：以雅典微博为例

原文标题： Urban Twitter Networks and Communities: A Case Study of Microblogging in Athens

地址： http://arxiv.org/abs/2011.13785

作者： Tasos Spiliotopoulos, Ian Oakley

摘要： 本文研究了使用城市级别标签的Twitter用户组成的社区。特别是，我们提供了有关希腊雅典市的网络透视图，如相关Twitter主题标签数据的分析和可视化所示，目的是对该地理本地网络的微博实践进行概述和更深刻的见解。进一步的分析表明，由网络成员定义的Twitter社区显示出真实社区的强烈迹象。

发布或推文：来自Facebook和Twitter使用情况研究的经验教训

原文标题： Post or Tweet: Lessons from a Study of Facebook and Twitter Usage

地址： http://arxiv.org/abs/2011.13802

作者： Tasos Spiliotopoulos, Ian Oakley

摘要： 该研讨会论文报告了正在进行的混合方法研究，该研究针对相同的用户在两个可能最受欢迎的社交网站Facebook和Twitter上进行。该研究的总体目标是通过将参与者动机的调查数据与通过API提取收集到的使用数据结合起来，揭示社交媒体选择和跨平台使用的细微差别。我们描述了研究的设置，并将讨论的重点放在与参与者招募和数据收集，处理和分类使用数据以及将各个站点的使用数据进行比较有关的挑战和见解。

两个相对大众媒体的噪声舆论形成模型

原文标题： A noisy opinion formation model with two opposing mass media

地址： http://arxiv.org/abs/2011.13813

作者： Hirofumi Takesue

摘要： 个人态度形成的过程及其宏观后果已成为一个有趣的研究主题，并提出了基于主体的观点形成模型来理解这种现象。这项研究进行了基于主体的模拟，并研究了大众媒体在嘈杂的意见形成过程中的作用，在该过程中，意见同质性被弱化的同化强度和伴随意见修改的错误所保留。在计算模型中，主体在社会网络中符合邻居的意见。此外，每个行为者倾向于受到具有固定观点的两个外部行为者之一的影响，即，在舆论谱上处于相反位置的大众媒体。仿真结果表明，即使在极端大众媒体位置值的情况下，与大众媒体互动的可能性很小，也会降低观点异质性。但是，与大众媒体互动的频繁性增加了意见异质性。因此，中等同化强度实现了最少的异质观点分布。大众媒体的影响削弱了网络拓扑的影响。我们的模拟表明，大众媒体可以根据其位置和影响强度在质上扮演不同的角色。

流行病的路径依赖过程：两阶段隔离是否比一阶段好？

原文标题： Path-dependent course of epidemic: are two phases of quarantine better than one?

地址： http://arxiv.org/abs/2011.13826

作者： Varun Nimmagadda, Oleg Kogan, Evgeniy Khain

摘要： 即使从纯粹的流行病学角度来看，在COVID-19流行期间严格检疫的重要性也受到了广泛的争论。反对严格锁定措施的一种论点是，一旦取消严格隔离，疫情便会重演，因此整个流行期间的受感染个体累计数量将保持不变。我们考虑网络上的SIR模型，并遵循疾病动态，通过更改节点度分布来对隔离阶段进行建模。我们根据历史显示系统达到了不同的稳态：尽管最终结点度分布相同，但流行病的结果仍取决于路径。结果表明，到最终节点度分布的两阶段路由（严格阶段之后是软阶段）总是比一个阶段（相同的软阶段）要好，除非所有个体的末端连接数均相同（同样的程度）;在后一种情况下，感染的总数确实与历史无关。该模型还表明，解除隔离的最佳过程包括按节点的顺序（最高优先）释放节点。

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。

上一篇 下一篇

猜你喜欢

热点阅读