网络科学研究速递

Arxiv网络科学论文摘要17篇(2020-12-17)

2020-12-17  本文已影响0人  ComplexLY

大规模网络实验

原文标题： Network experimentation at scale

地址： http://arxiv.org/abs/2012.08591

作者： Brian Karrer, Liang Shi, Monica Bhole, Matt Goldman, Tyrone Palmer, Charlie Gelman, Mikael Konutgan, Feng Sun

摘要： 我们描述了我们的框架，该框架部署在Facebook上，该框架通过集群随机实验解决了实验单位之间的干扰。我们记录该系统，包括设计和估算程序，并详细说明我们从大规模使用该系统的许多实验中获得的见解。我们引入了基于聚类的回归调整，这大大提高了估计总体治疗效果以及测试干扰的准确性，这是我们估计程序的一部分。通过这种回归调整，我们发现不平衡的群集比平衡的群集可以更好地说明干扰，而不会牺牲准确性。此外，我们展示了如何将对处理的测井暴露用于进一步减少方差。干扰是在线现场实验的一个公认的问题，但是现实世界中没有证据表明在线环境存在干扰。我们通过描述两个案例研究来填补这一空白，这些案例研究刻画了重要的网络效应并突出了该实验框架的价值。

分层图胶囊网络

原文标题： Hierarchical Graph Capsule Network

地址： http://arxiv.org/abs/2012.08734

作者： Jinyu Yang, Peilin Zhao, Yu Rong, Chaochao Yan, Chunyuan Li, Hehuan Ma, Junzhou Huang

摘要： 图神经网络（GNN）从显式建模结构化数据的拓扑信息中汲取了力量。但是，现有的GNN在刻画分层图表示方面的能力有限，这在图分类中起着重要作用。在本文中，我们创新性地提出了可以共同学习节点嵌入并提取图层次结构的层次图胶囊网络（HGCN）。具体来说，通过识别每个节点下面的异类因素来建立解缠结的图胶囊，以使它们的实例化参数表示同一实体的不同属性。为了学习分层表示，HGCN通过明确考虑零件之间的结构信息来表征下级胶囊（零件）和高级胶囊（整体）之间的零件-整体关系。实验研究证明了HGCN的有效性以及每个成分的贡献。

递归图神经网络的动态图上可解释的聚类

原文标题： Interpretable Clustering on Dynamic Graphs with Recurrent Graph Neural Networks

地址： http://arxiv.org/abs/2012.08740

作者： Yuhang Yao, Carlee Joe-Wong

摘要： 我们研究了在动态图中对节点进行聚类的问题，其中节点与节点的聚类成员之间的连接可能会随时间而变化，例如由于社区迁移而导致的变化。我们首先提出一个动态随机块模型来刻画这些变化，并提出一个基于衰减的简单聚类算法，该算法基于节点之间的加权连接对节点进行聚类，其中权重随时间以固定速率降低。然后可以将该衰减率解释为表示在群集中包括历史连接信息的重要性。但是，对于具有不同周转率的群集，最佳衰减率可能会有所不同。我们表征了每个群集的最佳衰减率，并提出了一种群集方法，该方法可以实现对真实群集的几乎准确的恢复。然后，我们在模拟图数据上展示了优化衰减率的聚类算法的功效。递归神经网络（RNN）是一种流行的序列学习算法，它使用类似的基于衰减的方法，并且我们利用这一见识为半监督图聚类提出了两种新的RNN-GCN（图卷积网络）体系结构。最后，我们证明了与最新的图聚类算法相比，所提出的体系结构在真实数据上表现良好。

拥有垄断社会网络的数据交易：结果主要是隐私福利的破坏

原文标题： Data Trading with a Monopoly Social Network: Outcomes are Mostly Privacy Welfare Damaging

地址： http://arxiv.org/abs/2012.08729

作者： Ranjan Pal, Junhui Li, Yixuan Wang, Mingyan Liu, Swades De, Jon Crowcroft

摘要： 本文认为，如果在垄断买家的环境中进行交易，则在分布式在线社会网络（例如Facebook）中具有不同隐私评估的战略人物的数据将被低估，并会导致功利主义福利下降。对于某些家庭的在线社区数据交易问题，此结果与流行的信息经济学直觉形成鲜明对比，后者认为数据市场中最终用户数据信号的数量增加会提高其效率。我们提出的理论为在线社会网络（OSN）的数据交易寡头市场的未来（反直觉）分析铺平了道路。

虚假信息研究议程

原文标题： An Agenda for Disinformation Research

地址： http://arxiv.org/abs/2012.08572

作者： Nadya Bliss, Elizabeth Bradley, Joshua Garland, Filippo Menczer, Scott W. Ruston, Kate Starbird, Chris Wiggins

摘要： 在21世纪的信息环境中，对抗性参与者使用虚假信息操纵舆论。意图欺骗而散布虚假，误导或不正确的信息是对美国的生存威胁-信息失真会削弱对民主基本基础的社会政治机构的信任：合法新闻来源，科学家，专家，甚至同胞。结果，社会很难在共同的现实中团结起来。作为一个经济体和一个国家有效运作所需要的共同基础。计算和通信技术以前所未有的速度和规模促进了信息交换。这给社会和经济带来了无数的好处，但在虚假信息的数量，种类和速度上也起了根本性的作用。技术的进步为操纵，影响和欺骗创造了新的机会。它们有效地降低了吸引大量受众的障碍，从而削弱了传统大众媒体的作用以及他们提供的编辑监督。但是，信息交换的数字化也使虚假信息的检测成为可察觉，影响力网络可辨别，并且可疑内容具有特征。必须开发新的工具和方法来利用这些能力来理解和应对这一日益严峻的挑战。

复杂大流行的简单控制

原文标题： Simple Control for Complex Pandemics

地址： http://arxiv.org/abs/2012.08755

作者： Sarah C. Fay, Dalton J. Jones, Munther A. Dahleh, A. E. Hosoi

摘要： 在当前的COVID-19大流行中，量化减轻传染病传播策略的效果比以往任何时候都更为重要。本文介绍了一个隔离模型，该模型解决了随机病毒检测，后续接触者追踪以及随后隔离感染个体以稳定疾病传播的作用。我们提出并研究了两个不同的模型-分支模型和基于个人的模型-两者都刻画了社区中发生的交互的异质性。分支模型用于得出不同缓解策略之间权衡的分析结果。此分析活动最重要的结果，也许是令人惊讶的结果，是社区对疾病暴发的稳定性与其潜在的网络结构无关。然后通过使用分支模型和基于个人的模型进行仿真来说明此结论。

武汉市医护人员SARS-CoV-2感染的时空特征及影响因素分析

原文标题： Spatiotemporal Characteristics and Factor Analysis of SARS-CoV-2 Infections among Healthcare Workers in Wuhan, China

地址： http://arxiv.org/abs/2012.08819

作者： Peixiao Wang, Hui Ren, Tao Hu, Xiaokang Fu, Hongqiang Liu, Xinyan Zhu

摘要： 研究SARS-CoV-2感染在医护人员中的时空分布有助于保护他们免于暴露。与HCW感染有关的现有研究强调了感染率和保护措施。然而，HCW感染的时空模式和相关的外部环境因素仍然不清楚。为了填补这一空白，提供了一个开放源代码的HCW诊断数据集，并探讨了中国武汉地区HCW中SARS-CoV-2感染的时空分布。然后使用地理探测器技术来调查医院级别，类型，与感染源的距离以及其他医护人员感染外部指标的影响。结果显示，随着时间的推移，武汉市每天的HCW感染数量呈对数正态分布，其平均值在2020年1月23日观察到，标准差为10.8天。实施高影响力的措施，例如城市封锁，可能会在短期内增加医护人员感染的可能性，尤其是对于武汉外环的医护人员而言。武汉的医护人员感染表现出明显的空间异质性。中心城市的HCW感染数量较高，外围城市的HCW感染数量较低。而且，HCW感染表现出显著的空间自相关和依赖性。因素分析表明，医院的级别和类型对医护人员感染有更大的影响；靠近感染源的三级和普通医院与感染风险特别高相关。这些发现可以帮助国家流行病预防和控制部门理解导致HCW感染的病毒传播的时空分布以及外部影响因素，从而有助于中国对HCW的保护。

潜在因子解缠的信息扩散预测

原文标题： Information Diffusion Prediction with Latent Factor Disentanglement

地址： http://arxiv.org/abs/2012.08828

作者： Haoran Wang, Cheng Yang

摘要： 信息扩散预测是一项基本任务，它可以预测信息项在用户之间的传播方式。近年来，基于深度学习的方法，特别是基于递归神经网络（RNN）的方法，通过将受感染的用户视为顺序数据，在此任务上取得了可喜的成果。但是，现有的方法用单个向量表示所有先前感染的用户，并且由于模式崩溃问题，可能无法对所有必要信息进行编码以用于将来的预测。为理解决这个问题，我们提议采用解缠结表示学习的思想，该思想旨在提取代表数据不同方面的多个潜在因素，以对信息扩散过程进行建模。具体来说，我们采用顺序注意模块和分解注意模块以更好地汇总历史信息并分解潜在因素。在三个真实数据集上的实验结果表明，所提出的模型SIDDA在hits @ N指标方面明显优于最新的基线方法，最高可提高14％，这证明了我们方法的有效性。

探索叙事经济学：一种基于主体的建模平台，该平台将自动交易员与意见动态集成在一起

原文标题： Exploring Narrative Economics: An Agent-Based-Modeling Platform that Integrates Automated Traders with Opinion Dynamics

地址： http://arxiv.org/abs/2012.08840

作者： Kenneth Lomas, Dave Cliff

摘要： 诺贝尔奖获得者罗伯特·席勒（Robert Shiller）自2017年以来，在试图解释通过常规手段进行分析时难以理解的现实世界经济方面时，引入并发展了叙事经济学的概念，其中可观察到的经济因素（例如资产市场价格的动态是解释主要是由于这些市场参与者听到，讲述和相信的叙述（即故事）的结果。 Shiller认为，以非凡的非理性和难以解释的行为（例如参与高度波动的加密货币市场的投资者）最好用叙事方式来解释和理解：人们进行投资是因为他们相信自己的观点，因为他们对此有深刻的见解。资产，然后他们向自己和其他人讲述有关这些信念和观点的故事（叙述）。在本文中，我们将尽我们所知描述第一个基于主体的建模平台，该平台可用于研究叙事经济学中的问题。我们通过在先前两个独立的领域中整合并综合研究成果来创造这一点：意见动态（OD）和以主体为基础的计算经济学（ACE），其形式为在准确建模的金融市场中运作的智能程度最低的贸易商-主体。我们首次在这里展示如何可以将OD和ACE中建立已久的模型整合在一起，以进行叙事经济学问题的实验研究，并从我们的系统中给出初步结果。我们的仿真平台的程序代码已作为可免费使用的开源软件在GitHub上发布，以使其他研究人员能够复制和扩展我们的工作

疾病动量：在存在超传播的情况下估计再生数

原文标题： Disease Momentum: Estimating the Reproduction Number in the Presence of Superspreading

地址： http://arxiv.org/abs/2012.08843

作者： Kory D. Johnson, Mathias Beiglböck, Manuel Eder, Annemarie Grass, Joachim Hermisson, Gudmund Pammer, Jitka Polechová, Daniel Toneian, Benjamin Wölfl

摘要： 研究传染病的主要兴趣是被感染者产生新感染的平均数量。这个所谓的繁殖数对疾病的进展具有重要意义。越来越多的文献表明，超级传播是个体引起的新感染数量的显著变化，在COVID-19的传播中起着重要作用。在本文中，我们考虑了这种超级扩展对再现数量的估计以及未来案例的后续估计的影响。因此，我们对当前文献中使用的模型进行了简单的扩展，以估计繁殖数量，并对奥地利的COVID-19进展进行了案例研究。我们的模型表明，随着超扩展，复制数量的估计不确定性增加，并且这改善了预测间隔的性能。在一个简化的模型中，我们得出一个透明的公式，该公式将超级扩展的程度与再现数的可信区间的宽度联系起来。

情绪的类型和强度如何影响谣言传播

原文标题： How the emotion's type and intensity affect rumor spreading

地址： http://arxiv.org/abs/2012.08861

作者： Yanli Li, Jing Ma, Fanshu Fang

摘要： 在谣言传播中，情感的涵义和传染效应不容忽视。本文阐明了决策者的情绪类型和强度如何影响谣言的传播。基于RDEU理论和演化博弈，构建了一种以网民和政府为核心的考虑情绪的演化谣言传播博弈模型。通过MATLAB仿真并揭示了DM的情绪类型和强度对谣言传播的影响机制。结果表明，决策者的策略选择不仅受到他们自己的情感偏好和强度的影响，而且还受到其他谣言传播者的选择的影响。悲观主义比乐观主义者对演化博弈的稳定性有更大的影响，政府的情感类型比网民对博弈结果更敏感，情感强度与演化速度成正比。更重要的是，找到了一些重要的情感阈值，可以用来预测网民的行为，帮助政府获得关键时间来处理谣言并避免塔西us斯陷阱危机。此外，模拟结果总结为五种类型：风险，机会，理想，安全和反对。我们希望这项工作有益于政府的公共治理。

购买前先尝试：适用于现实世界数据市场的实用数据购买算法

原文标题： Try Before You Buy: A practical data purchasing algorithm for real-world data marketplaces

地址： http://arxiv.org/abs/2012.08874

作者： Santiago Andrés Azcoitia, Nikolaos Laoutaris

摘要： 数据交易正变得越来越流行，这在最近几年中出现了数十个数据市场（DM）。数字资产的定价特别复杂，因为与有形资产不同，数字资产可以以零成本进行复制，存储和几乎免费地传输等。在大多数DM中，都邀请数据卖方注明价格以及其价格描述数据集。但是，对于数据购买者，只有在将数据与他们的AI / ML算法结合使用之后，才能确定是否按要求的价格支付是合理的。理论工作已经分析了在完整信息模型的情况下要购买哪些数据集以及以什么价格购买数据的问题，其中先验地知道了N个数据集的O（2 ^ N）个可能子集上的算法的性能，以及购买者的价值功能。但是，此类信息难以计算，更不用说在实际DM中公开了。在本文中，我们表明，如果DM向潜在买家提供了其AI / ML算法在单个数据集上的性能的衡量标准，那么他们可以选择要购买的数据集，其功效与完整信息模型的功效相近。我们将结果算法称为“先买后买”（TBYB），并在综合和真实数据集上演示TBYB如何仅用O（N）而不是市场发布的O（2 ^ N）信息就能导致接近最佳的购买性能。

ReINTEL：用于社交网站上负责任信息识别的多模式数据挑战

原文标题： ReINTEL: A Multimodal Data Challenge for Responsible Information Identification on Social Network Sites

地址： http://arxiv.org/abs/2012.08895

作者： Duc-Trong Le, Xuan-Son Vu, Nhu-Dung To, Huu-Quang Nguyen, Thuy-Trinh Nguyen, Linh Le, Anh-Tuan Nguyen, Minh-Duc Hoang, Nghia Le, Huyen Nguyen, Hoang D. Nguyen

摘要： 本文报告了社交网站上负责人信息识别的ReINTEL共享任务，该任务在第七届年度越南语言和语音处理研讨会（VLSP 2020）上举行。给定一条带有相应文本，视觉内容和元数据的新闻，要求参与者对新闻是“可靠”还是“不可靠”进行分类。为了产生公平的基准，我们引入了一个新的人工注释数据集，其中包含从越南社会网络收集的10,000多个新闻。所有模型都将根据AUC-ROC分数（一种典型的分类评估指标）进行评估。比赛在Codalab平台上进行。在两个月内，挑战赛吸引了60多个参与者，并记录了近1,000份参赛作品。

分析行为的社会传播：将复杂的传染整合到基于网络的传播中

原文标题： Analysing the Social Spread of Behaviour: Integrating Complex Contagions into Network Based Diffusions

地址： http://arxiv.org/abs/2012.08925

作者： Josh A. Firth, Gregory F. Albery, Kristina B. Beck, Ivan Jarić, Lewis G. Spurgin, Ben C. Sheldon, Will Hoppitt

摘要： 社会学习行为的传播发生在许多动物物种中，理解行为的传播方式可以提供对社会成因和后果的新颖见解。在野生种群中，通常认为行为传播是“简单传染”。但是，越来越多的证据表明，行为可能经常以“复杂传染”的形式传播，这对传播的方式和程度产生了重大影响。我们提出了一个新的框架，通过将社会学习策略整合到基于网络的扩散分析中，可以对行为传染进行全面检查。我们展示了我们的方法如何确定社会纽带与行为传递之间的关系，确定个人水平的传递规则以及检验人口水平的社会结构效应。我们提供的资源允许跨各种系统进行通用应用，并演示如何进行针对特定研究的进一步开发。最后，我们概述了此框架带来的新机遇，对理解社会性的概念性贡献及其在各个领域的应用。

在无限制人群中评估病毒传播的风险

原文标题： Assessment of the risks of viral transmission in non-confined crowds

地址： http://arxiv.org/abs/2012.08957

作者： Willy Garcia (ILM, UCBL, CNRS), Baptiste Fray (ILM, ENTPE), Alexandre Nicolas (ILM, CNRS, UCBL)

摘要： 这项工作旨在评估Covid-19疾病在各种日常生活情况下（称为情景）传播的风险，其中涉及到许多没有遮盖的行人，大部分是在户外。更具体地说，我们开发了一种方法，可以通过对行人的零星观察来推断全球新感染的数量。该方法依靠通过携带病毒的呼吸道飞沫传播疾病的特殊空间分辨模型，该模型适合于有关Covid-19的现有暴露研究。该方法适用于我们在大流行期间获取的有关行人轨迹和方向的详细现场数据。这使我们能够根据所呈现的传播风险对所调查的场景进行排名；重要的是，在我们所有的传播模式中（最悲观的除外），都保持了所获得的风险等级：街边咖啡馆呈现出的平均新感染率最高，是由服务员引起的，其次是繁忙的户外市场，其次是地铁和火车站，而在相当繁忙的街道上行走时所产生的风险（平均密度约为0.1人/平方米^ 2）相对较低。假设病毒各向同性传播的模型无法重现这些结果。在人群移动的情况下，我们发现密度是影响估计感染率的主要因素。最后，我们的研究探索了街道和场所重新设计在减轻病毒传播方面的效率：尽管在（宽）人行道上强制单程人流的好处尚不清楚，但改变队列的形状会严重影响疾病传播的风险。

对抗性排列指导节点表示以进行链路预测

原文标题： Adversarial Permutation Guided Node Representations for Link Prediction

地址： http://arxiv.org/abs/2012.08974

作者： Indradyumna Roy, Abir De, Soumen Chakrabarti

摘要： 观察到社会网络的快照后，链路预测（LP）算法会识别节点对，将来可能会在这些节点对之间实现新的优势。大多数LP算法估计当前不相邻节点对的分数，并根据该分数对它们进行排名。最近的LP系统通过比较节点的密集，低维向量表示来计算此分数。图神经网络（GNN），特别是图卷积网络（GCN）是流行的例子。对于要有意义地比较的两个节点，它们的嵌入应该对其邻居的重排序无关紧要。 GNN通常使用简单的对称集合聚合器来确保此属性，但是已证明该设计决策会产生具有有限表达能力的表示形式。序列编码器更具表现力，但设计上对排列敏感。克服这种困境的最新努力对于LP任务而言并不令人满意。作为回应，我们提出了PermGNN，它使用循环的，顺序敏感的聚合器聚合邻居特征，并在LP损失被邻居排列的对抗生成器“攻击”时直接最小化。通过设计，与早期的对称聚合器相比，PermGNN 具有更高的表达能力。接下来，我们设计一个优化框架，将PermGNN的节点嵌入映射到合适的位置敏感哈希，从而加快报告LP任务的前 K 最有可能的边。我们在各种数据集上进行的实验表明，我们的性能大大优于几个最新的链路预测器，并且可以快速预测最可能的边。

超越成对网络相似性：探索网络之间的中介与抑制

原文标题： Beyond pairwise network similarity: exploring Mediation and Suppression between networks

地址： http://arxiv.org/abs/2012.09006

作者： Lucas Lacasa, Sebastiano Stramaglia, Daniele Marinazzo

摘要： 网络相似性度量可量化两个网络对称关联的方式和时间，包括统计关联性度量，例如成对距离或网络之间或多路网络各层之间的其他关联性度量，但无法直接揭示是否存在隐藏的混淆性网络因素或他们能否估计因果关系何时支持这种相关。在这项工作中，我们将这个成对概念框架扩展到三元组网络，并量化网络如何以及何时直接或通过间接中介或与第三网络的交互与第二网络相关。因此，我们开发了一种简单直观的集合论方法来量化网络之间的中介和抑制。我们使用综合模型验证了我们的理论，并将其进一步应用于现实世界网络的三元组，揭示了在考虑在线社会网络中不同的交互方式以及大脑中信息处理的不同路径时出现的中介和抑制效果。

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