核心速递

金融病毒在欧洲及其他地区的蔓延;
金融市场定价有何作用？系统的波动、繁荣和多变视角的模拟分析;
对抗影响最大化;
银行间信贷与货币制造流程。金融稳定的系统观;
现实世界复杂加权网络中的突然效率崩溃：鲁棒性随着链路权重的异质性而降低;
打击假新闻：对识别和应对技术的综述;
交叉应用社交媒体和公共监控摄像机数据以应对灾难;
地震灾害下综合关键基础设施-社区系统的弹性评估框架;
社会网络中重叠社区结构的协同性研究;
现实复杂网络中的排名与合作;
CommunityGAN：使用生成性对抗网络进行社区检测;
通过Factoid嵌入进行无监督用户身份关联;
种子驱动的地理社会数据提取;
比较用于出版物聚类的相关性度量的原则性方法;
以平衡理论为重点的符号网络结构分析与应用;
不确定的教学和学习;
在社会网络中定位旅行社的服务;
用于跨网络节点分类的网络嵌入;

金融病毒在欧洲

及其他地区的蔓延

原文标题：

The spread of a financial virus through Europe and beyond

地址：

http://arxiv.org/abs/1901.07241

作者：

Olena Kostylenko, Helena Sofia Rodrigues, Delfim F. M. Torres

摘要： 我们分析了各国之间国际关系对金融稳定的重要性。通过实施流行病学模型来测试网络中的传染效应，该模型由一些欧洲国家组成，并使用它们之间的外国索赔的双边数据。从国际清算银行获得的关于最终风险基础的合并外国债权的银行统计数据使我们能够衡量从特定国家传播到其他国家银行系统的传染风险。

我们表明，经历债务危机的一些国家的金融体系是全球系统性风险的来源，因为它们威胁到更大系统的稳定性，成为对世界经济中毒的全球威胁，并导致我们所谓的“金融病毒”。在NetLogo多代理可编程建模环境和MATLAB中进行了说明性仿真。

金融市场定价有

何作用？系统的波动、繁荣

和多变视角的模拟分析

原文标题：

What does the financial market pricing do? A simulation analysis with a view to systemic volatility, exuberance and vagary

地址：

http://arxiv.org/abs/1312.7460

作者：

Yuri Biondi, Simone Righi

摘要： Biondi等人（2012）开发一种分析模型，以检验股票市场价格形成的新兴动态属性，能够捕捉重要的程式化事实。后者的这些特性证明对基本信息提供的监管制度以及实际和潜在投资者的市场信心条件都很敏感。基于交易证券的按市值计价（公允价值）衡量的制度，同时在市场价格和基本信号之间产生更高的线性相关性，也涉及更高的市场不稳定性和波动性。这些制度在市场信心空间的某些区域也会产生更多相关的市场繁荣和变幻莫测，市场流动性进一步降低。

对抗影响最大化

原文标题：

Adversarial Influence Maximization

地址：

http://arxiv.org/abs/1611.00350

作者：

Justin Khim, Varun Jog, Po-Ling Loh

摘要： 我们考虑在对抗环境中固定网络传染模型影响最大化的问题。目标是选择一组最佳节点来为影响过程设定种子，使得在活动结束时受影响的节点的数量尽可能大。我们将问题表述为玩家和对手之间的重复博弈，其中对手指定传染可能传播的边，并且玩家选择节点集以在线方式影响。我们在无向和有向网络中建立minimax伪遗憾的上限和下限。

银行间信贷与货币制

造流程。金融稳定的系统观

原文标题：

Interbank Credit and the Money Manufacturing Process. A Systemic Perspective on Financial Stability

地址：

http://arxiv.org/abs/1702.08774

作者：

Yuri Biondi, Feng Zhou

摘要： 当金融机构寻求在一段时间内和环境中寻求结算和再融资时，银行间借贷就会发生。这种互动过程涉及总体水平的货币创造。银行间信贷的协调不匹配可能引发系统性危机。这种情况发生在2007年夏季以来，银行间信贷协调在金融机构中不再平稳运行，最终需要中央银行采取特殊的货币政策，以及政府的担保和救助干预措施。我们的文章开发了一个基于异构代理的互动模型，在最小的机构下进行银行间信贷协调。

首先，我们探讨了银行间信贷协调与资金生成过程之间的联系。与获得的理解相反，银行间信贷有能力使货币体系不受约束。其次，我们对不完善的银行间信贷协调进行了模拟分析，研究了银行间动态对个人和总体水平的金融稳定性和复原力的影响。证明系统性的不稳定力量随着时间的推移与银行系统的运作有关，尤其是银行间协调条件和情况。

现实世界复杂加权网络中的

突然效率崩溃：鲁棒性随着链

路权重的异质性而降低

原文标题：

Abrupt efficiency collapse in real-world complex weighted networks: robustness decrease with link weights heterogeneity

地址：

http://arxiv.org/abs/1901.06404

作者：

Michele Bellingeri, Daniele Bevacqua, Francesco Scotognella, Davide Cassi

摘要： 在这里，我们报告了对五个高质量真实世界复杂加权网络对节点和链路的错误和攻击的稳健性的综合分析。我们分析C.线虫，货船，大肠杆菌，美国机场和人脑现实世界的复杂加权网络。我们使用为二进制（例如最大连通簇LCC和二进制效率Effbin）或加权网络结构（例如效率Eff和总能量信息En）设想的网络损坏的度量。我们发现，去除一小部分具有较高强度和重量的节点和链路会触发加权功能测量的突然崩溃，而评估二元拓扑连通性的测量几乎不受影响。这些发现揭示了现实世界复杂网络的一个有问题的响应状态，其中一小部分节点链路的攻击使这些系统以连接但非常低效的状态返回。

我们的研究结果揭示了如何仅仅关注组件的连通性来严重高估鲁棒性。最后，为了理解网络鲁棒性如何通常受链路权重异构性的影响，我们在现实世界网络的拓扑结构上随机分配链路权重。我们发现高度异构的网络在节点链路去除下经历了更快的效率降低：即，真实世界复杂网络对随机而不是攻击的鲁棒性与链路权重异构性负相关。

打击假新闻：对识别

和应对技术的综述

原文标题：

Combating Fake News: A Survey on Identification and Mitigation Techniques

地址：

http://arxiv.org/abs/1901.06437

作者：

Karishma Sharma, Feng Qian, He Jiang, Natali Ruchansky, Ming Zhang, Yan Liu

摘要： 社交媒体上虚假新闻的泛滥，为及时识别和遏制假新闻，减轻其对舆论的广泛影响开辟了新的研究方向。虽然早期的大部分研究都集中在根据其内容识别虚假新闻或利用用户与社交媒体上的新闻交流，但人们对积极干预策略的兴趣日益浓厚，以应对错误信息的传播及其对社会。在本次调查中，我们描述了现代虚假新闻的问题，特别强调了与之相关的技术挑战。

我们讨论了适用于识别和缓解的现有方法和技术，重点是每种方法的重大进展及其优点和局限性。此外，研究往往受到现有数据集质量及其特定应用背景的限制。为了缓解这个问题，我们全面地编译和总结了可用数据集的特征。此外，我们概述了新的研究方向，以促进未来有效和跨学科解决方案的发展。

交叉应用社交媒体和公共

监控摄像机数据以应对灾难

原文标题：

Cross-referencing Social Media and Public Surveillance Camera Data for Disaster Response

地址：

http://arxiv.org/abs/1901.06459

作者：

Chittayong Surakitbanharn, Calvin Yau, Guizhen Wang, Aniesh Chawla, Yinuo Pan, Zhaoya Sun, Sam Yellin, David Ebert, Yung-Hsiang Lu, George K. Thiruvathukal

摘要： 物理媒体（如监控摄像头）和社交媒体（如Instagram和Twitter）可能对于在紧急情况或灾难情况下获取实地信息非常有用。然而，在自然灾害期间监视摄像机和社交媒体的交叉和可靠性尚未完全了解。为了解决这一差距，我们测试了物理监控摄像机在2017年飓风艾尔玛期间离线时社交媒体是否具有实用性。具体来说，我们在佛罗里达州的时间和地区收集并比较了地理标记的Instagram和Twitter帖子。公共监控摄像机离线的地方。我们报告社交媒体内容，频率和内容，以确定自然灾害期间应急管理人员或急救人员的效用。

交叉应用社交媒体和公共

监控摄像机数据以应对灾难

原文标题：

Resilience Evaluation Framework for Integrated Critical Infrastructure-Community Systems under Seismic Hazard

地址：

http://arxiv.org/abs/1901.06465

作者：

Li Sun, Bozidar Stojadinovic, Giovanni Sansavini

摘要： 在本文中，提出了一种基于主体的建模框架，用于评估由社区及其民用基础设施系统组成的综合系统的地震复原力。具体而言，基于主体的民用基础设施系统恢复过程模型被纳入先前开发的组成供需/地震恢复力量化框架中。拟议的模型代表了民用基础设施系统运营商的行为，因为他们努力在地震后恢复其功能，以及他们的相互作用以及与他们提供服务的社区的互动。

使用所提出的框架进行包括电力供应系统，运输系统和社区（EPSS-TS-社区系统）的虚拟系统的地震恢复力的案例研究。进行参数调查以检查不同地震震级场景的影响以及所涉及的探测器的不同行为及其相互作用对虚拟系统的地震弹性的影响。已经证明，所提出的基于主体的建模方法在表示恢复过程中不同参与者之间的交互方面是有效的。

还有人透露，及时和精心策划的恢复进程干预可有效减轻因民用基础设施服务供应不足而无法满足社区需求而导致的地震后缺乏恢复力。因此，拟议的框架可用于制定在不同地震情景下交织在一起的社会技术系统的恢复轨迹。不同代理商之间的相互作用以及民用基础设施系统之间的相互依赖性被深刻地塑造了这种综合EPSS-TS-Community系统的恢复路径。

社会网络中重叠社

区结构的协同性研究

原文标题：

Investigating Cooperativity of Overlapping Community Structures in Social Networks

地址：

http://arxiv.org/abs/1901.06608

作者：

Mohsen Shahriari, Ralf Klamma, Matthias Jarke

摘要： 许多现实世界的网络可以通过交互代理网络建模。对这些相互作用的分析可揭示这些网络的基本属性。估计与学习环境中的连接相对应的网络中的协作量可以揭示学习者与其他学习者分享他们的经验和知识的程度。或者，分析开源软件项目中的交互网络可以显示指示协作效率的指标。这些领域的一个核心问题是由于其各自社区的低协同价值，网络的协同性较低。

因此，管理员不仅应该了解和预测网络的协同性，还需要评估各自的社区结构。为了解决这个问题，在本文中，我们讨论了开源软件项目和学习论坛的两个领域。因此，我们通过应用若干社区检测算法来计算这些域的相应网络和社区中的协作量。此外，我们调查了社区属性，并确定了估算网络和社区协作性的重要属性。相应地，我们确定了各种社区检测算法在多大程度上影响重要特性的识别和协同性的预测。我们还使用社区属性制作了二元和回归预测模型。我们的结果和构建的模型可用于推断社区结构与其各自属性的协同性。在预测网络中的高缺陷结构时，管理员可以寻找有用的驱动器来增加协作。

现实复杂网络中的排名与合作

原文标题：

Ranking and Cooperation in Real-World Complex Networks

地址：

http://arxiv.org/abs/1901.06611

作者：

Mohsen Shahriari, Ralf Klamma, Matthias Jarke

摘要： 人们参与并在在线社会网络中激活，从而产生大量的网络数据;关于他们的互动，兴趣和活动的数据。有些人通过论坛等在线社交平台搜索特定问题，他们可能会通过专家收到合适的回复。为了将人们归类为专家并评估他们的合作意愿，可以使用复杂网络中的排名和合作问题。

在本文中，我们研究除了囚徒困境博弈之外的经典排序算法来模拟代理人的合作和背叛。我们通过三种策略计算节点等级和节点协作性之间的相关性。第一个策略涉及节点级别;然而，关于节点的邻域计算其他策略。我们找出了特定排序算法和节点协作之间的相关性。我们的观察结果可用于估计人（专家）未来根据其排名值进行合作的倾向。

CommunityGAN：使用

生成性对抗网络进行社区检测

原文标题：

CommunityGAN: Community Detection with Generative Adversarial Nets

地址：

http://arxiv.org/abs/1901.06631

作者：

Yuting Jia, Qinqin Zhang, Weinan Zhang, Xinbing Wang

摘要： 社区检测是指发现共享相似属性或功能的顶点组以便理解网络数据的任务。随着最近深度学习的发展，图表示学习技术也被用于社区检测。但是，社区只能通过应用基于学习顶点嵌入的聚类算法来推断。像K-means和Gaussian Mixture Model这样的通用聚类算法不能输出很多重叠的社区，这已被证明在许多现实世界的网络中非常普遍。

在本文中，我们提出了CommunityGAN，这是一个新颖的社区检测框架，共同解决重叠的社区检测和图表示学习。首先，与传统图表示学习算法的嵌入不同，其中向量条目值没有特定含义，CommunityGAN的嵌入表示顶点到社区的隶属强度。其次，采用专门设计的生成对抗网（GAN）来优化这种嵌入。通过主题级生成器和鉴别器之间的极小极大竞争，它们都可以交替地和迭代地提高它们的性能并最终输出更好的社区结构。对合成数据和实际任务的广泛实验表明，与最先进的方法相比，CommunityGAN实现了大量的社区检测性能提升。

通过Factoid嵌入

进行无监督用户身份关联

原文标题：

Unsupervised User Identity Linkage via Factoid Embedding

地址：

http://arxiv.org/abs/1901.06648

作者：

Wei Xie, Xin Mu, Roy Ka-Wei Lee, Feida Zhu, Ee-Peng Lim

摘要： 用户身份链接（UIL）是跨多个在线社会网络（OSN）匹配用户帐户的问题，被广泛研究并且对于许多现实世界的应用程序而言是重要的。大多数现有的UIL解决方案采用监督或半监督方法，其通常遭受标记数据的稀缺。在本文中，我们提出了Factoid Embedding，这是一种采用无监督方法的新颖框架。它旨在处理不同OSN的不同配置文件属性，内容类型和网络链接。关键思想是关于用户身份的每条信息描述真实身份所有者，从而将所有者与其他用户区分开来。

我们通过factoid表示这样的信息，并将其建模为由用户身份，谓词，对象或其他用户身份组成的三元组。通过嵌入这些factoids，我们学习用户身份潜在表示，并且如果它们在用户嵌入空间中彼此接近，则链接来自不同OSN的两个用户身份。我们的Factoid嵌入算法被设计为当我们学习嵌入空间时，每个嵌入的仿真体被“翻译”成用户嵌入空间中的运动，以使类似的用户身份更接近，并且不同的用户身份进一步分开。进行了大量实验以评估两个真实世界OSN数据集上的Factoid嵌入。实验结果表明，即使没有训练数据，Factoid嵌入也优于最先进的方法。

种子驱动的地理社会数据提取

原文标题：

Seed-Driven Geo-Social Data Extraction

地址：

http://arxiv.org/abs/1901.06712

作者：

Suela Isaj, Torben Bach Pedersen

摘要： 地理社会数据一直是各种问题的有吸引力的来源，例如挖掘移动模式，链路预测，位置推荐和影响最大化。然而，新的地理社会数据越来越不可用，并受到一些限制。在本文中，我们旨在解决从地理社会数据源中有效提取数据的问题。我们首先确定并分类提取地理社会数据的局限性。

为了克服这些限制，我们提出了一种新的种子驱动方法，该方法使用一个来源的点作为种子来作为对其他来源的查询。我们还通过提出用于优化搜索半径的三种变体来处理源与源之间的差异。此外，我们提供基于递归聚类的优化以最小化请求的数量以及学习每个源的特定数据分布的自适应过程。我们对六个流行资源的综合实验表明，我们的种子驱动方法总体上产生了14.3倍的数据，而我们的请求优化算法检索了高达95％的数据，只有不到16％的请求。因此，我们提出的种子驱动方法为有效和高效地提取地理社会数据设定了新标准。

比较用于出版物聚类的

以平衡理论为重点的

符号网络结构分析与应用

原文标题：

Signed Network Structural Analysis and Applications with a Focus on Balance Theory

地址：

http://arxiv.org/abs/1901.06845

作者：

Samin Aref

摘要： 我们从平衡理论的角度分析符号网络，它将结构平衡预测为代表朋友和敌人群体的签名社会网络的全球结构。平衡网络的稀缺性促使我们定义部分平衡的概念，以量化网络平衡的程度。我们评估了部分平衡的几个数值度量，并建议使用挫折指数，这是一种满足关键公理性质的度量，并允许我们根据其部分平衡水平分析图表。文献中用于计算挫折指数的精确算法（也称为平衡线索引）不可扩展，不能处理具有几百个边的图。我们将挫折指数计算为图优化问题，以找到在给定与图节点和边相关联的二元决策变量的情况下在平衡网络中移除的最小边数。我们使用我们的第一个优化模型来分析最多3000个边的图。

重新设计优化问题，我们开发了三种更有效的二元线性规划模型。为模型配备有效的不等式和优先分支作为加速技术，我们可以在廉价的硬件上处理具有15000个边的图。除了对大图进行精确计算外，我们还表明我们的模型优于文献中提出的启发式和近似算法的数量级。我们将符号网络中的平衡和挫折概念扩展到社会背景下平衡理论的经典朋友 – 敌人解释之外的应用。使用高性能计算机，我们可以分析多达100000个边的图，以研究从生物学，化学到金融，国际关系和物理学的各种应用。

不确定的教学和学习

原文标题：

Teaching and learning in uncertainty

地址：

http://arxiv.org/abs/1901.07063

作者：

Varun Jog

摘要： 我们用两个代理人调查一个简单的社会学习模型：教师和学生。老师的目标是教给学生世界状态 Theta ，然而，老师自己不确定 Theta 并且需要同时学习它并教给学生。我们通过二元对称通道对教师和学生的不确定性进行建模，并在学生端使用简单的启发式解码器。我们专注于两种教学策略：简单转发信息的“低成本”策略，以及在每个时刻传达教师当前最佳估计 Theta 的“高效”策略。使用大偏差理论中的工具，我们计算这些策略的确切学习率，并证明低效力策略优于高效策略的制度。我们的主要技术贡献是详细分析 mathbb Z 上瞬态马尔可夫随机游走的符号的大偏差属性。

在社会网络中定位旅行社的服务

原文标题：

Positioning services of a travel agency in social networks

地址：

http://arxiv.org/abs/1901.07072

作者：

S.S. Fedushko, Yu.R. Bekesh

摘要： 在本文中，观察了通过社会网络形成旅游公司客户群的方法。这些方法涉及社会网络的网络用户（VK.com和Facebook），用于在因特网上定位旅行社“新欧洲”的服务。还使用了应用维护活动的方法和网络用户的兴趣。因此，现代网络社会信息交换的主要方法是在线社会网络。这种信息和通信技术的快速发展和完善是旅行社品牌在全球信息空间定位的关键因素。社区网络目标受众缺乏时间和空间限制以及信息传播的速度，为有效推广旅行社“新欧洲”及其在互联网上的服务创造了条件。

用于跨网络节点分类的网络嵌入

原文标题：

Network Embedding for Cross-network Node Classification

地址：

http://arxiv.org/abs/1901.07264

作者：

Xiao Shen, Fu-lai Chung

摘要： 网络嵌入是学习低维节点向量表示的有效方法，可以很好地保留原始网络结构。现有的网络嵌入算法主要是针对单个网络开发的，这些算法无法跨网络学习广义和可比较的特征表示。在本文中，我们通过利用来自源网络的丰富标记信息来帮助对目标网络中未标记的节点进行分类，从而解决跨网络节点分类问题。提出了一种跨网络深度网络嵌入（CDNE）模型，将源网络和目标网络中的节点嵌入到统一的低维潜在空间中。该模型集成了深度网络嵌入和域自适应，以学习标签判别和网络不变节点向量表示。网络结构，节点属性和节点标签被共同利用以学习网络内和不同网络上的类似节点的类似隐藏向量表示。大量实验结果表明，所提出的模型明显优于目标网络中用于节点分类的最新相关算法。