核心速递

分析多层网络中的模体;
Ad-Hoc 网络中的社交感知拥塞控制：现状与前进方向;
少即是多：用于检测社交媒体中恶意用户的半监督因果推理;
社会推荐系统中的信任与诚信;
利用简化谷歌矩阵分析联合国 COMTRADE 数据，评估石油和天然气贸易减少对欧盟经济的影响;

分析多层网络中的模体

原文标题：

Analysing Motifs in Multilayer Networks

地址：

http://arxiv.org/abs/1903.01722

作者：

Lu Zhong, Qingpeng Zhang, Dong Yang, Guanrong Chen, Shi Yu

摘要： 网模体可以捕获基本的交互模式并告知网络的功能属性。然而，现实世界的复杂系统通常具有多种类型的关系，这些关系不能由单层网络表示。复杂系统的多层性质要求研究将模体的概念扩展到多层网络，从而探索具有更高分辨率的交互模式。

在本文中，我们提出了多层模体的形式定义，并分析了一组真实多层网络中三节点多层模体的涌现。我们发现社会网络中的多层模体在不同层次上更加同质，表明不同类型的社会关系相互促进，而交通网络中的多层模体在各层之间更加互补。我们发现生物网络通常与异构功能相关联。该研究揭示了多层网络框架如何实现捕获节点之间隐藏的多方面关系。

Ad-Hoc网络中的社交

感知拥塞控制：现状与前进方向

原文标题：

Socially-Aware Congestion Control in Ad-Hoc Networks: Current Status and The Way Forward

地址：

http://arxiv.org/abs/1903.01617

作者：

Hannan Bin Liaqat, Amjad Ali, Junaid Qadir, Ali Kashif Bashir, Muhammad Bilal, Fiaz Majeed

摘要： Ad-hoc 社会网络（ ASNET ）代表一种特殊类型的传统 ad-hoc 网络，其中利用用户的社交属性（例如社交连接和通信元数据以及应用程序数据）在分布式无基础设施环境中提供增强服务。然而，由于带宽有限，无线介质在社交元数据和应用程序数据在节点之间交换时很容易遭受拥塞问题 – 这个问题由于某些节点可能自私地行动而不共享资源。

虽然已经为传统的 ad-hoc 网络提出了许多拥塞控制方案，但是将社会意识纳入拥塞控制方案的重点有限。我们重新审视现有的传统临时拥塞控制和数据分发协议，并激发将社交意识嵌入这些协议以提高性能的需求。我们报告说，虽然机会网络中有一些工作可以使用社会意识技术来控制拥塞问题，但这个领域很大程度上尚未开发，需要更多的研究关注。在这方面，我们强调当前的研究进展，并确定未来的多个研究方向。

少即是多：用于检测社交媒

体中恶意用户的半监督因果推理

原文标题：

Less is More: Semi-Supervised Causal Inference for Detecting Pathogenic Users in Social Media

地址：

http://arxiv.org/abs/1903.01693

作者：

Hamidreza Alvari, Elham Shaabani, Soumajyoti Sarkar, Ghazaleh Beigi, Paulo Shakarian

摘要： 近年来，恶意社交媒体行为者对公众舆论和政治事件的操纵行为激增。这些用户被称为“病原性社交媒体（ PSM ）”帐户。 PSM 是将社交媒体中的错误信息传播到病毒比例的关键用户。这些帐户可以由真实用户或自动机器人控制。因此，识别 PSM 对于社交媒体机构来说至关重要。负担通常落在可以识别这些帐户并保护社交媒体声誉的自动方法上。

然而，缺乏足够的标签示例来设计和培训用于打击这些帐户的复杂方法仍然是社交媒体公司面临的最重要挑战之一。相比之下，由于大量用户生成的数据，未标记的数据非常丰富且便宜。在本文中，我们提出了一种半监督的因果推理 PSM 检测框架 SemiPsm，以弥补标记数据的不足。特别地，所提出的方法以流形正则化的形式利用未标记的数据并且仅依赖于级联信息。这与使用穷举特征工程的现有方法（例如，简档信息，网络结构等）形成对比。来自 Twitter 的真实世界 ISIS 相关数据集的经验实验证据表明利用未标记实例检测 PSM 的结果很有希望。

社会推荐系统中的信任与诚信

原文标题：

Trust and Trustworthiness in Social Recommender Systems

地址：

http://arxiv.org/abs/1903.01780

作者：

Taha Hassan, D. Scott McCrickard

摘要： 在线社交媒体上的错误信息盛行与美国日益增长的政治两极分化和党派反感有着切实的经验联系。用于社交推荐的排名算法通常编码关于网络结构（如同性恋）和群体认知（如，社交行为在很大程度上是模仿的）的广泛假设。在假新闻和政治两极的意识形态统一的时代，这些假设可能是天真的和排他性的。我们在社会推荐中以用户为中心的可信度框架的帮助下研究这些假设。可信度的组成维度（多样性），透明度，可解释性，中断）突出了阻止教条化和建立决策意识，透明的新闻推荐系统的新机会。

利用简化谷歌矩阵分析联合国

COMTRADE数据，评估石油和

天然气贸易减少对欧盟经济影响

原文标题：

Influence of petroleum and gas trade on EU economies from the reduced Google matrix analysis of UN COMTRADE data

地址：

http://arxiv.org/abs/1903.01820

作者：

Célestin Coquidé, Leonardo Ermann, José Lages, D.L. Shepelyansky

摘要： 使用联合国 COMTRADE 数据库，我们应用简化的 Google 矩阵（ REGOMAX ）算法来分析2004 – 2016年的多产品世界贸易。我们的方法允许确定一组国家对特定出口国特定产品价格增长的贸易平衡敏感性，同时考虑到所有世界各国的所有直接和间接贸易途径，交换了61个 UN COMTRADE 确定的贸易产品。

在这种方法的基础上，我们展示了来自俄罗斯，美国，沙特阿拉伯和挪威的石油和天然气产品贸易的影响，决定了每个欧盟国家的敏感性。我们表明，与基于出口和进口流量的通常方法相比， REGOMAX 方法提供了贸易影响传播的新的更详细的分析。