核心速递

没有永久的朋友或敌人：追踪国家与新闻之间的关系;
对大量推文使用word2vec和潜在主题分析来表征城市人口;
网络主节点交互的新（aleph）随机猝灭障碍模型;
（不）理性选择的物理学;
数字时代的网络欺凌：人们在Twitter上的观点和信息共享行为;
媒体影响在线社会网络内容意识形态的模型;
离散层次作为最优成本调整生产力组织的理论;
无线传感器网络鲁棒最大共识的分析与设计;
经典随机图中通过一阶相变涌现的度的凝聚;
建模分层群集;
真正全球身份的基础;
DDGK：学习深度散度图核的图表示;
空间点模式与城市形态：熵、复杂性与网络的视角;
基于谱约束的结构化图学习统一框架;
网络社区的广义马尔可夫稳定性;

没有永久的朋友或敌人：

追踪国家与新闻之间的关系

原文标题：

No Permanent Friends or Enemies: Tracking Relationships between Nations from News

地址：

http://arxiv.org/abs/1904.08950

作者：

Xiaochuang Han, Eunsol Choi, Chenhao Tan

摘要：了解国际政治的动态对平民来说是重要而又具有挑战性的。在这项工作中，我们探索无监督神经模型来推断国家之间的关系从新闻文章。我们通过结合浅层语言学信息扩展现有模型，并提出一种新的自动评估指标，使关系动态与手动注释的关键事件保持一致。理解国际关系需要仔细分析复杂的关系，我们与三组参与者进行面对面的人体评估。

总体而言，人们更喜欢我们模型的输出，并提供富有洞察力的反馈，为人类中心模型提供未来发展方向。此外，我们的模型揭示了新闻报道中有趣的区域差异。例如，在美中关系方面，新加坡媒体更多关注“强化”和“购买”，而美国媒体更多关注“批评”和“谴责”。

对大量推文使用word2vec

和潜在主题分析来表征城市人口

原文标题：

Characterization of citizens using word2vec and latent topic analysis in a large set of tweets

地址：

http://arxiv.org/abs/1904.08926

作者：

Vargas-Calderón Vladimir, Camargo Jorge

摘要：随着互联网和移动设备的使用越来越多，社会网络正成为传播公民思想和思想的最常用媒体。根据他们在网络中发布的内容，此信息对于识别具有共同想法的社区非常有用。本文提出了一种基于机器学习技术自动检测城市社区的方法，该技术应用于来自波哥大市民的一组推文。在六个月的时间内从Twitter收集的2,634,176条推文中进行了分析。结果表明，该方法是一种基于机器学习方法和文本分析来表征城市人口的有趣工具。

网络主节点交互的新

（aleph）随机猝灭障碍模型

原文标题：

A New (aleph) Stochastic Quenched Disorder Model for Interaction of Network- Master node

地址：

http://arxiv.org/abs/1904.08938

作者：

Anderson A. Ferreira, Leandro A. Ferreira, Fernando F. Ferreira

摘要：我们考虑第一个邻居交互，其中代理通过一维网络传播。某些代理还连接到具有优先值（或方向）的集线器或主节点。主节点的作用是说服某些人遵循特定的方向，但要有成功说服的可能性。主节点和网络社会之间的联系在无序中熄灭。尽管它很简单，我们发现了三种不同控制参数从无序到有序的相变。我们还讨论了该模型如何作为研究道德，创新，意见形成和共识的传播的框架。重要的是要记住社会系统中从无序到有序的路线仍然是一个巨大的挑战。我们希望通过一种新颖的方法为这个问题建模。

（不）理性选择的物理学

原文标题：

The physics of (ir)rational choice

地址：

http://arxiv.org/abs/1904.08975

作者：

Joost Kruis, Gunter Maris, Maarten Marsman, Dylan Molenaar, Maria Bolsinova, Han L. J. van der Maas

摘要：尽管离散选择的经典理论和模型将人视为一种理性存在，但人们已经广泛地证明了人们在实际选择中持续违反理性。最近的决策模型经常（部分地）考虑到这些违规行为，但是尚未建立统一的框架。在这里，我们提出了这样一个框架，受到来自统计物理学的Ising模型的启发，并表明将选择问题表示为图，以及简单的选择过程，使我们能够解释理性决策以及违反理性。

数字时代的网络欺凌：人们在

Twitter上观点和信息共享行为

原文标题：

Cyberbullying in the digital age: People’s perspective and information sharing behavior on Twitter

地址：

http://arxiv.org/abs/1904.09032

作者：

Iman Tahamtan, Li-Min Huang

摘要：很少有研究使用社交网站来了解人们对网络欺凌的看法。目前的研究通过推文的文本挖掘调查了人们对网络欺凌的见解和信息共享行为。在RStudio中收集并分析了英语推文。调查结果显示，人们在Twitter上分享了大量有关信息的信息，例如关于如何处理网络欺凌的不同方面的在线文章。分析网络欺凌推文揭示了一些需要考虑的主要行动（例如，教育父母和教师关于网络欺凌），以及引起人们注意的某些事件（例如，密歇根网络欺凌法）。

家长和教师似乎在教育，通知，警告，预防和保护网络欺凌行为方面发挥着重要作用。在女孩，照片和共享中发现了强烈的相关性，这可能表明女孩比男孩更有可能经历与外表相关的网络欺凌。

媒体影响在线社会

网络内容意识形态的模型

原文标题：

A Model for the Influence of Media on the Ideology of Content in Online Social Networks

地址：

http://arxiv.org/abs/1904.09238

作者：

Heather Z. Brooks, Mason A. Porter

摘要：许多人依赖在线社会网络作为新闻和信息的来源，并且在整个政治领域中传播具有意识形态的媒体内容既影响在线讨论又影响离线行动。为了检验这些现象，我们通过将媒体账户作为影响者来概括社会网络上的意见动态的有限置信度模型。我们将内容的党派关系量化为间隔的连续参数，并且我们提出了更高维度的概括，以结合内容质量和越来越细微的政治立场。

我们用一个和两个意识形态维度模拟我们的模型，并且我们使用我们的模拟结果来量化非媒体帐户内容与网络中媒体帐户的意识形态的“夹带”。我们通过调整宣传内容的媒体帐户数量和帐户关注者数量，最大限度地提高媒体对社会网络的影响力。从我们的数值计算中，我们发现非媒体账户向媒体意识形态传播的内容意识形态的夹带取决于网络的结构特征，例如大小，跟随者的平均数量，以及节点对不同意见的接受程度。

然后，我们将内容质量 – 我们工作的一个关键小说贡献 – 引入到我们的模型中。我们将多种媒体资源与意识形态偏差和质量水平估算相结合，我们从真实的媒体资源中得出，并证明我们的模型可以产生在意识形态和质量两极分化的独特社区（“回声室”）。我们的模型为了解传播动态中的内容质量和意识形态提供了一个步骤，其中包括如何减少不需要的内容的传播并促进所需内容的传播。

离散层次作为最优成

本调整生产力组织的理论

原文标题：

A Theory of Discrete Hierarchies as Optimal Cost-Adjusted Productivity Organisations

地址：

http://arxiv.org/abs/1904.09267

作者：

Sandro Claudio Lera, Didier Sornette

摘要：等级结构在人类和动物社会中无处不在，但对其存在的理由缺乏基本的理解。在这里，我们提出了一个一般理论，其中层次结构作为最优设计获得，在集团生产力的利益和协调沟通的成本之间取得平衡。通过最大化分层组织的输出相对于其设计的一般表示，可以确定不同级别的组大小的最佳配置。由于成分很少，可以推导出各种各样的等级有序的复杂组织结构。

此外，我们的结果合理化了三位一体等级的普遍存在，即在许多人类和动物等级中发现的3美元到4美元之间的普遍优选尺度比例，这应该根据我们的理论发生，当生产由各个层次相当均匀地贡献时。我们还提供了一种优化团队组织的系统方法，帮助解决最佳“控制范围”问题。主管通常管理的下属数量大得多的sim 3-20美元合理化发生在组织中，其中生产基本上是在底层完成的，其中较高级别仅用于优化协调和控制。

无线传感器网络鲁

棒最大共识的分析与设计

原文标题：

Analysis and Design of Robust Max Consensus for Wireless Sensor Networks

地址：

http://arxiv.org/abs/1904.09377

作者：

Gowtham Muniraju, Cihan Tepedelenlioglu, Andreas Spanias

摘要：提出了一种新的分布式算法，用于在存在附加通信噪声的情况下估计网络中节点初始状态值的最大值。传统上，通过在每次迭代中用最大的接收测量值更新节点状态值，在每个节点处本地估计最大值。然而，由于附加信道噪声，每个节点处的最大值的估计在每次迭代时漂移，这导致节点偏离真实的最大值。Max-plus代数用作研究遍历过程的工具。

引用次加遍遍定理来建立由于噪声引起的状态值的恒定增长率，这通过分析max-plus半环中噪声矩阵乘积的max-plus Lyapunov指数来研究。状态值的增长率由上限限定，该常数取决于网络的谱半径和噪声方差。固定图和随机图都导出了上限和下限。最后，提出了一种对网络中加性噪声具有鲁棒性的双运算算法，并利用浓度不等式分析其方差。还给出了支持该理论的仿真结果。

经典随机图中通过一

阶相变涌现的度的凝聚

原文标题：

Condensation of degrees emerging through a first-order phase transition in classical random graphs

地址：

http://arxiv.org/abs/1904.09457

作者：

Fernando L. Metz, Isaac Pérez Castillo

摘要：由于它们的概念和数学简单性，Erdos-Renyi或经典随机图仍然是在几个领域中模拟复杂相互作用系统的基本范例。虽然在复杂网络理论中已经广泛考虑了凝聚现象，但凝聚到目前为止，我们已经证明经典随机图模型的度数统计经历了泊松状分布和凝聚相之间的一阶相变，后者的特征是大部分节点具有度根据统计物理学中的标准概念讨论了一阶过渡的基础机制。我们揭示了表征模型集合空间的相图，并且我们评估了控制概率的速率函数。观察凝聚态，这表明凝结度是一种罕见的类似统计事件最近在其他几个系统中观察到了凝结现象蒙特卡罗模拟证实了我们理论结果的准确性。

建模分层群集

原文标题：

Modelling Hierarchical Flocking

地址：

http://arxiv.org/abs/1904.09584

作者：

Yongnan Jia, Tamas Vicsek

摘要：我们提出了一个通用框架，用于在自由边界条件下对各种群集场景进行建模。已经考虑了几种变体 – 包括分层交互单元的广泛观察行为的示例。我们模拟的模型对应于各种现实情况的类。我们的主要目标是在存在噪音的情况下研究鸡群的稳定性。我们的一些发现在第一次近似中是违反直觉的，例如，如果等级基础上纯粹基于支配地位（邻居对决定给定个体的飞行方向的不均衡贡献），则群体更容易松散即使与标准平等主义鸡群进行比较，也会因扰动而产生一致性。

因此，我们专注于基于leaderfollower关系建立模型。事实上，我们的研究结果支持这样一个概念，即在重要的实际案例中，等级组织可以非常有效，特别是如果领导者之间的相互作用（对应于潜在的有向交互网络）具有多个层次。即使在集体运动被随机扰动破坏的情况下，这里的效率也与保持稳定（相干和内聚）相关联。我们提出的框架允许研究群集剂成员之间的几种进一步复杂的相互作用。

真正全球身份的基础

原文标题：

Foundation for Genuine Global Identities

地址：

http://arxiv.org/abs/1904.09630

作者：

Gal Shahaf, Ehud Shapiro, Nimrod Talmon

摘要：全球约有1Bn人出生并没有身份证件。此外，在一代人中预计为1亿人的流离失所者经常发现自己没有有价值的身份证件，即使他们在原籍国有任何证据。鉴于集中的，自上而下的身份授予解决方案使世界人口的大部分失败，自下而上的基层分散解决方案允许每个人创建并拥有一个值得信赖的真正的全球身份。迫切需要。这种自下而上的解决方案只有在对创建虚假和重复身份的恶意攻击者具有弹性时才有价值（所谓的sybils）。

此外，为了成为真正的基层解决方案，依靠它来实现全球认同的人也应该是其主权。因此，它的治理也必须具有sybil弹性。在这里，我们为分散的，基层的，自下而上的，自我主权的过程奠定了基础，在这个过程中，每个人都可以轻松地创造和拥有一个真正的全球身份，作为公钥实现。

该解决方案依赖于在全球身份中形成“信任网”，但不依赖于生物识别技术，也不需要将公共或甚至第三方存储上的任何个人信息存储在公钥本身之外。该方法旨在使用分布式分类帐/区块链技术实现自然实现。为了使解决方案完整，需要额外的组件，包括鼓励诚实行为的机制和平等加密货币为机制提供动力。这些是未来研究的主题。

DDGK：学习深度

散度图核的图表示

原文标题：

DDGK: Learning Graph Representations for Deep Divergence Graph Kernels

地址：

http://arxiv.org/abs/1904.09671

作者：

Rami Al-Rfou, Dustin Zelle, Bryan Perozzi

摘要：神经网络可以学习比较没有特征工程的图吗？在本文中，我们表明有可能学习图相似性的表示既没有领域知识也没有监督（即特征工程或标记图）。我们提出了Deep Divergence Graph Kernels，这是一种用于学习图表示的无监督方法，它可以编码一个放松的图同构概念。我们的方法由三部分组成。首先，我们学习每个锚图的编码器以捕获其结构。其次，对于每对图，我们训练一个交叉图注意网络，该网络使用锚图的节点表示来重建另一个图。

我们称之为同构注意的这种方法捕获了一个图的表示可以编码另一个图的程度。我们使用注意力增强编码器的预测来定义每对图的发散分数。最后，我们使用这些成对的发散分数为所有图构建一个嵌入空间。与以前的工作不同，其中大部分依赖于1）监督，2）领域特定知识（例如依赖于Weisfeiler-Lehman核心），以及3）已知的节点对齐，我们的无监督方法联合学习节点表示，图表示和注意图之间的对齐。我们的实验结果表明，深度发散图核可以学习图之间的无监督对齐，并且当用作许多具有挑战性的图分类任务的特征时，学习的表示获得竞争结果。此外，我们还说明了学习的注意力如何能够洞察跨图的子结构的对齐。

空间点模式与城市形态

：熵、复杂性与网络的视角

原文标题：

Spatial Point Pattern and Urban Morphology: Perspectives from Entropy, Complexity and Networks

地址：

http://arxiv.org/abs/1904.09787

作者：

Hoai Nguyen Huynh

摘要：城市系统或城市的物理形态的空间组织既体现又影响其社会形态的运作方式。因此，对城市空间格局的数学量化对于理解系统的各个方面是重要的。在这项工作中，提出了一个基于熵最大化思想来描述城市位置空间模式的框架。计算系统中的三个空间长度尺度，其在位置的空间布置方面具有辨别的解释。使用这些长度尺度，引入两个量来量化系统的空间模式，即质量退相干和空间退相干，其组合使得能够比较世界上不同的城市。比较揭示了不同类型的城市形态，可归因于城市的地理背景和发展状况。

基于谱约束的结

构化图学习统一框架

原文标题：

A Unified Framework for Structured Graph Learning via Spectral Constraints

地址：

http://arxiv.org/abs/1904.09792

作者：

Sandeep Kumar, Jiaxi Ying, José Vinícius de M. Cardoso, Daniel Palomar

摘要：从数据中学习图表代表了一个在文献中受到广泛关注的规范问题。然而，在将先前的结构知识结合到从数据学习底层图模型方面已经做了不充分的工作。学习具有特定结构的图对于解释和识别数据之间的关系至关重要。有用的结构化图包括多组件图，二部图，连通图，稀疏图和常规图。一般而言，结构化图学习是NP难以组合的问题，因此，设计一般易处理的优化方法极具挑战性。

在本文中，我们介绍了一个统一的图学习框架，它位于高斯图模型和谱图论的集成之中。为了在图上强加特定结构，我们首先展示如何将组合约束表示为图矩阵的分析属性。然后，我们开发了一个优化框架，通过图矩阵的谱约束利用特定结构的图学习。所提出的算法可证明是收敛的，计算上有效的，并且实际上适用于许多基于图的任务。使用合成数据集和实际数据集进行的广泛数值实验说明了所提算法的有效性。所有模拟的代码都作为开源存储库提供。

网络社区的广义马尔可夫稳定性

原文标题：

Generalized Markov stability of network communities

地址：

http://arxiv.org/abs/1904.09877

作者：

Aurelio Patelli, Andrea Gabrielli, Giulio Cimini

摘要：我们通过引入马尔可夫稳定性的一般定义来解决网络中的社区检测问题，基于不同时间尺度上网络上马尔可夫链的概率通量之间的差异。因此，质量函数的特定实现和由此产生的最优社区结构将依赖于马尔可夫过程的类型和所考虑的特定马尔可夫时间。

例如，如果我们使用自然马尔可夫链动力学并对其静态分布进行折扣 – 也就是说，我们将无限时间的动力学作为参考过程 – 我们获得马尔可夫稳定性的标准公式。值得注意的是，使用有限时间转换概率来定义参考过程的可能性自然允许以不同的分辨率检测社区，而无需在小的时间限制内考虑连续时间马尔可夫链。基于动态流的马尔可夫稳定性的一般公式的主要优点是我们在网络分区上使用集总马尔可夫链，具有与原始过程相同的静态分布。通过这种方式，质量函数的形式在分区下变得不变，从而导致在不同聚合尺度上的社区结构的自洽定义。