核心速递

对顶尖科学家合作行为的性别分析：来自意大利的证据;
平衡社会网络中的影响力差异;
从聚合物的统计力学中学习最佳协调的路线;
密集子图发现的有效算法;
使用应用内行动图表征和预测用户参与度：Snapchat 的案例研究;
整合的悖论—-元胞自动机方法;
逆向增强修剪树在 Twitter 上进行抑郁症检测;
一个简单的传染过程描述了城市网络中交通拥堵的传播;
DANE：域自适应网络嵌入;
通过可视化评估网络分区;
网络社会网络中结构多样性的优势;
模拟财富分配演变的非麦克斯韦动力学方程;
积极参与如何影响共识：自适应网络模型的意见动态和影响最大化重连;
通过 WhyIDidntReport 运动了解性骚扰受害者的沉默;
女性可以打破玻璃天花板吗？Twitter 上 MeToo 标签帖子的分析;
复杂网络中的人工信息处理;

顶尖科学家合作行为背后的

性别分析：来自意大利的证据

原文标题：

A gender analysis of top scientists’ collaboration behavior: evidence from Italy

地址：

http://arxiv.org/abs/1906.00754

作者：

Giovanni Abramo, Ciriaco Andrea D’Angelo, Flavia Di Costa

摘要： 这项工作分析了特定类型的学者中的男性和女性之间的协作行为的差异：顶级科学家，以及与非顶级科学家的差异。观察领域包括意大利学术体系和11,145名教授的科学出版物的共同作者。从2006-2010五年期的横断面分析中得出的结果表明，两种性别的顶尖科学家在整体合作倾向方面没有显著差异。在单一学科层面，协作行为没有差异，除了以下情况：

i）数学和化学领域的国际合作，男性的合作倾向更大;

ii）在物理学方面的国内外合作，其中女性表现出更大的合作倾向。

由于国际合作与研究绩效正相关，因此研究结果可以为旨在提高女性最佳表现者代表性的科学政策提供信息。

平衡社会网络中的影响力差异

原文标题：

Balancing spreads of influence in a social network

地址：

http://arxiv.org/abs/1906.00074

作者：

Ruben Becker, Federico Corò, Gianlorenzo D’Angelo, Hugo Gilbert

摘要： 我们在社交媒体上对新闻消费的个性化倾向于强化我们先前存在的信念，而不是用新信息平衡我们的旧观点。为了从计算的角度解决这个问题，Garimella 等人（NIPS’17）使用著名的独立级联模型模拟这些新闻观点的传播，并研究了一个优化问题，旨在平衡两个相反的观点在网络中传播时它们社会网络中的信息曝光。他们的 NP-hard 优化问题的目标是最大化暴露于两个观点或没有观察点的人数。对于两种不同的设置，一种对应于活动以相关方式传播的模型，另一种对应于两种活动以异构方式传播的模型，它们提供恒定比率近似算法。

在本文中，我们研究了这个问题的更一般的表述。也就是说，我们假设μ不同的广告系列在社会网络中传播，我们的目标是最大化接触μ或没有广告系列的人数，其中。我们为相关和异构设置提供专用的近似算法。有趣的是，对于的异构设置，我们给出一个减少导致几个近似硬度结果。也许最重要的是，我们得到的问题不能在的因子内近似为假设 Gap-ETH ，表示 n 社会网络中的节点数量。对于，如果存在某类单向函数，则没有近似算法，其中是给定常量，取决于 V 。

从聚合物的统计力学

中学习最佳协调的路线

原文标题：

Learning the optimally coordinated routes from the statistical mechanics of polymers

地址：

http://arxiv.org/abs/1906.00130

作者：

LiaoHao, Xingtong Wu, Mingyang Zhou, Chi Ho Yeung

摘要： 许多主要城市都遭受严重的交通堵塞。城市道路扩建通常是不可行的，缓解交通拥堵的另一种方法是协调车辆的路线。因此提出了各种路径选择和规划算法，但是大多数现有方法仅分别规划路径并提供不协调的解决方案。最近，绘制了车辆路线协调与高分子相互作用的类比;统计物理学中的自旋玻璃理论用于优化协调运输路线。为了进一步研究路径协调带来的优势，我们将公共道路局（BPR）开发的链路拥塞功能纳入聚合物路由算法。

然后，我们在模拟中估计聚合物-BPR 算法在随机生成的网络和包括伦敦，纽约和北京在内的主要城市的实际交通网络中节省的所有用户的旅行时间。我们发现在所有研究的网络中都节省了大量的旅行时间，这表明受高分子物理学启发的方法可以有效地通过路径协调最小化旅行时间，这是缓解交通拥堵的有希望的工具。

密集子图发现的有效算法

原文标题：

Efficient Algorithms for Densest Subgraph Discovery

地址：

http://arxiv.org/abs/1906.00341

作者：

Yixiang Fang, Kaiqiang Yu, Reynold Cheng, Laks V.S. Lakshmanan, Xuemin Lin

摘要： 最密集子图发现（DSD）是图挖掘中的一个基本问题。它已经研究了几十年，并广泛用于各个领域，包括网络科学，生物分析和图数据库。给定图 G，DSD 旨在找到具有最高密度的 G 的子图 D（例如，D 中的顶点数上的边数）。由于 DSD 难以解决，我们在本文中提出了一种新的解决方案范例。

我们的主要观察是通过 k-核心（一种 G 图的密集子图）可以准确地找到最密集的子图，具有理论上的保证。基于这种直觉，我们为 DSD 开发了高效的精确和近似解。此外，我们的解决方案能够找到最密集的子图，用于各种图密度定义，包括基于 clique 和基于模式的一般密度。我们对11个真实数据集进行了广泛的实验评估。我们的结果表明，我们的算法比现有方法快了四个数量级。

使用应用内行动图表征和预测

用户参与度：Snapchat 案例研究

原文标题：

Characterizing and Forecasting User Engagement with In-app Action Graph: A Case Study of Snapchat

地址：

http://arxiv.org/abs/1906.00355

作者：

Yozen Liu, Xiaolin Shi, Lucas Pierce, Xiang Ren

摘要： 虽然移动社交应用在人们的日常生活中变得越来越重要，但我们对促使用户使用这些应用的动机的理解有限。在本文中，我们回答了用户的社交应用内活动模式是否有助于预测其未来应用参与度（例如，未来时间窗口中的活跃天数）的问题？以前关于预测用户应用程序参与度的研究主要集中于各种宏观特征（例如，活动频率的时间序列），而忽略了微观层面上不同应用内动作之间的细粒度相互依赖性。在这里，我们建议将个人用户的应用内操作转换模式正式化为时间演变的动作图，并在通知未来用户参与方面分析其特征。

我们的分析表明，行动图能够表征用户行为模式并为未来的参与提供信息。我们推导出许多高阶图功能，以捕获应用内使用模式，并构建可解释的模型，用于预测参与度变化和活跃率的趋势。为了进一步增强预测能力，我们设计了一个端到端的多通道神经模型来编码时间动作图，活动序列和其他宏观特征。在28天的时间内预测15万 Snapchat 新用户的用户参与度的实验证明了所提出的模型的有效性。预测框架部署在 Snapchat，以提供真实世界的商业见解。我们提出的框架也是通用的，可以应用于其他社交应用程序平台。

整合的悖论—-元胞自动机方法

原文标题：

Paradox of integration—-Cellular automata approach

地址：

http://arxiv.org/abs/1906.00393

作者：

Krzysztof Malarz, Krzysztof Kułakowski

摘要： 我们讨论了 Peter Blau 引入的自我贬低策略作为社会整合过程的一个阶段。最近我们引入了二维空间状态，真实和表面空间（ A 和 B ），我们已经证明，通过这种设置，自贬策略可以有效地防止拒绝（Malarz 和 Ku l akowski，arXiv：1903.04291）。在那里，减少冲突的过程由主方程描述，即一组描述状态（A，B）的表演者密度 v（A，B）的演化的微分方程。在这里，我们根据概率异步元胞自动机重新表述问题。状态（A，B）的表演者数 n（A，B）的获得结果在质量上与前一种方法相同。即，表面状态的增强补偿了真实表面状态的不足。然而，结果取决于自动机规则的应用顺序;对于后向打字机顺序获得上述结果。

逆向增强修剪树在

Twitter 上进行抑郁症检测

原文标题：

Inverse boosting pruning trees for depression detection on Twitter

地址：

http://arxiv.org/abs/1906.00398

作者：

Lei Tong, Xiangrong, Qianni Zhang, Abdul Sadka, Ling Li, Huiyu Zhou

摘要： 抑郁症是最常见的精神疾病之一，每年都有大量抑郁症患者自杀。潜在的抑郁症患者不会咨询心理医生，因为他们感到羞耻或不知道任何抑郁症，这可能导致严重的诊断和治疗延误。与此同时，有证据表明社交媒体数据提供了有关身心健康状况的宝贵线索。在本文中，我们认为通过挖掘在线社会行为来早期识别抑郁症是可行的。我们的方法对于抑郁症检测的实践是创新的，不依赖于提取众多或复杂的特征来实现准确的抑郁症检测。

相反，我们提出了一种新的分类器，即反向增强修剪树（IBPT），它在具有7862个 Twitter 用户的公共可访问数据集上展示了强大的分类能力。为了全面评估 IBPT 的分类能力，我们使用来自 UCI 机器学习库的三个真实数据集，并且 IBPT 仍然获得针对几种现有技术的最佳分类结果。结果表明，我们提出的框架有望识别社会网络的抑郁症患者。

一个简单的传染过程描述

了城市网络中交通拥堵的传播

原文标题：

A simple contagion process describes spreading of traffic jams in urban networks

地址：

http://arxiv.org/abs/1906.00585

作者：

Meead Saberia, Mudabber Ashfaq, Homayoun Hamedmoghadam, Seyed Amir Hosseini, Ziyuan Gu, Sajjad Shafiei, Divya J. Nair, Vinayak Dixit, Lauren Gardner, S. Travis Waller, Marta Gonzalez

摘要： 交通拥堵在城市网络中的传播一直被视为一种复杂的时空现象，往往需要计算密集的微观模型来进行分析。在这项研究中，我们提出了一个框架，用一个简单的传染过程描述城市交通拥堵传播和消散的动态，受到那些用于模拟人口传播疾病的启发。我们介绍了网络流量的两个新的宏观特征，即拥塞传播速率 β 和拥塞耗散率 μ 。我们使用嵌入在常微分方程系统中的这些新参数 β 和 μ 来描述堵塞的传播和耗散的动态，类似于众所周知的易感-感染-恢复（SIR）模型。建议的基于传染的动力学通过经验多城市分析得到验证，可用于监测，预测和控制网络中拥挤链路的比例。

DANE ：域自适应网络嵌入

原文标题：

DANE: Domain Adaptive Network Embedding

地址：

http://arxiv.org/abs/1906.00684

作者：

Yizhou Zhang, Guojie Song, Lun Du, Shuwen Yang, Yilun Jin

摘要： 最近的工作表明，网络嵌入技术使许多机器学习模型能够处理图结构化数据上的各种下游任务。但是，由于以前的方法通常侧重于学习单个网络的嵌入，因此无法学习可在多个网络上传输的表示。因此，设计支持在不同网络上进行下游模型传输的网络嵌入算法是很重要的，称为域自适应。在本文中，我们提出了一种新的域自适应网络嵌入框架，它应用图卷积网络来学习可转移嵌入。

在 DANE 中，来自多个网络的节点通过共享的可学习参数集被编码到向量，使得向量共享对齐的嵌入空间。通过对抗性学习正则化进一步调整嵌入在不同网络上的分布。此外，理论上可以保证 DANE 在学习可转移网络嵌入方面的优势。大量实验表明，所提出的框架在跨网域适配任务中优于其他最先进的网络嵌入基线。

使用可视化评估网络分区

原文标题：

Evaluating network partitions through visualization

地址：

http://arxiv.org/abs/1906.00699

作者：

Chihiro Noguchi, Tatsuro Kawamoto

摘要： 网络集群需要手动做出许多决策，例如组的数量和要使用的统计模型。即使在使用信息标准进行过滤或使用非参数框架进行规范化之后，我们通常也会留下具有合理分区的多个候选者。最后，用户必须决定哪些推断组应被视为提供信息。在这里，我们提出了一种可视化方法，可以有效地表示基于统计推断算法的网络分区。我们基于可视化的非统计评估程序可帮助用户在无法根据统计评估唯一确定重要组时提取信息组。所提出的可视化对于用作不同聚类算法的基准测试也是有效的。

网络社会网络中结构多样性的优势

原文标题：

The Strength of Structural Diversity in Online Social Networks

地址：

http://arxiv.org/abs/1906.00756

作者：

Yafei Zhang, Lin Wang, Jonathan J.H. Zhu, Xiaofan Wang, Alex ‘Sandy’ Pentland

摘要： 网络结构被认为在各种社会过程中发挥着至关重要的作用，从信息的传播到社会行为和规范的传播。因此，了解个人在社会网络中的互联方式对于预测其集体结果具有重要意义。利用来自知识共享网站的数据，我们开发了几种量化指标来衡量节点在有向网络中的社会背景多样性，并研究社会背景多样性在线预测一个人的社会声誉中的作用。我们表明，社会声誉受到一个社会周边的结构多样性的严格控制，而不仅仅是邻居的规模。

为了更准确地捕捉个体的社会背景多样性，我们引入了一种概念上新的和计算上有效的多样性度量，该度量是通过网络上的“ k-clip 分解”获得的，并且优于仅基于现有弱或强连接的一些其他多样性度量。节点。根据“社会桥梁”，我们进一步证明了共同邻居的潜在效用，可以描绘个人的社会背景多样性，否则将被忽视。我们的研究结果突出了社会背景多样性的重要性，并在集体智慧和社会影响领域具有实际意义。

模拟财富分配演变的

非麦克斯韦动力学方程

原文标题：

Non-Maxwellian kinetic equations modeling the evolution of wealth distribution

地址：

http://arxiv.org/abs/1906.00780

作者：

Giulia Furioli, Ada Pulvirenti, Elide Terraneo, Giuseppe Toscani

摘要： 我们介绍了一类新的一维线性 Fokker-Planck 型方程，描述了多智能体社会中财富的时间演变。根据 Bouchaud 和 M’ezard 先前的研究，通过标准限制程序，通过将 Cordier，Pareschi 和 Toscani 在2005年引入的动力学模型引入经济相关变量，获得方程式。这些新的 Fokker – Planck 方程预测的稳定财富状态在原始 Fokker-Planck 方程的稳态下保持不变。然而，与原始方程不同，通过权重和经典熵方法的新对数 Sobolev 不等式证明了解以指数方式快速收敛到均衡。

积极参与如何影响

共识：自适应网络模型的

意见动态和影响最大化重连

原文标题：

How does active participation effect consensus: Adaptive network model of opinion dynamics and influence maximizing rewiring

地址：

http://arxiv.org/abs/1906.00868

作者：

Markus Brede

摘要： 在本文中，我们研究积极参与-或故意寻找其他个体以说服他们-对共识形成的动态。为此，我们提出了一种自适应网络模型，其中两个过程在交织的时间尺度上形成意见动态：

（i）个体调整他们的意见受到社会网络邻居的影响，他们在公差区间内持有意见 δ

（ ii）个体重新连接网络连接，旨在最大化他们自己对整体系统意见的影响。我们在内生环境中研究该系统，其中所有单体都受到影响并且还试图最大化影响，并且在外源控制的环境中，其中不受影响的外部单体自适应地尝试最大化其影响。

在这两种情况下，我们发现了三种固定意见配置的制度：

（i）在意见空间的极端情况下，两个均衡平衡的激进意见集群的低 delta a 制度，

（ii）中间 δa’ 赢家 – 大多数’两个不均衡规模的激进意见集群的制度;

（iii）大的 δ a 制度，其中可以达到非常低的传播折衷共识状态。

与随机和故意扩散-重连的自适应过程相比，我们证明了在制度（iii）中，竞争影响最大化可以在接近最佳时间内实现近乎最小的意见传播。此外，我们还表明，最大化重连的竞争影响可以减少小影响力少数群体对共识状态的影响。

通过 WhyIDidntReport

运动了解性骚扰受害者的沉默

原文标题：

Understanding the Silence of Sexual Harassment Victims Through the #WhyIDidntReport Movement

地址：

http://arxiv.org/abs/1906.00895

作者：

Abigail Garrett, Naeemul Hassan

摘要： 性暴力是全球的一个严重问题。很多受害者，特别是女性，都经历过这种经历。不幸的是，并非所有这些暴力事件都会公开。很大一部分受害者没有透露他们的经历。在2018年9月，人们开始在 Twitter 上透露为什么他们没有使用标签 WhyIDidntReport 报告性暴力经历。我们收集了大约 40K 这样的推文，并对受害者不报告的原因进行了大规模的监督分析。我们的研究发现人们在多大程度上分享了他们的理由，并将原因分类为更好的理由。我们还分析了与受害者交往的用户，并将我们的发现与现有文献进行比较。

女性可以打破玻璃天花板吗？

Twitter 上 MeToo 标签帖子分析

原文标题：

Can Women Break the Glass Ceiling?: An Analysis of #MeToo Hashtagged Posts on Twitter

地址：

http://arxiv.org/abs/1906.00896

作者：

Naeemul Hassan, Manash Kumar Mandal, Mansurul Bhuiyan, Aparna Moitra, Syed Ishtiaque Ahmed

摘要： 2017年10月，世界各地的女性发生了一场前所未有的社交媒体在线运动的起义，她开始公开分享他们的性虐待故事以及标签 MeToo（或其中的一些变体）。这些故事不仅打击了长期隐藏肇事者的沉默，而且还让女性能够解除她们的一些束缚不满，并揭露了许多关于性骚扰的重要信息。在本文中，我们展示了对2017年10月15日至10月31日期间收集的约100万条此类推文的分析，其中揭示了与推文故事相关的人物，地点，情感，行为和反应的一些有趣模式和属性。根据我们的分析，我们还通过考虑这些平台的优势和局限，推动讨论在线社交媒体在打破女性沉默中的潜在作用。

复杂网络中的人工信息处理

原文标题：

Human information processing in complex networks

地址：

http://arxiv.org/abs/1906.00926

作者：

Christopher W. Lynn, Lia Papadopoulos, Ari E. Kahn, Danielle S. Bassett

摘要： 人类使用相互关联的刺激或概念系统进行交流——从语言和音乐到文学和科学——我们仍然不清楚这些网络的结构如何支持信息交流。虽然信息论提供了量化系统产生的信息的工具，但传统的指标并不能解释为什么人类处理这些信息的低效和偏见的方式。在这里，我们开发了一个分析框架来研究人类观察者所感知的系统所产生的信息。

我们通过实验证明，这种感知信息主要取决于系统的网络拓扑。将我们的框架应用于几个真实网络，我们发现他们传达了大量信息（具有高熵）并且有效地做到了这一点（保持与人类期望的低度差异）。此外，我们表明，这种有效的通信出现在同时异构的网络中，具有高度集线器和集群，具有紧密连接的模块—分层组织的两个定义特征。总之，这些结果表明许多真实网络受到信息传输压力的限制，并且这些压力选择特定的结构特征。