-
借助科研资助数据库评估科学影响力;
-
因集体压力导致温和意见的产生;
-
motif2vec：异构网络节点意图表示方式学习;
-
自适应超图学习中块随机优化;
-
使用社交媒体进行口碑营销;
-
审核YouTube上的激进化路径;
-
时间邻域聚合：通过递归变分图卷积来预测含时图的未来链接;
-
社会网络的结构特征及其测量校准合成对应模型;
-
社区检测模块密度的一种新度量;
-
社交媒体新闻频道的情感动力学;
-
从社区到基于角色的图嵌入;
-
最大化社交媒体品牌页面中内容可见性：一种含时分析;
-
以系统视图为中心的验证对加密数字经济设计和运行的重要性;
-
通过网络科学家合作网，看网络科学二十年;
-
下议院的异议和叛乱：57届议会中与英国脱欧有关分歧的社会网络分析;
-
谷歌矩阵的线性响应理论;
Delivering Scientific Influence Analysis as a Service on Research Grants Repository
http://arxiv.org/abs/1908.08715
Yuming Wang, Yanbo Long, Lai Tu, Ling Liu
摘要：研究补助金在全球播种和推广基础研究项目中发挥了重要作用。越来越需要开发和提供科学影响分析作为研究补助金储存库的服务。这种分析可以提供关于研究资助如何帮助促进新的研究合作，鼓励跨组织合作，影响新研究趋势和确定技术领导力的见解。本文介绍了基于赠款的科学影响力分析服务的设计和开发，创建为GImpact。它采用图论方法设计和开发大型科研影响力分析，并在三个原始贡献的大型研究资助库中进行。首先，我们挖掘资助数据库，以识别和提取资产影响分析的重要特征，并使用图论理论模型表示这些特征。例如，我们提取机构图和多个相关方面的协作图，包括学科图和关键字图。其次，我们引入自我影响和共同影响算法，根据资助数量和机构资助类型来计算两种类型的协作关系分数。计算自我影响力分数以反映机构之间基于资助的研究合作，并计算多个共同影响分数来根据学科和学科领域对各种跨机构协作关系进行建模。最后，我们通过引入自我影响力得分和多个共同影响得分的加权和来计算对机构的整体科学影响力得分，并进行基于影响的聚类分析。我们使用真实的拨款数据库评估GImpact，该数据库由2512个机构组成，他们的拨款在14年内收到……
原文标题：
Emergence of moderate opinions as a consequence of group pressure
地址：
http://arxiv.org/abs/1908.08088
作者：
Nuno Crokidakis
摘要：本项工作中我们研究了包含3-主体交互和群体压力的连续意见决策动力学模型。主体在完全接触的群体中进行交互，其中两个参数控制着决策动力：主体人的信念λ 在人口中是同质的，和群体压力 p 。同时随机参数也发挥着作用。分析和数值结果表明,该模型在明显的临界点λc具有对称突破过渡值，在不同的 p < p∗= 2/3下,即足够高的群体压力可以抑制转变过程。这种转变分为两个阶段:对于任何λ≤λc,命令参数等于零(O = 0,一个对称的吸收阶段),而对于λ>λc,我们有O > 0,即对称突破相(铁磁性)。数值模拟还表明，群体压力增加导致了更广泛的意见分布，从而减少了人口中的极端主义。
3. motif2vec：异构网络
节点意图表示方式学习
原文标题：
motif2vec: Motif Aware Node Representation Learning for Heterogeneous Networks
地址：
http://arxiv.org/abs/1908.08227
作者：
Manoj Reddy Dareddy, Mahashweta Das, Hao Yang
摘要：近年来，人们对图和网络的机器学习兴趣激增，其应用范围从车载网络设计到物联网物流管理，再到社交网络建议。网络中监督机器学习任务（如节点分类和链路预测）要求我们进行已知特征工程，被认为是成功应用机器学习成功的关键。致力于表示学习的研究工作，特别是深度学习的表示学习，已经向我们展示了从大量潜在噪声原始数据中自动学习相关特征的方法。然而，大多数方法无法处理异构信息网络，它几乎代表着当今大多现实世界数据。这些方法不能很好地保留多种类型节点和链接结构和语义，捕获高阶异构邻连接形式，并确保生成表示节点覆盖率。我们提出一种新颖的高效算法motif2vec，用于学习异构网络节点的表示或嵌入。具体地说，我们利用高阶重复的、统计意义显著的网络连接模式，以基序形式将原始图转换为基序图，引导有偏随机游走到有效探索高阶邻域，然后利用异构跳变图模型生成嵌入。与之前使用不同图元结构来指导随机游走努力不同，我们使用图基序来转换原始网络并保持其异质性。在多个领域的真实世界网络中评估该算法并于目前最先进方法比较，在多种节点分类和链路预测任务中证明它优于先前工作并保持一贯优势。
原文标题：
Block Randomized Optimization for Adaptive Hypergraph Learning
地址：
http://arxiv.org/abs/1908.08281
作者：
Georgios Karantaidis, Ioannis Sarridis, Constantine Kotropoulos
摘要：社交媒体共享平台上内容之间的高阶关系经常使用超图来建模。超图拉普拉斯矩阵和邻接矩阵都是大矩阵。首先，我们把随机化算法用于低秩分解，以便快速地近似分解并转化大矩阵。通过子空间迭代的奇异值分解(SVD)被集成到图像标记的自适应超图权重估计中作为第一种方法。具体地说，通过在主对角线上创建低秩子矩阵，并通过随机SVD实现矩阵的快速反转。此外还提出利用共轭梯度法求解超图学习优化问题中的线性系统的第二种方法。两种方法在图标签F1评分均达到较高精度，成功地降低自适应超图权值估计的计算要求。
原文标题：
Using Social Media for Word-of-Mouth Marketing
地址：
http://arxiv.org/abs/1908.08298
作者：
Nagendra Kumar, Yash Chandarana, K. Anand, Manish Singh
摘要：如今，在线社会网络被广泛用于个人和商业目的。这种广泛流行使其成为理想的广告平台。社交媒体可用于直接口碑（WoM）营销。虽然口碑营销被认为是更有效的，它需要更少的广告成本，但它目前被充分利用。要做口碑营销，我们需要找到一群人，他们可以利用自己在社交网络上的权威地位来推广特定的产品。本文中我们将展示如何在Facebook群组中进行WoM营销，这是一种问答类型的社会网络。此外我们还提出了加强WoM营销概念，多个权威机构可以共同推广产品以提高营销效率。最后，我们在Facebook群组数据集上进行实验，该数据集包含30万条消息和1000万条用户反应。
Auditing Radicalization Pathways on YouTube
http://arxiv.org/abs/1908.08313
Manoel Horta Ribeiro, Raphael Ottoni, Robert West, Virgílio A. F. Almeida, Wagner Meira
摘要：非营利组织和媒体声称YouTube上有激进主义渠道。它的内容创造者赞助边缘思想，其推荐系统将引导用户转向边缘内容。然而，支持这一说法证据大多是道听途说，而且没有恰当衡量YouTube推荐系统影响力方法。在这项工作中，我们对YouTube用户激进化进行了大规模的审计。首先，我们分析了360个频道的331,849个视频，大致分为:control控制、Alt-lite、Intellectual Dark Web (I.D.W.智能黑暗网）和Alt-right（另类右派）——I.D.W.和Alt-lite频道将成为边缘极右意识形态门户，以Alt-right频道为代表。在处理超过7900万条评论后，我们发现这三个社区共享用户量越来越大;用户不断地从较温和内容迁移到更极端内容;而且很大一部分使用Alt-right用户过去是Alt-lite和I.D.W.的用户。此外，我们还研究了YouTube推荐算法，查看2019年5月至7月期间超过200万次视频和频道推荐量。我们发现通过推荐可很容易地从I.D.W.渠道获得Alt-lite内容，并可以同时从I.D.W.和Alt-lite渠道获得Alt-right渠道。总体说来,我们描绘了一幅用户在YouTube上全面激进化过程,并且提供方法来透明而明显地审计网络平台及其推荐系统。
7. 时间邻域聚合：通过递归变分
图卷积来预测含时图的未来链接
Temporal Neighbourhood Aggregation: Predicting Future Links in Temporal Graphs via Recurrent Variational Graph Convolutions
http://arxiv.org/abs/1908.08402
Stephen Bonner, Amir Atapour-Abarghouei, Philip T Jackson, John Brennan, Ibad Kureshi, Georgios Theodoropoulos, Andrew Stephen McGough, Boguslaw Obara
摘要：图已经成为广泛科学学科中表示大型，复杂且通常是时间数据集的关键方式。然而，当图被用作机器学习模型的输入时，在学习过程中经常忽略其丰富的时间信息，导致在某些时间推断任务上的次优性能。为了解决这个问题，我们首先引入了时间邻域聚合（TNA），这是一种新的顶点表示模型体系，旨在捕获拓扑和时间信息，以直接预测未来图状态。然后，我们利用图中不同深度的层次递归来探索时间邻域的变化，同时不需要存在额外的特征或标签。我们通过使用变分采样创建最终顶点表示，并对其进行优化以直接预测序列中下一个图。最后，通过对实际和综合基准数据集的广泛实验评估印证了我们的主张，此方法与其他竞争方法相比表现出更卓越性能，在实际数据集上预测新的时间这方面准确率高达23％，且需要更少的整体模型参数。
8. 社会网络的结构特征
及其测量校准合成对应模型
On the Structural Properties of Social Networks and their Measurement-calibrated Synthetic Counterparts
http://arxiv.org/abs/1908.08429
Marcell Nagy, Roland Molontay
摘要：大型社会网络的数据驱动分析引起大量的研究兴趣。在本文中，我们调查了120个真实的社会网络及其由4个著名网络模型生成的测量校准合成对应网络。我们研究了网络的结构属性，揭示了各种社交领域（友谊网络，通信网络和协作网络）中图表指标的相关描述。首先，我们发现不同域的相关模式不同。我们确定了一组非冗余的度量标准来描述社会网络。然后，我们研究了模型能够捕获或不能捕获真实网络哪些拓扑特征，发现网络模型的拟合优度取决于域。此外，虽然2K和随机块模型缺乏同时生成有大直径和高聚类系数图的能力，但它们仍然可以相对有效地模拟社会网络。
A new measure of modularity density for community detection
http://arxiv.org/abs/1908.08452
Swathi M. Mula, Gerardo Veltri
摘要：利用构成有意义社区的直观概念，提出了一种新的度量方法，用于在无向加权异构网络中检测非重叠社区。这种度量-模块化密度，显示优于当前文献中模块化密度的版本。与之前版本的模块化密度测量相比，我们的度量标准的最大化被证明是没有偏见的，并且能够更好地检测弱分离的社区，特别是在异构网络中。除此之外，我们发现模块化密度的计算时间与之前主体计算时间相当，甚至更快。研究结果进一步揭示，通过最大化度量社区检测与通过最小化标准化切割标准来划分网络数学相关。
原文标题：
Sentiment Dynamics in Social Media News Channels
地址：
http://arxiv.org/abs/1908.08147
作者：
Nagendra Kumar, Rakshita Nagalla, Tanya Marwah, Manish Singh
摘要：社交媒体目前是新闻传播最重要的手段之一。由于人们消费了大部分日常新闻在社交媒体中，大多数传统新闻频道都在使用社交媒体来吸引用户注意力。每个新闻频道都有独特策略来吸引更多用户。本文中我们分析了新闻频道如何利用情绪在社交媒体中吸引用户注意力。我们比较了不同社交媒体新闻帖子的情绪，包括电视，广播和印刷媒体，显示出这些频道报道新闻方式的不同。我们还分析了用户对包含不同情绪新闻帖子的反应和意见情绪。我们对从五个热门新闻频道Facebook页面中提取数据集进行实验。数据集包含0.15万个新闻帖子和11.3亿用户反应。实验结果表明，用户意见情绪与发布新闻的情绪以及信息来源类型有很强的相关性。我们研究也说明了不同来源社交媒体新闻频道之间的差异。
From Community to Role-based Graph Embeddings
http://arxiv.org/abs/1908.08572
Ryan A. Rossi, Di Jin, Sungchul Kim, Nesreen K. Ahmed, Danai Koutra, John Boaz Lee
摘要：角色是结构上类似的节点集合，更类似于集合中内部节点而非外部，而社区是集合内部具有比外部更多连接的节点集合（基于接近度/接近度，密度）。角色和社区根本不同，又是重要的互补概念。最近，角色概念变得越来越重要，由于保留角色概念的图学习表示（节点/边嵌入）工作激增而引起了众多关注。遗憾的是，最近工作中有时会混淆角色和社区的概念，从而导致对网络嵌入方法功能误导或不正确主张。因此本文旨在澄清角色与社区之间的差异，并将形成社区或角色嵌入一般机制（例如，随机游走，特征扩散）形式化。我们以数学方式展示了为什么基于识别机制的嵌入方法，要么是社区，要么基于角色。这些机制通常易于识别，可以帮助研究人员快速确定这种方法更适合学习社区或基于角色嵌入。此外，它们还可作为开发社区或基于角色嵌入新方法的基础。最后，我们分析和讨论社区或基于角色嵌入最合适的应用程序和数据特征。
12. 最大化社交媒体品牌页面
中内容可见性：一种含时分析
Toward Maximizing the Visibility of Content in Social Media Brand Pages: A Temporal Analysis
http://arxiv.org/abs/1908.08622
Nagendra Kumar, Gopi Ande, J. Shirish Kumar, Manish Singh
摘要：社交媒体每天都会产生大量内容，内容创建者的主要目标之一是将他们的信息传播给大量受众。影响信息传播的因素有很多，例如发布时间，地点，信息类型，社交关系数量等。在本文中，我们将研究找到最佳发布时间以获得高内容可见性问题。发布时间是在考虑其他因素情况下得出的，例如位置，信息类型等。在本文中，首先我们对Facebook页面进行分析。我们提出了6种发布时间表，可用于具有相似受众反应情况的单个页面或一组页面。然后我们在包含30万个帖子，1000万观众反馈的Facebook页面数据集上进行实验。与没有遵循任何优化发布时间表的发布用户获得平均受众反应相比，最佳的发布时间表可以导致7倍数量的受众反应。此外，我们还介绍了一些有趣的受众反应模式，通过每日，每周和每月的受众反应分析获得。
13.以系统视图为中心的验证对
加密数字经济设计和运行的重要性
On the importance of system-view centric validation for the design and operation of a crypto-based digital economy
http://arxiv.org/abs/1908.08675
Alexander Poddey, Nik Scharmann
摘要：无处不在的连接，网络计算，开放技术和智能Web方法的进步使第三代Web3.0成为可能。尤其是由于加密技术在现实世界中的应用进步，现在可以将物品互联网（IoT）转换为物品经济联网（EoT），基本上是指所有事物的异构数字经济（dEoE）。基于对Web2.0缺陷的认识以及对中介经济的信心丧失，产生了克服这些缺陷的社会愿望。最初，加密运动一直热衷于在算法和代码上编码数字经济所有必需品的能力。与此同时，洞察力也取得进展。首先，一方面设计EoT是一项非常复杂的工作，即使没有中介机构，最终系统也可能无法实现理想目标。我们通过论证EoT实际上对应于在开放环境中运行的复杂系统来强调这一立场，为了实现有效的设计和操作，复杂的设计方法和一系列措施是不可避免的。然后，我们认为有效和效率的EoT需要的高级指导原则，与民主化的Web3.0运动理想能够很好地结合，不仅是天真的被提及，而是 – 提供足够使用 – 可以带来社会经济效率。除此之外，我们假设在这种EoT中，商业公司不仅发挥作用，而且可以与社会一起受益。在更多的博弈理论行语中，可以说社会和企业基于这些理想建立有效EoT的努力是合理的。
Two Decades of Network Science as seen through the co-authorshipnetwork of network scientists
http://arxiv.org/abs/1908.08478
Roland Molontay, Marcell Nagy
摘要：自从Watts＆Strogatz，Barabási ＆Albert和Girvan＆Newman三人分别发表被高度引用的关于小世界网络，无标度网络和复杂网络的社区结构开创性论文后，复杂网络吸引了大量研究兴趣。这些基础论文开创了一个新的研究时代，建立了一个跨学科领域——网络科学。由于该领域的多学科性质，在过去20年中出现了多样但没分开的网络科学社区。本文通过探索这个社区的发展，回顾网络科学家不断增长的合著网络作品以此纪念网络科学的贡献（这里作者概念是指至少有一篇论文引用上述三篇里程碑论文中的学者）。在研究了29,528篇网络科学论文的特征之后，我们构建了52,406名网络科学家的合著网络，并分析了它的拓扑和动力学。然后，通过研究合著网络众多结构特性以及使用增强的数据可视化技术，阐明了过去20年网络科学的协作模式。最后我们还确定了最核心作者，最大社区，调查时空变化，并将网络的属性与科学计量指标进行比较。
15.下议院的异议和叛乱：
57届议会中与英国脱欧
有关分歧的社会网络分析
Dissent and Rebellion in the House of Commons: A Social Network Analysis of Brexit-Related Divisions in the 57th Parliament
http://arxiv.org/abs/1908.08859
Carla Intal, Taha Yasseri
摘要：英国政党制度以其纪律和凝聚力而闻名，但它仍然存在一个问题：欧洲一体化。在20世纪70年代的欧洲经济共同体和20世纪90年代的欧盟 – 马斯特里赫特条约中人们都观察到了这一点。本次工作旨在调查在英国脱欧时代是否成立。我们利用社会网络分析来解读成对国会议员之间的异议和反叛模式。通过使用来自Hansard的数据，我们计算2017年6月至2019年4月的成对国会议员之间的相似性得分，并在力导向的网络中对其进行可视化。通过比较英国脱欧和非脱欧部门，我们分析投票相似性和极性不同模式是否存在于不同的成对国会议员之间。我们的研究结果表明，英国退欧导致政党政治的楔入，与历史上所观察到的现象一致。
Linear response theory for Google matrix
http://arxiv.org/abs/1908.08924
Klaus M. Frahm, Dima L. Shepelyansky
摘要：我们开发了针对一般弱扰动的Google矩阵PageRank算法的线性响应理论并提出了一种高效、精确的数值算法LIRGOMAX算法，来计算PageRank对这种扰动的线性响应。我们以英文维基百科网络为例，用500多万篇文章(节点)说明了它的效率。首先，对于一组初始节点（或简称为一对节点），该算法允许识别初始节点间的有效路径，从而选择出用于它们的弱扰动最敏感节点特定子集（在一个节点处注入或泵送并在另一个节点吸收概率）。然后，缩减Google矩阵算法（REGOMAX）进一步应用允许确定该子集节点间有效交互。一般线性响应理论已经在各科学领域中找到了许多应用，包括统计学和介观物理学。基于这些理由，我们认为开发LIRGOMAX算法将在复杂有向网络分析中得到广泛的应用。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，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.me （提供RSS订阅）进行同步更新。
集智俱乐部QQ群｜877391004
商务合作及投稿转载｜swarma@swarma.org
搜索公众号：集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧！
原文始发于微信公众号（集智俱乐部）：集智
