- 由于集体压力导致温和意见的产生;
- 社交媒体新闻频道的情感动态;
- motif2vec：异构网络考虑模体的节点表示学习;
- 自适应超图学习的块随机优化;
- 使用社交媒体进行口碑营销;
- 审核YouTube上的激演化路径;
- 时间邻域聚合：通过递归变分图卷积预测含时图中的未来链接;
- 社会网络的结构特征及其测量校准合成对应;
- 社区检测模块密度的一种新度量;
- 通过网络科学家的共同作者网络看到的二十年网络科学;
由于集体压力导致温和意见的产生
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： 在这项工作中，我们研究了考虑3-agent交互和群体压力的连续观点动态模型。主体人在完全连接的群体中进行交互，两个参数控制着动态：主体人的信念 lambda ，在人口中是同质的，群体压力是 p 。随机参数也推动了相互作用。我们的分析和数值结果表明，对于 p
lambda_ c ，我们有 O> 0 ，即对称破缺相（铁磁）。数值模拟还表明，群体压力的增加导致了更广泛的意见分布，减少了人口中的极端主义。
社交媒体新闻频道的情感动态
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。由于人们通过社交媒体消费了大部分日常新闻，大多数传统新闻频道都在使用社交媒体来吸引用户的注意力。每个新闻频道都有自己的策略来吸引更多用户。在本文中，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的注意力。我们比较了电视，广播和印刷媒体的社交媒体新闻帖子的情绪，以显示这些频道报道新闻的方式的差异。我们还分析用户对具有不同情绪的新闻帖子的反应和意见情绪。我们对从五个热门新闻频道的Facebook页面中提取的数据集进行实验。我们的数据集包含0.15万个新闻帖子和11.3亿用户反应。我们的实验结果表明，用户意见的情绪与新闻帖子的情绪和信息来源的类型有很强的相关性。我们的研究还说明了不同类型新闻来源的社交媒体新闻频道之间的差异。
motif2vec：异构网络考虑模体的节点表示学习
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，人们对图和网络上的机器学习兴趣激增，应用范围从车载网络设计到物联网交通管理，再到社会网络建议。网络中受监督的机器学习任务（例如节点分类和链路预测）要求我们执行已知并且同意成为应用机器学习成功关键的特征工程。致力于表象学习的研究工作，特别是使用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，大多数方法不足以处理异构信息网络，这几乎代表了当今大多数现实世界的数据。这些方法不能很好地保留多种类型的节点和链接的结构和语义，捕获高阶异构连接模式，并确保覆盖生成表示的节点。我们提出了一种新颖的高效算法motif2vec，用于学习异构网络的节点表示或嵌入。具体而言，我们利用以模体形式的高阶，重复和统计上显著的网络连接模式将原始图转换为图图，进行偏向随机游走以有效地探索更高阶的邻域，然后采用异构跳跃 - 克模型生成嵌入。与之前使用不同图元结构来指导随机游走的努力不同，我们使用图模体来转换原始网络并保持异质性。我们在多个领域的多个真实世界网络上评估所提出的算法，并针对多类节点分类和链路预测任务的现有最先进方法进行评估，并证明其优于先前工作的一致优势。
自适应超图学习的块随机优化
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： 社交媒体共享平台中的内容之间的高阶关系通常由超图来建模。超图拉普拉斯矩阵或邻接矩阵是一个大矩阵。随机算法用于低秩分解，以便近似地分解并最终快速地反转这样大的矩阵。这里，作为第一种方法，通过子空间迭代的块随机奇异值分解（SVD）被集成在用于图像标记的自适应超图重量估计中。具体而言，通过曲面细分沿主对角线创建低秩子矩阵允许通过随机化SVD进行快速矩阵求逆。此外，提出了第二种方法，通过采用共轭梯度法求解超图学习优化问题中的线性系统。两种提出的方法在通过F1得分测量的图像标记中实现高精度并且成功地降低了自适应超图重量估计的计算要求。
使用社交媒体进行口碑营销
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。这种广泛流行使它们成为广告的理想平台。社交媒体可用于直接和口碑（WoM）营销。尽管WoM营销被认为更有效并且需要更少的广告费用，但它目前仍未得到充分利用。要进行WoM营销，我们需要确定一组可以在社会网络中使用其权威地位来推广特定产品的人。在本文中，我们将展示如何在Facebook群组中进行WoM营销，这是一种社会网络的问答类型。我们还提出了加强WoM营销的概念，多个权威机构可以共同推广产品以提高营销效率。我们在Facebook群组数据集上进行实验，包括30万条消息和1000万用户反应。
审核YouTube上的激演化路径
原文标题： Auditing Radicalization Pathways on YouTube
地址： http://arxiv.org/abs/1908.08313
作者： Manoel Horta Ribeiro, Raphael Ottoni, Robert West, Virgílio A. F. Almeida, Wagner Meira
摘要： 非盈利组织和媒体声称YouTube上有一个激演化的渠道。其内容创作者将赞助边创意，其推荐系统将引导用户走向更加前卫的内容。然而，这种说法的支持证据大多是轶事，而且没有正确衡量YouTube推荐系统的影响力。在这项工作中，我们对YouTube上的用户激演化进行了大规模审计。我们分析了 360,849 360美元频道的视频，我们将其广泛分类为：控制，Alt-lite，智能黑暗网（I.D.W.）以及I.D.W中的Alt-right ---频道。 Alt-lite将成为边极右思想的门户，这里以Alt-right渠道为代表。处理超过7900万美元的评论，我们表明三个社区越来越多地共享相同的用户群;用户始终从较温和的内容迁移到更极端的内容;消耗Alt-right内容的大部分用户现在消耗Alt-lite和I.D.W.过去的内容。我们还探讨了YouTube的推荐算法，在2019年5月至7月期间查看了超过200万美元的视频和频道推荐。我们发现可以从I.D.W轻松访问Alt-lite内容。通过推荐的渠道和可以从I.D.W.到达Alt-right渠道。和Alt-lite频道。总的来说，我们在YouTube上描绘了用户激演化的全面图景，并提供了透明地审核平台及其推荐系统的方法。
时间邻域聚合：通过递归变分图卷积预测含时图中的未来链接
原文标题： Temporal Neighbourhood Aggregation: Predicting Future Links in Temporal Graphs via Recurrent Variational Graph Convolutions
地址： http://arxiv.org/abs/1908.08402
作者： Stephen Bonner, Amir Atapour-Abarghouei, Philip T Jackson, John Brennan, Ibad Kureshi, Georgios Theodoropoulos, Andrew Stephen McGough, Boguslaw Obara
摘要： 图已经成为在广泛的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这种丰富的时间信息，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，我们引入了时间邻域聚合（TNA），这是一种新颖的顶点表示模型体系结构，旨在捕获拓扑和时间信息，以直接预测未来的图状态。我们的模型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。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的下一个图。通过对实际和综合基准数据集的广泛实验评估，我们的主张得到了加强，我们的方法与竞争方法相比表现出了卓越的性能，在实际数据集上预测新的时间边高达23％，同时也表现出色。需要更少的整体模型参数。
社会网络的结构特征及其测量校准合成对应
原文标题： On the Structural Properties of Social Networks and their Measurement-calibrated Synthetic Counterparts
地址： http://arxiv.org/abs/1908.08429
作者： Marcell Nagy, Roland Molontay
摘要： 大型社会网络的数据驱动分析引起了大量的研究兴趣。在本文中，我们调查了120个真实的社会网络及其由四个着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）中图表指标的相关性。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。我们研究模型能够或不能捕获的真实网络的拓扑特征。我们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具有大直径和高聚类系数的图的能力，但它们仍然可以用于相对有效地模拟社会网络。
社区检测模块密度的一种新度量
原文标题： A new measure of modularity density for community detection
地址： http://arxiv.org/abs/1908.08452
作者： Swathi M. Mula, Gerardo Veltri
摘要： 利用构成有意义社区的直观概念，制定了一种新的度量标准，用于检测无向，加权异构网络中的非重叠社区。该度量，模块化密度显示出优于当前文献中的模块化密度的版本。与先前版本的模块化密度相比，我们的度量标准的最大化被证明没有偏差，更好地检测弱分离的社区，特别是在异构网络中。除了这些特性之外，我们发现模块化密度的计算运行时间与先前变体的计算运行时间相当或更快。我们的研究结果进一步揭示，通过最大化我们的度量的社区检测在数学上与通过最小化标准化切割标准来划分网络有关。
通过网络科学家的共同作者网络看到的二十年网络科学
原文标题： Two Decades of Network Science as seen through the co-authorship network of network scientists
地址： http://arxiv.org/abs/1908.08478
作者： Roland Molontay, Marcell Nagy
摘要： 自从Watts＆Strogatz，Barab 'asi＆Albert和Girvan＆Newman发表他们在小世界网络，无标度网络和其他领域的高度引用的开创性论文以来，复杂的网络吸引了大量的研究兴趣。复杂网络的社区结构。这些基础论文开创了一个新的研究时代，建立了一个称为网络科学的跨学科领域。由于该领域的多学科性质，在过去的20年中出现了多样化但未分裂的网络科学社区。本文通过探索网络科学家不断增长的共同作者网络所看到的这个社区的发展来纪念网络科学的贡献（这里的概念是指至少有一篇论文的学者引用上述三篇里程碑论文中的至少一篇） ）。在研究了29,528篇网络科学论文的各种特征之后，我们构建了52,406名网络科学家的共同作者网络，并分析了它的拓扑和动态。我们通过研究共同作者网络的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。我们还确定了最核心的作者，最大的社区，调查时空变化，并将网络的属性与科学计量指标进行比较。
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.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。