- 自动检测信息操作事件基础;
- 全球消费者主导的应对气候变化的战略;
- 生产性生态系统和发展的箭头;
- 通过综合转化异构信息网络简化嵌入学习;
- 利用利他行为提供SNS社区游客推荐系统;
- 微博上的自动谣言检测：一个综述;
- 在社交媒体上检测对抗和联盟社区;
- 一类随机多层网络;
- 阈值q投票模型;
- 社交媒体上的事件检测与检索;
- 在右倾的回声室里：对一个未经调节的社会系统Gab的表征;
- 使用模体的时态网络中的网络分类;
自动检测信息操作事件基础
原文标题： The automatic detection of the information operations event basis
地址： http://arxiv.org/abs/1807.03360
作者： D.V. Lande, C.V. Prishchepa
摘要： 描述了在主题信息流中反映的自动检测信息操作的事件基础的方法。所提出的方法基于用于识别信息操作的技术，主题区域的术语基础的形成，具有聚类质心的聚类分析的应用，通过分析信息流的术语来确定。以这种方式形成的集群反映了信息操作期间发生的主要事件，并揭示了其实施的技术。
全球消费者主导的应对气候变化的战略
原文标题： A global consumer-led strategy to tackle climate change
地址： http://arxiv.org/abs/1807.03364
作者： Anthony J. Webster
摘要： 应对气候变化的成功需要在低碳研究，能源和可持续发展方面进行大量投资。政府可以推动研究，提供环境监管，加速全球发展，但必要的低碳投资占GDP的2-3％尚未实现。概述了通过消费者和政府行动应对气候变化的新战略。它依赖于可持续发展和低碳能源的道德投资策略，以及为低碳基金提供的自愿捐款，以适应气候变化。这些通过个人行动和投资实现全球响应。经济合作与发展组织的家庭储蓄价值超过GDP的5％，仅靠道德储蓄就具有相当大的潜力。
生产性生态系统和发展的箭头
原文标题： Productive Ecosystems and the Arrow of Development
地址： http://arxiv.org/abs/1807.03374
作者： Neave O'Clery, Muhammed A. Yildirim, Ricardo Hausmann
摘要： 经济增长往往与经济活动的多样化有关。在国家/地区制作产品取决于拥有和获取制作产品所需的功能，从而使流程依赖于路径。我们推导出一个概率模型来描述各国能力积累和产品多样化的有向动态过程。通过使用国际贸易数据，该模型使我们能够凭经验确定一系列预先存在的产品，这些产品能够使产品具有竞争力的出口。我们将此集称为产品的生态系统。我们构建了一个有向的产品网络，即生态空间，其中边权重是能力重叠的估计。对该网络的分析使我们能够识别过渡产品和核心 - 外围结构。随着时间的推移，低收入和中等收入国家退出转型产品并进入网络核心。最后，我们证明该模型可以预测产品出现。
通过综合转化异构信息网络简化嵌入学习
原文标题： Easing Embedding Learning by Comprehensive Transcription of Heterogeneous Information Networks
地址： http://arxiv.org/abs/1807.03490
作者： Yu Shi, Qi Zhu, Fang Guo, Chao Zhang, Jiawei Han
摘要： 异构信息网络（HIN）在现实世界的应用程序中无处不在。与此同时，网络嵌入已成为挖掘和学习网络数据的便捷工具。结果，开发HIN嵌入方法是有意义的。然而，HIN中的异质性不仅引入了丰富的信息，而且引入了潜在的不兼容语义，这对在HIN中嵌入学习提出了特殊的挑战。为了保留HIN嵌入中丰富但可能不兼容的信息，我们建议研究异构信息网络的综合转录问题。 HIN的全面转录还提供了一种易于使用的方法来释放HIN的功能，因为它不需要额外的监督，专业知识或特征工程。为了应对HIN综合转录中的挑战，我们提出了HEER算法，该算法通过边表示嵌入HIN，该边表示进一步与正确学习的异构度量相结合。为了证实HEER的功效，我们对两个大型实词数据集进行了实验，包括边重建任务和多个案例研究。实验结果证明了所提出的HEER模型的有效性以及边表示和异构度量的效用。代码和数据可在https://github.com/GentleZhu/HEER获得。
利用利他行为提供SNS社区游客推荐系统
原文标题： The Recommendation System to SNS Community for Tourists by Using Altruistic Behaviors
地址： http://arxiv.org/abs/1807.03492
作者： Takumi Ichimura, Takuya Uemoto, Shin Kamada
摘要： 我们已经利用基于智能手机的用户参与感知系统开发了SNS观光信息推荐系统。系统可以通过我们开发的智能手机应用程序将游客的有吸引力的信息发布到指定的Facebook页面。对观光感兴趣的Facebook用户可以来自远近的信息空间。但是，社区中SNS上的活动仅受称为集线器的指定人员的支持。我们提出了一种激活旅游行为的方法，以激励人们。我们开发了多代理系统仿真系统，其灵感来自陆军蚂蚁的利他行为。军队蚂蚁利用利他行为进行采取行动，以将自私行为抑制为多个共同使用的共同对象。在本文中，我们介绍了通过一些模拟确定的利他行为来激活SNS社区。通过一些实验模拟结果研究了社区振兴过程的效率。
微博上的自动谣言检测：一个综述
原文标题： Automatic Rumor Detection on Microblogs: A Survey
地址： http://arxiv.org/abs/1807.03505
作者： Juan Cao, Junbo Guo, Xirong Li, Zhiwei Jin, Han Guo, Jintao Li
摘要： 现代社交媒体平台上不断增加的多媒体内容量在许多应用中是有价值的。虽然社交媒体的开放性和便利性也在网上引发了许多谣言。如果没有验证，这些谣言将立即传达给成千上万的用户并造成严重损害。通过利用机器学习技术挖掘开放网络上提供的丰富内容，已经采取了许多努力来自动打败在线谣言。大多数谣言检测方法可以分为三种范式：基于手工制作的特征分类方法，基于传播的方法和神经网络方法。在本次调查中，我们引入了谣言的正式定义，与文献中使用的其他定义进行了比较。我们总结了迄今为止自动谣言检测的研究，并在三种谣言检测范式中提供了详细信息。我们还介绍了现有的谣言检测数据集，这将有助于该领域的后续研究。作为结论，我们就微博上未来的谣言检测提出建议。
在社交媒体上检测对抗和联盟社区
原文标题： Detecting Antagonistic and Allied Communities on Social Media
地址： http://arxiv.org/abs/1807.03617
作者： Amin Salehi, Hasan Davulcu
摘要： 社交媒体上的社区检测多年来引起了相当多的关注。但是，现有方法并未揭示社区之间的关系。由于各种因素，例如共享或冲突的目标和价值观，社区可以形成联盟或参与对抗。发现这种关系可以提供更好的洞察力，以了解社区和社交媒体的结构。根据社会科学研究结果，来自不同社区的成员对彼此表达的态度在很大程度上取决于他们的社区成员。因此，我们假设社交媒体中的用户之间表达的社群间态度有可能反映他们的社区间关系。因此，我们首先在社交媒体的背景下验证这一假设。然后，受这一假设的启发，我们开发了一个框架，通过共同模拟用户的态度和社交互动来检测社区及其关系。我们使用三个真实世界的社交媒体数据集来展示实验结果，以证明我们框架的功效。
一类随机多层网络
原文标题： On a Class of Stochastic Multilayer Networks
地址： http://arxiv.org/abs/1807.03650
作者： Bo Jiang, Philippe Nain, Don Towsley, Saikat Guha
摘要： 在本文中，我们介绍了一类新的随机多层网络。随机多层网络是M网络的聚合（每层一个），其中每个网络都是基础网络G的子图。每个层网络都是从G中概率性地删除链路和节点的结果。生成的网络包含至少K图层中显示的任何链接。该模型是非标准站点键渗透模型的实例。获得两组结果：首先，我们推导出M层网络在某些特定图结构的给定配置中的概率分布（为线提供显式结果，为树提供算法），其中配置是所有链接的集合状态（每个链接都是活动的或非活动的）。接下来，我们展示了对于层中节点和链接选择过程的适当尺度，链接是渐近独立的，因为层数变为无穷大，并遵循泊松分布。提供数值结果以突出显示在一些感兴趣的度量上具有多个层的影响（包括在该行的情况下节点所属的群集的预期大小）。该模型在具有多信道无线电的无线通信网络，具有重叠成员资格的多个社会网络，传输网络以及更一般地，在可以通过共存的连接方式链接公共节点集的任何场景中找到应用。
阈值q投票模型
原文标题： Threshold q-voter model
地址： http://arxiv.org/abs/1807.03661
作者： Allan R. Vieira, Celia Anteneodo
摘要： 我们引入了阈值q -voter意见动态，其中面对二元期权的代理商可以在q邻居中至少q_0分享相反意见时改变主意。否则，代理人仍然可以以一定的概率\ varepsilon改变主意。即使在其成员之间没有完全一致的情况下，这种阈值动态也考虑了影响群体说服的可能性。实际上，个人可以跟随他们的同伴，不仅在大厅组中存在一致意见（q_0 = q），如q -voter模型中所假设的那样，但是，根据具体情况，当有简单多数时（q_0> q / 2），拜占庭共识（q_0> 2q / 3），或q中的任何最小数q_0。这个现实的阈值给出了新兴的集体状态和相变，这在标准的q -voter中没有观察到。阈值q_0以及\ varepsilon引入的随机性产生了一种现象学模仿特殊情况的q -Voter随机驱动，如不合格和独立。特别是，非共识多数国家是可能的，也可能是混合阶段。可以发生连续和不连续的相变，但也可以从波动相转变为吸收状态。
社交媒体上的事件检测与检索
原文标题： Event Detection and Retrieval on Social Media
地址： http://arxiv.org/abs/1807.03675
作者： Manos Schinas, Symeon Papadopoulos, Yiannis Kompatsiaris, Pericles Mitkas
摘要： 近年来，我们目睹了Twitter，Facebook和YouTube等社交媒体平台的迅速普及，以及它们作为全球数十亿人日常生活的一部分。鉴于人们习惯使用这些平台分享想法，日常活动和体验，用户生成的内容量达到前所未有的水平并不奇怪，其中很大一部分内容与现实世界事件有关，即行动或在某个时间和地点发生的事件。鉴于事件在我们生活中的关键作用，围绕它们注释和组织社交媒体内容的任务对于确保关于感兴趣事件的多媒体内容的实时和未来访问是至关重要的。在本章中，我们介绍了近年来针对两个主要问题的几项研究工作：a）事件检测和b）基于事件的媒体检索和摘要。给定存档的集合或社交媒体项目的实时流，事件检测方法的目的是以描述它们的项目集的形式识别先前未知的事件。一般而言，事件可以是任何类型，但也有针对特定类型事件的方法。给定目标事件，事件概括的目标是首先识别相关内容，然后以简明的方式表示它，选择最具吸引力和代表性的内容。
在右倾的回声室里：对一个未经调节的社会系统Gab的表征
原文标题： Inside the Right-Leaning Echo Chambers: Characterizing Gab, an Unmoderated Social System
地址： http://arxiv.org/abs/1807.03688
作者： Lucas Lima, Julio C. S. Reis, Philipe Melo, Fabricio Murai, Leandro Araújo, Pantelis Vikatos, Fabrício Benevenuto
摘要： 许多社交媒体系统（如Twitter和Facebook）中的内容节制激发了一种新的社会网络系统的出现，该系统促进言论自由，名为Gab。此后不久，Gab因违反该公司的仇恨言论政策而被从Google Play商店中移除，并且出于类似原因，该商店已被Apple拒绝。在本文中，我们描述了Gab的特征，旨在了解加入它的用户是谁以及他们在这个系统中共享的内容。我们的研究结果表明，Gab是一个非常政治化的系统，它将被禁用的用户与其他社会网络联系在一起，其中一些是由于可能的仇恨言论和与极端主义的关联。我们在右倾回声室中提供新闻传播的第一个衡量标准，调查社交媒体，其中读者很少接触到跨越意识形态界限的内容，而是提供加强其当前政治或社会观点的内容。
使用模体的时态网络中的网络分类
原文标题： Network Classification in Temporal Networks Using Motifs
地址： http://arxiv.org/abs/1807.03733
作者： Kun Tu, Jian Li, Don Towsley, Dave Braines, Liam D. Turner
摘要： 网络分类具有多种应用，例如检测网络内的社区以及发现代表现实世界不同方面的社区之间的相似性。然而，该领域的大多数现有工作集中在检查静态无向网络而不考虑有向边或时间性。在本文中，我们提出了一种新的方法，该方法利用基于网络的时间主题分布的网络分类的特征表示和用于与随机图比较的空模型。实验结果表明，与网络分类中最先进的嵌入方法相比，我们的方法提高了10美元以上的准确度，用于分类网络类型，识别电子邮件交换网络中的社区以及识别用户的识别用户等任务。应用转换行为。
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。