- 在线社会网络的中观分析-负链接的作用;
- 社会网络结构预测身心健康;
- 复杂网络的熵和图能量;
- 使用生成对抗网络进行图的半监督学习;
- 链路预测算法的攻击容忍度：如何隐藏社会网络中的关系;
- 复杂共现网络的超图建模与可视化;
- 俄罗斯的支柱大学：“第二波浪潮”的兴起;
- 识别地球缓冲网络中的关键节点;
- 论城市中传染病发病的尺度模式;
- 意见冲突：一种在Twitter上检测不友好的有效途径;
- 有向复杂网络中的链接删除;
- 复杂网络中的知识共识：学习的作用;
- 离散Ollivier-Ricci流的网络对齐;
- 来自维基百科网络的大学的世界影响力和互动;
- 网络动态模型中极端Thouless效应的精确结果;
- 从本地节点动态预测全局网络;
- 具有社会关系的Ad Hoc网络中的网络分解层次协作;
- 相似性指标的性能及其与链路预测的关系研究：双态随机网络案例;
- 基于互信息复杂网络的风速监测系统社区检测分析;
- 观点：走向集体大脑;
- 对社交媒体的认可：对YouTube和Pinterest上的联盟营销披露的实证研究;
- 加密货币时间序列中关键转变的拓扑识别;
- 空间性可以促进多样性吗？;
- 具有切顶点的网络上特征向量中心性的局部化;
- 揭示城市系统中的共同演化模式：对SimpopNet模型的系统探索;
- 如何建模假新闻;
- JobComposer：通过多指标效用学习优化职业发展路径;
- 贝叶斯意见交换网络的推理是PSPACE难的;
- 对节点嵌入的对抗性攻击;
在线社会网络的中观分析-负链接的作用
原文标题： Mesoscopic analysis of online social networks - The role of negative ties
地址： http://arxiv.org/abs/1411.6057
作者： Pouya Esmailian, Seyed Ebrahim Abtahi, Mahdi Jalili
摘要： 一类网络是具有正链接和负链接的网络。在本手稿中，我们研究了这些网络的介观水平上的正负关系之间的相互作用，即它们的社区结构。社区被认为是一个紧密相连的行动者群体;因此，它不借用平衡理论中的任何假设，仅使用社区检测文献中众所周知的假设。我们发现，如果只根据正面关系检测到社区（通过忽略消极关系），大多数负面关系已经放在社区之间。换句话说，负面联系在检测已符号网络的社区方面没有主要作用。此外，关于内部负关系，我们证明了大多数不平衡社区是最大平衡的，因此它们不能被划分为具有更高平衡性的k非空子群（k> = 2）。此外，我们发现虽然调解员三元组++ - （敌对调解者 - 敌对）的代表性不足，但它构成了社区之间三元关系的相当一部分。因此，社区检测和聚类算法不应忽略中介三元组。结果，如果使用仅基于社会平衡操作的聚类算法，则符号网络的细观结构显著地保持隐藏。
社会网络结构预测身心健康
原文标题： Social Network Structure is Predictive of Health and Wellness
地址： http://arxiv.org/abs/1809.00029
作者： Suwen Lin, Louis Faust, Pablo Robles-Granda, Nitesh V. Chawla
摘要： 社会网络影响健康相关的行为，如肥胖和吸烟。虽然研究人员已经将社会网络作为影响和行为传播的驱动因素进行了研究，但人们对网络的结构或拓扑本身如何影响个人的健康行为和健康状况却知之甚少。在本文中，我们调查社会网络的结构或拓扑是否为个人的健康和健康提供了额外的洞察力和可预测性。我们开发了一个名为网络驱动的健康预测器（NetCARE）的模型，该模型利用代表社会网络结构的功能。使用在圣母大学NetHealth研究中注册的大量学生纵向数据集，我们证明NetCARE模型比使用人口统计学和物理属性的基线模型提高了整体预测性能38％，65本文考虑了健康状态的％，55％和54％ - 压力，快乐，积极态度和自我评估的健康状况。
复杂网络的熵和图能量
原文标题： Entropy and Graph Energy of Complex Networks
地址： http://arxiv.org/abs/1809.00094
作者： Mikołaj Morzy, Tomasz Kajdanowicz
摘要： 图能量的概念基本上仍然是一个理论概念，在复杂和社会网络的世界中没有实际应用。图能量是图的矩阵表示的能量，其中矩阵能量是矩阵的特征值的绝对值之和。尽管过去已经研究过各种图能量的理论性质，但是在实践中从未进行过认真的尝试。在这项工作中，我们研究了图能量及其熵在描述广泛网络中的有用性和可用性。我们表明，当图能量应用于较大拓扑结构内的局部自我中心网络时，这些能量的值与几个中心指数强烈相关。特别地，对于一些网络模型，图能量倾向于非常强烈地与节点的中介性和节点性相关联。由于这些中心性度量的计算是昂贵的并且需要对网络进行全局处理，因此我们的研究开启了为仅基于本地信息来估计这些中心性度量而设计有效算法的可能性。
使用生成对抗网络进行图的半监督学习
原文标题： Semi-supervised Learning on Graphs with Generative Adversarial Nets
地址： http://arxiv.org/abs/1809.00130
作者： Ming Ding, Jie Tang, Jie Zhang
摘要： 我们研究了生成对抗网（GAN）如何帮助图上的半监督学习。我们首先提供有关图表上对抗性学习的工作原理的见解，然后介绍GraphSGAN，这是一种在图上进行半监督学习的新方法。在GraphSGAN中，生成器和分类器网络发挥着一种新颖的竞争博弈。在均衡时，发生器在子图之间的低密度区域生成假样本。为了区分假样本和真实样本，分类器隐含地考虑了子图的密度属性。已经开发出一种有效的对抗性学习算法来改进传统的归一化图拉普拉斯正则化，并提供理论保证。几种不同类型的数据集的实验结果表明，所提出的GraphSGAN明显优于几种最先进的方法。 GraphSGAN也可以使用小批量进行培训，因此具有可扩展性优势。
链路预测算法的攻击容忍度：如何隐藏社会网络中的关系
原文标题： Attack Tolerance of Link Prediction Algorithms: How to Hide Your Relations in a Social Network
地址： http://arxiv.org/abs/1809.00152
作者： Marcin Waniek, Kai Zhou, Yevgeniy Vorobeychik, Esteban Moro, Tomasz P. Michalak, Talal Rahwan
摘要： 链路预测是网络分析中的基础研究问题之一。直观地说，它涉及识别最有可能被添加到给定网络的边，或者实际上它们存在时似乎从网络中丢失的边。在过去的几十年中，已经提出了各种算法来解决这个问题。尽管如此，这些算法还是会引起严重的隐私问题，因为它们可能会用来揭示两个希望保持关系私密的人之间的联系。考虑到这一点，我们研究了这些个体逃避链路预测算法的能力。更准确地说，我们研究了他们战略性地改变他们的联系的能力，以便增加他们的一些连接仍未被链路预测算法识别的可能性。我们将此问题形式化为优化问题，并证明找到最优解是NP完全的。尽管有这种硬度，但我们表明情况并非在实践中黯淡。特别是，我们提出了两种启发式方法，可以很容易地由公众成员在现有的社交媒体上应用。我们证明了这些启发式算法在各种网络上的有效性以及过多的链路预测算法。
复杂共现网络的超图建模与可视化
原文标题： Hypergraph Modeling and Visualisation of Complex Co-occurence Networks
地址： http://arxiv.org/abs/1809.00164
作者： Xavier Ouvrard, Jean-Marie Le Goff, Stephane Marchand-Maillet
摘要： 在数据集中查找固有或已处理的链接可以发现潜在的知识。本文的主要贡献是定义一个全局框架，通过在数据集中作为方面可视地呈现共同出现（即连接到元数据引用的链接数据实例组）（无论是固有地存在还是处理），从而实现最佳知识发现。超图非常适合于共同建模，因为它们支持多重性，而图只支持成对关系。本文介绍了基于超图模型化和可视化的信息空间不同方面之间的有效导航。
俄罗斯的支柱大学：“第二波浪潮”的兴起
原文标题： Pillar Universities in Russia: The Rise of "the Second Wave"
地址： http://arxiv.org/abs/1809.00248
作者： Tatiana Lisitskaya (1), Pavel Taranov (1), Ekaterina Ugnich (1), Vladimir Pislyakov (2). ((1) Don State Technical University, Rostov-on-Don, Russia, (2) National Research University Higher School of Economics, Moscow, Russia)
摘要： 确定一个国家一流大学的问题相当容易解决，例如，可以将重点放在高被引论文或其他卓越指标上。有时候，找到值得获得额外支持的“第二波”大学更具挑战性，因为它可能有助于他们成为最突出的“第一波”。我们研究了这些大学的初始阶段的进展，在俄罗斯教育系统中被称为“支柱”。以“短距离文献计量学”衡量的第一批结果似乎令人鼓舞。
识别地球缓冲网络中的关键节点
原文标题： Identifying critical nodes in Earth's relief network
地址： http://arxiv.org/abs/1809.00256
作者： Jingfang Fan, Jun Meng, Abbas Ali Saberi
摘要： 气候变化和全球变暖通过对社会和自然资源的影响威胁着我们的社会;它与例如海平面上升有关。地球表面陆地地形和海洋测深在海洋的动态演化中发挥着核心作用，特别是在海平面变化方面。在这里，我们开发了一种基于网络和渗流理论的方法来研究地球的几何特征。我们发现一些证据表明在地球救援网络的演化过程中发生了突然转变，这表明大陆/集群聚集。我们应用基于粗粒度程序的有限尺寸尺度分析来表明观察到的过渡最可能是不连续的。此外，我们发现了潜在影响区域以应对海平面上升。我们的分析基于高分辨率，1弧分，ETOPO1全球救济记录。这里提出的框架不仅为识别由于全球气候变化导致的（近）未来海平面上升的高风险关键节点提供了新视角，而且还促进了对几何阶段的理解。已证明发生在地球上目前平均海平面上的过渡。
论城市中传染病发病的尺度模式
原文标题： On the scaling patterns of infectious disease incidence in cities
地址： http://arxiv.org/abs/1809.00277
作者： Oscar Patterson-Lomba, Andres Gomez-Lievano
摘要： 人口较多且联系较多的城市地区为病原体传播等传染过程提供了良好的环境。经验证据表明，城市人口规模较大的某些性传播疾病（STDs）发生率有系统地增加。然而，这些系统性感染模式的主要驱动因素仍未得到充分了解，全球城市化率猖獗使得我们在这方面的理解变得至关重要。利用美国大城市地区三种性传播疾病的确诊病例数据，我们研究了城市地区传染病发病率的扩展模式。这些模式最突出的特点是，平均而言，传播疾病的发生率不易传播 - 或者由于较低的固有传播率或者由于传播环境较不适合 - 随着人口规模的增加而规模越来越大，随着时间的推移不太可预测，而且在类似规模的城市中变化更大。首先，使用简单的传染数学模型，然后通过新的城市规模理论的镜头来解释这些特征。这些框架有助于我们揭示决定传染病传播的因素与城市规模模式属性之间的联系。
意见冲突：一种在Twitter上检测不友好的有效途径
原文标题： Opinion Conflicts: An Effective Route to Detect Incivility in Twitter
地址： http://arxiv.org/abs/1809.00289
作者： Suman Kalyan Maity, Aishik Chakraborty, Pawan Goyal, Animesh Mukherjee
摘要： 在推特中，滥用行为呈上升趋势，往往导致不礼貌。这种趋势正在影响用户的心理，因此他们倾向于离开Twitter和其他此类社交网站，从而耗尽了活跃的用户群。在本文中，我们研究与不文明相关的因素。我们观察到，不文明行为与帐户持有者（即，用户编写内部推文）和目标（即，针对内容推文或目标的用户）之间的意见差异高度相关。命名实体。我们引入了一个特征级别的CNN模型，并结合了特定于实体的情感信息，以实现高效的不文明检测，其显著优于多种基线方法，实现了93.3％的令人印象深刻的准确性（比最佳基线提高了4.9％）。在事后分析中，我们还研究目标和账户持有人的行为方面，并尝试了解不文明事件背后的原因。有趣的是，我们观察到在民事行为中存在重复的强烈信号。特别是，我们发现有相当一部分帐户持有人充当屡犯者 - 攻击目标的次数甚至超过10次。同样，也有多个目标被多次定位。一般而言，发现目标的声誉得分高于账户持有者。
有向复杂网络中的链接删除
原文标题： Link deletion in directed complex networks
地址： http://arxiv.org/abs/1809.00296
作者： G. Kashyap, G. Ambika
摘要： 我们对随机和有针对性地删除链路的有向网络的鲁棒性进行了系统而详细的研究。我们使用一组随机和无标度类型的网络模型，生成具有聚类和协调性的特定功能。诸如链接的随机删除或基于中介中心性和源节点和目标节点的程度的删除之类的各种策略用于分解网络。根据连通分量的大小和反向路径长度来研究网络对链路持续丢失的鲁棒性。还探讨了聚类和2节点度相关性对攻击鲁棒性的影响。我们提供了关于从蛋白质 - 蛋白质相互作用和运输数据构建的三个真实世界网络的研究的具体说明。
复杂网络中的知识共识：学习的作用
原文标题： Knowledge Consensus in complex networks: the role of learning
地址： http://arxiv.org/abs/1809.00297
作者： Zhong-Yan Fan, Ying-Cheng Lai, Wallace Kit-Sang Tang
摘要： 在相互作用的代理人之间达成共识是社会，经济和政治制度的一个问题。用于研究复杂网络上的共识动态的计算和数学框架是命名博弈。一般而言，命名不是一个独立的过程，而是依赖于感知和分类。现有的工作集中在一群代理人的词汇演变的共识过程。但是，为了命名对象，代理必须首先能够根据对象的特征区分对象。我们阐述了一种可能性类别博弈模型（LCGM），以整合特征学习和命名过程。在LCGM中，自组织代理可以通过学习基于获得的知识来定义类别，并使用似然估计来区分对象。代理人之间传达的信息不再仅仅是某种形式的绝对答案，而是涉及一个人的感知。 LCGM的广泛模拟表明，更复杂的知识使得更难达成共识。我们还发现，程度较大的代理人对知识形成的贡献更大，更有可能是聪明的。拟议的LCGM和研究结果为复杂系统中共识的出现和演变提供了新的见解。
离散Ollivier-Ricci流的网络对齐
原文标题： Network Alignment by Discrete Ollivier-Ricci Flow
地址： http://arxiv.org/abs/1809.00320
作者： Chien-Chun Ni, Yu-Yao Lin, Jie Gao, Xianfeng David Gu
摘要： 在本文中，我们考虑了近似对齐/匹配两个图的问题。给定两个图 G_ {1} =（V_ {1}，E_ {1}）和 G_ {2} =（V_ {2}，E_ {2}），目标是映射节点 u， v \ in G_1 到节点 u'，v'\在G_2 中，这样当 u，v 有 G_1 的优势时，很可能他们的相应节点 u'，v' in G_2 连接也是如此。当我们考虑匹配表现出小世界现象的复杂网络时，子图同构作为一种特殊情况的这个问题具有额外的挑战。在这项工作中，我们建议使用“Ricci流量度量”来定义网络中两个节点之间的距离。然后，这用于分别定义两个网络中的一对节点的相似性，这是网络对齐的关键步骤。由离散图曲率和图Ricci流计算的％。具体而言，边的Ricci曲率直观地描述了局部邻域的连接程度。图Ricci流使离散Ricci曲率均匀化并且引入对节点/边插入和删除不敏感的Ricci流量度量。使用新指标，我们可以将 G_1 中的节点映射到 G_2 中的节点，该节点与仅少数预选地标的距离矢量最相似。当在各种复杂图模型和现实世界网络数据集（电子邮件，互联网和蛋白质交互网络）上测试时，图表度量的稳健性使其优于其他方法\脚注{计算Ricci曲率和Ricci流量度量的源代码可用：https：//github.com/saibalmars/GraphRicciCurvature}。
来自维基百科网络的大学的世界影响力和互动
原文标题： World influence and interactions of universities from Wikipedia networks
地址： http://arxiv.org/abs/1809.00332
作者： Célestin Coquidé, José Lages, Dima L. Shepelyansky
摘要： 我们根据对2017年5月收集的24个维基百科版网络的分析，提出维基百科世界大学排名（WRWU）。通过PageRank和CheiRank算法，我们确定了大学在这些版本的文化观点上的平均排名。与上海排名的比较显示，前100所大学的重叠率为60％，表明WRWU对其历史发展有更重要的意义。我们表明，新的简化谷歌矩阵算法可以确定领先大学之间十几个世纪的互动。这种方法也决定了特定大学对世界各国的影响。我们还比较了维基百科版本对大学的重要性和影响力的不同文化观点。
网络动态模型中极端Thouless效应的精确结果
原文标题： Exact results for the extreme Thouless effect in a model of network dynamics
地址： http://arxiv.org/abs/1809.00373
作者： R.K.P. Zia, Weibin Zhang, Mohammadmehdi Ezzatabadipour, Kevin E. Bassler
摘要： 如果经历相变的系统表现出一阶和二阶的某些特征，则称其为“混合顺序”或显示无Th效应。这种转变存在于动态社会网络的简单模型中，其中 N_ {I / E} 极端内向/外向者总是剪切/添加随机链接。特别是，模拟显示 \ left \ langle f \ right \ rangle ，两组之间的交叉链接的平均分数（这里作为'顺序参数'），当 \ Delta \ equiv N_时会大幅跳跃{I} -N_ {E} 越过'临界点' \ Delta _ {c} = 0 ，与典型的一阶转换相同。然而，在临界状态下，没有相位共存，但 f 的波动远大于典型的二阶转换。实际上，据推测，在热力学极限中，跳跃和波动都变得最大，因此系统被称为显示“极端的无心的效果”。虽然早期的理论部分成功，但我们提供了一种类似于平均场的方法，可以解释所有已知的模拟数据并验证猜想。此外，对于关键系统 N_ {I} = N_ {E} = L ，类似于台面的静态分布的分析表达式 P \ left（f \ right）表明它基本上是平坦的范围 \ left [f_ {0}，1-f_ {0} \ right] ， f_0 \ ll 1 。 f_ {0} 的数值计算与 L \ lesssim 2000 的模拟数据提供了极好的一致性。对于大的 L ，我们发现 f_ {0} \ rightarrow \ sqrt {\ left（\ ln L ^ 2 \ right）/ L} ，尽管此行为开始仅设置为 L> 10 ^ {100 } 。对于 L 的可访问值，我们提供了一个近似 f_ {0} 的超越等式，优于 \ sim 1％，降至 L = 100 。我们猜想这种方法可能会被用来攻击其他显示极端Thouless效果的系统。
从本地节点动态预测全局网络
原文标题： Global Network Prediction from Local Node Dynamics
地址： http://arxiv.org/abs/1809.00409
作者： Neave O'Clery, Ye Yuan, Guy-Bart Stan, Mauricio Barahona
摘要： 研究网络上的动态系统，描述复杂的交互过程，提供对网络结构如何影响全局行为的深入了解。然而，许多网络动态方法无法应对大型或部分已知的网络，这是现实世界应用中普遍存在的情况。在这里，我们提出了一种局部方法，适用于网络上的一大类动态模型，其中各个节点监视和存储它们自身状态的演变，并使用这些值通过简单的计算来近似它们自己的稳态解。因此，节点预测它们自己的最终状态而不实际到达它。此外，本地化公式使节点能够在不了解完整网络结构的情况下计算全局网络度量。该方法可用于根据本地信息计算网络中的全局排名;从快速的局部瞬态动力学检测社区检测;并确定先于其他人计算全球网络指标的关键节点。我们通过有效地执行大型互联网网络的网页排名和识别C.Elegans神经网络中的神经元间的动态角色来说明该算法的一些应用。数学公式简单，广泛适用，可轻松扩展到实际数据集，表明局部计算如何为大规模网络动态研究提供方法。
具有社会关系的Ad Hoc网络中的网络分解层次协作
原文标题： Network-Decomposed Hierarchical Cooperation in Ad Hoc Networks With Social Relationships
地址： http://arxiv.org/abs/1809.00418
作者： Cheol Jeong, Won-Yong Shin
摘要： 在本文中，我们引入了网络分解的分层协作（HC）协议，并完整地表征了在社交关系中形成的大型无线ad hoc网络的相应吞吐量 - 延迟权衡。我们首先考虑一种基于距离的社会形态模型，其特征在于社会群体密度 \ gamma 和每个节点的社交联系数量 q ，其中任意两个节点的概率不是随机选择源 - 目的地配对在距离 d 远离彼此的社交关系假设与 d ^ { - \ gamma} 成比例，这是一个可行的方案。然后，在我们的社会形成模型下使用muiltihop和网络分解的HC协议，我们分析了一个广义的吞吐量 - 根据参数 \ gamma 和 q 的操作方式在一个密集网络中的延迟权衡。通过非直接的网络转换策略，单位面积和单位节点密度的扩展网络。我们的主要结果表明，随着 \ gamma 的增加，与没有社交关系的网络案例相比，吞吐量 - 延迟权衡的表现可以显著提高。还表明，在密集网络中，网络分解的HC协议总是优于多跳协议，而网络分解的HC的优越性取决于 \ gamma 和扩展网络中的路径损耗指数。
相似性指标的性能及其与链路预测的关系研究：双态随机网络案例
原文标题： A study on the performance of similarity indices and its relationship with link prediction: a two-state random network case
地址： http://arxiv.org/abs/1809.00465
作者： Min-Woo Ahn, Woo-Sung Jung
摘要： 相似性指数测量复杂网络中节点对的拓扑邻近性。已经定义和研究了许多相似性指数，但结构对相似性指数性能的依赖性尚未得到充分研究。在这项研究中，我们通过采用双态随机网络研究了相似性指数的性能与网络的结构性质之间的关系。双状态网络中的节点具有最初给出的二进制类型，并且根据节点对的状态确定连接概率。相似性指数的性能影响链路的数量以及内部连接与内部连接的比率。相似性指数根据其类型具有不同的特征。本地指数在小型网络中表现良好，并不依赖于结构是主导内还是主导。相比之下，全球指数在大型网络中表现更好，而一些此类指数在主导结构中表现不佳。我们还发现链路预测性能和相似性能在模型网络和经验网络中是相关的。该关系意味着当节点类型的元数据不可用时，链路预测性能可以用作相似性索引的性能的近似。这种关系可能有助于为给定的网络找到合适的索引。
基于互信息复杂网络的风速监测系统社区检测分析
原文标题： Community detection analysis in wind speed-monitoring systems using mutual information-based complex network
地址： http://arxiv.org/abs/1809.00511
作者： Mohamed Laib, Fabian Guignard, Mikhail Kanevski, Luciano Telesca
摘要： 为了检测社区，分析了瑞士一个广泛的风速监测系统的基于互信息的加权网络表示。已经发现了两个社区，分别对应于分别位于阿尔卑斯山和汝拉高原上的两组传感器，这两个传感器分别定义了瑞士的两个主要气候带。剪影度量用于评估获得的社区并确认每个传感器对其群集的成员资格。
观点：走向集体大脑
原文标题： ViewpointS: towards a Collective Brain
地址： http://arxiv.org/abs/1809.00564
作者： Philippe Lemoisson (UMR TETIS), Stefano A. Cerri (SMILE)
摘要： 追踪知识获取并将学习事件与同伴之间的互动联系起来是我们这个时代的主要挑战。我们构思，设计和评估了一种新的范例，用于通过我们称为ViewpointS的Web交互来构建和使用集体知识。通过利用与Edelman的神经元群选择理论（TNGS）的相似性，我们推测它可能被隐喻地视为集体脑，在跨学科表征的情况下尤其有效。在本文中，我们提出了我们的建议的原因（和限制），而不是毫无疑问，我们的建议旨在成为一个有用的整合工具，用于未来对不同粒度的个人和集体学习的定量探索。因此，我们挑战当前的每一种方法：语义网中的逻辑方法，挖掘和深度学习中的统计方法，基于权威和信任的推荐系统中的社交方法;不是在他们自己喜欢的每一个操作领域，而是在他们的整合弱点远离人类大脑的整体和动态行为。
对社交媒体的认可：对YouTube和Pinterest上的联盟营销披露的实证研究
原文标题： Endorsements on Social Media: An Empirical Study of Affiliate Marketing Disclosures on YouTube and Pinterest
地址： http://arxiv.org/abs/1809.00620
作者： Arunesh Mathur, Arvind Narayanan, Marshini Chetty
摘要： 用户通常没有能力识别伪装成非广告内容的在线广告。由于这些隐藏的广告会误导和伤害用户，联邦贸易委员会（FTC）要求所有广告内容都要充分披露。在本文中，我们研究了联盟营销中的披露，这是社交媒体内容创建者使用的基于认可的广告策略。我们询问内容创作者是否遵循FTC的披露指南，他们如何说明披露，以及这些披露是否有助于用户将联盟营销内容识别为广告。为此，我们首先测量了流行率，并确定了超过50万个YouTube视频和210万个Pinterest引脚中的披露类型。然后，我们对1,791名参与者进行了用户研究，以测试这些披露的有效性。我们的调查结果显示，两个平台上只有约10％的联盟营销内容包含任何披露信息。此外，用户无法理解更短，不明确的披露。根据我们的调查结果，我们提出各种设计和政策建议，以帮助改善社交媒体上的披露做法。
加密货币时间序列中关键转变的拓扑识别
原文标题： Topological recognition of critical transitions in time series of cryptocurrencies
地址： http://arxiv.org/abs/1809.00695
作者： Marian Gidea, Daniel Goldsmith, Yuri Katz, Pablo Roldan, Yonah Shmalo
摘要： 我们在2017年底 - 2018年开始的数字市场崩溃之前分析了四种主要加密货币（比特币，以太坊，莱特币和涟漪）的时间序列。我们引入了一种将拓扑数据分析与机器学习技术相结合的方法 - k -means聚类 - 为了在接近关键转变的复杂系统中自动识别新兴的混沌机制。我们首先测试我们关于Lorenz型吸引子的复杂系统动力学的方法，然后我们将它应用于四种主要的加密货币。我们发现加密货币市场中关键转换的早期预警信号，即使相关时间序列表现出高度不稳定的行为。
空间性可以促进多样性吗？
原文标题： Can Spatiality Promote Diversity?
地址： http://arxiv.org/abs/1809.00729
作者： Bruno Messias, Filipi N. Silva, Cesar H. Comin, Luciano da F. Costa
摘要： 在网络上运行的真实世界动态可以根据它们各自的多样性或状态值的异质性来表征。空间网络可以被理解为表现出有限的小世界特征的网络。在目前的工作中，我们认为网络空间性可以增强分别展开动态的多样性。这也意味着小世界财产往往会减少多样性。我们通过在具有不同重连水平的Watts-Strogatz网络上的瞬态系统中模拟一种类型的Sznajd动力学来说明这种猜想。得到的结果表明，随着小世界财产取代空间性，状态多样性显著减少。
具有切顶点的网络上特征向量中心性的局部化
原文标题： Localization of eigenvector centrality on networks with a cut-vertex
地址： http://arxiv.org/abs/1809.00810
作者： Kieran J. Sharkey
摘要： 我们在具有集线器和切割顶点的网络上获得了特征向量中心性的一般形式。由此我们得出三种不同类型的特征向量定位。我们还通过考虑其与Katz中心性的关系，讨论了特征向量中心性在邻接矩阵特征基础范围内的作用。
揭示城市系统中的共同演化模式：对SimpopNet模型的系统探索
原文标题： Unveiling co-evolutionary patterns in systems of cities: a systematic exploration of the SimpopNet model
地址： http://arxiv.org/abs/1809.00861
作者： Juste Raimbault
摘要： 协同演化过程是根据城市系统动力学中心的演化城市理论。然而，他们的经验观察或模拟模型仍然相对罕见。本章重点介绍交通网络与城市的共同演化，并将高性能计算数值实验应用于SimpopNet协同演化模型，以了解其行为。我们引入了具体指标来量化城市系统的此类模型的轨迹，并将这些指标用于展示模型的共同演化机制。这说明了仿真模型的系统探索如何定性地改变它提供的知识。
如何建模假新闻
原文标题： How to model fake news
地址： http://arxiv.org/abs/1809.00964
作者： Dorje C. Brody, David M. Meier
摘要： 在过去的三年里，假新闻对民主构成了危险。然而，直到现在还没有明确的理解如何定义假新闻，更不用说如何定义假新闻了。本文讨论了这两个问题。给出了假新闻的定义，并介绍了假新闻建模的两种方法及其对选举和公民投票的影响。基于代表选民的想法，第一种方法被证明适合于在宏观层面上获得与假新闻相关的现象的定性理解。第二种方法基于选举微观结构的概念，通过模拟选民个人成员的投票偏好来描述选民的集体行为。通过模拟研究表明，仅仅知道假新闻可能正在流通，这对减轻假新闻的影响大有帮助。
JobComposer：通过多指标效用学习优化职业发展路径
原文标题： JobComposer: Career Path Optimization via Multicriteria Utility Learning
地址： http://arxiv.org/abs/1809.01062
作者： Richard J. Oentaryo, Xavier Jayaraj Siddarth Ashok, Ee-Peng Lim, Philips Kokoh Prasetyo
摘要： 随着在线专业网络平台（OPN，例如，LinkedIn，Xing等）在网络上流行，人们现在转向这些平台来创建和分享他们的专业档案，与其他拥有相似职业抱负的人联系并探索新的职业机会。然而，这些平台并未提供指导职业发展和提高员工就业能力的长期路线图。 OPN用户的职业轨迹可以作为参考，但它们并不总是最优的。职业计划也可以通过与职业教练协商来制定，但他们的知识可能仅限于少数几个行业。为了解决上述限制，我们提出了一种新颖的数据驱动方法，称为JobComposer，以自动化职业路径规划和优化。其关键前提是观察到的OPN中的职业轨迹可能不一定是最优的，并且可以通过学习最大化通过遵循职业道路可获得的收益总和来改进。 JobComposer的核心是基于分解的多准则实用学习程序，以实现职业道路规划中不同支付标准之间的最佳权衡。使用基于城市州的OPN数据集的广泛研究表明，JobComposer比其他基线方法和实际职业道路更好地返回职业道路。
贝叶斯意见交换网络的推理是PSPACE难的
原文标题： Reasoning in Bayesian Opinion Exchange Networks Is PSPACE-Hard
地址： http://arxiv.org/abs/1809.01077
作者： Jan Hązła, Ali Jadbabaie, Elchanan Mossel, M. Amin Rahimian
摘要： 我们研究了在网络上安排的完全理性的代理人的意见交换的贝叶斯模型。在该模型中，代理接收指示世界未知状态的私人信号。然后，他们反复宣布他们认为最有可能对邻居的世界状况，同时根据邻居的公告更新他们的信仰。自Aumann（1976）和Geanakoplos和Polemarchakis（1982）的工作以来，该模型在经济学中得到了广泛的研究。众所周知，代理商最终同意任何网络的高概率。人们经常认为，这个模型中的代理人所需的计算是困难的，但在我们的结果之前，没有严格的工作表明这种硬度。我们表明代理商在这个模型中计算他们的行为是很困难的PSPACE。此外，我们表明即使近似代理人的后验同样困难：PSPACE很难区分后者几乎完全集中在世界的一个或另一个状态。
对节点嵌入的对抗性攻击
原文标题： Adversarial Attacks on Node Embeddings
地址： http://arxiv.org/abs/1809.01093
作者： Aleksandar Bojcheski, Stephan Günnemann
摘要： 网络表示学习的目标是学习捕获图结构的低维节点嵌入，并且对于解决下游任务很有用。然而，尽管这些方法激增，但目前还没有研究它们对抗对抗性攻击的稳健性。我们针对广泛使用的基于随机游走的方法系列提供了第一次对抗性漏洞分析。我们得出有效的对抗性扰动，这会对网络结构造成毒害，并对嵌入的质量和下游任务产生负面影响。我们进一步表明，我们的攻击是可转移的 - 它们可以推广到许多模型 - 并且即使在攻击者限制行动时也是成功的。
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。