- 连续时间边衰减含时网络和基于特征向量的中心性;
- 表征社会网络中的有效推荐;
- Twitter揭示：使用Twitter分析预测公共抗议;
- 社会传播的最佳社区结构;
- 在线公民科学到底是什么？教育观点;
- 衰退在线社区的事后检讨：级联模式分析与预测;
连续时间边衰减含时网络和基于特征向量的中心性
原文标题： Tie-decay temporal networks in continuous time and eigenvector-based centralities
地址： http://arxiv.org/abs/1805.00193
作者： Walid Ahmad, Mason A. Porter, Mariano Beguerisse-Díaz
摘要： 网络理论为研究互动代理的互联系统提供了一个有用的框架。许多网络化系统在不断发展，但大多数现有的分析时间依赖网络的方法依赖于离散或离散时间。在本文中，我们提出了一种新颖的方法，通过区分作为离散联系人的交互作用和作为时间函数表示关系强度的\ emph {tie}来连续演变网络。为了说明我们的领带衰变网络的框架，我们展示了如何以数学上易于处理和计算有效的方式检查 - 在个人交互后领带强度随时间衰减的网络中的重要（即“中心”）节点。作为一个具体的例子，我们介绍了PageRank中心性的连续时间概括，并将其应用于2012年英国国家卫生服务局争议期间的转推网络。我们的工作还提供了从网络理论到具有衰退时间的连续时间网络的其他工具的类似概括的指导，其中包括用于流式数据的应用。
表征社会网络中的有效推荐
原文标题： Characterizing Efficient Referrals in Social Networks
地址： http://arxiv.org/abs/1805.00252
作者： Reut Apel, Elad Yom-Tov, Moshe Tennenholtz
摘要： 社会网络的用户通常关注该网络的特定领域，导致众所周知的“过滤泡沫”效应。将人们连接到网络的一个新领域，以使他们在该领域活跃起来可能有助于缓解这种影响并改善社会福利。在这里，我们介绍网络引用的初步分析，即用户尝试将对等体连接到网络的其他区域。我们按照他们的效率对这些推荐进行分类，即推介会导致用户在网络的新领域中活跃起来的可能性。我们表明，通过使用描述推荐作者的过去经验和他们的信息内容的特征，我们能够预测推荐是否有效，对于编写有效推荐最有经验的用户达到0.87的AUC。我们的研究结果代表了在算法上构建高效推荐的第一步，其目的是减轻在线社会网络中普遍存在的“过滤泡沫”效应。
Twitter揭示：使用Twitter分析预测公共抗议
原文标题： Twitter Reveals: Using Twitter Analytics to Predict Public Protests
地址： http://arxiv.org/abs/1805.00358
作者： Mohsen Bahrami, Yasin Findik, Burcin Bozkaya, Selim Balcisoy
摘要： 抗议权被视为主要的公民权利之一。公民参与群众示威表达自己并行使其民主权利。但是，由于参与者众多，抗议活动可能会导致暴力和破坏，因此成本可能很高。因此，事先预测此类示范以防止此类损害非常重要。最近的研究表明，大约百分之七十五的被认为合法的抗议活动是事先计划好的。 Twitter是着名的微博客网站，它被抗议者用来规划，组织和发布最近许多抗议活动，例如那些导致阿拉伯之春，英国骚乱和那些反对特朗普先生的抗议活动之后美国总统选举在本文中，我们旨在通过机器学习算法来预测抗议活动。特别是，我们考虑了2016年11月宣布总统选举结果后，抗议当选总统特朗普的抗议事件。我们首先确定Twitter上的趋势主题演示标签，并下载相应的鸣叫。然后，我们应用四种机器学习算法进行预测。我们的研究结果表明，Twitter可用作预测未来抗议活动的强大工具，平均预测准确率超过75％（高达100％）。在特朗普总统颁布的禁止七个穆斯林国家公民进入美国的行政命令之后，我们进一步验证了我们的模型，预测了在美国机场举行的抗议活动。我们的研究的一个重要贡献是包含了预测目的的事件特定特征，这有助于实现高准确度水平。
社会传播的最佳社区结构
原文标题： Optimal community structure for social contagions
地址： http://arxiv.org/abs/1805.00360
作者： Zhen Su, Wei Wang, Lixiang Li, H. Eugene Stanley, Lidia A. Braunstein
摘要： 社区结构是现实世界网络行为的一个重要因素，因为它强烈地影响着传播动态的稳定性和相变阶段。我们在这里提出了社会网络的可逆社会传染模型，其中包括社会强化因素。在我们的模型中，当收到的信息单元数量超过采用阈值时，个体会采取社会传染病。我们使用平均场近似来描述我们提出的模型，并且结果与数值模拟一致。数值模拟和理论分析都表明在扩散动力学中存在一阶相变，并且当存在各种初始采用的种子时，系统中出现滞后环。我们找到一个最佳的社区结构，以最大化传播动态。我们还发现了一个富含三相点的相图，它将无扩散相与两个扩散相分开。
在线公民科学到底是什么？教育观点
原文标题： What is online citizen science anyway? An educational perspective
地址： http://arxiv.org/abs/1805.00441
作者： Cathal Doyle, Yevgeniya Li, Markus Luczak-Roesch, Dayle Anderson, Brigitte Glasson, Matthew Boucher, Carol Brieseman, Dianne Christenson, Melissa Coton
摘要： 在本文中，我们试图通过促进众包和协作的在线工具，为公民参与真正科学项目的性质辩论做出贡献。我们关注的是一个未被重视的领域，即在线公民科学参与对学龄儿童科学教育的影响。我们提出了一个在线公民科学过程流的二叉树，以及在新西兰小学教师中匿名调查的结果，他们都是知名的科学教育倡导者。我们的研究结果揭示了为什么教师有兴趣在课堂活动中使用在线公民科学，以及他们在选择特定项目时要寻找什么。从这些特征中，我们得出了关于在线公民科学与教育过程，背景和成果传播相关的最佳嵌入的建议。
衰退在线社区的事后检讨：级联模式分析与预测
原文标题： Postmortem Analysis of Decayed Online Social Communities: Cascade Pattern Analysis and Prediction
地址： http://arxiv.org/abs/1805.00451
作者： Mohammed Abufouda
摘要： 最近，许多在线社会网络（如MySpace，Orkut和Friendster）都面临着成员的不活动衰退，这导致了这些网络的崩溃。这种不活动衰减的原因，机制和预防机制尚未完全了解。在这项工作中，我们从StackExchange平台分析腐烂和活着的子网站。分析主要集中在这些社区成员之间发生的不活动级联。我们提供措施来了解衰减过程和统计分析，以提取伴随不活动衰减的模式。此外，我们使用机器学习预测级联大小和级联病毒性。这项工作的结果包括腐朽子网站和活着子网站之间衰变模式的统计学显著差异。这些模式主要是：级联大小，级联病毒性，级联持续时间和级联相似性。此外，与基线预测器相比，贡献预测框架显示出令人满意的预测结果。在经验证据的支持下，本文的主要研究结果如下：（1）衰变过程不受仅有一种网络测量的控制;用多种措施更好地描述; （2）StackExchange子网站的专家成员主要负责StackExchange子网站的活动或不活动; （3）统计分网站正在经历衰变动态，可能导致其全面衰退;和（4）衰落的子网站本来不像不活跃的子网站那样具有抵抗不活动衰退的能力。
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。