Arxiv网络科学论文摘要5篇(2017-07-21)

识别Twitter上的事件传播的影响链接：多重网络方法;
网络社区调试数据网络流行病模型;
在线社交系统中的主题同情;
审议平台设计：巴塞罗那Decidim在线讨论的案例研究;
人类接触网络在不同尺度和接近感测技术上的鲁棒建模;

识别Twitter上的事件传播的影响链接：多重网络方法

地址： http://arxiv.org/abs/1609.05378

作者： Pin-Yu Chen, Chun-Chen Tu, Pai-Shun Ting, Ya-Yun Lo, Danai Koutra, Alfred O. Hero III

摘要：在线社交网络中事件传播的模式为网络和物理系统上信息传播的建模和分析提供了新的见解。本文研究了Twitter上事件传播的追随者链接的重要性。收集三个最近的事件传播痕迹，使用Twitter用户语言字段来标识嵌入在Twitter跟踪网络中的网络（NoN）结构。我们首先在Twitter上制定事件传播作为迭代状态方程，然后在跟踪链接上提出一个有效的分数函数，以便通过链接删除来限制事件传播。此外，我们发现，利用NoN模型可以成功地识别有影响力的追随者链接，使得它们的删除导致Twitter跟随网络上事件传播的显着减少。实验结果发现，网络之间的跟随链接虽然仅占总跟随链接的一小部分，但对Twitter上的事件传播至关重要。

网络社区运行数据的网络流行病模型

地址： http://arxiv.org/abs/1702.07662

作者： Clement Lee, Andrew Garbett, Darren J. Wilkinson

摘要：假设通过根据几个简单规则顺序添加节点而生成的优先连接网络的统计模型，通常比假定任何两个节点具有相同的连接概率的伯努利随机图的模型更好地描述实际网络。因此，为了研究社会网络中“感染”的传播，我们结合随机流行模型和优先连接模型，提出了网络流行模型。基于随后的马尔科夫链蒙特卡罗算法的模拟研究揭示了模型参数的可识别性问题。最后，将网络流行病模型应用于一组在线调试数据。

在线社交系统中的主题同情

地址： http://arxiv.org/abs/1707.06525

作者： Felipe Maciel Cardoso, Sandro Meloni, Andre Santanche, Yamir Moreno

摘要：了解社会互动的动态对理解人类行为至关重要。在线社交媒体的出现使得能够大量访问有关人际关系的数据。 Twitter是面向信息的网络，有用户共享和消费信息。在这项工作中，我们研究用户是否倾向于与对类似主题感兴趣的人进行接触，即局部充实。为此，我们提出一种基于使用主题标签从Twitter消息中提取信息主题并模拟用户兴趣的方法。我们的研究结果表明，平均来说，用户与其他与之相似的用户有联系，更强的关系是由于主题相似度较高。此外，我们显示，局部嗜睡提供了有趣的信息，最终可以推断用户的连接。我们的工作除了提供一种评估用户的主题相似性的方法之外，还可以量化个体间的同情，有助于更好地了解复杂的社会系统的结构。

审议平台设计：巴塞罗那Decidim在线讨论的案例研究

地址： http://arxiv.org/abs/1707.06526

作者： Pablo Aragón, Andreas Kaltenbrunner, Antonio Calleja-López, Andrés Pereira, Arnau Monterde, Xabier E. Barandiaran, Vicenç Gómez

摘要：随着ICT的渗透和政治代表性的危机，已经开发了许多在线平台，目的是改善参与式民主进程。然而，关于在线请愿平台，以前的研究还没有找到如何有效地介绍讨论的例子，这是促进审议的关键特征。在这项研究中，我们重点关注巴塞罗那的Decidim巴塞罗那的案例，巴塞罗那市议会发起了一个在线参与民主的平台，该平台可以通过一个将线程讨论与评论对话结合在一起的界面进行讨论。这种创新的方法允许检查中性，正面或负面评论是否更有可能产生讨论级联。结果表明，通过此界面，与提案不符的评论更有可能吸引用户进行在线讨论，从而有助于促进审议决策。

人类接触网络在不同尺度和接近感测技术上的鲁棒建模

地址： http://arxiv.org/abs/1707.06632

作者： Michele Starnini, Bruno Lepri, Andrea Baronchelli, Alain Barrat, Ciro Cattuto, Romualdo Pastor-Satorras

摘要：使用各种技术方法解决了人类近距离邻近网络的映射问题。特别是可穿戴式电子设备已被证明在与社会科学，复杂网络和传染病动力学研究相关的各种设置方面特别成功。用于接近感测的每种设备和技术（例如，RFID，蓝牙，低功率无线电或红外通信等）在其记录的近距离关系上具有特定的偏差。因此，重要的是评估经验近邻网络的哪些统计特征在不同的测量技术之间是稳健的，以及哪些建模框架通过实证数据进行泛化。在这里，我们比较了在不同实验设置中记录的时间分辨的接近网络，并显示了所有考虑的设置中的一些重要的统计特征。观察到的普遍性需要一种简化的建模方法。我们表明一个这样的简单模型确实能够再现表征经验时间网络的主要统计分布。

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。本系列在个人博客 http://www.complexly.me 进行更新，并提供RSS订阅。