- 弱聚类组织中随机网络的谱;
- SybilFrame：基于结构的Sybil检测的深度防御框架;
- Sharenting中的性别偏见：男性和女性在社交媒体上提到儿子往往比女儿多;
- 通过嵌入多人在线战斗竞技场游戏建模游戏头像协同和反对;
- Graphite：图的迭代生成建模;
- 谢林分离模型中利他主义者的巨大催化效应;
- 灵活的网络嵌入模型;
- 网络流行病学监测哨点的客观度量;
- 基础物理学的文献排名;
- 在Twitter上使用表情皮肤颜色修饰符自我表现;
弱聚类组织中随机网络的谱
原文标题： Spectra of random networks in the weak clustering regime
地址： http://arxiv.org/abs/1310.3389
作者： Thomas K. DM. Peron, Peng Ji, Jürgen Kurths, Francisco A. Rodrigues
摘要： 网络中动态过程的渐近行为可以表示为相应邻接矩阵和拉普拉斯矩阵的谱特性的函数。虽然许多理论结果对于传统配置模型的谱已知，但通过这些模型生成的网络不能描述现实世界网络的许多拓扑特征，特别是聚类系数的非空值。在这里，我们研究了网络谱中三阶（三角形）的周期的影响。通过使用随机矩阵理论的最新进展，我们确定网络邻接矩阵的谱分布作为连接到每个节点的平均三角形数的函数，其中网络没有模块化结构和程度相关性。讨论对网络动态的影响。我们的发现可以揭示研究特定种类的子图是如何影响网络动态的。
SybilFrame：基于结构的Sybil检测的深度防御框架
原文标题： SybilFrame: A Defense-in-Depth Framework for Structure-Based Sybil Detection
地址： http://arxiv.org/abs/1503.02985
作者： Peng Gao, Neil Zhenqiang Gong, Sanjeev Kulkarni, Kurt Thomas, Prateek Mittal
摘要： Sybil攻击变得越来越普遍，并对在线社交系统构成重大威胁;一个单一的对手可以在系统中注入多个共谋身份以危及安全和隐私。最近的作品利用了基于社会网络的信任关系来抵御Sybil攻击。但是，现有的防御措施是基于过于简单的假设，而这些假设并不适用于现实世界的社会图表。在这项工作中，我们提出了SybilFrame，这是一种纵深防御框架，用于缓解Sybil攻击问题，当过于简单的假设被放宽时。我们的框架能够将关于用户和边的先前信息合并到社交图中。我们验证了我们的合成和现实世界网络拓扑框架，包括一个具有20M节点和265M边的大规模Twitter数据集，并且证明我们的方案比以前的基于结构的方法更好地执行一个数量级。
Sharenting中的性别偏见：男性和女性在社交媒体上提到儿子往往比女儿多
原文标题： Gender Bias in Sharenting: Both Men and Women Mention Sons More Often Than Daughters on Social Media
地址： http://arxiv.org/abs/1803.10329
作者： Elizaveta Sivak, Ivan Smirnov
摘要： 性别不平等在出生之前就开始了。父母倾向于比男孩更喜欢男孩，这表现在生育行为，婚姻生活以及父母的逍遥时光和对子女的投资上。虽然社交媒体和分享有关儿童的信息（所谓的“羞辱”）已成为父母身份不可分割的一部分，但如何以及如何通过性别偏好塑造用户的在线行为并不为人所知。在本文中，我们调查了在社交媒体上公开提及女儿和儿子的情况。我们使用来自635,665位用户的公共帖子的热门社交网站数据。我们发现男性和女性在职位上比女儿更经常提到儿子。我们还发现，儿子的帖子平均得到更多“喜欢”。我们的研究结果表明，女孩在父母关于孩子的数字叙述中代表性不足。这种性别失衡可能会传达一个信息，即女孩不如男孩重要，或者不值得关注，从而加强性别不平等。
通过嵌入多人在线战斗竞技场游戏建模游戏头像协同和反对
原文标题： Modeling Game Avatar Synergy and Opposition through Embedding in Multiplayer Online Battle Arena Games
地址： http://arxiv.org/abs/1803.10402
作者： Zhengxing Chen, Yuyu Xu, Truong-Huy D. Nguyen, Yizhou Sun, Magy Seif El-Nasr
摘要： 多人在线战斗竞技场（MOBA）游戏最近在全球范围内受到越来越多的欢迎。在这样的游戏中，玩家通过控制选定的游戏头像来彼此竞争，每个游戏头像都被设计成具有不同的长处和短处。直观地说，将相互补充（协同作用）的游戏角色集合在一起并压制对手（反对者）将会产生更强大的团队。深入了解游戏头像之间的协同和对立关系有助于玩家在游戏头像制作中做出决定并获得对比赛事件的更好预测。但是，由于游戏头像之间错综复杂的设计和复杂的相互作用，深入了解其关系并不是一件容易的事情。在本文中，我们提出了一个潜在变量模型，即游戏头像嵌入（GAE），以了解编码对之间的协同作用和对立关系的化身数字表示。我们模型的优点是双重的：（1）被捕获的协同作用和对立关系对经验丰富的人类玩家的感知是明智的; （2）游戏头像的学习数字表示允许许多重要的下游任务，诸如类似的头像搜索，匹配结果预测和头像挑选推荐者。据我们所知，没有以前的模型能够同时支持这两个功能。我们对来自三个商业MOBA游戏的实际匹配数据进行的定量和定性评估说明了我们模型的好处。
Graphite：图的迭代生成建模
原文标题： Graphite: Iterative Generative Modeling of Graphs
地址： http://arxiv.org/abs/1803.10459
作者： Aditya Grover, Aaron Zweig, Stefano Ermon
摘要： 图是关系数据建模的基本抽象。然而，图本质上是离散的和组合的，并且适合机器学习任务的学习表示会带来统计和计算方面的挑战。在这项工作中，我们提出了一个使用深潜变量生成模型的Graphite算法框架，用于无监督学习图表中节点上的表示。我们的模型基于变分自动编码器（VAE），并且与图，语音和文本等数据模态的现有VAE框架不同，它使用图神经网络来生成生成模型（即解码器）和推理模型（即编码器）。由于直接在生成模型中的图的空间局部结构，使用图神经网络直接结合了感应偏差。此外，我们绘制图神经网络与通过内核嵌入分布的近似推理之间的新连接。我们凭经验证明，Graphite在密度估计，链路预测以及合成和基准数据集上的节点分类方面优于最先进的方法。
谢林分离模型中利他主义者的巨大催化效应
原文标题： Giant catalytic effect of altruists in Schelling's segregation model
地址： http://arxiv.org/abs/1803.10505
作者： P. Jensen, T. Matreux, J. Cambe, H. Larralde, E. Bertin
摘要： 我们研究引入利他主义代理的效果，类似谢林模式的住宅隔离。我们发现，即使是一小部分利他主义者，也会对该系统的集体效用产生巨大的催化作用。利他主义者提供了一些途径，如果系统只包括利己主义代理人，使系统远离其达到的次优平衡，从而使系统达到最佳稳定状态。
灵活的网络嵌入模型
原文标题： Flexible model of network embedding
地址： http://arxiv.org/abs/1803.10572
作者： Juan Fernández-Gracia, Jukka-Pekka Onnela
摘要： 最近，人们对描述复杂系统的兴趣不仅仅是单一网络，而是作为以不同方式相互耦合的网络集合。这里我们引入一个易于处理的模型来将一个网络（A）嵌入到另一个网络（B）中，重点关注网络A比网络B有更多节点的情况。在我们的模型中，网络A中的节点被分配或嵌入到网络B中的节点使用分配规则，其中节点定位的范围由单个参数控制。我们首先将网络A中未分配的“源”节点映射到网络B中随机选择的“目标”节点。然后，我们使用基于随机游走的方法将源节点的邻居分配到目标节点的邻居。更具体地说，将源节点的每个邻居分配给从目标节点开始并具有每步停止概率$ q $的随机游走的停止节点。我们重复这个过程，直到网络A中的所有节点都嵌入到网络B中。通过改变参数$ q $，我们能够产生一系列从本地（$ q = 1 $）到全局（$ q \到0 $）。嵌入机制的简单性使我们能够以封闭的形式计算感兴趣的关键量，使其成为更加真实的网络嵌入模型的有用起点。
网络流行病学监测哨点的客观度量
原文标题： Objective measures for sentinel surveillance in network epidemiology
地址： http://arxiv.org/abs/1803.10637
作者： Petter Holme
摘要： 在网络中优化哨点监测的问题是找到可以及早或可靠地发现新发疾病暴发的节点。重点应该放在早期还是可靠的检测取决于所讨论的情况。我们调查了量化哨点监视节点在检测或消亡时间，检测时间和检测频率方面的性能的三个客观度量。作为比较的基础，我们在人类接触的静态和时间网络上使用易感染 - 恢复模型（SIR）。我们表明，对于参数空间的一些区域，这三个客观度量可以非常不同地对节点进行排名。与网络流行病学中的其他问题相反，我们发现静态和时间网络的结果非常相似。此外，我们没有发现一种预测客观度量的网络结构 - 它既取决于数据集又取决于SIR参数。 。
基础物理学的文献排名
原文标题： Biblioranking fundamental physics
地址： http://arxiv.org/abs/1803.10713
作者： Alessandro Strumia, Riccardo Torre
摘要： 我们提出了改进现有研究的研究影响的措施，如计算论文数量，引文和$ h $ - index。由于不同论文和不同领域的合着者和参考文献的平均数量大不相同，因此我们用共同作者共享的引用文献替代引文。接下来，我们改进引用计数，将PageRank算法应用于论文中的引文。按照时间顺序，这减少到引用后裔的加权计数，我们称之为PaperRank。同样，我们计算AuthorRank将PageRank算法应用于作者之间的引用。这些指标将作者或论文的影响量化为考虑到引用它的作者的影响。最后，我们通过定义一个封闭的引用硬币市场来展示如何消除自我和循环引用。我们将这些指标应用于InSpire数据库，该数据库涵盖了基础物理学，排名论文，作者，期刊，研究机构，城镇，国家，大陆，性别等最近的时间段。
在Twitter上使用表情皮肤颜色修饰符自我表现
原文标题： Self-Representation on Twitter Using Emoji Skin Color Modifiers
地址： http://arxiv.org/abs/1803.10738
作者： Alexander Robertson, Walid Magdy, Sharon Goldwater
摘要： 自2015年以来，可以用肤色修改某些表情符号。引入了五种不同的肤色，旨在表现出更多的人类多样性，但一些评论员担心它们可能被用作否定其他用户/群体的方式。本文介绍了在Twitter上使用肤色修饰符对肤色表情的定量分析，显示肤色较浅的个人照片的用户比肤色较浅的个人照片的用户更频繁地使用他们，绝大多数肤色使用情况与用户个人资料照片的颜色 - 即音调代表自我，而不是其他。在少数情况下，用户使用反色调表情符号，我们发现没有消极的种族情绪的证据。因此，肤色的引入似乎已经达到更好地代表人类多样性的目标。
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。