- 在科学论文中建模引文和共同作者之间的协同;
- 在线社交媒体上的公共话语和新闻消费：对意大利全民投票的定量，跨平台分析;
- 社交媒体上的交通：旅行相关推文的自动分类器;
- 性别在社会网络组织中的作用;
- 规范图模型对网络可控性的基准测度;
- 光污染作为美国城市人口的替代变量;
- AI动力社会博弈;
- 大缺失数据：是继承与性别着作权不同的科学模因吗？;
- 协调车辆路由：一项调查;
- 关于独立级联模型影响的非追溯界限;
- 超像素着色博弈中无政府状态的价格;
- 积极学习注释处理电子信誉的微博;
- Twigraph：发现和显示Twitter个人资料之间的影响力;
在科学论文中建模引文和共同作者之间的协同
地址： http://arxiv.org/abs/1607.04884
作者： Zheng Xie, Zonglin Xie, Miao Li, Jianping Li, Dongyun Yi
摘要： 科学研究中的协作和引用同时发生，动态互动。建模它们之间的协同有助于研究许多现象，只有通过合并引用和共同着作数据才能接近。提出了协同演化的几何图，其机制以几何方式综合地表达作者和论文的交互影响。该模型根据2007 - 2015年期间在PNAS上发表的论文数据进行验证。验证显示了复合和分别引用和共同作者数据观察到的一系列特征的能力。特别是，在每个作者的引文的实证分布中，存在两个限制，其中分布分别表现为广义泊松和幂律。我们的模型成功地重现了分布的形状，并且通过作者的决定提供了形状如何形成的解释。该模型还记录了作者论文，引文和合作者之间的经验性正相关性。
在线社交媒体上的公共话语和新闻消费：对意大利全民投票的定量，跨平台分析
地址： http://arxiv.org/abs/1702.06016
作者： Michela Del Vicario, Sabrina Gaito, Walter Quattrociocchi, Matteo Zignani, Fabiana Zollo
摘要： 越来越多的关注传播假新闻和传播网络社交媒体的不成立传闻，以及确认偏见所起的关键作用，导致研究人员调查了这一现象的不同方面。实证证据表明，即使包含故意虚假的索赔，即使是反对信息主要被忽略或甚至可能增加群体极化，确认信息也被接受。理解错误信息问题似乎是合理的，我们必须了解内容消费背后的主要决定因素，并了解在线社交媒体上的叙述。在本文中，我们通过在Facebook公共页面和Twitter帐户上进行定量的跨平台分析，围绕意大利宪法公民投票进行讨论，来解决这一挑战。我们观察到两个平台上分散的社区的自发出现。这种隔离是完全自发的，因为没有对内容进行分类。通过探讨讨论背后的动力，我们发现用户倾向于将注意力限制在一组特定的Facebook页面/ Twitter帐户上。最后，利用自动主题提取和情绪分析技术，我们能够在两个平台之间和两个平台之间找出最有争议的话题。我们测量在帖子/推文中呈现某个主题的方式与用户的相关情绪反应之间的距离。我们的结果提供了有趣的见解，以了解不同回声室背后核心叙述的演变，以及早期发现虚假声称的大规模病毒现象。
社交媒体上的交通：旅行相关推文的自动分类器
地址： http://arxiv.org/abs/1706.05090
作者： João Pereira, Arian Pasquali, Pedro Saleiro, Rosaldo Rossetti
摘要： 近年来，智能交通系统领域的研究人员多次从社交媒体流中提取有价值的信息。然而，从任何社交媒体收集域特定的数据是一项挑战性的任务，要求适当和强大的分类方法。在这项工作中，我们专注于探索地理位置的推文，以便使用单词和单词嵌入的组合创建旅行相关的推文分类器。得出的分类使得有可能在圣保罗和里约热内卢确定有趣的时空关系。
性别在社会网络组织中的作用
地址： http://arxiv.org/abs/1706.05100
作者： Ioanna Psylla, Piotr Sapiezynski, Enys Mones, Sune Lehmann
摘要： 与现代世界接触时，我们留下的数字痕迹提供了一个有趣的镜头，我们通过它们研究行为模式作为性别表现。虽然在多个环境中已经观察到性别差异化，但大多数研究集中在单独的数据流中。在这里，我们使用手机收集的高分辨率数据的数据集，以及详细的问卷调查来研究大型队列中的性别差异。我们考虑到超过800美元的大学生中的流动行为和个人个性特征。我们还调查他们之间的互动，通过个人对人的联系，在线社交网络的互动和电信。因此，我们能够研究通过单个队列的多个渠道捕获的男性和女性行为之间的差异。我们发现，虽然两个性别在许多方面是相似的，但存在强大的偏差，包括社会互动的多个方面，表明存在固有的行为差异。最后，我们量化个人特征和社会行为的方面，通过将其作为分类问题来揭示其性别。我们问：我们如何根据行为单独区分男女研究参与者？哪些行为特征最具预测性？
规范图模型对网络可控性的基准测度
地址： http://arxiv.org/abs/1706.05117
作者： Elena Wu-Yan, Richard F. Betzel, Evelyn Tang, Shi Gu, Fabio Pasqualetti, Danielle S. Bassett
摘要： 许多现实世界的系统由许多单独的组件组成，它们以复杂的模式相互交互以产生不同的行为。了解如何干预这些系统来指导行为对促进系统生物学和神经科学中的新发现和治疗至关重要。优化复杂系统中干预措施的有前途的方法是网络控制理论，一种新兴的概念框架和相关的数学，以了解网络系统中针对节点的目标输入是否可以预测地改变系统动态。虽然网络控制理论目前正在应用于现实世界的数据，但是这些措施在具有预先指定的结构的简单网络上的实际性能尚不清楚。在这项研究中，我们对规范图模型的网络可控性进行了基准测度，为控制策略，图拓扑和边权重分布的相互依赖提供了直觉。我们的数值研究激发了未来的分析工作，以获得对图拓扑和控制之间关系的机械理解，以及设计具有特定控制曲线的网络的努力。
光污染作为美国城市人口的替代变量
地址： http://arxiv.org/abs/1706.05139
作者： Felipe G. Operti, Erneson A. Oliveira, Humberto A. Carmona, Javam C. Machado, José S. Andrade Jr
摘要： 我们表明，城市边界的定义可以对美国作为人口（POP）的函数的夜间光（NTL）的尺度行为产生巨大的影响。确切地说，我们的研究结果表明，基于都市/合并大都会统计区域（MSA / CMSA）的任意地理政治定义导致NTL与POP的亚线性幂律增长。另一方面，当城市根据更自然的聚集标准（即城市聚类算法（CCA））定义时，NTL和群体之间出现等距关系。这种差异与先前作品的结果相符，表明城市边界不同定义对城市人口的扩张行为可能会有很大差异。此外，考虑到共同国家评估的定义比MSA / CMSA更为充分，因为前者并不违反土地人口与其生成群集面积之间的预期扩展性，所以我们得出结论：CCA不考虑普遍性，光污染和人口在未来的研究中可以互换使用。
AI动力社会博弈
地址： http://arxiv.org/abs/1706.05143
作者： Terrence Adams
摘要： 本文概述了在一个或多个模态中生成输出的模拟机器人。我们还讨论了机器学习和人工智能的快速推进领域，可能导致强大的新型多模态社交机器人。我们的主要结论是，最常见的机器人是一维的（即喋喋不休），并且远离欺骗严重的询问器。然而，使用机器学习方面的最新进展，有可能释放出令人难以置信的强大的，类似人类的社会机器人的军队，在潜在的协调良好的欺骗和影响的运动中。
大缺失数据：是继承与性别着作权不同的科学模因吗？
地址： http://arxiv.org/abs/1706.05156
作者： Tanya Araújo, Elsa Fontainha
摘要： 本文旨在借鉴以往关于研究协作和知识传播中性别方面的文献。我们的方法增加了传统引文分析的meme继承概念，因为我们调查科学模因是否继承与性别着作权不同。由于科学论文的作者继承了他们引用的作者的知识，一旦作者是性别，我们可以根据作者的性别来描述遗传过程的遗传过程，关于模因的频率及其传播分数。通过应用使作者的性别歧视的方法，处理了引用和引用作者性别的大量缺失数据。我们基于经验的方法允许调查模因遗传和性别传播的综合效应。结果表明，科学模因与男性或女性引用作者的传播方式不同。同样，我们分析的模因并没有被发现通过男性或女性继承更容易传播。
协调车辆路由：一项调查
地址： http://arxiv.org/abs/1706.05254
作者： Margaretha Gansterer, Richard F. Hartl
摘要： 在横向合作中，承运人组成联盟，以便共同进行部分物流业务。通过交换交通要求，可以更有效率，更可持续地运作。文献中已经广泛讨论了协同车辆路由。我们确定了三个主要的研究流程：（i）集中式协作规划，（ii）分散式规划而不进行拍卖，以及（ii）基于拍卖的分散式规划。对于他们每个人，我们给出关于知识状态的结构化概述，并讨论未来的研究方向。
关于独立级联模型影响的非追溯界限
地址： http://arxiv.org/abs/1706.05295
作者： Emmanuel Abbe, Sanjeev Kulkarni, Eun Jee Lee
摘要： 本文开发了网络中影响度量的上下限，更准确地说，种子集可以在独立级联模型中影响的预期节点数。特别是，我们的边界利用非追溯行走，Fortuin-Kasteleyn-Ginibre（FKG）类型不等式，并通过消息传递实现来计算。最近，非追踪行走已经在社区检测中获得了进展，本文表明它们的使用也可能影响影响计算。此外，我们提供一个旋钮来控制效率和边界准确性之间的权衡。最后，通过对各种网络模型的模拟来说明边界的紧密性。
超像素着色博弈中无政府状态的价格
地址： http://arxiv.org/abs/1706.05297
作者： Rann Smorodinsky, Shakhar Smorodinsky
摘要： 引入了无政府状态的价格来衡量一个以分散的方式采取行动而不是通过中央当局采取行动的特务社会所造成的损失。 Hypergraph着色传统上是在选择颜色的中央设计师的背景下进行研究的。在本文中，我们研究了将颜色选择委托给假定为自己有兴趣的每个顶点时的无政府状态的价格。
积极学习注释处理电子信誉的微博
地址： http://arxiv.org/abs/1706.05349
作者： Jean-Valèere Cossu, Alejandro Molina-Villegas, Mariana Tello-Signoret
摘要： 选举在Twitter上发挥强大的政治观点，但人们对政治的看法呢？关于政治微博的意见和趋势挖掘最近吸引了包括信息检索和机器学习在内的多个领域的研究人员。由于ML和自然语言处理（NLP）方法的性能受到可用数据量和质量的限制，某些任务的一个有希望的替代方案是专家注释的自动传播。本文旨在开发一种所谓的主动学习过程，用于自动注释处理政治人物形象（即表示，网络声誉）的法语推文。我们的主要重点是建立一个原始的注释数据集，从法国两位政客随时间推出表达意见的方法。因此，我们审查了基于NLP的ML算法，使用手动启动步骤自动注释推文。本文重点介绍了从噪声建立大型注释数据集时主动学习的关键问题。这将由人类注释器引入，数据丰富和跨数据和实体的标签分布。反过来，我们可以看出，Twitter的特色，如作者的名字或者标签，可以被认为是不仅可以改善意见挖掘（OM）和主题分类的自动化系统，还可以减少人体注解中的噪音。然而，后来的彻底分析表明，减少噪音可能会导致关键信息的丢失。
Twigraph：发现和显示Twitter个人资料之间的影响力
地址： http://arxiv.org/abs/1706.05361
作者： Dhanasekar S, Sudharshan Srinivasan
摘要： 社交媒体热潮不断增加，人们彼此之间相互联系，但从未见过这些巨大的联系。我们提出一种方法论Twigraph来探索使用他们的Twitter个人资料的人之间的联系。首先，我们提出一种向用户推荐社交媒体简介，文章和广告的混合方法。根据用户个人资料和评估文件之间的相似性分数推荐个人资料。通过找到最有影响力的词，通过影响每个单词的影响词汇度量来产生一个高度的相似性来研究一组概况之间的相似性。然后，通过一种新颖的聚类算法，基于相似性分数，对政治，体育和娱乐等各个领域进行了分类。配置文件之间的连接使用字图，有助于查找连接一组配置文件和连接到单词的配置文件的单词。最后，我们通过聚类查找一组简档中的顶尖影响词，通过查找该个人资料的相似性，使用许多追随者分解Twitter的个人资料，使用字图进行精细的词汇连接。所提出的方法是在从Twitter获得的包含1.1M Tweets的数据集上实现的。实验结果表明，所产生的影响词高度代表了两个轮廓或一组轮廓之间的关系
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。本系列在个人博客网络科学研究速递 进行同步更新，并提供RSS订阅。