- 有不同表现的政治模因流派的自动发现;
- 无休息多臂老虎机博弈多主体的最佳学习动力学;
- 国际贸易网络的传染性 - 社区检测的新视角;
- 双向图卷积网络用于社交媒体谣言检测;
- 一种设计移动众感系统策略的新方法;
- 沉浸式网络可视化的心理地图研究;
有不同表现的政治模因流派的自动发现
原文标题： Automatic Discovery of Political Meme Genres with Diverse Appearances
地址： http://arxiv.org/abs/2001.06122
作者： William Theisen, Joel Brogan, Pamela Bilo Thomas, Daniel Moreira, Pascal Phoa, Tim Weninger, Walter Scheirer
摘要： 人类的沟通方式不是一成不变的---我们期待的方式获取信息的一些变化传送随着时间的推移，因为技术的进步。这种现象的一个例子是基于图像的米姆，这已经成为过去十年政治信息的主要形式。虽然原本是用来传播的笑话在社会化媒体，模因现在不得不对世界事件的公众认知的丰厚影响。在自动梅梅分析的显著挑战是一项战略，从单一的体裁内匹配模因时图像的外观变化的发展。这种变化是中模仿记因尤其常见。例如，当执行选民一个共同的手势的信号其用于候选的支持。在本文中，我们介绍了用于发现不同外观的政治米姆流派一个可扩展的自动化视觉识别管道。这条管道可以从社会网络梅梅摄取图像，应用计算机基于视觉的技术来提取局部特征和指数新的图像到一个数据库，然后整理成模因相关流派。为了验证这种方法，我们使用从Twitter和Instagram的收集超过两百万图像的新的数据集上的2019印尼总统选举的一个大案例。结果表明，该方法可以发现新的米姆风格与有着共同的风格元素在视觉上不同的图像，铺平了道路前进为语义分析和内容属性的进一步工作。
无休息多臂老虎机博弈多主体的最佳学习动力学
原文标题： Optimal Learning Dynamics of Multi Agents in Restless Multiarmed Bandit Game
地址： http://arxiv.org/abs/2001.06244
作者： Kazuaki Nakayama, Ryuzo Nakamura, Masato Hisakado, Shintaro Mori
摘要： 社会学习通过观察或与其他人互动中学习;它是在社会物理学人类的集体行为的理解至关重要。我们在一个不安分的多臂强盗（rMAB）研究主体商的学习过程。每个臂的二元收益随机变化和主体商通过利用与收益1手臂，搜索在随机的（个别学习）的手臂，或复制由其他主体人（社会学习）利用手臂最大限度地发挥他们的回报。该系统已在社会和个人学习的混合策略空间帕累托和纳什均衡。我们研究的几种模式中，主体商最大化其期望收益的战略空间，并解析和数值表明，该系统收敛于均衡。我们还进行了一项实验，调查人员参与者是否采用最优策略。在这个实验中，三个参与者玩博弈。如果每个组的回报是成正比的收益的总和，社会学习率的中位数几乎与帕累托均衡一致。
国际贸易网络的传染性 - 社区检测的新视角
原文标题： Communicability in the World Trade Network -- A new perspective for community detection
地址： http://arxiv.org/abs/2001.06356
作者： Paolo Bartesaghi, Gian Paolo Clemente, Rosanna Grassi
摘要： 当应用于世界贸易网络的网络社区检测对经济和金融环境至关重要的作用，特别是。我们提供了一个新的视角，其中强相互作用国家群集由特定的距离标准进行标识。我们指的是埃斯特拉达传染性距离和振动传染性距离，这变成是特别适合于捕捉经济网络的内部结构。该方法是基于变化的距离的阈值，它是从一个计算点有效。它还允许集群间和集群内所产生的社区性检查。数值分析强调国家之间的特殊关系，并提供丰富的信息，可以难以实现内的可选集群的方法。
双向图卷积网络用于社交媒体谣言检测
原文标题： Rumor Detection on Social Media with Bi-Directional Graph Convolutional Networks
地址： http://arxiv.org/abs/2001.06362
作者： Tian Bian, Xi Xiao, Tingyang Xu, Peilin Zhao, Wenbing Huang, Yu Rong, Junzhou Huang
摘要： 社会化媒体已经迅速发展公共由于传播新信息，从而导致谣言分发的性质。同时，从社会化媒体如此大规模的信息检测的传言正在成为一个艰巨的挑战。因此，应用一些深层次的学习方法来发现通过他们传播，如递归神经网络（RvNN）等方式传言。然而，这些深的学习方法只考虑到深传播的模式，但忽略宽分散的结构传闻检测。事实上，传播和分散传言的两个关键特性。在本文中，我们提出了一种新的双向图表模型，名为双向格拉夫卷积网络（碧GCN），通过在两个顶向下和传闻自下而上传播操作以探索两种特性。它利用与外传扩频学习传闻传播的模体的自顶向下向图GCN，并与外传扩散的相对向图GCN捕获传闻分散体的结构。此外，从源文章的信息涉及GCN的每一层从传闻的根提升的影响。在几个基准鼓励实证研究结果证实在国家的最先进的方法，该方法的优越性。
一种设计移动众感系统策略的新方法
原文标题： A Novel Methodology for designing Policies in Mobile Crowdsensing Systems
地址： http://arxiv.org/abs/2001.06437
作者： Alessandro Di Stefano, Marialisa Scatà, Barbara Attanasio, Aurelio La Corte, Pietro Liò, Sajal K. Das
摘要： 移动crowdsensing是基于用户贡献和激励机制以人为本的传感系统旨在刺激他们。在我们的工作中，我们通过博弈论的方法论反思的激励机制设计。因此，我们引入了多层次的社会感知框架，在人类社会的传感器上的多个社会阶层和各种服务交互。我们已经提出了包括趋同的概念，即是与多重网络上交互的相似性和频率的人有关的因素来衡量这些动态的相互作用。我们通过定义一个基于多重EGT的数学框架，量化同质性，网络的异构性和各种社会困境的影响建模传感行为的演化动力学。我们发现社会困境和网络结构导致人类合作的出现和持续性的配置。此外，我们还通过包括同质和异质性的概念定义和我国人口结构评估当地和全球的纳什均衡点。我们已经分析界定和衡量一种或多种QoI的新的统计测量和基于演化动力学用户口碑得分。措施是最合作的人不同的不同的配置和较高的。通过建议的方法，我们已经定义了一个决策支持系统的核心为通过一种或多种QoI的条款和用户口碑得分上的策略操作设计新的激励机制。
沉浸式网络可视化的心理地图研究
原文标题： A Study of Mental Maps in Immersive Network Visualization
地址： http://arxiv.org/abs/2001.06462
作者： Joseph Kotlarek, Oh-Hyun Kwon, Kwan-Liu Ma, Peter Eades, Andreas Kerren, Karsten Klein, Falk Schreiber
摘要： 网络的可视化影响心理地图的质量，观众发展到了解网络。在这项研究中，我们研究了3D身临其境的可视化环境相比，在网络的结构的理解传统的2D桌面环境的影响。我们比较使用三个任务两个可视化环境 - 解释网络结构，记忆一组节点，并确定了结构的变化 - 通常用于评估网络可视化心理地图的质量。结果表明，参与者能够在沉浸式环境查看网络时，特别是对于较大的网络更准确地解释的网络结构。然而，我们发现，2D可视化对于所需的空间记忆任务的表现好于身临其境的可视化。
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.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。