Arxiv网络科学论文摘要4篇(2019-03-14)

• 智能高速公路流密度关系变异性的实证分析;
• “坚持在那里”：使用词汇和视觉分析识别具有移情反应的帖子;
• 学习图聚类的分辨率参数;
• SciLens：利用社交媒体和科学文献指标评估科技新闻文章的质量;

智能高速公路流密度关系变异性的实证分析

原文标题： Empirical analysis of the variability in the flow-density relationship for smart motorways

地址： http://arxiv.org/abs/1903.05112

作者： Kieran Kalair, Colm Connaughton

摘要： 基本图是交通流量和交通密度之间假定的函数关系。在实践中，这种关系是嘈杂的并且表现出显著的统计变异性。在智能高速公路上，这种可变性通过基本图未捕获的可变速度限制而增加。为了研究这种可变性，考虑密度和流量的联合概率分布函数（pdf）是合适的。我们使用来自伦敦M25的64个部分的74天数据，对流量和密度之间关系的变化进行了实证研究。目标是确定流量密度关系中的多少变化是由变速限制产生的，并评估基本图的特定功能形式是否系统偏好。根据经验，流量和密度的联合pdf是双峰的，说明交通流量通常在高密度或低密度体系中发现，但很少在两者之间。我们发现高密度区域受到变速限制的强烈影响，而低密度区域则不然。基本图的Daganzo-Newell（三角形）模型系统地最适合数据。但是，最佳参数随位置而变化。这些参数的聚类分析表明三种不同类型的流密度关系适用于M25的不同部分。这些聚类在流动破坏的频率和严重性方面具有自然的解释。事故率还取决于集群类型，表明可能链接到流量密度关系之外的交通流量的其他属性。

“坚持在那里”：使用词汇和视觉分析识别具有移情反应的帖子

原文标题： "Hang in There": Lexical and Visual Analysis to Identify Posts Warranting Empathetic Responses

地址： http://arxiv.org/abs/1903.05210

作者： Mimansa Jaiswal, Sairam Tabibu, Erik Cambria

摘要： 在过去几年中，社交媒体已经成为一个平台，人们在这个平台上表达和分享关于虐待，暴力和心理健康问题的个人事件。需要查明这些帖子并了解预期的响应类型。为此，我们理解个人故事在不同社交媒体网站上发布的关于滥用或心理健康主题的不同帖子的情绪。在本文中，我们提出了一种由手工制作的功能支持的方法，以判断该帖子是否需要移情反应。该模型在各种网页和相应评论的帖子上进行训练，包括字幕和图像。我们能够在标记需要移情反应的帖子中获得80％的准确率。

学习图聚类的分辨率参数

原文标题： Learning Resolution Parameters for Graph Clustering

地址： http://arxiv.org/abs/1903.05246

作者： Nate Veldt, David F. Gleich, Anthony Wirth

摘要： 在图中找到连接良好的节点的集群是基于图的数据分析中广泛研究的问题。由于其应用众多，已经提出并分析了大量不同的图聚类目标函数和算法。为了帮助从业者确定在不同应用中使用的最佳聚类方法，我们提出了自动学习如何设置聚类分辨率参数的新技术。这些参数控制通过优化广义目标函数形成的社区的大小和结构。我们首先形式化参数适应度函数的概念，该函数测量固定输入聚类近似如何很好地解决特定分辨率参数值的广义聚类目标。在适合两个关键图聚类应用的合理假设下，可以使用类似二分的方法有效地最小化这样的参数适应度函数，从而产生与示例聚类很好地匹配的分辨率参数。我们将框架视为一种单次超参数调整，因为我们只需一个例子即可学习一个好的分辨率参数。我们的一般方法可用于学习局部和全局图聚类目标的分辨率参数。我们在实际数据的几个实验中展示了它的实用性，其中有助于从给定的示例聚类中学习分辨率参数。

SciLens：利用社交媒体和科学文献指标评估科技新闻文章的质量

原文标题： SciLens: Evaluating the Quality of Scientific News Articles Using Social Media and Scientific Literature Indicators

地址： http://arxiv.org/abs/1903.05538

作者： Panayiotis Smeros, Carlos Castillo, Karl Aberer

摘要： 本文描述，开发和验证了SciLens，一种评估科学新闻文章质量的方法。我们工作的出发点是结构化方法，定义了一系列用于手动评估新闻的质量方面。基于这些方面，我们描述了一系列新闻质量指标。根据我们的实验，与无法获得这些指标的非专家相比，这些指标有助于非专家更准确地评估科学新闻文章的质量。此外，SciLens还可用于为文章生成完全自动化的质量得分，与非专家进行的人工评估相比，专家评估员更愿意。 SciLens的主要元素之一是关注文章的内容和背景，其中上下文由（1）文章对科学文献的明确和隐含参考，以及（2）社交媒体中引用文章的反应提供。我们表明，两个上下文元素都可以成为确定文章质量的重要信息来源。 SciLens的验证通过专家和非专家注释的组合完成，证明了其对科学新闻的半自动和自动质量评估的有效性。

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。