Arxiv网络科学论文摘要8篇(2017-09-14)

• 公共物品博弈与随机选择合作的演变;
• 网络时钟：检测信息扩散的时间尺度;
• 动态网络中的本地社区检测;
• 减轻病毒营销过度暴露;
• 第二十五届图绘制与网络可视化国际研讨会（GD 2017）;
• 有限连接组件在无限有向和多重网络中，具有任意度分布;
• 流式数据的近似集成;
• 在Twitter上的早期Debuking谣言：利用弱学习器的智慧;

公共物品博弈与随机选择合作的演变

地址： http://arxiv.org/abs/1709.03666

作者： Alexander G. Ginsberg, Feng Fu

摘要： 本文研究了从有限混合人口中提取的玩家提供在公共场合博弈中玩的机会的战略发展演变。所有玩家接受报价。然而，由于不可预见的情况，每个玩家有固定的概率，无法参与博弈，不同于类似的模式，假设自愿参与。我们首先研究规定随机选择是否会影响有限人口中的合作。此外，在模型中，如果投资回报率超过仅由人口规模，博弈规模和玩家选择退出的概率所定义的阈值，则中性流失和叛逃的自然选择将有助于合作。最终，增加每个玩家无法履行其参与公共博弈博弈的承诺的概率有助于自然选择合作者。我们还使用适应性动力来研究合作和选择退出行为的共同进化。然而，鉴于与原始人口有很大不同的罕见突变，基于自适应动力学的分析表明，随着时间的推移，人口将趋于完全堕落和不参与，随后从那里参与合作者将有机会出现中性漂移然而，增加不参与的可能性降低了参与时人口倾向于走向的速度。我们的工作揭示了如何随机选择出现首先出现的原因及其在合作演变中的作用。

网络时钟：检测信息扩散的时间尺度

地址： http://arxiv.org/abs/1709.04015

作者： Daniel J. DiTursi, Gregorios A. Katsios, Petko Bogdanov

摘要： 信息扩散模型通常假定信息令牌在网络中传播的离散时间线。由于真实世界网络中的用户在活动的强度和时间上有很大差异，因此我们在此工作中的目标是回答：如何确定与网络中观察到的信息传播最为一致的时间尺度？现有方法的一个主要限制是它们将时间轴聚合到固定大小的窗口中，这可能不适合所有网络节点的活动期。我们提出异构网络时钟的概念：将事件映射到根据给定的级联传播模型最好地解释其发生的离散时间戳。我们专注于广泛采用的独立级联（IC）模型，并将最佳时钟形式化为使所有观察到的级联的可能性最大化的时钟。单个最优时钟（OC）问题可以在多项式时间内精确求解。然而，我们证明，学习与网络节点组的时间模式对应的多个最优时钟（kOC）是NP-hard。我们提出了可扩展的解决方案，在几乎线性时间内总共执行级联激活，并讨论每种变体的近似保证。我们的算法及其检测到的时钟使得能够改进级联大小分类（高达8％的F1提升）和改进的丢失级联数据推理（0.15更好的回忆）。我们还表明，网络时钟在网络内扩散的内容类型中表现出一致性，并且相对于IC模型的传播概率参数是稳健的。

动态网络中的本地社区检测

地址： http://arxiv.org/abs/1709.04033

作者： Daniel J. DiTursi, Gaurav Ghosh, Petko Bogdanov

摘要： 考虑到时间不断变化的网络，如何在内部和外部高度内部交互的时期内检测社区？为了解决这个问题，我们将图中的传统的本地社区检测概括为动态网络的设置。在所有时间相互作用的“聚合”图中采用现有的静态网络方法对于该问题是不适合的，因为动态社区可能是短暂的，并且因此在长时间混合交互时丢失。因此，动态社区挖掘需要检测社区节点和他们正在积极交互的最佳时间间隔。我们提出了一个用于动态社区检测的过滤器和验证框架。为了扩展到图演化的长时间间隔，我们对动态社区电导采用新的谱边界，并使用它们在近似线性时间内过滤次优时间。我们还设计了一个时间和图表敏感的区域敏感哈希家族，以有效地发现有希望的社区核心。我们的方法PHASR发现社区一贯高于基线的质量（2到67倍）。同时，我们的限制允许在搜索空间的$ 55 \％$和$ 95 \％$之间修剪，导致运行时间显着节省，与冗余的替代方案相比，即使是适度的图演化时间间隔。

减轻病毒营销过度暴露

地址： http://arxiv.org/abs/1709.04123

作者： Rediet Abebe, Lada Adamic, Jon Kleinberg

摘要： 在传统的口碑建议和病毒式营销模式中，客观功能一般都是以尽可能多的人数为基础。然而，一些研究表明，通过口碑不加区别地传播产品可能导致过度暴露，从而达到对其进行评估的人。这可能会导致产品过度推广产生负面的声誉效应，达到不容易接受的一部分观众。如果存在过度暴露的风险，应如何利用社会影响力？在本文中，我们开发和分析了这一过程的理论模型;我们展示了如何捕捉与过度暴露相关的一些定性现象，为了我们的模型的主要方法，我们提供了一种多项式时间算法来找到最佳营销策略。我们还提供了真实网络拓扑模型的模拟，量化了我们的优化策略优于自然基线的程度

第二十五届图绘制与网络可视化国际研讨会（GD 2017）

地址： http://arxiv.org/abs/1709.04228

作者： Fabrizio Frati, Kwan-Liu Ma

摘要： 这是2011年9月25 - 27日在美国波士顿举行的第25届图绘制和网络可视化国际研讨会（GD 2017）的电子程序的arXiv指数。它包含同行评审和修订的接受的论文可选附录。

有限连接组件在无限有向和多重网络中，具有任意度分布

地址： http://arxiv.org/abs/1709.04283

作者： I. Kryven

摘要： 这项工作提出了配置网络的两个概括中的弱/多层连接组件的大小分布的准确表达式：具有有向边的网络和具有任意层数的多路复用网络。这些表达式在多项式时间内是可计算的，并且在某些限制下，可以从渐近理论的观点来处理。复合网络中两层连接组件的大小分布在关键方案中呈现指数$ - \ frac {3} {2} $，而有向网络中弱连接组件的大小分布呈现出两个关键指数，即$ - \ frac {1} {2} $和$ - \ frac {3} {2} $。

流式数据的近似集成

地址： http://arxiv.org/abs/1709.04290

作者： Michel de Rougemont, Guillaume Vimont

摘要： 我们用加权油藏采样来近似关于流数据的分析查询。对于Datawarehouse的元组，我们将展示如何近似某些OLAP查询。对于来自社会网络的图边流，我们将社区近似为水库边的大连接分量。我们显示，对于遵循幂律度分布的随机图模型，社区检测算法是一个很好的近似。给定两个源的两个图流，我们将{\ em社区关联}定义为两个流中社区中节点的分数。虽然我们不存储流的边，我们可以近似社区关联，并定义{\ em集成两个流}。我们用Twitter流说明这种方法，与电视节目相关联。

在Twitter上的早期Debuking谣言：利用弱学习器的智慧

地址： http://arxiv.org/abs/1709.04402

作者： Tu Ngoc Nguyen, Cheng Li, Claudia Niederée

摘要： 最近在微博流媒体的谣言建模和谣言检测方面取得了很大的进展。然而，现有的自动化方法在早期谣言检测方面表现不佳，这在许多情况下是重要的，例如在危机情况下。其原因之一就是传播特征，如长期运行良好的传播特征，由于其累积的特征 - 在传闻的早期阶段并不是很有帮助。在这项工作中，我们提出了一种早期谣言检测的方法，利用卷积神经网络学习隐藏的个人谣言相关的推论，以获取每个推文的可信度。然后，我们从谣言的开始汇总预测，以获得整体事件信用（所谓的智慧），最后将其与基于时间序列的谣言分类模型相结合。我们广泛的实验显示，在谣言的关键时刻，分类表现明显改善。为了更好的理解，我们还进行了一个在早期强调的广泛的特征评估，并表明低级别的信誉在谣言生命的各个阶段都具有最佳的可预测性。

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