- 美丽和该死的。内容质量和社交关系对用户参与度的综合影响;
- 我们如何变得极化？特朗普追随者与克林顿追随者的多模式分类;
- Twitter上早期谣言检测的低级和高级特征全面分析;
- 社会群体的交叉行为：非信号交叉口观测的启示;
- 科学合作网络;
- 网络免疫的可扩展逼近算法;
- 大型网络免疫的谱方法;
美丽和该死的。内容质量和社交关系对用户参与度的综合影响
原文标题： Beautiful and damned. Combined effect of content quality and social ties on user engagement
地址： http://arxiv.org/abs/1711.00536
作者： Luca M. Aiello, Rossano Schifanella, Miriam Redi, Stacey Svetlichnaya, Frank Liu, Simon Osindero
摘要： 用户参与在线社区是由社会网络结构与沿着其链接流动的人群生成内容交织在一起的。这些方面很少被联合和大规模地探讨。通过观察用户如何通过Flickr生成和访问各种美丽的图片，我们调查了质量的产生如何影响在线社交系统的动态。我们开发了一个深度学习的计算机视觉模型，根据它们的审美价值对图像进行评分，并通过众包来验证它的输出。通过将它应用于15B以上的Flickr照片，我们首次研究了如何将图像美感分布在大型社交系统中。美丽的图像均匀地分布在网络中，尽管只有一小部分人获得社会认可。为了研究暴露于质量对用户参与度的影响，我们建立了旨在从观测数据中检测因果关系的匹配实验。接触美丽是双刃剑：追求高质量内容的人会增加上传更好照片的可能性;然而，由用户产生的质量和用户的邻居之间的过度失衡导致参与度下降。我们的分析对于改进链接推荐系统具有实际意义。
我们如何变得极化？特朗普追随者与克林顿追随者的多模式分类
原文标题： How Polarized Have We Become? A Multimodal Classification of Trump Followers and Clinton Followers
地址： http://arxiv.org/abs/1711.00617
作者： Yu Wang, Yang Feng, Zhe Hong, Ryan Berger, Jiebo Luo
摘要： 美国政治中的极化已经被广泛记载和分析了数十年，而且这一现象在2016年总统选举中变得更加明显，特朗普和克林顿描绘了两幅截然不同的美国图片。受到2016年总统竞选期间这种两极分化和推广力度的激增的影响，在本文中，我们采取了衡量社交媒体两极分化的第一步，我们试图通过分析每个人的Twitter推文，个人资料图片并张贴图片。因此，我们把极化视为一个分类问题，研究特朗普追随者和克林顿追随者在推特上的程度如何可以区分，这反过来又是一般两极分化的标准。我们应用LSTM处理推特功能，并使用VGG神经网络提取视觉特征。集成这两套功能可提升整体性能。我们能够达到69％的准确率，这表明文学中记录的高度分化现象也开始在社交媒体中体现出来。
Twitter上早期谣言检测的低级和高级特征全面分析
原文标题： A Comprehensive Low and High-level Feature Analysis for Early Rumor Detection on Twitter
地址： http://arxiv.org/abs/1711.00726
作者： Tu Nguyen
摘要： 最近的工作做了很好的模拟谣言，并在微博上检测他们。然而，在扩散早期，他们的自动方法的表现并不是很高。第一个直觉是，在早期阶段，大部分聚集的谣言特征（例如传播特征）不够成熟和独特。然而，微博上的谣言揭穿的目的是尽早发现这些错误信息。在这项工作中，我们利用神经模型在谣言一开始就学习个体与谣言相关的推文的隐藏表示。我们广泛的实验表明，由此产生的信号随着时间的推移改善了我们的分类性能，显着地在前10个小时。为了加深对这些低级和高级特征对模型性能贡献的理解，我们对48小时范围内的各种高影响的谣言特征进行了广泛的研究。使用这些特征的最终模型显示出具有竞争力，达到超过90％的准确性，并在我们精心治愈的数据集中表现出强大的基线。
社会群体的交叉行为：非信号交叉口观测的启示
原文标题： Crossing Behaviour of Social Groups: Insights from Observations at Non-signalized Intersection
地址： http://arxiv.org/abs/1711.00728
作者： Andrea Gorrini, Luca Crociani, Giuseppe Vizzari, Stefania Bandini
摘要： 环境，人口和心理因素对危险的过境行为有明显的影响。在这项工作中，我们关注的是社会因素对所考虑现象的潜在影响（即群体交叉决定）。我们介绍了一个关于单信号和双信号在非信号交叉口交叉行为的录像观察结果。结果表明，交叉行为的特点是三个不同阶段:(一）接近，（二）评估（决策）和（三）过境。二人步行比单步行人慢。双胞胎的交叉行为的特点是先做出决定的领导者出现，其次是同伴。然而，接受的单身和双人间的安全差距没有区别。了解影响社会群体交叉决策的因素，是支持行人交互仿真模型发展的重要结果。
科学合作网络
原文标题： Scientific co-authorship networks
地址： http://arxiv.org/abs/1711.00770
作者： Marjan Cugmas, Anuška Ferligoj, Luka Kronegger
摘要： 论文及时解决了作者网络的稳定性问题。斯洛文尼亚研究人员在两个时期（1991 - 2000年和2001 - 2010年）进行了分析。如果两个研究人员在给定的时间内出版了至少一个科学书目单位，那么这两个研究人员是相互关联的正如Kronegger等人所提出的那样（2011），采用假设的多核 - 半周边块模型对全局网络结构进行了广义分块建模。 “核心”一词是指一组研究人员以系统的方式相互出版。通过可视化综合分析得到的分块模型，并考虑了全球网络结构的若干统计量。为了测量所获得的块模型的稳定性，应用不同的调整改进的Rand和Wallace指数。在操作核心的稳定性时，可以区分核心的拆分和合并。另外，当新研究人员在第二时间段（新人）出现时，以及当第二时间段（离开时间）一些研究人员不在场时，可以使用调整后的修正指数。研究学科按照这些指标的价值进行描述和聚类。考虑到所获得的集群，研究了研究学科的不稳定性的来源（例如，核心，新人或离开者的合并或分裂）。此外，通过线性回归分析研究了所获得的核心在科学学科水平上的稳定性差异，其中也考虑了研究者的一些个人特征（例如年龄，性别）。
网络免疫的可扩展逼近算法
原文标题： Scalable Approximation Algorithm for Network Immunization
地址： http://arxiv.org/abs/1711.00784
作者： Juvaria Tariq, Muhammad Ahmad, Imdadullah Khan, Mudassir Shabbir
摘要： 识别特定网络中的重要参与者的问题对于病毒式营销，公共健康管理，网络安全以及社会网络分析的各种其他领域而言至关重要。在这项工作中，我们找到图G =（V，E）中最重要的顶点进行免疫，从而将疫情爆发的可能性降至最低。这个问题直接关系到在预算有限的情况下（如可用疫苗的数量，防病毒软件，过滤器等）将传染病传播（例如流感病毒，计算机病毒和流言）的影响降到最低（例如社会网络，计算机网络） ）。众所周知，这个问题在计算上难以处理（这是NP难）。在这项工作中，我们把这个问题作为一个预算的组合优化问题进行了重新描述，并且使用谱图论中的技术来设计一个有效的贪婪算法来找到要被免疫的顶点子集。我们证明，与最先进的算法相比，我们的算法花费的时间更少。因此，我们的算法可扩展到比前面提出的最有名的解决方案更大的网络。我们也给出了我们算法的质量的分析界限。此外，我们评估了我们的算法在许多现实世界网络上的有效性，并且证明了算法的经验性能补充了我们提出的理论界限，无论是在逼近保证还是在计算效率方面。
大型网络免疫的谱方法
原文标题： Spectral Methods for Immunization of Large Networks
地址： http://arxiv.org/abs/1711.00791
作者： Muhammad Ahmad, Juvaria Tariq, Mudassir Shabbir, Imdadullah Khan
摘要： 给定一个节点网络，使用有限的预算来最小化传染病的蔓延是一个在网络安全，病毒式营销，社会网络和公共健康方面应用得到充分研究的问题。在实际的图表中，病毒可能会感染一个节点，然后感染其邻居节点，这可能会在整个图表中触发一个流行病。因此，目标是选择免疫（接种，筛选，过滤）的最佳k个节点（预算约束），以便剩余图表不易流行。众所周知，在所有的实际模型中，即使对于中等大小的图，这个问题在计算上也是难以处理的。在本文中，我们利用谱图论的思想来定义节点的相关性和重要性。然后，利用新的图论技术，设计一个高效的近似算法对图进行免疫。对算法运行时间的理论保证表明，它比文献中其他任何已知的解决方案都更有效率。我们在几个真实的世界图上测试我们算法的性能。实验表明，我们的算法适用于大型图，并且在质量（包含流行性）和效率（运行时间和空间复杂度）两方面均优于现有算法。
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。