- 社会网络驱动的智能车辆互联网推荐的模拟研究;
- 预测媒体和热门Twitter用户的主题立场;
- 丹麦立场分类和谣言决议;
- 在线社会网络中用户品牌定位的语义方法;
- 基于反向贪心方法识别重要节点;
- 广义随机漫游对模型;
- 混乱期间向英国政府提交的请愿的内容、时间和地点;
- 比特币网络的污点分析;
社会网络驱动的智能车辆互联网推荐的模拟研究
原文标题： A Simulation Study of Social-Networking-Driven Smart Recommendations for Internet of Vehicles
地址： http://arxiv.org/abs/1907.01101
作者： Kashif Zia, Arshad Muhammad, Dinesh Kumar Saini
摘要： 在权衡物联网（IoT）潜力的同时，往往忽略了连通性和信息分散的社会方面。在车辆互联网（IoV）的专业领域，社会IoV（SIoV）的引入实现了它的重要性。假设IoV产生的大数据更普遍可接受的标准化，使其富有成效的社交维度仍然是一个挑战。在本文中，提出了基于主体的车辆之间信息共享模型，用于上下文感知建议。该模型遵循人类社会的社会维度。在合理的连接和数据约束下测试了一些重要的假设。仿真结果表明，社会关系的封闭及其时机影响了新信息的分散（推荐系统所必需的）。还观察到，随着网络逐渐增加的互动而发展，建议保证在同等优秀的竞争对手之间公平分配车辆是不可能的。
预测媒体和热门Twitter用户的主题立场
原文标题： Predicting the Topical Stance of Media and Popular Twitter Users
地址： http://arxiv.org/abs/1907.01260
作者： Peter Stefanov, Kareem Darwish, Preslav Nakov
摘要： 当今有争议的社会和政治问题促使人们在社会网络上发表意见，经常分享在线媒体文章的链接，并重新发布平台的重要成员的陈述。发现人们和整个媒体在当前有争议的话题上的立场对于社会统计学家和政策制定者来说非常重要。存在许多用于确定视点的监督解决方案，但是手动注释训练数据是昂贵的。在本文中，我们提出了一种使用无监督学习的方法，通过利用用户的转推行为，能够表征在线媒体和流行Twitter用户的一般政治倾向，以及他们对有争议话题的立场。我们通过将偏差预测与Media Bias / Fact Check网站的金标签进行比较来评估模型，并进一步进行人工分析。
丹麦立场分类和谣言决议
原文标题： Danish Stance Classification and Rumour Resolution
地址： http://arxiv.org/abs/1907.01304
作者： Anders Edelbo Lillie, Emil Refsgaard Middelboe
摘要： 互联网上充斥着通过微博和社交媒体传播的谣言。最近的研究表明，分析人群对谣言的立场是其准确性的一个很好的指标。一个最先进的系统使用LSTM神经网络通过考虑整个分支的上下文自动对Twitter上的帖子进行分类，而另一个更简单的决策树分类器，通过执行仔细的特征工程至少执行。预测谣言准确性的一种方法是使用立场作为隐马尔可夫模型（HMM）的唯一特征。本论文为丹麦语言生成了一个带有注释的Reddit数据集，并实现了各种站点分类模型。其中，线性支持向量机提供最佳结果，精度为0.76，宏观F1得分为0.42。此外，实验表明，可以跨语言和平台使用站立标签与HMM来预测谣言的准确性，达到0.82的准确度和0.67的F1得分。仅依靠丹麦数据集即可获得更高的分数。在这种情况下，准确性预测的准确度为0.83，F1为0.68。最后，当为HMM使用自动站立标签时，仅观察到性能的小幅下降，表明所实现的系统可以具有实际应用。
在线社会网络中用户品牌定位的语义方法
原文标题： A Semantic Approach for User-Brand Targeting in On-Line Social Networks
地址： http://arxiv.org/abs/1907.01326
作者： Mariella Bonomo, Gaspare Ciaccio, Andrea De Salve, Simona E. Rombo
摘要： 我们基于在线社会网络配置文件之间的比较，提出了可能的客户（用户）对广告商（例如，品牌）的推荐的一般框架。特别地，我们将用户和品牌简档表示为树，其中节点对应于相关联的在线社会网络中的类别和子类别。当类别涉及帖子和评论时，比较基于单词嵌入，这允许考虑品牌简档中流行的主题与用户偏好之间的相似性。真实数据集上的结果表明，我们的方法成功地识别了用作给定广告活动的目标的最合适的用户集。
基于反向贪心方法识别重要节点
原文标题： Identifying vital nodes based on reverse greedy method
地址： http://arxiv.org/abs/1907.01388
作者： Tao Ren, Zhe Li, Yi Qi, Yixin Zhang, Simiao Liu, Yanjie Xu, Tao Zhou
摘要： 识别维持网络连接的重要节点是网络科学中长期存在的挑战。在本文中，我们提出了一种所谓的反向贪婪方法，其中优先选择最不重要的节点，以使相应的诱导子图中最大分量的大小尽可能小。因此，稍后选择的节点在维持连接性方面更重要。对十个真实网络的实证分析表明，反向贪婪方法的表现明显优于众所周知的最先进方法。
广义随机漫游对模型
原文标题： Generalized Random Surfer-Pair Models
地址： http://arxiv.org/abs/1907.01420
作者： Sai Kiran Narayanaswami, Balaraman Ravindran, Venkatesh Ramaiyan
摘要： SimRank是一种广泛研究的基于链接的相似性度量，以其简单但强大的理念而闻名，如果它们被类似节点引用，则两个节点是相似的。虽然这种理念已成为若干改进的基础，但对于称为随机冲浪对模型的SimRank，还有另一种有用的，尽管不太常见的解释。在这项工作中，我们表明其他与SimRank相关的众所周知的测量也可以使用随机冲浪对模型重新解释，并为几个基于链接的相似性度量建立数学上合理，通用和统一的框架。这也有助于提供对其功能的新见解，并允许在蒙特卡洛框架中使用这些措施，这提供了若干计算益处。接下来，我们将描述如何将框架用作根据给定设计要求开发测量的多功能工具。作为该实用程序的一个例证，我们通过结合该框架下两个现有措施的益处来开发一种新措施，并且凭经验证明它可以产生更好的绩效指标。
混乱期间向英国政府提交的请愿的内容、时间和地点
原文标题： What, When and Where of petitions submitted to the UK Government during a time of chaos
地址： http://arxiv.org/abs/1907.01536
作者： Bertie Vidgen, Taha Yasseri
摘要： 在政治动荡和不确定性以及不断加剧的分裂和超党派关系的时代，各国政府需要利用其掌握的每一种工具来理解和回应其公民的关切。我们研究了2015-2017期间英国公众向政府提出的问题（围绕英国欧盟成员国公民投票），从10,950份请愿书（代表3050万签名）的数据集中挖掘公众意见。我们用基础自然语言处理（NLP）方法，潜在Dirichlet分配（LDA）提取主要问题。然后我们研究它们的时间动态和地理特征。我们表明，尽管一些问题的普及在两年内保持稳定，但其他问题在很大程度上受到外部事件的影响，例如2016年6月的公民投票。我们还研究了请愿问题与其签署人在地理位置上的关系。我们表明，一些问题得到了全国的支持，但其他问题则更为本地化。然后，我们根据成员签署的问题确定六个不同的选区群。最后，我们通过比较请愿问题和Ipsos MORI调查数据中报告的最重要问题来验证我们的方法。这些结果显示了计算分析请愿书的巨大力量，不仅可以了解公民关心的问题，而且可以了解何时何地。
比特币网络的污点分析
原文标题： Taint analysis of the Bitcoin network
地址： http://arxiv.org/abs/1907.01538
作者： Uroš Hercog, Andraž Povše
摘要： 确定个人比特币钱包的信任是一个难题。没有评级，提供供应商或交换有关他们收到的比特币污染程度的有意义的信息。如果收到的比特币被盗或不当，则缺乏此类信息会使交易承担责任。在本文中，我们尝试通过引入一个名为TaintRank的比特币地址污点分数来解决这个问题。它通过考虑整个历史记录中与之交互的地址，提供对特定钱包的深入了解。这种排名方法为比特币交易所公司提供了与他们交易对象的洞察力。
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。