- 社交媒体上的情绪驱动的社区分析和检测;
- Graphlets、node2vec和struc2vec在网络对齐任务中的作用;
- 二模网络中链路预测的最大熵方法;
- 时间网络上新菌株出现的动力学;
- 基于网络的比特币泡沫指标;
- 社会网络和地理：来自外围的观点;
社交媒体上的情绪驱动的社区分析和检测
原文标题： Sentiment-driven Community Profiling and Detection on Social Media
地址： http://arxiv.org/abs/1805.04191
作者： Amin Salehi, Mert Ozer, Hasan Davulcu
摘要： Web 2.0有助于扩大在许多问题上的对话范围和深度，并促进在线社区的形成。在线社区根据他们对一组核心问题的共同意见，将各个人聚集在一起。大多数现有的社区检测方法仅仅关注发现社区，而没有提供关于社区成员的集体意见和社区形成背后的动机的任何见解。通过提供一组关键词作为社区档案，已经做出了一些努力来解决这个问题。然而，他们忽视了社区成员对关键词的立场，这在理解社区在社交媒体高度两极化的氛围中发挥了重要作用。为此，我们提出一种情绪驱动的社区分析和检测框架，旨在为社区成员分别提供社区成员的积极和消极的集体意见。在这方面，我们的框架最初提取用户消息中的关键表达作为问题的代表，然后确定用户对这些关键表达的正面/负面态度。接下来，它揭示了一个低维的潜在空间，以便根据用户的意见和社交互动（即转发）对用户进行分组。我们通过定量和定性评估来证明我们框架的有效性。
Graphlets、node2vec和struc2vec在网络对齐任务中的作用
原文标题： Graphlets versus node2vec and struc2vec in the task of network alignment
地址： http://arxiv.org/abs/1805.04222
作者： Shawn Gu, Tijana Milenkovic
摘要： 网络嵌入旨在将网络中的每个节点表示为总结给定节点（扩展的）网络邻域的低维特征向量。节点的特征向量可以用于各种下游机器学习任务。最近，出现了很多自动学习节点特征的嵌入方法，如node2vec和struc2vec，这些方法已经用于节点分类，链路预测和节点聚类等任务，主要集中在社会网络领域。还有其他的嵌入方法明确地查看节点之间的连接，即节点的网络邻居，如图表。 Graphlets已经用于网络比较，链路预测和网络聚类等许多任务，主要集中在计算生物学领域。尽管两种类型的嵌入方法（node2vec / struct2vec与graphlets）具有相似的目标 - 将节点表示为特征向量，但它们之间没有进行比较，可能是因为它们起源于不同的域。因此，在这项研究中，我们将graphlets与node2vec和struc2vec进行比较，并且我们在网络对齐任务中这样做。在对合成和现实世界生物网络的评估中，我们发现graphlets比node2vec和struc2vec更精确和更快。
二模网络中链路预测的最大熵方法
原文标题： Maximum entropy approach to link prediction in bipartite networks
地址： http://arxiv.org/abs/1805.04307
作者： M. Baltakiene, K. Baltakys, D. Cardamone, F. Parisi, T. Radicioni, M. Torricelli, J. A. van Lidth de Jeude, F. Saracco
摘要： 在网络分析中，分析最大熵框架对于网络重构和过滤等不同任务非常成功。在最近的一篇论文中，同样的框架被用于单分组网络的链路预测：提供了图中所有未观察链路的链路概率，并选择了最可能的链路。在这里，我们提出将这种方法扩展到二部图。我们在两个具有不同拓扑特征的真实世界网络上测试我们的方法。我们的表现与最先进的方法相比较，结果表明我们的基于熵的方法具有良好的整体表现。
时间网络上新菌株出现的动力学
原文标题： Dynamics of new strain emergence on a temporal network
地址： http://arxiv.org/abs/1805.04343
作者： Sukankana Chakraborty, Xavier R. Hoffmann, Marc G. Leguia, Felix Nolet, Elisenda Ortiz, Ottavia Prunas, Leonardo Zavojanni, Eugenio Valdano, Chiara Poletto
摘要： 在许多情况下都观察到网络上的多重压力竞争，包括传染病生态学，信息传播或对流行病的行为适应。尽管考虑到静态的，时间聚合的网络已经开发了大量的研究，但是随着时间的推移创建和销毁网络的链路，理解并发应变的传输仍然是一个挑战。在这里，我们分析了网络动力学是如何影响初始地方性应变与新兴地区之间竞争的结果，当两个菌株都遵循易感染易感动态，并且在时间尺度上与网络演化相当。利用时间分辨数据对住院患者和医疗保健工作者之间的近距离相互作用进行分析，我们分析时间模式和初始条件对优势图和共存时间的影响。我们发现，活动量的强烈变化会导致新出现的菌株替代特有菌株对出现时间高度敏感的可能性。网络的时间结构决定了优势图，从经验网络及其随机版本观察到的替代概率（针对一组给定的流行病学参数）有显著变化。我们的工作有助于描述时间网络上竞争性病原体之间的复杂相互作用。
基于网络的比特币泡沫指标
原文标题： Network-based indicators of Bitcoin bubbles
地址： http://arxiv.org/abs/1805.04460
作者： Alexandre Bovet, Carlo Campajola, Jorge F. Lazo, Francesco Mottes, Iacopo Pozzana, Valerio Restocchi, Pietro Saggese, Nicoló Vallarano, Tiziano Squartini, Claudio J. Tessone
摘要： 加密货币比特币的功能依赖于其交易历史的公开可用性。这使得它成为一个特别有趣的社会经济系统，从网络科学的角度来分析。这里我们分析用户之间比特币交易网络的演变。我们通过使用2011年12月5日至2013年12月23日的完整交易历史来实现此目标。此期间包括比特币价格经历的三个泡沫。特别是，我们关注用户网络的全球和当地结构特性及其与价格波动和衰退的不同时期的变化。通过分析连接模式异质性的时间变化，我们获得了有关气泡期间发生的不同机制的见解，并发现集线器（即连接最多的节点）在触发第二个气泡爆发方面起着基础性作用。最后，我们研究了用户之间相互作用的局部拓扑结构，我们发现三次相互作用的相对频率在泡沫之前，之中和之后经历了强烈的变化，并且表明泡沫期间中心的重要性增加。这些结果提供了进一步的证据，证明泡沫期间中心的行为显著增加了比特币网络的系统性风险，并讨论了对公共政策干预的影响。
社会网络和地理：来自外围的观点
原文标题： Social networks and geography: a view from the periphery
地址： http://arxiv.org/abs/1805.04510
作者： Steven M. Radil, Olivier J. Walther
摘要： 网络的空间隐喻及其伴随的抽象如流动，移动和连通性一直是整个人类地理学关系转向的中心主题。然而，迄今为止，地理学网络主要是通过行为者 - 网络理论或集合思想来探索的，它们都包含了网络隐喻而没有专门和正式地询问网络本身。我们试图通过探索关于社会网络的大量未被充分利用的文献作为现在占主导地位的行为者 - 网络和集合框架的替代品来探讨地理网络的处理问题。我们的论文讨论了地理学中的关键概念，如地点，距离，规模和权力与网络理论中的中心性，密度和同源性之间的概念联系。我们的论文是从人类地理学的边缘自发撰写的，为那些对网络比喻不仅仅是感兴趣的地理学家开辟了新的方向。
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。