- 使用社会物理学方法分析与季节性主题相关的社交媒体内容和搜索行为;
- 人类与机器人如何对欺骗性和可信赖的新闻来源做出反应：活跃用户案例研究;
- 度相关性增强了网络中级联的增长;
- 在反馈演化博弈中公共管理的惩罚和检查;
- 社区问答中的专家推荐综述;
- DeepInf：深度学习社会影响预测;
- 了解人文社会科学学术期刊的Twitter使用;
- 多路网络的多项式特征值方法;
- 人民之城为人民：通过社交媒体互动感知城市动态;
- 非线性动力学方法和加密货币危机现象前兆的构建;
- 计算有向加权复杂网络中节点相互影响的K-方法;
使用社会物理学方法分析与季节性主题相关的社交媒体内容和搜索行为
原文标题： Analysis of social media content and search behavior related to seasonal topics using the sociophysics approach
地址： http://arxiv.org/abs/1807.05320
作者： Akira Ishii, Toshimichi Wakabayashi, Nozomi Okano, Yasuko Kawahata
摘要： 我们研究了发布社交媒体内容和与季节性主题相关的搜索操作之间的时间间隔。使用搜索行为的数学模型进行分析，如社会物理学理论。作为季节性主题，樱花一词被认为是春天，夏季是比基尼，秋天是秋叶，冬天是滑雪。我们根据搜索行为检查了博客和Twitter帖子的影响，发现了对这些主题感兴趣的时间偏差。
人类与机器人如何对欺骗性和可信赖的新闻来源做出反应：活跃用户案例研究
原文标题： How Humans versus Bots React to Deceptive and Trusted News Sources: A Case Study of Active Users
地址： http://arxiv.org/abs/1807.05327
作者： Maria Glenski, Tim Weninger, Svitlana Volkova
摘要： 社会对社交媒体作为主要新闻来源的依赖催生了对错误信息传播的重新关注。在这项工作中，我们确定了社交媒体帐户被识别为机器人如何对不同可信度的新闻来源作出反应的差异，无论这些来源共享的内容的真实性如何。我们使用细粒度模型分析机器人和人类的反应，这些模型将反应标记为答案，欣赏，协议，分歧，阐述，幽默或消极反应。我们提出了我们对机器人的流行，机器人和人类反应的种类和速度以及这两个亚群体之间反应推文的作者身份差异的分析的主要发现。我们观察到机器人对任何给定类型的来源的反应有9-15％，但仅包含7-10％的负责反应推文的账户;值得信赖的新闻来源对人的反应比例最高;当发布应答反应以回应被确定为宣传的来源时，机器人的响应时间明显短于人类。最后，我们报告了识别为机器人与非机器人的反应率的不平等水平差异显著。
度相关性增强了网络中级联的增长
原文标题： Degree Correlations Amplify the Growth of Cascades in Networks
地址： http://arxiv.org/abs/1807.05472
作者： Xin-Zeng Wu, Peter G. Fennell, Allon G. Percus, Kristina Lerman
摘要： 网络促进级联的传播，允许局部扰动通过节点与其邻居之间的交互来渗透。我们研究网络结构如何影响扩散级联的动态。通过考虑生成函数框架内网络的联合度分布，我们可以量化程度相关性如何影响全局级联的开始和特定程度类的节点倾向于触发大级联的倾向。然而，并非所有学位相关性在传播过程中都同等重要。我们引入了一种新的度数相关性度量，它考虑了与扩散级联相关的节点之间的相关性。我们表明，定义全球级联起始点的关键点与这种新的协同性衡量指标有着单调的关系。此外，我们表明选择接种最大级联的节点受到程度相关性的强烈影响。与传统观点相反，当度数相关性为正时，低度节点更可能产生最大级联。我们的工作表明，可以通过操纵网络的高阶结构来定制传播过程。
在反馈演化博弈中公共管理的惩罚和检查
原文标题： Punishment and inspection for governing the commons in a feedback-evolving game
地址： http://arxiv.org/abs/1807.05484
作者： Xiaojie Chen, Attila Szolnoki
摘要： 利用共同资源对社区成员来说总是一个两难选择。虽然合作者玩家克制自己并考虑适当的资源状态，但是叛逃者要求的收益超过他们所谓的份额以获得更高的回报。为了避免共同国家的悲剧，惩罚后者似乎是一个充分的反应。然而，当我们承认资源是有限的甚至可再生资源的增长能力有限这一事实时，这个结论就不那么简单了。为了澄清可能的后果，我们考虑一个共同演化模型，除了合作者和叛逃者的支付驱动竞争之外，可再生资源的水平敏感地依赖于合作者的比例和所有参与者的总消费。应用反馈演变的博弈显示，除了经过精心调整的惩罚外，合作者还应特别注意可再生资源的不断增长的能力。否则，即使使用严厉的惩罚也无法使社区免于不受欢迎的结束。
社区问答中的专家推荐综述
原文标题： A Survey on Expert Recommendation in Community Question Answering
地址： http://arxiv.org/abs/1807.05540
作者： Xianzhi Wang, Chaoran Huang, Lina Yao, Boualem Benatallah, Manqing Dong
摘要： 社区问答（CQA）代表Web应用程序的类型，人们可以通过提问和回答问题来交换知识。大多数现实世界的CQA系统面临的一个重大挑战是问题与潜在的优秀回答者之间缺乏有效匹配，这对有效的知识获取和流通产生了不利影响。一方面，请求者可能会在短时间内没有收到质量响应的情况下经历许多低质量的答案，另一方面，回答者可能面临许多新问题而无法快速识别他们感兴趣的问题。在这种情况下，专家建议成为解决上述问题的有希望的技术。专家推荐方法不是被动地等待用户浏览和发现他们感兴趣的问题，而是积极和迅速地引起用户对适当问题的关注。在过去的几年里，我们从不同的角度出现了相当大的努力来解决专家建议问题。在完全接受专家建议的优点之前，这些方法都有其需要解决的问题。在本次调查中，我们首先概述了CQA专家推荐的研究工作和最先进的技术。我们接下来总结和比较现有方法的优缺点，然后讨论公开问题和未来的研究方向。
DeepInf：深度学习社会影响预测
原文标题： DeepInf: Social Influence Prediction with Deep Learning
地址： http://arxiv.org/abs/1807.05560
作者： Jiezhong Qiu, Jian Tang, Hao Ma, Yuxiao Dong, Kuansan Wang, Jie Tang
摘要： Facebook，Twitter，微信和微博等社交和信息网络活动已经成为我们日常生活中不可或缺的一部分，我们可以轻松访问朋友的行为并受其影响。因此，对每个用户的有效社交影响预测对于诸如在线推荐和广告的各种应用是至关重要的。传统的社交影响预测方法通常设计各种手工制作的规则以提取用户和网络特定的特征。但是，它们的有效性在很大程度上依赖于领域专家的知识。因此，通常很难将它们概括为不同的域。受最近深度神经网络在各种计算应用中的成功启发，我们设计了一个端到端框架DeepInf来学习用户的潜在特征表示以预测社会影响。通常，DeepInf将用户的本地网络作为图神经网络的输入，用于学习其潜在的社交表示。我们设计了将网络结构和用户特定功能纳入卷积神经网络和注意力网络的策略。代表不同类型的社交和信息网络的Open Academic Graph，Twitter，Weibo和Digg的大量实验表明，提出的端到端模型DeepInf明显优于传统的基于特征工程的方法，表明了表示的有效性学习社交应用。
了解人文社会科学学术期刊的Twitter使用
原文标题： Understanding the Twitter Usage of Humanities and Social Sciences Academic Journals
地址： http://arxiv.org/abs/1807.05571
作者： Aravind Sesagiri Raamkumar, Mojisola Erdt, Harsha Vijayakumar, Edie Rasmussen, Yin-Leng Theng
摘要： 学术交流的范围可以通过社交媒体扩展的覆盖范围和缩短的信息路径来超越物理世界的局限性。因此，出版商已经在Twitter上为他们的期刊创建了个人资料，以宣传他们的出版物并开始与公众讨论。本文通过分析互动和沟通模式，调查Twitter从主流引文索引获得的人文社会科学（HSS）期刊的存在。本研究利用网络数据收集，描述性分析和社会网络分析。调查结果表明，跨学科的Twitter中HSS期刊的存在尚不多。共享网站似乎是HSS期刊在Twitter上开展的重要活动。其中，来自新闻门户网站和杂志的网页内容得到高度传播。没有主要观察到共享研究论文和转发。期刊间的交流在同一引文索引中很明显，但对于其他指数的期刊来说，它是非常小的。然而，似乎正在努力扩大研究界之外的沟通，与公众建立联系。
多路网络的多项式特征值方法
原文标题： A polynomial eigenvalue approach for multiplex networks
地址： http://arxiv.org/abs/1807.05588
作者： Guilherme Ferraz de Arruda, Emanuele Cozzo, Francisco A. Rodrigues, Yamir Moreno
摘要： 我们探索了多路网络矩阵表示的块性质，引入了一种新的形式来处理其作为层间耦合参数函数的谱特性。这种方法允许我们基于对传统特征值问题的解释来得出有趣的结果。更具体地说，我们减小了矩阵的维数，但增加了特征多项式的幂，即多项式特征值问题。这种方法乍一看可能听起来违反直觉，但它允许我们将2层多路复用系统的二次问题与聚合网络的谱联系起来，并得出谱的界限，以及许多其他有趣的分析见解。此外，它还允许直接获得作为层之间耦合的函数的特征值行为的分析和数值见解。我们的研究包括超邻接，超拉普拉斯算子和概率转移矩阵，它们使我们能够将结果置于多重网络中的结构阶段的角度。我们相信，这种形式主义和报告的结果将有可能在未来为多路复用网络获得新的结果。
人民之城为人民：通过社交媒体互动感知城市动态
原文标题： City of the People, for the People: Sensing Urban Dynamics via Social Media Interactions
地址： http://arxiv.org/abs/1807.05734
作者： Sofiane Abbar, Tahar Zanouda, Noora Al-Emadi, Rachida Zegour
摘要： 了解城市的时空动态是许多应用的核心，包括城市规划，区划和房地产建设。到目前为止，我们对城市动态的大部分理解来自人们进行的传统调查，或者以呼叫详细记录的形式利用移动数据。然而，与这些方法相关的高财务和人力成本使得数据可用性非常有限。在本文中，我们调查了大规模和公开可用的用户贡献内容的使用，以社交媒体帖子的形式来了解城市的城市动态。我们为不同城市和同一城市内的不同社区建立活动时间序列，以识别发生的不同动态模式。接下来，我们对时间序列进行聚类分析，以了解城市中模式的空间分布。我们对伦敦和多哈两个城市的实例表明了我们方法的有效性。
非线性动力学方法和加密货币危机现象前兆的构建
原文标题： Methods of nonlinear dynamics and the construction of cryptocurrency crisis phenomena precursors
地址： http://arxiv.org/abs/1807.05837
作者： Vladimir Soloviev, Andrey Belinskiy
摘要： 本文论证了在加密货币波动市场中构建关键和危机现象指标的可能性。为此，使用复杂系统理论的方法，例如动态系统的循环分析和置换熵的计算。结果表明，有可能构建复杂的动态度量，包括复发和熵，它们在实际的危机前期间以适当的方式表现。在关键加密货币比特币的时间序列中记录的主要五个危机的例子中，这一事实用于建立危机现象的预测因子，已经确定了拟议指标 - 危机前兆的有效性。
计算有向加权复杂网络中节点相互影响的K-方法
原文标题： K-method of calculating the mutual influence of nodes in a directed weight complex networks
地址： http://arxiv.org/abs/1807.05848
作者： Andrei Snarskii, Dmyto Lande, Dmyto Manko
摘要： 考虑了有向权重复合网络中配对节点的新特征。提出了一种复杂网络特征计算方法（称为K方法）。该方法基于使用基尔霍夫规则的后续应用来转换初始网络。提出了稀疏复杂网络的方法范围。这些复杂网络的节点是现实世界的概念，并且连接具有所谓的“认知地图”的因果特征。提出了具有语义解释的概念节点的两个新特征，即考虑所有节点彼此的影响的“压力”和“影响”。
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。