- 揭示社交媒体的协调网络;
- 变色龙攻击：操纵在线社交媒体内容显示;
- 宏观经济城市动态的哈密顿建模：支持信息;
- 双层随机模型的隐藏社区发现：一个理论视角;
- 单纯复形：高阶谱维度和动力学;
- 在线新闻影响力的一般模式;
- 从基于图的关系时间序列推断个体级因果模型;
- 使用大数据提供的情感分析社会化媒体发现知识（SoMABiT）;
揭示社交媒体的协调网络
原文标题： Uncovering Coordinated Networks on Social Media
地址： http://arxiv.org/abs/2001.05658
作者： Diogo Pacheco, Pik-Mai Hui, Christopher Torres-Lugo, Bao Tran Truong, Alessandro Flammini, Filippo Menczer
摘要： 协调运动来影响和操纵社交媒体平台及其用户，对信息的自由交流的一个关键挑战在线。在这里，我们介绍一个通用的基于网络的架构，账目揪出组有可能协调。基于任意行为的痕迹，该方法构建协调网络帐户之间共享。我们目前的影响力活动的五个案例研究，在美国选举中，香港的抗议，叙利亚内战，cryptocurrencies的不同背景。在每一种情况下，我们检测的协调Twitter账户通过检查他们的身份，图像，主题标签序列，转推，和时间模式的网络。拟议的框架被证明是广泛适用揭开各种协调的跨越信息化战争场景。
变色龙攻击：操纵在线社交媒体内容显示
原文标题： The Chameleon Attack: Manipulating Content Display in Online Social Media
地址： http://arxiv.org/abs/2001.05668
作者： Aviad Elyashar, Sagi Uziel, Abigail Paradise, Rami Puzis
摘要： 在线社会网络（嗅觉神经元）是无处不在的吸引数百万用户遍布世界各地。作为一个流行的通信媒体的OSN在各种各样的网络攻击利用。在这篇文章中，我们讨论了变色龙攻击技术，一种新型的基于OSN-挂羊头卖狗肉，其中恶意帖和轮廓改变它们被显示给用户OSN的方式攻击或避免检测之前隐藏自己。使用这种技术，可以对手，例如，通过隐藏时，它即将被检真实内容避免审查;获得社会资本来促进，同时捎带一个趋势一个新的内容;使人不安，诱骗受害人到喜欢，转推，或评论的消息，他通常不会做没有任何迹象的OSN中弄虚作假严重名誉损害。实验用的体育迷显示封闭的Facebook组进行：（1）变色龙页面可以通过审核过滤器通过改变显示自己的岗位的方式，（2）版主不经常和变色龙页面区分通过。我们列出了OSN弱点促进变色龙攻击，并提出了一套缓减准则。
宏观经济城市动态的哈密顿建模：支持信息
原文标题： Hamiltonian Modeling of Macro-Economic Urban Dynamics: Supporting Information
地址： http://arxiv.org/abs/2001.05725
作者： Bernardo Monechi, Miguel Ibáñez-Berganza, and Vittorio Loreto
摘要： 正在进行快速的城市化现象作出的最重要的城市环境演变的认识，提高福祉和社会转向争取更好的未来。许多研究都集中在城市的新兴性质，导致标度律镜像的发现，比如，对城市规模社会经济指标的依赖。虽然尺度法律允许的城市规模无关的社会经济指标的定义，只有少数的努力一直致力于城市的动态演化的模型通过社会经济变量及其相互影响镜像。在这项工作中，我们提出了一个最大熵（ME），非线性，城市的生成模型。我们写特别是哈密顿函数中的几个宏观经济变量，其耦合参数，我们从实际数据对应的法国城镇推断的条款。首先，我们发现，不同指标之间的非线性相关性需要它们之间的非高斯相关的完整的统计描述。此外，虽然个别城市的力度还远远没有固定，我们表明，对应于不同年份的耦合参数变成是相当稳健。哈密顿模型的准时间不变性允许提出在宏观经济变量的时间演化的分析模型的基础上，朗之万方程。尽管对城市的发展没有时间信息已被用来推导这个模型，它的系统的时间演变的预测准确度是该模型的兼容使用明确这些信息推断。
双层随机模型的隐藏社区发现：一个理论视角
原文标题： Hidden Community Detection on Two-layer Stochastic Models: a Theoretical Prospective
地址： http://arxiv.org/abs/2001.05919
作者： Jialu Bao, Kun He, Xiaodong Xin, Bart Selman, John E. Hopcropt
摘要： 隐藏社区是最近提出的[4]新图论的概念，其中，作者还提出了一种称为元方法HICODE（隐藏社区检测）。 HICODE通过实验表明，它是能够发现以前盖过软弱层，并揪出以更高的精度都弱和强层。然而，作者提供的性能没有理论保证。在这项工作中，我们侧重于合成的双层网络中，层是彼此独立的，并且通过随机块模型生成的每一层HICODE的理论分析。我们通过桥接两层随机块模型网络其间隙在以下几个方面：1），我们表明，在局部优化模块化对应于层，表示模块化优化的算法分区可以检测强层; 2）我们证明了减少发现层时，HICODE增加所有未还原层的绝对模块性，显示出其层还原步骤中，使弱层更可检测的。我们的工作对于建立一个HICODE坚实的理论基础，证明它是在两层网络揭露社区都弱和强层看好。
单纯复形：高阶谱维度和动力学
原文标题： Simplicial complexes: higher-order spectral dimension and dynamics
地址： http://arxiv.org/abs/2001.05934
作者： Joaquín J. Torres, Ginestra Bianconi
摘要： 单纯复相互作用构成的复杂系统，包括别人的大脑和社会互动网络中的基本拓扑结构。他们是广义的网络结构，使超越两两相互作用的框架和捕捉强烈地影响着动态过程两个或多个节点之间的多体相互作用。事实上，单纯复拓扑允许一个动态变量分配不仅相互作用的复杂系统的节点也链接，三角形等。在这里，我们提供证据表明，即使我们比较属于同一单纯复单纯的力度不同维度的定义单纯的动力学是显著不同。通过研究所谓的“网络几何与味”单纯复杂模型的谱特性，我们提供的证据表明，向上和向下高阶拉普拉斯算子可以有一个有限的谱维，其值随的拉普拉斯增加的顺序。最后，我们讨论这个结果对单纯复定义高阶扩散的影响。
在线新闻影响力的一般模式
原文标题： Universal patterns of online news impact
地址： http://arxiv.org/abs/2001.05955
作者： Matúš Medo, Manuel S. Mariani, Linyuan Lü
摘要： 网上新闻可以迅速到达并影响数以百万计的人，但鲜为人知的是支配他们对公众的影响潜在的动态规律。通过分析从两个全国性新闻媒体收集到的数据，我们证明了网上的新闻报道的影响力度不表现在其他许多社会和信息系统发现的普及模式。特别是，我们发现，新闻评论数如下这是由缺乏否则无所不在富获得更富机制的解释通用的指数分布。指数老化诱导的文章影响通用动力。最后，我们发现在高影响力的文章存在的读者的集体关注呢‘拉伸’，从而有效地消除物品之间可能的竞争。我们的研究结果挑战的广泛普及动态模式的一般性，也有注意力经济的共同假设，这意味着需要严格考虑，前提是集体关注本质上是有限的。
从基于图的关系时间序列推断个体级因果模型
原文标题： Inferring Individual Level Causal Models from Graph-based Relational Time Series
地址： http://arxiv.org/abs/2001.05993
作者： Ryan Rossi, Somdeb Sarkhel, David Arbour, Nesreen Ahmed
摘要： 在这项工作中，我们正式确定因果推理在哪里图中每个节点具有关联的一个或多个时间序列基于图的关系的时间序列数据的问题。我们建议因果推理模型，这个问题同时利用了图拓扑结构和时序准确估计节点的局部因果效应。此外，关系时间序列因果推理模型能够通过利用本地节点为中心的时间依赖性和拓扑/结构的依赖来估算单个节点的局部效果。我们表明，不考虑图拓扑简单的因果模型被回收作为拟议关系的时间序列的因果推理模型的特殊情况。我们描述下将所得估计可以用于估计因果效应的条件，以及描述如何说明书的德宾武-Hausman检验可用于测试用于从数据所提出的估计的一致性。根据经验，我们表现出与已知的地面实况模拟数据和大规模的观测关系的时间序列数据的因果推理模型的有效性维基百科收集集。
使用大数据提供的情感分析社会化媒体发现知识（SoMABiT）
原文标题： Knowledge Discovery from Social Media using Big Data provided Sentiment Analysis (SoMABiT)
地址： http://arxiv.org/abs/2001.05996
作者： Mahdi Bohlouli, Jens Dalter, Mareike Dornhöfer, Johannes Zenkert, Madjid Fathi
摘要： 在当今竞争激烈的商业世界中，了解客户的需求和市场为导向的生产是产业成功的关键因素。为了达到这个目的，利用高效的分析算法保证了更好的客户反馈的理解，提高了下一代产品。因此，在日常生活中使用社交媒体的急剧增加提供市场分析有益来源。但是，传统的分析算法和方法如何能够扩大这种不同和多结构化数据源是在这方面的主要挑战。本文提出并讨论了SoMABiT的技术和科学的重点，因为使用大数据技术，社交媒体分析平台。情感分析是为了从社会媒体发现知识被使用。对一个集成平台，可扩展的任何数据量，并提供一个社交媒体驱动的知识使用MapReduce和开发分布式算法是提出的概念方案相比于国家的最先进的技术，主要的新颖性。
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.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。