Arxiv网络科学论文摘要5篇(2019-01-31)

• 含时网络的谱多尺度社区检测及其应用;
• 虚拟社区成员社会人口概况的计算机语言学分析;
• Twitter工作/就业语料库：有人工参与建立的工作相关话语数据集;
• 模块化网络中带有群间偏差的意见动态;
• 超越聚类系数：复杂网络中节点邻域的拓扑分析;

含时网络的谱多尺度社区检测及其应用

原文标题： Spectral Multi-scale Community Detection in Temporal Networks with an Application

地址： http://arxiv.org/abs/1901.10521

作者： Zhana Kuncheva, Giovanni Montana

摘要： 时间网络的分析在技术进步的世界中具有广泛的应用。时间网络分析的一个重要方面是社区结构的发现。实际数据网络通常非常大，并且观察到社区具有被称为多规模社区的分层结构。随着时间的推移，社区结构的变化可能发生在一个规模或社区结构的所有尺度上。引入的模块化最大化（MM）方法的多层公式捕获了时变网络的变化的多尺度社区结构。该方法通过允许层间连接引入相邻时间层中的社区之间的耦合，而分辨率参数的不同值使得能够检测多尺度社区。但是，必须手动选择此参数值的范围。在处理现实生活数据时，如果未选择适当的参数范围，则可能无法发现一个或多个规模的社区。一种新颖的时间多尺度社区检测（TMSCD）方法克服了上述障碍。这是通过使用表示为多层网络的时间网络的谱特性来实现的。在此框架中，我们自动选择要在其中寻求多规模社区分区的相关比例范围。

虚拟社区成员社会人口概况的计算机语言学分析

原文标题： The Computer-Linguistic Analysis of Socio-Demographic Profile of Virtual Community Member

地址： http://arxiv.org/abs/1901.10578

作者： Yuriy Syerov, Solomia Fedushko

摘要： 本文考虑了当前虚拟社区成员社会人口学特征的计算机语言分析的调查和发展问题。基于对社会人口学特征的分析，Webmembers的社会人口统计特征的轮廓验证。论文的时事性取决于通过对其信息轨道进行计算机语言分析来识别网络社区成员的必要性。形成了虚拟社区成员基本社会人口学特征的形式模型。建立了网络成员社会人口学特征的语言交际指标结构模型和基于处理训练样本的语言交际指标形成的通用算法。研究了指示性特征的计算机语言学分析的类型，并建立了网络社区成员的性别，年龄和活动范围的语言交际指标的分类。此外，还介绍了网络社区成员基本社会人口学特征的正式模型。

Twitter工作/就业语料库：有人工参与建立的工作相关话语数据集

原文标题： Twitter Job/Employment Corpus: A Dataset of Job-Related Discourse Built with Humans in the Loop

地址： http://arxiv.org/abs/1901.10619

作者： Tong Liu, Christopher M. Homan

摘要： 我们提供Twitter工作/就业语料库，这是一个由人在环监督学习框架注释的推文集合，该框架整合了众包贡献和当地社区和就业环境的专业知识。以前对工作相关现象的计算研究使用了由雇主在内部托管的工作场所社交媒体收集的语料库，因此缺乏与潜在的工作相关强制的独立性以及开放域名，Twitter等通用媒体的更广泛背景。提供。我们的新语料库有望成为提取与工作相关的主题和高级分析与建模的基准，并有可能在未来有益于广泛的研究社区。

模块化网络中带有群间偏差的意见动态

原文标题： Opinion dynamics with intergroup bias in modular networks

地址： http://arxiv.org/abs/1901.10927

作者： André L. Oestereich, Nuno Crokidakis, Marcelo A. Pires

摘要： 在这项工作中，我们研究了基于社区的人口中的观点演变，其中群际间的相互作用可能是给定的概率为负。我们的耦合平均场近似仍然保留了社区结构，并且能够捕获蒙特卡罗模拟的主要结果：连续和不连续的有序 - 无序转换以及中间社区力量的非单调排序。我们还找到了一个很好地描述系统的主方程的解析解。

超越聚类系数：复杂网络中节点邻域的拓扑分析

原文标题： Beyond the clustering coefficient: A topological analysis of node neighbourhoods in complex networks

地址： http://arxiv.org/abs/1901.10978

作者： Alexander P. Kartun-Giles, Ginestra Bianconi

摘要： 网络科学节点社区，也称为以自我中心网络引起了很大的关注。特别是聚类系数已被广泛用于测量其局部凝聚力。在本文中，我们展示了如果两个节点具有相同的聚类系数，它们的邻域的拓扑结构可能会有很大的不同，这表明需要超越这种简单的表征。我们首先构建它们的clique复合体，然后计算它们的Betti数，对真实网络的节点邻域拓扑进行大规模的统计分析。我们能够显示真实网络的节点邻域的拓扑与随机单纯复形的空模型的随机拓扑之间的显著差异，揭示了节点邻域的局部组织原理。此外，我们观察到节点邻域的拓扑性质的大规模统计分析能够清楚地区分幂律网络和平面道路网络。

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。