- 图学习算法的统一生成模型：标签传播、图卷积及其组合;
- NEMR：关系度量网络嵌入;
- 社会网络时代的反疫苗运动和流行病：非单调效应、双稳态和网络隔离;
- 这张照片已被更改：测试新闻图像可信度上图像取证标签的有效性;
- 未定主体人对意见形成模型的影响;
- 快速评估意见动态的相关量;
- 道德偏好的数学基础;
- VoterFraud2020：Twitter上选举欺诈主张的多模式数据集;
图学习算法的统一生成模型：标签传播、图卷积及其组合
原文标题： A Unifying Generative Model for Graph Learning Algorithms: Label Propagation, Graph Convolutions, and Combinations
地址： http://arxiv.org/abs/2101.07730
作者： Junteng Jia, Austin R. Benson
摘要： 图的半监督学习是网络科学和机器学习中广泛应用的问题。两种标准算法-标签传播和图神经网络-都通过沿着边重复传递信息来进行操作，前者通过传递标签来传递信息，而后者通过传递节点特征来传递信息，这些特征是由神经网络调制的。这两类算法在很大程度上是分别开发的，并且对网络数据的结构理解甚少，这些数据会使其中一种方法与另一种方法特别有效，或者何时可以有意义地组合这些方法。在这里，我们基于顶点之间和顶点之间的属性相关性，为节点属性的数据生成过程开发了一个马尔可夫随机场模型，该模型激励并统一了这些算法方法。我们表明，在以不同属性为条件的情况下，标签传播，线性化图卷积网络及其组合都可以在我们的模型下作为条件期望导出。此外，数据模型突出显示了现有图神经网络中的缺陷（同时产生了新的算法解决方案），充当了严格的统计框架，用于理解图学习问题（如过度平滑），创建了用于评估归纳学习性能的测试平台，并提供了一个抽取类似于经验数据的图属性的方法。我们还发现，从我们的数据生成模型派生的一种新算法（称为线性图卷积）在实践中对经验数据表现非常出色，并为这种情况提供了理论依据。
NEMR：关系度量网络嵌入
原文标题： NEMR: Network Embedding on Metric of Relation
地址： http://arxiv.org/abs/2101.08020
作者： Luodi Xie, Hong Shen, Jiaxin Ren
摘要： 网络嵌入将给定网络的节点映射到低维空间，以便可以有效地推断节点之间的语义相似性。现有的大多数方法都使用节点嵌入的内积来度量节点之间的相似性，从而导致它们缺乏刻画节点之间复杂关系的能力。此外，它们在推断节点嵌入时将网络中的路径视为结构辅助信息，而网络中的路径由丰富的用户信息构成，这些用户信息在语义上是相关的并且不能忽略。在本文中，我们提出了一种称为“关系度量上的网络嵌入”的新方法，简称为NEMR，它可以有效地学习关系度量空间中节点的嵌入。首先，我们的NEMR使用深度学习方法对度量空间中节点之间的关系进行建模，这些方法包括将节点之间的关系映射为高斯分布的变分推理，以刻画不确定性。其次，当推断节点的嵌入时，我们的NEMR不仅考虑多路径的等效性，而且考虑单路径的自然顺序，这使得NEMR可以刻画节点之间的多个关系，因为多路径包含丰富的用户信息，例如年龄，爱好和职业。在多个公共数据集上的实验结果表明，NEMR在相关推理任务（包括链路预测和节点分类）上的表现优于最新方法。
社会网络时代的反疫苗运动和流行病：非单调效应、双稳态和网络隔离
原文标题： The anti-vaxx movement and epidemic spreading in the era of social networks: nonmonotonic effects, bistability and network segregation
地址： http://arxiv.org/abs/2101.07869
作者： Marcelo A. Pires, Andre L. Oestereich, Nuno Crokidakis, Sílvio M. Duarte Queirós
摘要： 在这项工作中，我们解决了具有可调结构隔离的复杂网络上的多耦合动力学问题。具体来说，在疫苗接种运动下，我们在网络流行病的传播中开展工作，其中有支持和反对疫苗的药物。我们的结果表明，这种耦合动力学表现出无数现象，例如伴随着双稳态的非平衡跃迁。此外，我们观察到中间最佳隔离水平的出现，在该水平上，社区结构可以支持有关疫苗接种的负面意见，但反直觉地阻碍（而不是增强）了全球疾病的传播。因此，我们的结果指出，疫苗接种运动应避免最终导致过度隔离反疫苗团体的政策。
这张照片已被更改：测试新闻图像可信度上图像取证标签的有效性
原文标题： This photograph has been altered: Testing the effectiveness of image forensic labeling on news image credibility
地址： http://arxiv.org/abs/2101.07951
作者： Cuihua Shen, Mona Kasra, James O'Brien
摘要： 尽管在线新闻环境中图像和视频无处不在并在不断扩散，但现有的许多关于错误信息及其纠正的研究仅集中于文本错误信息，而对于普通用户如何评估假冒或操纵的图像以及最有效的方法知之甚少标签并纠正此类错误。我们设计了一个图像真实性的视觉取证标签，Picture-O-Meter，并在一个有2440名参与者的实验中测试了标签相对于其来源和位置的功效。我们的发现表明，尽管人类通常无法自行检测操纵的图像，但是图像取证标签还是一种有效的工具，可以消除视觉错误信息。
未定主体人对意见形成模型的影响
原文标题： Effect of undecided agents on an opinion-forming model
地址： http://arxiv.org/abs/2101.08127
作者： Verónica Calderón, Victor H. Blanco
摘要： 我们在形成意见的动态中研究人口中未定因素的影响，在一个完整的意见交换网络中，针对不同比例的人口，未定因素的数量会变化。结果是，动态取决于未定因子的数量，未定种群的10％可能会影响共识的变化，然后呈负斜率线性变化。
快速评估意见动态的相关量
原文标题： Fast Evaluation for Relevant Quantities of Opinion Dynamics
地址： http://arxiv.org/abs/2101.08143
作者： Wanyue Xu, Qi Bao, Zhongzhi Zhang
摘要： 社会网络领域的主要主题之一是量化冲突，分歧，争议和两极分化，并且已经开发了一些量化指标来量化这些概念。但是，这些指标的直接计算涉及矩阵求逆和乘法的运算，这使其在具有数百万个节点的大规模图上在计算上不可行。在本文中，通过减少计算相关量的问题来评估某些向量的 ell_2 范数，我们提出了一种近似线性的时间算法来估计所有这些量。我们的算法基于拉普拉斯算子，并为每个数量的误差提供了经验证的理论保证。我们在各种真实的网络上进行了广泛的数值实验，证明了我们的近似算法高效有效，可扩展到具有数百万个节点的大型图。
道德偏好的数学基础
原文标题： Mathematical foundations of moral preferences
地址： http://arxiv.org/abs/2101.08193
作者： Valerio Capraro, Matjaz Perc
摘要： 经济博弈中的一次性匿名无私通常是由社会偏好来解释的，社会偏好是假定人们关心他人的金钱收益。然而，在过去的十年中，研究表明，不同的无私行为，包括合作，利他主义，讲真话，利他惩罚和可信赖性，实际上可以通过偏爱自己的个人规范来更好地解释-内部标准关于什么在给定情况下是对还是错。除了更好地组织各种形式的无私行为外，这种道德偏好假设最近还被用于增加慈善捐款，仅通过使行为道德突出的干预手段即可。在这里，我们回顾了致力于这一迅速发展的研究领域的实验和理论工作，并在此过程中概述了道德偏好的数学基础，这些数学基础可以在未来的模型中使用，以更好地理解无私的人类行为并相应地调整政策。人工智能也可以使用这些基础来更好地导航人类道德的复杂环境。
VoterFraud2020：Twitter上选举欺诈主张的多模式数据集
原文标题： VoterFraud2020: a Multi-modal Dataset of Election Fraud Claims on Twitter
地址： http://arxiv.org/abs/2101.08210
作者： Anton Abilov, Yiqing Hua, Hana Matatov, Ofra Amir, Mor Naaman
摘要： 围绕美国2020年大选的毫无根据的选举欺诈指控的广泛传播导致对选举的信任受到破坏，最终导致美国国会大厦内部发生暴力事件。在这种情况下，至关重要的是要在Twitter上理解有关这些声明的讨论，Twitter是声明传播的主要平台。为此，我们收集并发布了VoterFraud2020数据集，这是一个多模式数据集，具有来自260万用户的760万条推文和2560万条转推，与选民欺诈指控有关。为了使这些数据立即对广泛的研究人员有用，我们使用了根据转发图，用户暂停状态和推特图像的感知哈希计算出的聚类标签，进一步增强了数据。我们还在数据集中包括了所有外部链接和推文中出现的YouTube视频的汇总信息。对数据的初步分析表明，Twitter的禁令行动在很大程度上影响了特定的选民欺诈主张发起人社区，并暴露了数据中共享的最常见的URL，图像和YouTube视频。
声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，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。