- 使用社会物理学方法的在线共识形成;
- 工业SAT实例中的社区结构;
- 基于非参数神经网络的行人避免碰撞数据驱动仿真;
- 跨媒体紧急服务和志愿者社区的社会大数据使用：多平台社交媒体服务的方法、发展和挑战;
- 艺术指标;
- 一种新的Twitter流趋势和突发网络威胁事件的检测和排序方法;
- Twitter上的互动和信息关注;
- 使用非线性优化方法的基于总体变异的社区检测;
- 不要跟随领导者：排名表现如何弱化精英制度;
- 在2019年欧洲选举的背景下调查在Twitter上传播的意大利语虚假信息;
使用社会物理学方法的在线共识形成
原文标题： Consensus formation Online using Sociophysics method
地址： http://arxiv.org/abs/1907.07946
作者： Yasuko Kawahata, Akira Ishii
摘要： 共识的形成和意见分歧一直是研究的主题。但是，正在更新社会中的相关法律和制度，以反映信息网络的变化。在线环境已经成为反对意见和形成共识的真实而具体的地方。将来，必须总结关于共识形成的定量结果以及相关趋势的发现，并且需要与可能引起社会和经济风险的趋势相关的定量研究。因此，首先研究了使用实际数据比较与共识形成相关的研究和使用数学模型的方法的可能性。
工业SAT实例中的社区结构
原文标题： Community Structure in Industrial SAT Instances
地址： http://arxiv.org/abs/1606.03329
作者： Carlos Ansótegui, Maria Luisa Bonet, Jesús Giráldez-Cru, Jordi Levy, Laurent Simon
摘要： 现代SAT求解器在解决工业实例方面取得了显著进步。大多数技术是在经过深入的实验过程后开发出来的。据信这些技术利用了工业实例的基础结构。但是，很少有工作试图准确地描述这种结构的主要特征。复杂网络研究界已经开发了分析和算法技术，以研究可供SAT社区使用的真实图表。最近，已经尝试在复杂网络方面分析工业SAT实例的结构，目的是解释SAT解决技术的成功，并可能改进它们。在本文的启发下，我们研究了复杂网络的结果，研究了工业SAT实例的社区结构或模块性。在具有明确社区结构或高模块性的图中，我们可以找到其节点到社区的分区，使得大多数边连接同一社区的变量。在我们的分析中，我们将SAT实例表示为图，并且我们表明大多数应用程序基准测试的特点是模块化程度高。相反，随机SAT实例更接近于经典的Erd “os-R 'enyi随机图模型，其中没有可以观察到结构。我们还分析了这种结构如何通过执行CDCL SAT求解器的效果而演化特别是，我们使用社区结构来检测搜索过程中求解器学习的新子句是否会破坏公式的原始结构。这就是，学习条款往往包含不同社区的变量。
基于非参数神经网络的行人避免碰撞数据驱动仿真
原文标题： Data-driven simulation of pedestrian collision avoidance with a nonparametric neural network
地址： http://arxiv.org/abs/1907.07702
作者： Rafael F. Martin, Daniel R. Parisi
摘要： 行人动力学的数据驱动模拟是建立可靠的微观行人模型的初期和有前景的方法。我们提出了一种基于广义回归神经网络的方法，与多层神经网络的情况一样，它不需要处理大量的自由参数。虽然这种方法很普遍，但我们关注的是一个行人一个障碍问题。在提供高精度轨迹的运动捕捉实验室中收集实验数据。所提出的模型允许我们模拟行人的轨迹，避开任何方向的障碍物。
跨媒体紧急服务和志愿者社区的社会大数据使用：多平台社交媒体服务的方法、发展和挑战
原文标题： Cross-Media Usage of Social Big Data for Emergency Services and Volunteer Communities: Approaches, Development and Challenges of Multi-Platform Social Media Services
地址： http://arxiv.org/abs/1907.07725
作者： Marc-André Kaufhold, Christian Reuter, Thomas Ludwig
摘要： 社交媒体的使用无处不在，现在已经在我们的日常生活中得到了很好的建立，但在紧急情况发生之前，期间或之后也越来越多。所产生的数据分布在几种类型的社交媒体上，并且可以由不同的参与者使用，例如紧急服务或志愿者社区。已有系统可用于支持通过社交媒体收集，分析和分发信息的过程。但是，依赖于分析的目标，分析方法和可用系统基于技术或面向业务的限制而受到限制。本文介绍了跨平台社交媒体API的设计，该API在多个紧急情况下进行了集成和评估。基于所吸取的经验教训，我们概述了实际开发和理论发现的核心挑战，重点是（1）跨平台收集和数据管理，（2）可信度和信息质量，（3）可定制性和可调数据操作，以及（ 4）查询，性能和技术开发。
艺术指标
原文标题： Art Metrics
地址： http://arxiv.org/abs/1907.07758
作者： Massimo Franceschet, Giovanni Colavizza
摘要： 艺术市场的成功很难客观地量化，因为它还依赖于复杂的社会网络和系统中不同参与者之间的声誉交流。我们讨论了开发艺术指标的一般任务，这些指标能够捕捉演员在艺术市场中扮演的不同角色，特别是艺术家和收藏家，具有时间意识和高效率来考虑这些市场的动态性质，并预测未来成功。作为这方面的第一个贡献，我们提出了一种方法，通过最初为Web开发的Kleinberg的HITS方法的时间感知扩展来捕捉艺术家和收藏家的相互加强的作用。我们将该方法应用于包含加密艺术画廊SuperRare在其存在的第一年中的所有事件的数据集。 Crypto art是一种限量版，可收藏和可交易的数字艺术，在区块链上加密注册。与传统艺术市场相比，这一最近的艺术运动与概念艺术共享多种方法和理念，正在以前所未有的细节水平生成数据。所提出的方法可以预测未来的成功，并准确地捕捉艺术家和收藏家的角色。
一种新的Twitter流趋势和突发网络威胁事件的检测和排序方法
原文标题： A Novel Approach for Detection and Ranking of Trendy and Emerging Cyber Threat Events in Twitter Streams
地址： http://arxiv.org/abs/1907.07768
作者： Avishek Bose, Vahid Behzadan, Carlos Aguirre, William H. Hsu
摘要： 我们提出了一种新的机器学习和文本信息提取方法，用于检测Twitter中的网络威胁事件，这些事件是新颖的（以前不存在的）和正在发展的（在与先前检测到的事件的相似性方面具有重要意义）。虽然一些现有的事件检测方法通常作为独立标准并且偶尔作为整体度量来衡量新颖性和趋势性，但这项工作侧重于使用无监督机器学习方法检测新事件和发展事件。此外，我们提出的方法通过提取被称为命名实体，关键字或两者的推文术语，使得能够基于重要性得分对网络威胁事件进行排名。我们还对用户施加影响，以便根据用户影响和命名实体和关键字的相应事件分数，为名词短语分配加权分数。为了评估我们提出的方法的性能，我们测量了相对于人类注释器基础事实的指定时间间隔内事件的效率和检测错误率。
Twitter上的互动和信息关注
原文标题： Interactional and Informational Attention on Twitter
地址： http://arxiv.org/abs/1907.07962
作者： Agathe Baltzer, Márton Karsai, Camille Roth
摘要： Twitter可以被视为一个分散的社交信息处理平台，其用户不断收到他们的跟随者的信息提供，他们可能会转发给他们的粉丝。在活动和注意力方面，这种权力下放并不缺乏等级和异质性。特别是，我们评估了集体和个人层面的注意力分布，表现出注意力限制和焦点效应的存在。我们观察到大多数用户通常将注意力集中在有限的同伴和主题核心上，并讨论交互和信息关注过程之间的关系 - 我们建议，所有这些都可能有助于通过考虑差异来改进影响模型注意可能性取决于用户，他们的活动水平和同伴的位置。
使用非线性优化方法的基于总体变异的社区检测
原文标题： Total variation based community detection using a nonlinear optimization approach
地址： http://arxiv.org/abs/1907.08048
作者： Andrea Cristofari, Francesco Rinaldi, Francesco Tudisco
摘要： 最大化网络的模块化是识别重要节点社区的成功工具。然而，已知这种组合优化问题是NP难的。受近期非线性模块化特征向量方法的启发，我们引入模块化总变差 TV_Q 并显示其盒约束全局最大值与原始离散模块化函数的最大值一致。因此，我们描述了一种新的非线性优化方法，以解决导致基于 TV_Q 的社区检测策略的等效问题。所提出的方法依赖于使用快速一阶方法来嵌入定制的有效集策略。我们报告了基于标准矩阵方法的广泛数值比较和非线性模块化特征向量的广义比率DCA方法，表明我们的新方法与最先进的替代方案相比具有优势。我们的软件可根据要求提供。
不要跟随领导者：排名表现如何弱化精英制度
原文标题： Don't follow the leader: How ranking performance reduces meritocracy
地址： http://arxiv.org/abs/1907.08053
作者： Giacomo Livan
摘要： 在精英管理的名义下，现代经济体投入越来越多的资源来量化和评定个人和组织的绩效。排名发出强有力的信号，从而将最佳表现者的行为确定为其他人也应采用的“最佳实践”。然而，一些研究表明，模仿最佳实践往往会导致绩效下降。那么，那些落后于排名的人是否应该模仿最佳表现者，还是应该采取自己的策略？我在一个社会的程式化模型中解决这个问题，该社会的主体人试图通过模仿表现最佳者的行为或通过随机尝试不同的行为（即通过偶然性）来攀登排名。该模型产生了丰富的现象学，表明顶级表演者的模仿总体上增加了福利，但代价是不平等程度提高。事实上，对表现最佳表现者的模仿证明是一种自我挫败的策略，它巩固了一些幸运的 - 而不一定是有才华的 - 赢家的早期优势，导致了一个非常不平等，同质化和有效的非任人唯才的社会。相反，意外发现有利于精英成果，有助于保持良好的社会流动性。
在2019年欧洲选举的背景下调查在Twitter上传播的意大利语虚假信息
原文标题： Investigating Italian disinformation spreading on Twitter in the context of 2019 European elections
地址： http://arxiv.org/abs/1907.08170
作者： Francesco Pierri, Alessandro Artoni, Stefano Ceri
摘要： 我们调查了在2019年欧洲议会选举之前的5个月内，在意大利的在线社会网络上传播虚假信息的存在（和影响）。为此，我们收集了与意大利虚假信息网站上发布的数千篇新闻文章相关的大型推文数据集。在观察期内，一些网点占据了推特上传播的大部分欺骗性信息，这些信息是由移民，国家安全和（意大利）民族主义等争议的极端主题引起的。我们揭开了欧洲，美国和俄罗斯之间不同虚假信息渠道之间错综复杂的联系网络的存在，这些网络似乎在选举前的时期以协调的方式行事。总的来说，Twitter上的虚假信息传播仅限于一个有限的社区，强烈（和明确地）与意大利保守和极右政治环境有关，他们很少将在线讨论集中在即将举行的选举上。
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。