- 网络效应下的加密资产竞争与市场集中度;
- 通过因果匿名游走进行含时网络的归纳表示学习;
- 社交媒体中讽刺检测的可解释多头自注意力模型;
- COVID-19再生数与爆发时间尺度的关系：以意大利为例;
- 动态社区检测的流量稳定性;
- 超图的节点和边特征向量中心性;
- 在线社会网络中多种采用的利益最大化随机算法;
网络效应下的加密资产竞争与市场集中度
原文标题： Cryptoasset Competition and Market Concentration in the Presence of Network Effects
地址： http://arxiv.org/abs/2101.06210
作者： Konstantinos Stylianou, Leonhard Spiegelberg, Maurice Herlihy, Nic Carter
摘要： 当网络产品和服务随着用户群的增长（网络效应）变得更有价值时，这种趋势可能成为它们在市场中相互竞争以及市场结构的主要决定因素。网络效应传统上与高市场集中度，先发优势和进入壁垒相关，在加密资产市场中，网络效应也已被用作评估工具。比特币最近的复兴也部分归因于网络效应。我们从六个加密资产开始研究网络效应的存在，以获得网络效应在加密资产市场中的应用的高级概述。我们证明，与网络效应通常的含义相反，它们不能使加密资产市场集中化，也不能使任何一种加密资产具有确定的竞争优势，也不能足够一致地成为可靠的评估工具。因此，尽管网络效应确实发生在加密资产网络中，但它们并不是整个加密资产市场的定义特征。
通过因果匿名游走进行含时网络的归纳表示学习
原文标题： Inductive Representation Learning in Temporal Networks via Causal Anonymous Walks
地址： http://arxiv.org/abs/2101.05974
作者： Yanbang Wang, Yen-Yu Chang, Yunyu Liu, Jure Leskovec, Pan Li
摘要： 时间网络是许多现实世界动态系统的抽象。这些网络通常根据某些法律发展，例如三合会封闭法则，这在社会网络中很普遍。时态网络的归纳表示学习应该能够刻画此类定律，并进一步应用于遵循相同定律但在训练阶段未曾见过的系统。该领域的先前工作取决于网络节点身份或丰富边属性，并且通常无法提取这些定律。在这里，我们提出因果匿名游走（CAWs）来归纳地表示一个时间网络。通过时间随机游走提取CAW，并作为对时间网络主题的自动检索来代表网络动态，同时避免了那些主题的费时选择和计数。 CAW采用了一种新颖的匿名化策略，该策略基于一组采样的走动将节点标识替换为节点的命中数，以保持该方法的归纳性，同时建立主题之间的相关性。我们进一步提出了一种用于对CAW进行编码的神经网络模型CAW-N，并将其与具有恒定内存和时间成本的CAW采样策略配对，以支持在线训练和推理。对CAW-N进行了评估，以预测6个实际时间网络上的链接，并且在归纳设置中通过平均15％的AUC增益来统一胜过以前的SOTA方法。在转换环境下，CAW-N在6个网络中的5个中也优于以前的方法。
社交媒体中讽刺检测的可解释多头自注意力模型
原文标题： Interpretable Multi-Head Self-Attention model for Sarcasm Detection in social media
地址： http://arxiv.org/abs/2101.05875
作者： Ramya Akula, Ivan Garibay
摘要： 讽刺是一种语言表达方式，通常用于传达与所说的相反的信息，通常对侮辱或嘲笑是非常不愉快的。讽刺表达的内在含糊性使讽刺的检测非常困难。在这项工作中，我们专注于检测来自各种社会网络平台和在线媒体的文本对话中的讽刺。为此，我们使用多头自我注意力和门控递归单元开发了一种可解释的深度学习模型。多头自我注意模块有助于从输入中识别关键的讽刺提示词，循环单元学习这些提示词之间的远程依赖性，以更好地对输入文本进行分类。通过在社会网络平台和在线媒体的多个数据集上获得最新结果，我们展示了我们方法的有效性。使用我们提出的方法训练的模型易于解释，并能够识别输入文本中的讽刺线索，这些线索有助于最终的分类得分。我们将少量样本输入文本上的学习注意力权重可视化，以展示我们模型的有效性和可解释性。
COVID-19再生数与爆发时间尺度的关系：以意大利为例
原文标题： On the relation of the COVID-19 reproduction number to the explosive timescales: the case of Italy
地址： http://arxiv.org/abs/2101.06101
作者： Dimitrios G. Patsatzis
摘要： 关于传染病的讨论的一个重要问题是它的基本繁殖数R0，它提供了对该疾病传染性的估计。当R0> 1时，疾病传播可能会导致疾病暴发，例如持续的COVID-19大流行。在爆发的过程中，采用了各种非药物干预措施，这些干预措施的影响经常通过其对有效繁殖数Rt的减少来评估。降低到1以下表示最终死于疾病传播。由于R0本质上表示无病平衡的稳定性，因此在这项工作中，从时间尺度分析的角度对Rt进行了研究。结果表明，在意大利发生COVID-19暴发的过程中，采取了各种干预措施，Rt与表征暴发动态的爆发时间尺度有着明显的关系。尤其是，它表明，在流行病发展过程中存在爆炸性时间尺度意味着Rt> 1，而没有出现则意味着Rt <1。此外，由于该时间尺度与最慢的时间尺度收敛/发散，因此Rt趋近于/从其阈值1中退出。这些结果表明，时标分析可用于评估各种干预措施的影响，因为它反映了有效繁殖数量提供的见识，而不受人口模型选择的影响，模型校准也不需要遵循参数估计过程。
动态社区检测的流量稳定性
原文标题： Flow stability for dynamic community detection
地址： http://arxiv.org/abs/2101.06131
作者： Alexandre Bovet, Jean-Charles Delvenne, Renaud Lambiotte
摘要： 由于同时发生不同的过程，许多系统表现出复杂的时间动态。时间网络提供了一个框架来描述系统组件之间的时间分辨交互。研究此类系统时，一项重要任务是提取时态网络的简化视图，这可以通过动态社区检测或聚类来完成。已有几篇著作将静态网络的现有社区检测方法推广到了时态网络，但它们通常依赖于时间窗上的时态聚合，底层平稳过程的假设或不同平稳时期的序列。在这里，我们推导基于在时态网络上发展且受其激活模式限制的动态过程的方法，该方法允许考虑系统的完整时态信息。我们的方法允许动力学不一定达到稳态或遵循一系列稳态。我们的框架包含几种著名的启发式方法作为特殊情况。我们表明，我们的方法提供了一种自然的方法来解开系统中存在的不同自然动力学尺度。我们在合成和真实示例中展示我们的方法功能。
超图的节点和边特征向量中心性
原文标题： Node and Edge Eigenvector Centrality for Hypergraphs
地址： http://arxiv.org/abs/2101.06215
作者： Francesco Tudisco, Desmond J. Higham
摘要： 网络科学家表明，研究系统中组件之间的成对相互作用具有很大的价值。从线性代数的角度来看，这涉及到定义和评估相关联的邻接矩阵的功能。最近的工作表明直接考虑更高级的交互还有其他好处，特别是通过一个边可能涉及多个节点的超图表示。在这些思想的基础上，我们激励，定义和分析一类谱中心度度量，以识别超图中的重要节点和超边，从而概括现有的网络科学概念。通过利用非线性Perron-Frobenius理论的最新发展，我们展示了由此产生的约束非线性特征值问题如何具有独特的解决方案，可以通过非线性幂方法迭代有效地对其进行计算。我们说明了对现实数据集的度量。
在线社会网络中多种采用的利益最大化随机算法
原文标题： A Random Algorithm for Profit Maximization with Multiple Adoptions in Online Social Networks
地址： http://arxiv.org/abs/2101.06239
作者： Tiantian Chen, Bin Liu, Wenjing Liu, Qizhi Fang, Jing Yuan, Weili Wu
摘要： 在线社会网络已成为最有效的营销和广告平台之一。通过“口口相传”效应，信息或产品的采用可能会从一些有影响力的人传播到社会网络中的数百万用户。给定一个社会网络 G 和一个常数 k ，影响最大化问题在 G 中寻找可能影响最大数量节点的 k 个节点。这个问题已经发现了重要的应用，并且已经进行了大量的工作来识别少数最具影响力的用户。但是，现有的大多数作品都只关注社会网络中单个思想或产品的传播。但是，实际上，一家公司可能会生产多种产品，而一个用户可能也会采用多种产品。给定多种具有不同激活成本和利润的不同产品，对于公司来说，将有限的预算分配给多个产品以实现利润最大化至关重要。通过多种采用来实现利润最大化（PM ^ 2 A）问题旨在寻找预算内的种子，以最大化整体利润。本文针对PM ^ 2 A问题，提出了一种基于逆向影响抽样（RIS）技术的随机修正贪婪（RMG）算法，该算法可以实现（1-1 / e- varepsilon ）-近似解的可能性很高。与[16]中提出的实现 frac 1 2（1-1 / e ^ 2）近似解的算法相比，我们的算法提供了更好的性能比，同时也是最佳性能PM ^ 2 A问题的比率。在三个现实世界的社会网络上进行了综合实验，结果表明我们的RMG算法在利润最大化方面优于[16]中提出的算法和其他启发式算法，并且可以更好地分配预算。
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。