- 使用集体智能多模型集成平台预测埃博拉病毒病的情况：贝叶斯云;
- 文化特征之间的上位效应推动了文化演化的范式转变;
- 三角优先附着具有幂律度和特征值;特征值对网络采样更稳定;
- 贝塞尔式的生灭过程;
- 社会网络中商业广告的计算模型;
- 用户档案在假新闻检测中的作用;
使用集体智能多模型集成平台预测埃博拉病毒病的情况：贝叶斯云
原文标题： Predictive Situation Awareness for Ebola Virus Disease using a Collective Intelligence Multi-Model Integration Platform: Bayes Cloud
地址： http://arxiv.org/abs/1904.12958
作者： Cheol Young Park, Shou Matsumoto, Jubyung Ha, YoungWon Park
摘要： 人类一直面临着与传染病相关的众多挑战，每年造成600多万人死亡。尽管已经采取了持续的努力来减轻此类不幸事件造成的潜在损害，但毫无疑问仍有许多尚未解决的挑战需要克服。我们在这里特别提到的一个相关问题是评估和预测此类流行病。在这一研究领域，传统和临时模型经常无法提供适当的预测情境意识（PSAW），其特点是了解当前情况并预测未来情况。针对传染病的综合性PSAW可以支持决策并有助于阻止疾病传播。在本文中，我们开发了一个侧重于集体智能因果建模的计算系统平台，以支持PSAW在传染病领域。对全球流行病的分析需要整合多种不同的数据和模型，这些数据和模型可以来自多个独立的研究人员。应整合这些模型，从整体观点来准确评估和预测传染病。该系统应提供三个主要功能：（1）协作因果建模，（2）因果模型整合，（3）因果模型推理。这些功能由主题专家和人工智能（AI）支持，具有不确定性处理。作为集体智慧的主题专家开发因果模型并将它们整合为一个联合因果模型。综合因果模型应用于推理：（1）过去，关于因果因素是如何发生的; （2）现在，关于传播如何进行; （3）未来，关于如何进行。最后，我们介绍了埃博拉病毒病预测情境意识的一个用例。
文化特征之间的上位效应推动了文化演化的范式转变
原文标题： Epistasis between cultural traits drives paradigm shifts in cultural evolution
地址： http://arxiv.org/abs/1904.12972
作者： Ignacio Pascual, Jacobo Aguirre, Susanna Manrubia, José A. Cuesta
摘要： 社会的文化范式时不时地发生变化。人类历史可以被视为一系列长期文化停滞的序列，这种文化停滞的典型转变使文化在几代人的转折中发生了翻天覆地的变化。我们在这里提出了一种人口动态模型，用于分析范式转换。在这个模型中，个体被一个文化特征向量定义，这个特征可以主要通过模仿其他个体的特征来改变。该模型的新颖性在于文化特征可能相互促进或相互阻碍。然后，模仿被这样定义的“文化适应度”景观所偏向。我们的主要结果是突然的范式转换发生，作为对景观中微弱变化的反应，只有当文化特征确实相互作用时 - 如果没有相互作用，适应是平稳的。借用遗传术语，这种相互作用被称为“文化上位”。结果对于实现上位的方式，模仿是否受到同性恋偏见或其他模型参数的变化是有效的。最后，这种动态的相关结果是范式转换的不可逆转的性质：即使外部变化被撤消，旧的范式也无法恢复。我们的模型将文化演化中的范式转换现象置于与生态学中的灾难性变化或物理学中的相变相同的类别中。
三角优先附着具有幂律度和特征值;特征值对网络采样更稳定
原文标题： Triangle Preferential Attachment Has Power-law Degrees and Eigenvalues; Eigenvalues Are More Stable to Network Sampling
地址： http://arxiv.org/abs/1904.12989
作者： Nicole Eikmeier, David F. Gleich
摘要： 优先附着模型是一类常见的图模型，用于解释为什么幂律分布出现在真实网络数据的度序列中。然而，他们缺乏的一个问题是高阶网络聚类，包括非平凡的聚类系数。在本文中，我们提出了一个特定的三角广义优先附着模型（TGPA），它通过构造，具有非平凡的聚类。我们进一步证明该模型在度分布和特征值谱中都具有幂律。我们使用这个模型来研究最近的发现，即在现实世界网络的特征值谱中比在它们的度分布中更可靠地观察到幂律。对此的一个推测的解释是，图表的谱对于各种采样策略更加稳健，这些采样策略本来用于收集与度分布相比的真实世界数据。因此，我们生成随机TGPA模型，这两种模型在两者中都具有幂律，并通过森林火灾，深度优先和随机边模型对样本子图进行采样。我们发现样本在谱中显示出幂律，即使只看到30％的网络。虽然学位很可能不会显示幂律。我们的TGPA模型比标准的优先附着模型更清楚地显示了这种行为。这提供了一个可能的解释，为什么在现实世界数据的谱中经常可以看到幂律。
贝塞尔式的生灭过程
原文标题： Bessel-like birth-death process
地址： http://arxiv.org/abs/1904.13064
作者： Vygintas Gontis, Aleksejus Kononovicius
摘要： 我们确实考虑了人口或观点动态的模型，这导致非线性随机微分方程（SDE）呈现虚假的远程记忆。在这种情况下，作为连续时间马尔可夫链和连续SDE的生灭过程描述之间的对应关系对于建模的替代方案具有高度重要性。我们提出并推广了具有明确由SDE表示的贝塞尔式生灭过程。新过程有助于整合描述的替代方案，并推导出所提出的连续时间生灭过程的突发和突发间持续时间的概率密度函数（PDF）的方程。该PDF可用于在表现出持续波动的复杂系统中区分虚假记忆和真实长程记忆。
社会网络中商业广告的计算模型
原文标题： Computational Models for Commercial Advertisements in Social Networks
地址： http://arxiv.org/abs/1904.13198
作者： Samet Atdag, Haluk O. Bingol
摘要： 识别网络中值得注意的传播者对于理解传播过程和控制网络传播的范围至关重要。由于需要各种应用，例如病毒营销，控制谣言传播或更好地了解疾病的传播，持有更多内在能力以扩展传播范围的节点是重要的。作为病毒式营销的应用，具有固定预算的覆盖范围的最大化是广告业务的基本要求。分发固定数量的促销项目以最大化病毒范围可以利用影响者检测方法。为了检测这样的“影响者”节点，存在诸如度中心性（主要用作度中心性）或诸如k壳分解或特征向量中心性的全局度量之类的局部度量。所有方法都可以对图进行排名，但它们都有局限性，并且在域中仍然没有事实上的影响因子检测方法。在本文中，我们提出了一种扩展的k-shell算法，它更好地利用k-shell分解来利用网络的拓扑特征来识别病毒扩散器节点。我们使用Susceptible-Infected-Recovered模型模拟真实网络中的扩散过程，模拟结果表明，我们的方法可以在同一网络中达到最多36％的人群，初始扩展器的数量相同。
用户档案在假新闻检测中的作用
原文标题： The Role of User Profile for Fake News Detection
地址： http://arxiv.org/abs/1904.13355
作者： Kai Shu, Xinyi Zhou, Suhang Wang, Reza Zafarani, Huan Liu
摘要： 消费社交媒体的消息越来越受欢迎。社交媒体由于其快速传播信息，低成本和易于访问而吸引用户。然而，社交媒体也使广泛的假新闻成为可能。由于假新闻对社会的不利影响，检测假新闻引起了越来越多的关注。然而，仅使用新闻内容的检测性能通常不令人满意，因为假新闻被写入以模仿真实新闻。因此，需要深入理解社交媒体上的用户简档与虚假新闻之间的关系。在本文中，我们研究了在社交媒体上理解和利用用户配置文件进行虚假新闻检测的挑战性问题。为了理解用户个人资料和假新闻之间的联系，首先，我们衡量用户在社交媒体上的分享行为以及更有可能分享虚假和真实新闻的群体代表用户;然后，我们对这些用户组之间的显性和隐性配置文件功能进行了比较分析，揭示了它们有助于区分假新闻和真实新闻的潜力。为了利用用户配置文件功能，我们在虚假新闻分类任务中演示了这些用户配置文件功能的有用性。我们通过特征重要性分析进一步验证了这些特征的有效性。这项工作的成果为深入探索社交媒体的用户档案特征和增强虚假新闻检测能力奠定了基础。
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。