- 多层网络移动性影响下的SIS流行病模型;
- 学习有限标记数据的图嵌入：一种有效的采样方法;
- NesTPP：在线讨论论坛中的线程动态建模;
- 比特币交易网络的快照采样和加密货币增长分析;
- 错误的社会信息对人类集体智慧的影响;
- 使用词嵌入来改善共现文本网络的可分辨性;
多层网络移动性影响下的SIS流行病模型
原文标题： SIS Epidemic Model under Mobility on Multi-layer Networks
地址： http://arxiv.org/abs/2003.06341
作者： Vishal Abhishek, Vaibhav Srivastava
摘要： 我们研究了人口异质流动模式对SIS流行病模型的影响。特别是，我们考虑了一个斑驳的环境，其中每个斑块都包含属于不同类别的个体，例如，处于不同社会经济阶层的个体。我们通过关联的连续时间马尔可夫链（CTMC）对每个班级的个人跨不同补丁的移动性进行建模。这些多个CTMC的拓扑构成了移动性的多层网络。每次，个体根据其CTMC在空间分布的补丁的多层网络中移动，然后根据SIS流行病模型与补丁中的本地个体进行交互。我们得出描述这些流动性-流行病相互作用的确定性连续极限模型。我们建立了在不同参数体制下的无病平衡（DFE）和地方性平衡（EE）的存在，并使用Lyapunov技术建立了（几乎）全局渐近稳定性。我们得出简单的充分条件，突显了多层网络对DFE稳定性的影响。最后，我们用数值方法说明了导出的模型可以很好地逼近具有有限总体的随机模型，并证明了多层网络结构对暂态性能的影响。
学习有限标记数据的图嵌入：一种有效的采样方法
原文标题： Learning Graph Embedding with Limited Labeled Data: An Efficient Sampling Approach
地址： http://arxiv.org/abs/2003.06100
作者： Qirui Li, Xiaoming Liu, Chao Shen, Xi Peng, Yadong Zhou, Xiaohong Guan
摘要： 由图卷积网络代表的半监督图嵌入方法已成为利用深度学习方法处理基于图的数据以供应用的最受欢迎的方法之一。现有的工作大多集中在设计新颖的算法结构以提高性能上，但忽略了一个常见的训练问题，即，这些方法能否在有限的标记数据下实现相同的性能？为了解决这个研究空白，我们提出了一种基于样本的半监督图嵌入方法的训练框架，以利用较小的训练数据集实现更好的性能。关键思想是通过流水线形式将采样理论和嵌入方法结合起来，具有以下优点：1）采样的训练数据比统一选择的数据可以保持更准确的图特征，消除了模型偏差。 2）较小规模的培训数据有利于减少标记他们的人力资源成本；大量的实验表明，基于采样的方法仅在训练数据规模为10％/-50％/％时才能达到相同的性能。它验证了该框架可以将现有的半监督方法扩展到具有极小规模标记数据的场景。
NesTPP：在线讨论论坛中的线程动态建模
原文标题： NesTPP: Modeling Thread Dynamics in Online Discussion Forums
地址： http://arxiv.org/abs/2003.06051
作者： Chen Ling, Guangmo Tong, Mozi Chen
摘要： 在线讨论论坛创建了一个异步对话环境，供在线用户通过独特的线程回复通信模式交流想法和分享意见。在这种模式下准确建模信息动态非常重要，因为它提供了一种挖掘潜在传播模式并了解用户行为的方法。在本文中，我们设计了一个新颖的时间点过程模型来表征在线讨论论坛中的信息级联。提出的模型将整个事件空间视为由主线程流及其链接的回复流组成的嵌套结构，并通过其强度函数显式地对这两种类型的流之间的相关性进行建模。利用Reddit数据，我们检查了设计模型在不同应用程序中的性能，并将其与其他流行方法进行了比较。实验结果表明，我们的模型可以产生有竞争力的结果，并且在大多数情况下都优于最新方法。
比特币交易网络的快照采样和加密货币增长分析
原文标题： Snapshot Samplings of the Bitcoin Transaction Network and Analysis of Cryptocurrency Growth
地址： http://arxiv.org/abs/2003.06068
作者： Lambert T. Leong
摘要： 这项工作的目的是对快速增长的比特币交易网络进行网络分析。使用网络套接字API，我们收集了在六个小时内发生的所有交易的数据。记录发件人和收件人地址以及交换的比特币数量。使用R和Gephi生成图，其中节点代表地址，边代表比特币的交换。六个小时的数据集被分为一个一小时和两个小时的网络采样快照。为了确定代表整个网络的最小采样长度，我们对数据的所有子集进行了比较和分析。我们的结果表明，对于准确表征比特币交易网络所需的采样时间而言，六小时采样是最低限度。匿名是区块链和比特币网络的理想功能，但它限制了我们的分析和结论我们的结果大部分是可以推断的。需要做进一步的工作来收集更全面的数据，以便可以更好地分析比特币交易网络。
错误的社会信息对人类集体智慧的影响
原文标题： The impact of incorrect social information on collective wisdom in human groups
地址： http://arxiv.org/abs/2003.06160
作者： Bertrand Jayles, Ramón Escobedo, Stéphane Cezera, Adrien Blanchet, Tatsuya Kameda, Clément Sire, Guy Theraulaz
摘要： 大量使用社交媒体网络导致的一个主要问题是错误信息的传播。但是，很少有研究调查不正确信息对个人和集体决策的影响。我们进行了一些实验，参与者在接收社交信息之前和之后必须估算一系列数量。他们不知道，我们通过“虚拟影响者”控制了社会信息的不准确程度，他们提供了一些不正确的信息。我们发现，很大一部分人仅部分遵循社会信息，因此抵制了不正确的信息。此外，我们发现不正确的社交信息可以通过部分补偿人为的低估偏差来帮助一个群体在高估真实价值时表现更好。总体而言，我们的结果表明，错误的信息并不一定会损害群体的集体智慧，甚至可以用来减轻已知认知偏见的负面影响。
使用词嵌入来改善共现文本网络的可分辨性
原文标题： Using word embeddings to improve the discriminability of co-occurrence text networks
地址： http://arxiv.org/abs/2003.06279
作者： Laura V. C. Quispe, Jorge A. V. Tohalino, Diego R. Amancio
摘要： 单词共现网络已被用于在实际和理论情况下分析文本。尽管在几种应用中取得了相对成功，但传统的共现网络无法在相似的词在文本中出现很远的地方建立链接。在这里，我们调查使用词嵌入作为在共现网络中创建虚拟链接的工具是否可以提高分类系统的质量。我们的结果表明，当使用Glove，Word2Vec和FastText时，改进了样式任务中的可分辨性。此外，我们发现当不忽略停用词并且使用简单的全局阈值策略来建立虚拟链接时，可以获得最佳结果。由于所提出的方法能够改善文本作为复杂网络的表示方式，因此我们认为可以将其扩展为研究其他自然语言处理任务。同样，理论语言研究可以从采用的单词共现网络的丰富表示中受益。
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.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。