- 2019-nCoV爆发的时间延迟动力学模型与参数辨识;
- 哪个是你最喜欢的音乐风格? Facebook的数据和调查数据的有效性比较;
- 跨学科合作网络混合模式:通过多视角评估跨学科性;
- 测量嵌套结构:不同度量表现的比较研究;
- 利用交通网络分析估计区域经济发展指标;
- 含时多路网络的介数中心性;
- 使用有限的交互影响网络舆论动态;
- 由季节性流感引起的行为变化的数据驱动的特征;
- 通过科学文献引用度量地理接近性在知识传播中的作用;
- 两路径深度半监督学习用于即时假新闻检测;
- 查找符号网络大型均衡子图;
- 生姜不能治愈癌症:使用综合数据存储库对抗虚假健康新闻;
- 使用倾向评分匹配提高假新闻检测方法的一般性;
- 大规模随机块模型的随机谱聚类;
- 当少即是多:基于级联社区检测的系统分析;
- cube2net:使用数据立方体组织进行高效的面向查询的网络构建;
- 我的YouTube和你的YouTube一样吗?使用热门视频的YouTube的缩略图分析文化;
- 社区检测(ABCD)人造基准:有群落结构的快速随机图模型;
- DiffNet++:一个用于社会推荐的神经网络影响力和兴趣扩散网络;
- 扩散模型的子模性:等价条件及其应用;
- 对比疫苗的政治沟通后,在线社交媒体对免疫的不信任和迷失的证据。来自意大利推特数据的分析结果;
- 一个众筹的动态协同跟踪系统;
- 基于结构特征的图自适应池化;
- 在自逻辑角色属性模型中使用基于采样的网络数据;
- 真理的内核:只使用Twitter上的扩散模式确定传闻准确性;
- 基于碎片凝结的混合成员随机块模型;
2019-nCoV爆发的时间延迟动力学模型与参数辨识
原文标题: A Time Delay Dynamical Model for Outbreak of 2019-nCoV and the Parameter Identification
地址: http://arxiv.org/abs/2002.00418
作者: Yu Chen, Jin Cheng, Yu Jiang, Keji Liu
摘要: 在本文中,我们提出了一个新的带时间延迟的动力系统来刻画2019-nCoV在中国的爆发。这种流行病的一个典型特征是,它可以在潜伏期传播,这可以通过微分方程的时间延迟过程描述。分类人群的累计数作为变量,这与官方数据一致且有利于参数识别。研究给出了用于2019-nCoV爆发预测和参数识别的数值方法,数值结果表明:新的动力系统可以很好地预测迄今为止的爆发趋势。基于数值模拟,我们建议应由政府采用高隔离率严格控制个体移动。
哪个是你最喜欢的音乐风格? Facebook的数据和调查数据的有效性比较
原文标题: Which is your favorite music genre? A validity comparison of Facebook data and survey data
地址: http://arxiv.org/abs/2002.00501
作者: Zoltán Kmetty, Renáta Németh
摘要: 我们研究的目的是,在调查和Facebook数据的情况下出现的两个方法的有效性问题。我们进行了新的并行数据采集方法,以前很少使用,它结合了面对面的面对面调查与个人FB数据档案的收集。我们发现使用这些替代数据源一起的研究潜力。我们表明,我们可以通过交叉验证相互两个数据源克服了一些有效的问题。我们还表明,如果与用户,而不是公司的研究员领域展开合作,并得到用户的社交媒体数据的一部分存档接入,社交媒体数据的稀化问题被消除。我们选择的主题是音乐的兴趣,文化社会学的一个关键指标。据我们所知,目前在其任何人口被Facebook归类为广告客户为有志于音乐风格,或自报的兴趣,数字表示有兴趣和广告的兴趣类别之间的关系上率没有以前的研究。检测特定类型测量这些不同的方式时表现出显著不同的图片。我们也研究了FB用户音乐的兴趣动态模式。我们希望我们的数据收集方法和提出有效的方法将开始在社会科学的数字数据研究未来的对话。
跨学科合作网络混合模式:通过多视角评估跨学科性
原文标题: Mixing Patterns in Interdisciplinary Collaboration Networks: Assessing Interdisciplinarity Through Multiple Lenses
地址: http://arxiv.org/abs/2002.00531
作者: Shihui Feng, Alec Kirkley
摘要: 有跨学科研究合作固有的挑战,如缩小差距的认知和平衡与协同效益的交易成本。这就提出了一个问题:是否跨学科的研究必然导致跨学科的合作?本研究旨在探讨这个问题,并通过协调网络检查混合模式在个人,二元,和团队水平评估的跨学科研究合作的喜好。从教育人工智能领域使用超过2000名研究人员组成的网络,我们发现,“跨学科”是由个别研究人员,而不是合作中研究人员之间的差异的不同的研究经历证明。我们还检查组间通过应用新方法基于在多个团队参与协作网络中的活性和非活性的研究人员进行分类混合。我们发现在学习成绩和积极的和非活跃的研究人员的簇之间的经验指标显著差异,提示群体间在学术上的成功的一个关键因素的混合。我们的研究结果阐明了在跨学科研究团队形成的性质,以及强调跨学科课程的重要性。
测量嵌套结构:不同度量表现的比较研究
原文标题: Measuring Nestedness: A comparative study of the performance of different metrics
地址: http://arxiv.org/abs/2002.00534
作者: Claudia Payrato-Borras, Laura Hernandez, Yamir Moreno
摘要: 嵌套性是自然的互惠社区普遍观察到相互作用网络的属性。尽管在这个模式的广泛关注,没有达成共识存在关于如何衡量它。取而代之的是,几个度量针对量化嵌套性的基础上,网络的不同,但不一定是独立的特性,并存在文献中模糊的生态系统之间的比较。在这项工作中,我们提出的六种流行嵌套性指标的行为的详细批判性研究和其中的两个变体。为了评估他们的表现,我们比较得到大集当中,并与最大熵和最大似然空模型实际网络中的嵌套结构的值。我们的研究结果指出,首先,该指标不网络排名的嵌套结构的程度普遍。此外,一些指标显示在考虑网络性能显著不必要的依赖。这些相关的研究可以让我们了解一些嵌套结构的实际值和平均值空模型之间的系统转变的。本文旨在为读者提供关于如何测量嵌套性的模体,通过解释的六个标准度量和两个它的变体的功能,然后披露其质量和缺陷的关键指南。通过这样做,我们也致力于扩展基于最大熵生态网络还是很大的未开发区域最近提出的空模型的应用。最后,以补充指导,我们提供了一个名为nullnest一个完全记录库采集到的代码产生空模型和计算嵌套性指数 - 无论是真正的价值和空预期 - 使用的研究指标。存储库包含,而且,空模型的主要成果应用于大型数据集200个多双边网络。
利用交通网络分析估计区域经济发展指标
原文标题: Estimation of Regional Economic Development Indicator from Transportation Network Analytics
地址: http://arxiv.org/abs/2002.00566
作者: Bin Li, Song Gao, Yunlei Liang, Yuhao Kang, Timothy Prestby, Yuqi Gao, Runmou Xiao
摘要: 随着中国经济蓬勃发展,许多研究都指出,其他因素之间的区域交通基础设施的改善对经济增长的重要作用。利用大规模的数据集,其中包括车辆沿道路收费系统生成公路3.5十亿出入境记录,我们试图通过交通网络的分析,建立区域经济地位的中距离陆地运输模式的相关性。我们运用复杂网络的标准测量分析公路运输网络。一组交通流特性的计算和相关区域经济发展指标。多线性回归模型对城市GDP的跨三省在中国变异的89%至96%的解释。采用轿车,客车,以及对城市每个省单独以及为整个数据集之间的货运卡车的年业务量然后我们配合重力场模型。我们发现,对交通网络,链接到每个省的经济发展模式城市之间的空间相互作用距离衰减效应随时间的变化。我们的结论是运输大数据揭示了区域经济发展的现状,并包含对区域管理和规划人口流动,生产联系和物流的有价值的信息。我们的研究提供了洞察区域经济发展状况采用公路运输大数据的调查。
含时多路网络的介数中心性
原文标题: Betweenness centrality for temporal multiplexes
地址: http://arxiv.org/abs/2002.00661
作者: Silvia Zaoli, Piero Mazzarisi, Fabrizio Lillo
摘要: 中介中心量化为一个网络中的信息流顶点的重要性。我们建议介的灵活定义的时间复用,在确定的测地线占拓扑和时间结构和路径的持续时间。我们提出了一个算法来计算通过映射新的度量静态图。我们发现考虑时间复用结构和适当的距离度量比较上的 卡 20ķ欧洲航班的数据集静态或单层指标得到的结果的重要性。
使用有限的交互影响网络舆论动态
原文标题: Influencing Opinion Dynamics in Networks with Limited Interaction
地址: http://arxiv.org/abs/2002.00664
作者: Anmol Gupta, Sharayu Moharir, Neeraja Sahasrabudhe
摘要: 这项工作的重点是设计影响的战略来塑造个人的网络的集体意见。我们认为选民模型,其中意见在以下两种方式之一发展的一个变种。在没有外部影响,意见经由在网络中的个人之间的相互作用演变,而在外界的影响的存在,意见在通过影响者优选的方向上移动。我们专注于一个有限的时间范围和影响战略的特点是,当它发挥在考虑到其预算约束这个时间范围的影响。在这个意见动力学模型在此之前的工作假设个体考虑到网络中的所有个人的意见。我们概括这一点,并考虑环境,让个人的意见演化依赖于从网络舆论的有限集合。我们刻画的最佳影响战略的性质在其中形成这个集合的意见的方式的功能。
由季节性流感引起的行为变化的数据驱动的特征
原文标题: Towards a data-driven characterization of behavioral changes induced by the seasonal flu
地址: http://arxiv.org/abs/2002.00671
作者: Nicolò Gozzi, Daniela Perrotta, Daniela Paolotti, Nicola Perra
摘要: 在这项工作中,我们的目标是确定季节性流感期间驾驶行为变化的主要因素。为此,我们分析了由599个调查期间,2017 - 18和2018-19赛季的434个Influweb,网络平台参与监督,意大利用户完成了一个独特的数据集。这些数据提供了社会人口的信息,关于流感,过去与疾病的经验,以及每个参与者实现的行为改变类型的关注程度。我们描述了一组功能,每个响应和三个目标类别划分他们。这些描述的那些报告ⅰ)无(26%),ⅱ)仅适度(36%),ⅲ)显著(38%)变化的行为。在这些情况下,我们采用机器学习算法研究,其目标变量只能由在该组特征寻找预测的程度。值得注意的是, 66 %,在类别描述的行为更显著变化样品的通过梯度提振树木正确分类。此外,我们调查的分类任务,揭开个人特点以及他们对行为态度的变化之间的复杂关系各要素的重要性。我们发现过去患病的那种强度,新旧程度,感知敏感性和感觉严重程度评级的感染是在分类任务的最显著的特点。有趣的是,最后两个匹配的健康信念模式提出的理论建构。总之,研究有助于小套实证研究的专门的传染病引起的行为变化的数据驱动的特征。
通过科学文献引用度量地理接近性在知识传播中的作用
原文标题: The role of geographic proximity in knowledge diffusion, measured by citations to scientific literature
地址: http://arxiv.org/abs/2002.00742
作者: Giovanni Abramo, Ciriaco Andrea D'Angelo, Flavia Di Costa
摘要: 本文分析地理距离的知识流动,通过引用科学出版物测量的影响。使用相同的方法之前的作品仅限于单一的学科。在这项研究中,我们分析了在2010 - 2012年期间到期的所有学科意大利科学生产。为了计算引用和引用的出版物之间的地理距离,每一个与作者的隶属关系的基础上,“普遍的”领土相关。引力模型的应用的结果,采用普通最小二乘回归估计表明,尽管IT的传播,地理距离仍是地区之间在知识的过程中的影响因素流动。特别是,分析表明,在知识流动地理距离的影响是在洲际级别在国家一级显著,在大陆一级不容忽视的,但完全不相干。
两路径深度半监督学习用于即时假新闻检测
原文标题: Two-path Deep Semi-supervised Learning for Timely Fake News Detection
地址: http://arxiv.org/abs/2002.00763
作者: Xishuang Dong, Uboho Victor, Lijun Qian
摘要: 在社交媒体如Twitter消息已经在高容量和速度已经产生。然而,很少有人被标记(如假或真新闻)在近实时的专业人士。为了实现在社会媒体的假新闻及时发现,一种新型的两路深半监督学习的框架,提出了其中一个路径是监督学习,另一个是无监督的学习。在监督上标注的数据量有限的学习路径获悉同时监督学习路径是能够学习一个巨大的未标记的数据量。此外,卷积神经网络(CNN)实现这两条路径被联合优化,以完成半监督学习。此外,我们建立了一个共享CNN以提取在两个标记的数据和未标记数据低电平特征将它们馈送到这两条路径。为了验证这一框架下,我们实现了一个基于字CNN半监督学习模型和测试它两个数据集,即骗子PHEME。实验结果表明,建立在拟议的框架模型可以用很少的标记数据有效识别假新闻。
查找符号网络大型均衡子图
原文标题: Finding large balanced subgraphs in signed networks
地址: http://arxiv.org/abs/2002.00775
作者: Bruno Ordozgoiti, Antonis Matakos, Aristides Gionis
摘要: 签订网络是图表,其边都标有正或负号,并可以由他们的无符号对应错过的互动来捕捉细微差别。在签署图论平衡的概念确定网络是否可被划分成两个相对的完美子集,并且因此对于建模的现象,例如在社会网络偏振社区的存在是有用的。虽然确定图是否平衡很容易,找到一个平衡大子是很难的。在文献中用于此目的提供的几个启发式是无效或不可扩展。在本文中,我们提出了在签订网络寻找大平衡子图的高效算法。该算法依赖于签名谱理论和开往图拉普拉斯的扰动的小说。在各种各样的现实世界的数据实验表明,我们的算法可以找到平衡子图比现有方法检测大得多,此外,它是速度更快。我们测试其在多达3400万个的边曲线的可扩展性。
生姜不能治愈癌症:使用综合数据存储库对抗虚假健康新闻
原文标题: Ginger Cannot Cure Cancer: Battling Fake Health News with a Comprehensive Data Repository
地址: http://arxiv.org/abs/2002.00837
作者: Enyan Dai, Yiwei Sun, Suhang Wang
摘要: 如今,互联网是获得健康信息的主要来源。这是在互联网上传播大量的假健康新闻,已成为对公众健康构成了严重威胁。大量的研究和研究工作已经在假新闻检测域已经完成,但是,很少有人是为了应付健康新闻的挑战。例如,需要假健康新闻的检测可解释的发展。为了缓解这些问题,我们构建了一个全面的资料库,FakeHealth,其中包括具有丰富的功能,新闻内容,新闻评论,详细说明理由,应酬和用户 - 用户的社会网络。此外,探索性分析是为了解数据集的特点,分析有用的模式和验证数据集保健假新闻的质量检测。我们还讨论了健康假新闻的检测新的和潜在的未来的研究方向。
使用倾向评分匹配提高假新闻检测方法的一般性
原文标题: Improving Generalizability of Fake News Detection Methods using Propensity Score Matching
地址: http://arxiv.org/abs/2002.00838
作者: Bo Ni, Zhichun Guo, Jianing Li, Meng Jiang
摘要: 最近,由于在线社会网络的蓬勃发展的影响,检测假新闻是来自学术界和公众拉显著的关注。在本文中,我们考虑混杂在假新闻和使用倾向评分匹配(PSM)的特征变量,以减少混杂变量的影响,以选择普及功能的存在。实验结果表明,假新闻法的普遍性显著更好的是使用PSM比使用原始频率选择功能。我们研究了多种类型的假新闻的方法(分类),如逻辑回归,随机森林和支持向量机。我们拥有的性能改进一致意见。
大规模随机块模型的随机谱聚类
原文标题: Randomized Spectral Clustering in Large-Scale Stochastic Block Models
地址: http://arxiv.org/abs/2002.00839
作者: Hai Zhang, Xiao Guo, Xiangyu Chang
摘要: 谱聚类一直在网络社区发现广泛使用的方法之一。然而,大规模网络带来的计算挑战它。在本文中,我们使用随机算法草图从统计学的角度来看,在那里我们通常假定为该网络数据从一个随机块模型生成的研究谱聚类。要做到这一点,我们首先使用了最近开发的素描算法推导出两个随机谱聚类算法,即随机投影型和随机基于采样的谱聚类。然后,我们研究了导致算法的理论界在人口邻接矩阵中,misclustering错误,并为联系概率矩阵的估计误差逼近误差的条款。事实证明,在温和条件下,随机化谱聚类算法类似地执行原来的一个。我们还进行数值试验,以支持理论成果。
当少即是多:基于级联社区检测的系统分析
原文标题: When Less is More: Systematic Analysis of Cascade-based Community Detection
地址: http://arxiv.org/abs/2002.00840
作者: Liudmila Prokhorenkova, Alexey Tikhonov, Nelly Litvak
摘要: 信息扩散,传染病的传播,和传闻的扩展是在现实网络中发生基本过程。在许多实际情况,人们可以观察到,当节点被感染,但底层的网络,在其上蔓延或信息传播,被隐藏。推断所述底层网络的性能是重要的,因为这些性质可用于约束感染,预测,病毒式营销等。此外,对于许多应用,这是足以收回该网络的唯一粗高级别特性,而不是其所有的边。在本文中,我们进行了以下问题的系统性和深入的分析:只给出感染时间,发现高度互连的节点社区。我们开展的几个大型数据集现有的和新的方法之间的比较透彻,涵盖特定于这个问题的方法上的挑战。其中一个主要的结论是,最稳定的性能和当前国家的最先进最显著的改善是由不可知的一个特定的图结构和流行病模型我们提出的简单的启发式方法来实现的。我们还表明,一些知名社区检测算法可以包括基于级联数据边权得到增强。
cube2net:使用数据立方体组织进行高效的面向查询的网络构建
原文标题: cube2net: Efficient Query-Specific Network Construction with Data Cube Organization
地址: http://arxiv.org/abs/2002.00841
作者: Carl Yang, Mengxiong Liu, Frank He, Jian Peng, Jiawei Han
摘要: 网络被广泛用于模型对象与互动,并已启用的各种下游应用。然而,在现实世界中,网络挖掘往往是在特定查询的对象集合,它不需要网络,包括在数据集中的所有对象的结构和计算完成。在这项工作中,首次提出了解决查询具体网络建设的问题,打破现有网络挖掘算法的效率瓶颈和促进各种下游任务。为了应对复杂的属性,真实世界的巨大的网络,我们建议充分利用发达的数据立方体技术,组织网络对象w.r.t.他们的基本属性。一个有效的强化学习算法,然后发展到自动发掘数据立方体结构和构建优化查询特定的网络。随着对不同的现实世界的大型数据集两款经典网络挖掘任务广泛的实验,我们证明了我们所提出的cube2net管道是通用的,并且更加有效和高效的查询特定的网络建设,与其它方法,而数据立方体的杠杆作用比较或强化学习。
我的YouTube和你的YouTube一样吗?使用热门视频的YouTube的缩略图分析文化
原文标题: Mi YouTube es Su YouTube? Analyzing the Cultures using YouTube Thumbnails of Popular Videos
地址: http://arxiv.org/abs/2002.00842
作者: Songyang Zhang, Tolga Aktas, Jiebo Luo
摘要: YouTube是世界著名的视频共享网站,维护的平台上对热门的视频列表。由于其巨大的用户量,这使研究人员通过分析趋势的视频,了解人们的喜好。当红影片因国家而异的国家。通过分析这些差异和变化,我们可以告诉用户的喜好如何在不同的位置。以前的工作侧重于分析来自视频的元数据,例如文化的偏好,而隐藏在视频内容中的文化信息还没有被发现。在这项研究中,我们探索利用YouTube的流行视频缩略图国家之间的文化偏好。我们首先处理的使用对象探测器视频的缩略图。然后将收集的对象信息用于各种统计分析。特别是,我们研究从三个方面的数据:地理位置,影片类型和用户的反应。实验结果表明,从相似的文化之股本权益用户在YouTube上观看类似的影片。我们的研究表明,通过缩略图发现的文化偏好可以是视频的社交媒体分析的有效机制。
社区检测(ABCD)人造基准:有群落结构的快速随机图模型
原文标题: Artificial Benchmark for Community Detection (ABCD): Fast Random Graph Model with Community Structure
地址: http://arxiv.org/abs/2002.00843
作者: Bogumił Kamiński, Paweł Prałat, François Théberge
摘要: 目前大多数复杂的网络,感兴趣的从业者具有一定社会结构中扮演着了解这些网络的性能具有重要作用。而且,针对复杂网络开发了许多机器学习算法和工具,试图利用社区的存在的优势来提高它们的性能和速度。其结果是,有在大型网络中检测社区的许多竞争算法。不幸的是,这些算法往往相当敏感,因此它们不能进行微调对于给定的,而是不断变化的,真实的网络在眼前。因此重要的是要测试这些算法只能使用已经内置的群落结构,幂律分布,并在复杂网络观察等典型特性的合成图来完成各种情况。用于产生人工网络的标准和广泛使用的方法是在LFR图发生器。不幸的是,这种模式具有一定的可扩展性限制,它是具有挑战性的理论分析它。最后,参数 亩,该模型导引社区的强度的主要参数,混合具有非显而易见的解释,因此可以导致不自然地定义网络。在本文中,我们提供的群落结构和幂律分布的两个学位和社区的规模,社区检测(ABCD)人工基准替代随机图模型。我们表明,该模型解决以上,更确定的三个问题。结论是,这些模型产生相当的图表,但是ABCD是快速,简单,并且可以很容易地调整,以允许用户使两个极端之间的平滑过渡:纯(独立)社区随机图没有群落结构和。
DiffNet++:一个用于社会推荐的神经网络影响力和兴趣扩散网络
原文标题: DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation
地址: http://arxiv.org/abs/2002.00844
作者: Le Wu, Junwei Li, Peijie Sun, Yong Ge, Meng Wang
摘要: 社会建议已出现了利用社会关系用户之间用于预测用户的喜好不明,这可能会缓解数据稀疏问题的协同过滤推荐基础。早期的研究依赖于利用每个用户的一阶社会邻国的利益更好的用户建模,并未能在社会影响力扩散过程从全球社会网络结构的模型。最近,我们提出了一个神经影响扩散网络〜的前期工作(即,DiffNet)为社交推荐〜(Diffnet),递归社会扩散过程要捕获的模型为每个用户高阶的关系。然而,我们认为,随着用户同时播放用户 - 用户社会网络和用户的项目利益网络中的核心作用,只是造型社会网络中的影响力扩散过程中会忽略在用户项目有兴趣的用户的潜在协同利益网络。在本文中,我们提出DiffNet ++,DiffNet的改进算法模型在一个统一的框架神经影响扩散和兴趣扩散。由重整社交推荐作为多相曲线图与社会网络和兴趣网络作为输入,DiffNet ++进步DiffNet通过注入用于用户嵌入在学习的同时这两个网络的信息。用户以前的嵌入,来自社会网络的社交邻居的影响力聚集,并从用户项目有兴趣的网络项目邻国的利益聚集:这是通过迭代从三个方面汇总每个用户的嵌入来实现的。此外,我们还设计了多层次的关注网络从这三个方面学习如何用心聚合用户的嵌入。最后,在两个现实世界的数据集大量的实验结果清楚地表明我们提出的模型的有效性。
扩散模型的子模性:等价条件及其应用
原文标题: On the Submodularity of Diffusion Models: Equivalent Conditions and Applications
地址: http://arxiv.org/abs/2002.00845
作者: Fangqi Li, Chong Di, Wenwen Xia
摘要: 扩散模型一直在对社会网络研究的一个重要组成部分。许多研究,尤其是关于这些影响最大化关注特定扩散模型的子模的证明。这样的证据一直依赖模型和有些专案。在本文中,我们证明一个定理,它提供了一个扩散模型是一个子模块充分必要条件。这个定理可以用来证明任意扩散模型的子模。我们也将此定理构建任意扩散模型映射到一个子模块一个投影算。此外,我们使用既定的定理提出的那部分功能子模信息多个异构枚扩散模型。
对比疫苗的政治沟通后,在线社交媒体对免疫的不信任和迷失的证据。来自意大利推特数据的分析结果
原文标题: Evidence of distrust and disorientation towards immunization on online social media after contrasting political communication on vaccines. Results from an analysis of Twitter data in Italy
地址: http://arxiv.org/abs/2002.00846
作者: Samantha Ajovalasit (1), Veronica Dorgali (2), Angelo Mazza (1), Alberto D/' Onofrio (3), Piero Manfredi (4) ((1) University of Catania, (2) University of Florence, (3) International Prevention Research Institute - Lyon, (4) University of Pisa)
摘要: 背景。近日,在意大利,疫苗接种率的关键免疫接种,如MMR,一直呈下降趋势,麻疹暴发。在2017年,意大利政府扩大强制免疫建立未接种疫苗的儿童的家庭处罚的数量。在2018年的选举活动,免疫政策进入了政治辩论,与政府指责助长疫苗的怀疑的对立。新政府成立于2018年暂时放松了处罚,并宣布推出的灵活性。目标和方法。通过在2018上公布的意大利鸣叫情绪分析,我们的目的如下:(i)表征通信对疫苗的时间流程,(二)评估的Twitter数据的有用估计接种参数,及(iii)调查是否暧昧政治通信可能起源在公众中迷失方向。结果。人口似乎被“连环推友”啁啾的一切,包括疫苗可主要由。鸣叫利于接种占保留鸣叫,未定为14%和不利11%的75%。意大利公共卫生机构的微博活动是可以忽略不计。平滑的时间模式,向上和向下的趋势,在有利的比例出现,与政府之间的切换同步,提供迷失方向的明确证据后。结论。迷失方向的文件报告的证据表明,重要的健康话题,如免疫,不应该被用于政治共识。考虑到在线社交媒体作为信息源,这可能会屈服于社会压力最终疫苗吸收有害的越来越大的作用,这是特别真实的,由于缺乏在Twitter体制存在的恶化。这就需要努力的对比度误传和犹豫的随后蔓延。
一个众筹的动态协同跟踪系统
原文标题: A Dynamic and Cooperative Tracking System for Crowdfunding
地址: http://arxiv.org/abs/2002.00847
作者: Kai Zhang, Hongke Zhao, Qi Liu, Zhen Pan, Enhong Chen
摘要: 众筹是一个新兴的金融平台,为创作者通过广泛征求大量使用互联网的个人捐助量相对较少的努力提供资金。由于独特的规则,竞选成功的交易,只有当它在给定的时间收集足够的资金。为了防止失败运动的创造者和浪费时间的支持者和努力,动态估计活动的成功概率是非常重要的。但是,现有的群众集资系统既具有动态预测跟踪的机制,也不需要在平台上创造者和支持者提供实时的运动状态。为了解决这些问题,我们开发了一个新的系统,它包含一个动态数据驱动的方法来追踪成功概率和状态。我们证明使用我们的系统在以下情况下。首先,用户可以利用我们的系统来分析的增量评论情感,以便了解支持者活动的观点在时间上。同时,我们的系统可视化的正面和负面评价的统计数。在此基础上,我们的系统能够动态跟踪每个活动的成功概率。
基于结构特征的图自适应池化
原文标题: Structure-Feature based Graph Self-adaptive Pooling
地址: http://arxiv.org/abs/2002.00848
作者: Liang Zhang, Xudong Wang, Hongsheng Li, Guangming Zhu, Peiyi Shen, Ping Li, Xiaoyuan Lu, Syed Afaq Ali Shah, Mohammed Bennamoun
摘要: 不同的方法来处理图数据在近几年被提出。然而,这些方法大多集中在图功能的聚集,而不是图池。此外,现有的前k选图池的方法有几个问题。首先,为了构建汇集图拓扑,当前的top-k选择方法从只有一个单一的角度来看,这是简单的和不客观的评估节点的重要性。第二,未被选择的节点的功能的信息中汇集过程中,被直接损失,这不可避免地导致的图特征的信息的巨大的损失。为了解决上述这些问题,我们提出了一种图自适应轮询方法,其目标如下:(1)以构建同时考虑图的一个合理的合并图拓扑,结构和功能的信息,其提供附加的真实性和客观性在节点选择;和(2),以使汇集节点包含足够有效图信息,节点特征信息丢弃不重要节点之前聚集;因此,所选择的节点包含从邻居节点,它可以提高使用的未选定的节点的功能的信息。在四个不同的数据集实验结果表明,我们的方法是有效的图分类,并优于国家的最先进的图池的方法。
在自逻辑角色属性模型中使用基于采样的网络数据
原文标题: Using Sampled Network Data With The Autologistic Actor Attribute Model
地址: http://arxiv.org/abs/2002.00849
作者: Alex D. Stivala, H. Colin Gallagher, David A. Rolls, Peng Wang, Garry L. Robins
摘要: 社会科学的研究,从统计方法越来越多的好处理解社会生活的结构化特性,包括社会网络数据。然而,统计网络模型的大型社区研究中的应用是由他们推论的现实数据的采集条件,包括采样或丢失的网络数据下的有效性的了解太少阻碍。该autologistic演员属性模型(ALAAM)是一种基于社会网络的成熟指数随机图模型(增程制导弹药)的统计模型。 ALAAMs可视为一种社会影响力模型,预测基于演员的网络联系,他/她的网络合作伙伴的并发结果,和演员的属性他/她的网络合作伙伴的个体水平的结果。特别地,可以ALAAM用于测量扩散效应,即,通过社会网络连接连接到两个两个演员的倾向有一个属性的相同的值。我们调查使用简单随机样本和ALAAM参数推断网络数据的快速增长样的效果,发现参数推断依然可以即使缺少的节点的平凡小部分工作。然而,它是安全的取网络的雪球样品并估计对雪球采样结构为条件。
真理的内核:只使用Twitter上的扩散模式确定传闻准确性
原文标题: A Kernel of Truth: Determining Rumor Veracity on Twitter by Diffusion Pattern Alone
地址: http://arxiv.org/abs/2002.00850
作者: Aron Szanto, Nir Rosenfeld, David C. Parkes
摘要: 在误传检测领域最近的工作已经利用丰富的与社交媒体内容相关的文本和用户身份的信号。但是,文本可策略性操作,并在不同的别名重开账户,这表明这些方法本身易碎。在这项工作中,我们研究了另一种方式是自然稳健:该模式中的信息传播。可以未经验证的传闻的真实性网上流传的单独的扩散模式的基础上,通过社会网络看出端倪?使用图内核来提取Twitter的级联结构复杂的拓扑信息,我们训练精确的预测模型是盲目的语言,用户身份和时间,这表明首次,这种“消毒”扩散模式是非常翔实的真实性。我们的研究结果表明,在适当的聚集,人群的集体共享模式可以揭示传闻真或假的了有力的信号,即使是在传播的早期阶段。
基于碎片凝结的混合成员随机块模型
原文标题: Fragmentation Coagulation Based Mixed Membership Stochastic Blockmodel
地址: http://arxiv.org/abs/2002.00901
作者: Zheng Yu, Xuhui Fan, Marcin Pietrasik, Marek Reformat
摘要: 混合成员随机块模型〜(MMSB),提出了作为合适的用于学习复杂的隐藏结构的网络数据的基础的状态的最先进的贝叶斯关系的方法之一。然而,MMSB的当前制剂从以下两个问题遭受:(1),在现有的信息〜(e.g实体的社会结构信息)不能很好地嵌入在建模; (2),社区演化不能很好地描述于文献中。因此,我们提出了一种非参数碎片凝结基于混合随机成员块模型(fcMMSB)。我们基于实体模型进行聚类,以捕获实体和基础连接群集的社区信息同时导出链接组信息。此外,该模型推断网络结构和模型社区发展,通过外观和社区的失踪,使用离散碎片凝血过程(DFCP)表现。通过与组兼容性矩阵整合社会结构,我们得出MMSB的一般化版本。与玻利耶伽玛(PG)的方法的高效Gibbs抽样方案用于后推论实现。我们验证我们对合成和真实世界的数据模型。
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。