- 符号网络上基于易感-感染的疾病模型;
- 投票事件期间增强人类在在线交互中的影响;
- “矩阵”中的生活：网络空间中的人类流动模式;
- 感知中国移民：移动应用程序如何提供对全球移民流量的洞察力;
- 使用社交中心分数的场地建议;
- 多部分病毒传播的数学模型揭示了它们的演化潜力;
- 一种使用网络传播过程的基于信任的推荐方法;
- 计数模型的局部私有贝叶斯推断;
- 在复杂网络中使用词嵌入和社区检测的词感知归纳;
- YouTube和Pinterest上联盟营销披露的实证研究;
- 2016年美国总统大选期间Twitter上的假新闻影响;
符号网络上基于易感-感染的疾病模型
原文标题： SI based disease model over signed network
地址： http://arxiv.org/abs/1803.08040
作者： Cong Wan, Cong Wang, Yanxia Lv
摘要： 符号网络是一种网络，它将每个边联系起来，表示个人之间友好或不友好的关系。当疾病在签署的网络上传播时，一些不友好的边可能会拒绝传播。而且，符号网络是动态的，根据符号网络研究中最重要的理论 - 结构平衡理论，符号网络中的边会随着时间的推移而改变其符号。疾病传播如何与签署的网络演变相互作用成为一个具有挑战性的问题在本文中，我们提出了描述疾病传播和网络一起演变的能量函数，并介绍了结构和扩散平衡的概念。我们扩展卡特赖特的结构平衡理论，并提出一个结构与扩散定理。最后，我们在完整的有符号网络上进行蒙特卡洛模拟来验证我们的定理。在实验中，我们发现符号网络在疾病传播过程中具有自我免疫力，可以用来解释隔离毒力病毒的现象。
投票事件期间增强人类在在线交互中的影响
原文标题： Influence of augmented humans in online interactions during voting events
地址： http://arxiv.org/abs/1803.08086
作者： Massimo Stella, Marco Cristoforetti, Manlio De Domenico
摘要： 绝大多数经验证据表明，在线社交动态反映了真实世界的事件。因此，理解导致在线生态系统中的社会传染的机制是预测甚至修改人类行为的基础。已经表明，这种机制之一是基于制造被称为社交机器人的自动代理军队。利用最近的意大利选举作为标志性案例研究，我们在这里提供了一个特殊类别的高影响力用户的证据，我们称之为“增强人类”。他们利用机器人来提高他们的知名度和影响力，为新闻媒体和其他广播公司提供相同程度的深度信息级联。增强的人类统一渗透到所有已确定的账户组合中，后者反映了政党和选举队伍。
“矩阵”中的生活：网络空间中的人类流动模式
原文标题： Life in the "Matrix": Human Mobility Patterns in the Cyber Space
地址： http://arxiv.org/abs/1803.08251
作者： Tianran Hu, Jiebo Luo, Wei Liu
摘要： 随着许多流行社交媒体平台中多社区设置的广泛采用，跨多个在线社区的越来越多的用户参与需要研究人员的关注。在本文中，我们介绍了网络空间和物理空间运动之间的新类比。这种类比意味着通过对在线社区的活动进行建模，以类似于位置之间的移动的方式对人类在线活动进行研究的新方式。首先，我们通过比较人类在线活动和身体动作的几个重要特性来定量验证比喻。我们的实验揭示了网空与物理空间之间的惊人相似之处。接下来，在现有物理空间人员流动方法的启发下，我们提出了一个框架来研究在线平台上的人员“流动性”。我们发现了三种有趣的在线社区用户参与模式。此外，我们的实验表明，不同流动模式的人群对网络社区也表现出不同的偏好。这项工作不仅试图更好地理解人类的在线活动，而且还打算开辟一个具有丰富内涵和应用的有前途的研究方向。
感知中国移民：移动应用程序如何提供对全球移民流量的洞察力
原文标题： Sensing the Chinese Diaspora: How Mobile Apps Can Provide Insights into Global Migration Flows
地址： http://arxiv.org/abs/1803.08256
作者： Minhui Xue, Alexandru Grigoras, Heather Lee, Keith Ross
摘要： 当今许多国家都有“以国家为中心的移动应用程序”，这些移动应用程序主要由特定国家的居民使用。这些以国家为中心的许多应用程序还包括基于位置的服务，该服务利用智能手机的API访问智能手机当前的GPS位置。在本文中，我们调查了这种以国家为中心的应用程序如何使用基于位置的服务来研究与民族和文化群体相关的散居群体。我们的方法将GPS黑客攻击，手机自动化任务工具和OCR结合起来，为海外移民生成移民统计数据。作为一个案例研究，我们将我们的方法应用于微信，微信是中国以及全球华人中极受欢迎的应用程序。使用微信，我们收集关于32个城市中国侨民的数据。我们还使用Google Places API在每个城市收集有关中国企业的数据。综合数据为近代中国侨民提供了有趣的见解，以及近年来它如何变化。
使用社交中心分数的场地建议
原文标题： Venue Suggestion Using Social-Centric Scores
地址： http://arxiv.org/abs/1803.08354
作者： Mohammad Aliannejadi, Fabio Crestani
摘要： 用户建模是向用户提供场地相关建议的一项非常重要的任务。这些建议通常基于将场地的特征与用户的偏好进行匹配，这些偏好可以从先前访问的位置收集。在本文中，我们提出了一组相关性分数来提供兴趣点的个性化建议。这些分数通过关注从他们以前访问的场所提取的不同类型的信息来为每个用户建模。特别是，我们专注于从基于位置的社会网络上提供的社交信息中提取的分数。我们对TREC上下文建议轨道数据集进行的实验表明，社交分数比基于分数的场地内容更有效。
多部分病毒传播的数学模型揭示了它们的演化潜力
原文标题： A mathematical model for the spread of multipartite viruses reveals their evolutionary potential
地址： http://arxiv.org/abs/1803.08369
作者： Eugenio Valdano, Susanna Manrubia, Sergio Gómez, Alex Arenas
摘要： 多方病毒通过令人困惑的演化策略进行复制。这些病毒将它们的基因组分成两个或多个部分，这些部分被包装在单独传播的独立粒子中。宿主共同感染完成病毒周期的要求代表了这种自适应策略的主要缺点，但其优点仍不清楚。尽管如此，多部分主义是所有已知病毒科中40％以上观察到的成功的适应性解决方案，特别是针对植物。已经在高感染复数的条件下体外描述了从单一部分向双部分病毒形式的转变，表明缺陷突变体之间的合作是朝向多部分主义的合理演化途径。在这里，我们设计了一个分区模型，通过载体介导的接触在宿主群体中传播多重病毒。我们的目标是解决哪些机制可能有利于多部门主义的生态出现和持久性。我们的分析和数值结果揭示了由病毒动力学，矢量驱动的流动性和宿主群体结构之间相互作用驱动的丰富的现象学。在我们的模型框架中，多部门主义似乎是一种由流动性驱动的成功的适应性战略，允许非分节变体禁止环境的殖民化。令人惊讶的是，这在均质接触网络中得到了推广，这与绝大多数养殖的植物模式相对应。这也符合观察到的随着农业扩张伴随而来的多部门主义的崛起。
一种使用网络传播过程的基于信任的推荐方法
原文标题： A trust-based recommendation method using network diffusion processes
地址： http://arxiv.org/abs/1803.08378
作者： Ling-Jiao Chen, Jian Gao
摘要： 已经广泛研究了各种基于评级的推荐方法，包括众所周知的协作过滤方法和一些基于网络扩散的方法，但是在提出建议时没有充分考虑社会信任关系。在本文中，我们通过将信任关系信息整合到资源再分配过程之后，提出一种名为CosRA + T的基于信任的推荐方法来为文献做出贡献。具体而言，可调参数用于在重新分配给对象之前尺度由可信用户接收的资源。有趣的是，我们为所提出的CosRA + T方法找到最佳的尺度参数以实现其最佳推荐准确性，并且在不同数据集的多个评估度量下，最优值似乎是通用的。此外，对信赖关系Epinions和FriendFeed两个真实世界评级数据集进行的广泛实验结果表明，CosRA + T在总体准确性，多样性和新颖性方面有显著提高。我们的工作通过采用多种社会网络信息资源来设计更好的推荐算法。
计数模型的局部私有贝叶斯推断
原文标题： Locally Private Bayesian Inference for Count Models
地址： http://arxiv.org/abs/1803.08471
作者： Aaron Schein, Zhiwei Steven Wu, Mingyuan Zhou, Hanna Wallach
摘要： 随着社交互动的更多方面被数字化记录，越来越需要开发保护隐私的数据分析方法。如果这样做，社会科学家将更有可能采用这些方法，而对现有方法进行微小改变。为此，我们提出了一种用于泊松分解的贝叶斯推理的一般和模块化方法，这是一种广泛的模型，其中包含社会科学中最广泛使用的一些模型。我们的方法满足本地差异隐私，确保没有单个中央服务器需要存储非私有化数据。为了制定我们的本地隐私保证，我们引入并关注有限精度的本地隐私---有限精度差异隐私的本地隐私模拟（Flood等人，2013）。我们提出了两个案例研究，一个涉及社会网络，另一个涉及文本语料库，用于测试我们的方法在不同噪声水平下形成潜在变量的后验分布的能力，并且证明我们的方法在一个“ ，其中推断如常进行，将私有化数据视为未被私有化。
在复杂网络中使用词嵌入和社区检测的词感知归纳
原文标题： Word sense induction using word embeddings and community detection in complex networks
地址： http://arxiv.org/abs/1803.08476
作者： Edilson A. Corrêa Jr., Diego R. Amancio
摘要： 词感应感应（WSI）是能够自动诱导来自语料库的词义。 WSI任务首次被提出来克服手语注释语料库在词义消歧系统中所需的局限性。尽管已经有人提出了几种诱发词义的作品，但现有系统仍然非常有限，因为它们利用结构化的，特定领域的知识源。在本文中，我们设计了一种方法，利用最近在词嵌入研究中的发现来生成上下文嵌入，其中嵌入包含关于词的语义上下文的信息。为了诱发感官，我们将一组模糊的词语建模为一个复杂的网络。在生成的网络中，如果各个上下文嵌入相似，则连接两个实例（节点）。在使用完善的社区检测方法对获得的上下文嵌入进行聚类后，我们发现所提出的方法为WSI任务提供了出色的性能。我们的方法以完全无监督的方式胜过了竞争算法和基线，并且不需要任何额外的结构化知识源。
YouTube和Pinterest上联盟营销披露的实证研究
原文标题： An Empirical Study of Affiliate Marketing Disclosures on YouTube and Pinterest
地址： http://arxiv.org/abs/1803.08488
作者： Arunesh Mathur, Arvind Narayanan, Marshini Chetty
摘要： 尽管与各种形式的互联网广告相关的披露已经确立并遵循特定的格式，但背书营销披露往往是开放式的，由个人出版商编写。由于此类营销通常作为发布商实际内容的一部分出现，因此确保其得到充分披露至关重要，因此最终用户可以将其识别为这样。在本文中，我们将关于联盟营销（一种基于代言的营销）的披露描述为在两个流行的社交媒体平台：YouTube和Pinterest上进行了描述。我们发现在两个平台上，只有约十分之一的联盟内容包含披露信息。根据我们的调查结果，我们针对联盟营销行业的各种利益相关者制定政策建议，强调社交媒体平台和附属公司如何实现更好的披露实践。
2016年美国总统大选期间Twitter上的假新闻影响
原文标题： Influence of fake news in Twitter during the 2016 US presidential election
地址： http://arxiv.org/abs/1803.08491
作者： Alexandre Bovet, Hernan A. Makse
摘要： 我们在2016年美国总统大选期间调查了Twitter上传统的，基于事实的新闻媒体对Twitter的影响。根据选举日之前五个月的1.71亿条推文的综合数据集，我们确定了3000万条推特，根据由独立事实策划的新闻媒体清单，这些推文被220万用户发送，这些推文被归类为传播假冒和极端偏见的新闻 - 检查组织，传统新闻从右到左。我们发现，这些推文中有29％传播虚假或极其偏颇的消息。我们充分刻画传播假冒和传统新闻的用户网络，并找到最有影响力的用户。与传统新闻相反，影响者主要是具有经过验证的Twitter帐户的新闻记者或新闻媒体，例如@FoxNews和@CNN，大多数虚假的新闻影响者都没有验证或删除账户。特别是，看似欺骗个人资料的帐户被发现在顶级假冒和极具偏见的影响者中。我们发现，推广（即重新推特）假冒新闻网站的三大顶级影响者是@PrisonPlanet，@RealAlexJones和@zerohedge，并重新发布极具偏见的新闻网站是@realDonaldTrump，@DailyCaller和@BreitbartNews。为了理解假新闻在总统选举期间如何影响Twitter的意见，我们对影响者的活动时间序列与每位总统候选人的支持者进行了格兰杰因果检验：特朗普和克林顿。揭示了两种不同的新闻传播机制：（i）传播传统中心和左倾新闻的影响者主要决定（格兰杰原因）克林顿支持者的意见。 （ii）值得注意的是，这一假设与假新闻相反：特朗普的支持者的看法主要是格兰杰 - 导致影响者传播虚假和极端偏见的消息。
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。
