- 双曲网络的固有社区结构;
- 二部混合成员随机块模型;
- 相互依赖和互连的多路网络上的k核渗透;
- 紧急疏散中帮助行为的博弈论建模;
- 在线广告中的用户响应预测;
- SDGNN：学习符号有向网络的节点表示;
- 复杂系统中的机器学习拆卸和瓦解预警信号;
- 解耦同质性、社区结构和网络中的三角闭合;
- 在印度COVID19锁定期间分析电视转播的响应;
- 众筹真的能促进创新吗？来自棋盘游戏行业的证据;
- 性别不平衡和公民科学项目贡献的时空模式：人畜共患病的案例;
双曲网络的固有社区结构
原文标题： The inherent community structure of hyperbolic networks
地址： http://arxiv.org/abs/2101.02249
作者： Bianka Kovács, Gergely Palla
摘要： 双曲模型提供了一种出色的方法来利用随机图来掌握实际网络的相关统计特征，该方法以将节点放置在低维双曲空间中以及将节点对与双曲相关的概率连接为中心距离。众所周知，这些模型可以同时生成小图，高度聚类和无标度的随机图。因此，再现了真实网络的最基本的共同特征。在当前的工作中，我们关注于一个不太知名的属性，即流行度相似度优化（PSO）模型和该模型族的 mathbb S ^ 1 / mathbb H ^ 2 模型，即这些方法生成的网络还包含用于广泛参数的社区，这当然不是模型设计的目的。我们使用完善的社区发现方法（例如Louvain，Infomap和标签传播）从研究的网络中提取社区。观察到的高模块化值表明，在某些条件下，群落结构会变得非常明显。此外，通过不同算法找到的模块显示出良好的一致性，这意味着它们确实是相关且明显的结构单元。由于社区的出现在代表真实系统的网络中也很常见，因此双曲线模型的这一特性使它们比以前想象的更适合描述真实的网络。
二部混合成员随机块模型
原文标题： Bipartite mixed membership stochastic blockmodel
地址： http://arxiv.org/abs/2101.02307
作者： Huan Qing, Jingli Wang
摘要： 近年来，在网络分析中已经很好地研究了无向网络的混合成员关系问题。然而，针对有向网络的混合成员身份的更一般情况仍然是一个挑战。在这里，我们提出了一个可解释的模型：针对有向混合成员网络的两部分混合成员随机块模型（简称BiMMSB）。 BiMMSB允许邻接矩阵的行节点和列节点可以不同，并且这些节点在有向网络中可以具有不同的社区结构。我们还开发了一种称为BiMPCA的高效谱算法，以估算有向网络中行节点和列节点的混合成员资格。我们表明，该方法在BiMMSB下是渐近一致的。我们将BiMMSB的优势应用于小型仿真研究，有向政治博客网络和论文引用网络中。
相互依赖和互连的多路网络上的k核渗透
原文标题： k-core percolation on interdependent and interconnected multiplex networks
地址： http://arxiv.org/abs/2101.02335
作者： Kexian Zheng, Ying Liu, Yang Wang, Wei Wang
摘要： 许多现实世界的网络耦合在一起以维持其正常功能。在这里，我们研究在k核渗透下具有相互依赖和互连的链路的多路网络的鲁棒性，其中，当节点连接到小于k个邻居的阈值时，该节点将发生故障。通过推导自洽方程，我们分析了关键的阈值和巨型组件的大小等重要的利益量，并通过数值模拟验证了理论结果。我们在调整层间耦合强度时发现了丰富的相变现象。具体而言，在ER-ER多路网络中，随着耦合强度的增加，每一层中的巨分量的大小首先经历一阶跃迁，然后经历二阶跃迁，最后经历一阶跃迁。这是由于同时具有连接性和依赖性的层间链接的性质所致。如果对初始健壮网络的依赖性很强，则系统会更健壮；如果对初始受攻击网络的依赖性很强，则系统会更加脆弱。这些影响甚至在级联过程中被放大。当将我们的模型应用于SF-SF复用网络时，过渡类型会改变。仅当两层的相互耦合非常强时，系统才首先经历一阶相变，而在其他条件下则经历二阶相变。
紧急疏散中帮助行为的博弈论建模
原文标题： Game theoretic modeling of helping behavior in emergency evacuations
地址： http://arxiv.org/abs/2101.02250
作者： Jaeyoung Kwak, Michael H. Lees, Wentong Cai, Ahmad Reza Pourghaderi, Marcus E.H. Ong
摘要： 我们研究了在房间疏散情况下的集体帮助行为，在这种情况下，两名志愿者需要营救受伤的人。我们提出了一种博弈论模型来研究在救助受伤人员方面的合作演变。我们认为存在坚定的志愿者，他们不会改变其决定帮助受伤者的决定。有了志愿服务的志愿者，所有的受伤人员都可以根据收益参数得到救助。相反，没有自愿的志愿者，在大多数情况下都无法挽救所有受伤的人，因为有些孤独的志愿者甚至在诱惑收益很低的情况下也常常找不到同伴。我们已经量化了各种集体帮助行为，并通过相图总结了这些集体模式。在紧急疏散的情况下，我们的研究强调了致力于志愿者对集体帮助行为的至关重要。
在线广告中的用户响应预测
原文标题： User Response Prediction in Online Advertising
地址： http://arxiv.org/abs/2101.02342
作者： Zhabiz Gharibshah, Xingquan Zhu
摘要： 在线广告作为一个广阔的市场，已在搜索引擎，第三方网站，社交媒体和移动应用程序等各种平台中引起了广泛关注。在线广告活动的繁荣是在线营销中的一个挑战，通常通过用户通过不同指标（例如广告（ad）广告的点击，产品订阅，商品购买或通过在线调查获得的明确反馈）的响应来评估。近年来，使用计算方法（包括机器学习方法）进行用户响应预测的研究数量显著增加。然而，现有文献主要集中在算法驱动的设计上以解决特定的挑战，并且没有全面的综述来回答许多重要的问题。在线数字广告生态系统涉及哪些各方？哪些类型的数据可用于用户响应预测？如何以可靠和/或透明的方式预测用户响应？在本次调查中，我们对在线广告和相关推荐程序中的用户响应预测进行了全面回顾。我们的基本目标是全面理解在线广告平台，利益相关者，数据可用性以及用户响应预测的典型方式。我们提出了一种分类法，以对最新的用户响应预测方法进行分类，主要集中在不同在线平台上使用的机器学习方法的最新进展。此外，我们还将在现场审查用户响应预测，基准数据集和开源代码的应用。
SDGNN：学习符号有向网络的节点表示
原文标题： SDGNN: Learning Node Representation for Signed Directed Networks
地址： http://arxiv.org/abs/2101.02390
作者： Junjie Huang, Huawei Shen, Liang Hou, Xueqi Cheng
摘要： 网络嵌入旨在将网络中的节点映射为低维向量表示。图神经网络（GNN）受到了广泛的关注，并导致了学习节点表示方面的最新性能。但是，大多数GNN仅在没有正向链接的无符号网络中工作。将这些模型转移到有符号的有向网络并不是一件容易的事，在现实世界中人们普遍观察到这种网络，但研究较少。在本文中，我们首先回顾两种基本的社会学理论（即地位理论和平衡理论），然后对现实世界的数据集进行实证研究，以分析有向有向网络中的社会机制。在相关的社会学理论的指导下，我们提出了一种新颖的符号有向图神经网络模型SDGNN，以学习符号有向网络的节点嵌入。所提出的模型同时重建链接符号，链接方向和带符号的有向三角形。我们在五个现实世界的数据集上验证了模型的有效性，这些数据集通常用作符号网络嵌入的基准。实验表明，提出的模型优于现有模型，包括基于特征的方法，网络嵌入方法和几种GNN方法。
复杂系统中的机器学习拆卸和瓦解预警信号
原文标题： Machine learning dismantling and early-warning signals of disintegration in complex systems
地址： http://arxiv.org/abs/2101.02453
作者： Marco Grassia, Manlio De Domenico, Giuseppe Mangioni
摘要： 从物理学到工程学，生物学和社会科学，自然系统和人工系统的特点是相互连接的拓扑结构，这些拓扑结构的特征（例如异构连接，中尺度组织，层次结构）会影响其对外部干扰的鲁棒性，例如对单元的有针对性的攻击。确定要攻击以分解复杂网络的最小单元集，即网络拆卸，是一个计算难题（NP难题）的问题，通常使用启发式方法进行攻击。在这里，我们表明，经过培训可拆卸较小系统的机器能够识别高阶拓扑模式，从而比基于人的启发式方法更有效地分解大规模的社会，基础设施和技术网络。值得注意的是，该机器评估了下次攻击将使系统崩溃的可能性，从而提供了一种定量方法来量化系统风险并检测系统崩溃的预警信号。这表明，机器辅助分析可以有效地用于政策和决策制定，以更好地量化复杂系统的脆弱性及其对冲击的响应。
解耦同质性、社区结构和网络中的三角闭合
原文标题： Disentangling homophily, community structure and triadic closure in networks
地址： http://arxiv.org/abs/2101.02510
作者： Tiago P. Peixoto
摘要： 网络的同质性，相似节点的连接趋势以及两个节点共享一个公共邻居时两个节点被连接的趋势是网络分析中的混杂属性，因为一种机制可以驱动另一种机制。在这里，我们介绍了一个生成模型和相应的推理过程，能够区分两种机制。我们的方法基于随机块模型（SBM）的变化，其中增加了三重封闭边，其推论可以确定造成网络中每个边存在的最合理机制，以及潜在的社区结构本身。我们展示了该方法如何能够避免仅由网络中三角形的形成所导致的虚假社区的检测，以及与没有三元闭包的纯SBM版本相比，如何可以提高链路预测的性能。
在印度COVID19锁定期间分析电视转播的响应
原文标题： Analyzing the response to TV serials retelecast during COVID19 lockdown in India
地址： http://arxiv.org/abs/2101.02628
作者： Sandeep Ranjan
摘要： 电视连续剧是娱乐的流行来源。正在进行的COVID19锁定很可能降低公众的心理健康。 2020年3月28日至2020年7月31日，印度政府开始在公共广播公司Doordarshan上转播去年流行的电视连续剧。挖掘与Doordarshan主题标签对应的推文以创建数据集。该实验旨在通过计算推文数据集的情感评分来分析公众对电视连续剧转播的反应。数据集的平均情绪得分为0.65，在正面推文中占64.58％的高份额，表明已接受Doordarshans的转播决策。情绪分析结果也反映了公众的积极心态。
众筹真的能促进创新吗？来自棋盘游戏行业的证据
原文标题： Does Crowdfunding Really Foster Innovation? Evidence from the Board Game Industry
地址： http://arxiv.org/abs/2101.02683
作者： Johannes Wachs, Balazs Vedres
摘要： 众筹为发明者和企业家提供了其他资源，使他们可以发展和实现他们的想法。除了帮助获得资金外，众筹还可以将创作者与提供早期反馈的敬业早期支持者联系起来。但是，这个过程是否会带来真正的创新成果？一个行业中的众筹是否激增，使其整体更具创新性？先前的调查众筹与创新之间联系的研究并未将传统产品与众筹产品进行比较，因此尽管声称众筹在理论上支持创新是合理的，但它们缺乏经验支持。我们使用独特的棋盘游戏数据集来解决这一差距，这是近年来从事大量众筹活动的行业。每个游戏的描述方式都在于结合了掷骰子，谈判和资源管理等基本机制，从中我们可以开发出量化的游戏设计创新指标。使用这些衡量标准来比较游戏，我们发现众筹游戏比以前的游戏与传统游戏相比更具特色。他们还更有可能实施新颖的机制组合。众筹游戏不只是短暂的实验：后续的游戏模仿了他们的新想法。这些结果包含在控制游戏和设计师级别混杂因素的回归模型中。我们的研究结果表明，随着新的想法溢出到传统上受资助的产品中，众筹的创新潜力已从单个产品扩展到整个行业。
性别不平衡和公民科学项目贡献的时空模式：人畜共患病的案例
原文标题： Gender Imbalance and Spatiotemporal Patterns of Contributions to Citizen Science Projects: the case of Zooniverse
地址： http://arxiv.org/abs/2101.02695
作者： Khairunnisa Ibrahim, Samuel Khodursky, Taha Yasseri
摘要： 公民科学是由专业科学家和公众共同进行的研究。尽管公民科学对于科学的发展和公民科学家的社区都有许多好处，但仍然没有关于贡献模式以及对公民科学项目的贡献者的人口统计学的全面知识。在本文中，我们通过分析来自198个国家的34万多名公民科学志愿者，最大的公民科学平台之一的Zooniverse提供的5400万种分类，对公民科学劳动力的时空分布和性别分布进行了初步概述。首先，我们报告公民科学家的地理分布不均，并根据社会经济条件以及每个国家的研究投资水平，对国家之间的差异进行建模。通过分析贡献的时间特征，我们报告了参与实例的高“突发性”，以及公民科学家最活跃的一天中暗示的参与的悠闲性质。最后，我们讨论了公民科学家（大约30％的女性）中的性别失衡，并将其与其他合作项目以及更正式的科学活动中的性别分布进行了比较。公民科学项目需要学术界外部的进一步关注，我们的发现可以帮助吸引公共和私人利益相关者的注意力，并为平台设计和科学政策制定流程提供信息。
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。
