- 假新闻网站的兴衰：流量分析;
- 基于模块性优化网络边集以产生事实社区;
- 通过联系追踪网络识别大流行的隐藏传播者;
- 单路和多路网络上的扩散动力学：一种消息传递方法;
- 通过文献计量分析揭示硕士学位的研究前景;
- 剂量响应函数方法检测时态网络数据中的传播过程：在哥本哈根网络研究中探索社会传染;
- 基于多模糊约束强仿真的社会群体查询;
- 图像在社交媒体中声称分析的作用;
- 是否应扩大联邦科学的无穷疆域？;
- 使用概率估计方法的高速网络中的拥塞控制;
- NetVec：可扩展的超图嵌入系统;
- 感染渗流：疾病传播的动态网络模型;
- TNM：一种从Git存储库中挖掘社会技术数据的工具;
假新闻网站的兴衰：流量分析
原文标题： The Rise and Fall of Fake News sites: A Traffic Analysis
地址： http://arxiv.org/abs/2103.09258
作者： Manolis Chalkiadakis, Alexandros Kornilakis, Panagiotis Papadopoulos, Evangelos P. Markatos, Nicolas Kourtellis
摘要： 在过去的十年中，我们目睹了互联网上错误信息的泛滥，在线用户不断成为假新闻的受害者。过去的许多研究都分析了假新闻传播机制以及检测和缓解技术。但是，关于它们的操作行为仍然存在未解决的问题，例如：假新闻网站的历史如何？他们通常会长时间上网吗？这样的网站是否彼此同步其上下时间？他们会随着时间分享相似的内容吗？哪些第三方支持其运营？与主流或真实新闻网站相比，它们吸引了多少用户流量？在本文中，我们进行了首次调查，以回答有关假新闻网站在线存在的此类问题，并比较其与真实新闻网站的行为特征。根据我们的发现，我们构建了与内容无关的ML分类器，用于自动检测尚未包含在人工策划的黑名单中的虚假新闻网站（即准确性）。
基于模块性优化网络边集以产生事实社区
原文标题： Optimizing Edge Sets in Networks to Produce Ground Truth Communities Based on Modularity
地址： http://arxiv.org/abs/2103.09351
作者： Daniel Kosmas, John E. Mitchell, Thomas C. Sharkey, Boleslaw K. Szymanski
摘要： 我们考虑了有关边添加或删除对网络中分区（或社区结构）的模块化影响的两个新问题。第一个问题试图添加边以强制要求的分区是最大化模块化的分区。第二个问题是寻找与原始网络具有最大模块化的相同分区的网络的最稀疏表示。我们提出整数编程公式，行生成算法和启发式算法来解决这些问题。此外，我们展示了模块化的违反直觉的行为，这使得通用网络的启发式方法难以开发。然后，我们介绍从文献中选择的社会网络和非法网络的结果。
通过联系追踪网络识别大流行的隐藏传播者
原文标题： Identify Hidden Spreaders of Pandemic over Contact Tracing Networks
地址： http://arxiv.org/abs/2103.09390
作者： Shuhong Huang (1), Jiachen Sun (2), Ling Feng (3 and 4), Jiarong Xie (5), Dashun Wang (6), Yanqing Hu (5) ((1) Institute of Neuroscience, Technical University of Munich, Munich, Germany, (2) MIT Center for Collective Intelligence, Cambridge, MA, USA, (3) Institute of High Performance Computing, A*STAR, Singapore, (4) Department of Physics, National University of Singapore, Singapore, (5) School of Data and Computer Science, Sun Yat-sen University, Guangzhou, China, (6) Kellogg School of Management, Northwestern University, Evanston, IL, USA)
摘要： 全球COVID-19感染病例激增，对社会和经济均造成破坏。造成持续蔓延的关键因素是存在大量无症状或隐蔽的传播者，它们在易感人群中混合而未被发现或隔离。在这里，我们提出了一种有效的非药物干预方法，用于检测接触者追踪网络中的无症状传播者，并在新加坡的经验性COVID-19传播网络中进行了验证。我们发现，使用纯物理扩展方程式，可以以非常高的精度识别出COVID-19的隐藏扩展器。具体而言，基于COVID-19传播动力学的独特特征，我们提出了一个计算框架，该框架刻画了网络中不同感染状态之间的转移概率，并将其扩展为识别渐近个体的有效算法。我们的仿真结果表明，使用我们的预测的筛选方法优于机器学习算法，例如图神经网络被设计为这项工作的基线，并随机筛选了中国在其早期暴发中广泛使用的感染最密切的接触者。此外，即使合同跟踪网络的信息不完整，我们的方法也可以提供高精度。我们的工作对于COVID-19的非药物干预至关重要，特别是随着使用各种新技术的接触者追踪方法的采用日益增多。除COVID-19以外，我们的框架还可用于其他以无症状传播为特征的流行病
单路和多路网络上的扩散动力学：一种消息传递方法
原文标题： Dynamics of diffusion on monoplex and multiplex networks: A message-passing approach
地址： http://arxiv.org/abs/2103.09417
作者： Teruyoshi Kobayashi, Tomokatsu Onaga
摘要： 少数人采用的新思想和新技术偶尔会通过复杂的社会联系网络在全球范围内传播。在这里，我们提出了一种简单而通用的近似方法，即消息传递方法，该方法使我们能够以几乎精确的方式描述复杂网络上的扩散过程。我们考虑两种类型的二元博弈，其中针对个体玩家的最佳纯策略被定义为阈值规则的一种变体。我们表明，通过信息传递方程可以精确地复制在合成网络上观察到的扩散动力学，该方程的固定点对应于纳什均衡。相反，平均场法往往会高估扩散的大小和频率。我们扩展了框架，以分析其中社交互动发生在多层中的多元网络。
通过文献计量分析揭示硕士学位的研究前景
原文标题： Revealing the research landscape of Master's degrees via bibliometric analyses
地址： http://arxiv.org/abs/2103.09431
作者： Nathalia Chaparro, Sergio Rojas-Galeano
摘要： 与许多其他人类机构一样，硕士课程的演变可以看作是一个自组织系统，其基础结构和动力主要来自其师生的相互作用。识别这些隐藏的属性可能不是一件容易的事，因为这种演化中隐含着复杂的行为。尽管如此，我们认为该计划的研究成果（主要由论文代表）可以达到这一目的。此类数据的文献计量分析可以揭示有关生产增长，协作网络以及已建立，特定位置和新兴研究主题的可视化映射等方面的见解。因此，我们提出了一个文献计量工作流，旨在发现硕士学位的发展过程中的生产动态以及概念，社会和智力结构，以指导决策者更好地评估计划的优势并优先考虑战略目标。此外，我们报告了两个案例研究，以说明所提出的工作流程的实现。最后，我们考虑了该方法在其他学术研究单位中的可能应用。
剂量响应函数方法检测时态网络数据中的传播过程：在哥本哈根网络研究中探索社会传染
原文标题： Dose-response function approach for detecting spreading processes in temporal network data: Exploring social contagion in the Copenhagen Networks Study
地址： http://arxiv.org/abs/2103.09496
作者： Jonathan F. Donges, Jakob Lochner, Jobst Heitzig, Niklas Kitzmann, Sune Lehmann, Marc Wiedermann, Jürgen Vollmer
摘要： 网络上的传播或复杂的传染过程是在复杂的社会，生态和技术系统中引发动力学和其他非线性现象的重要机制基础。现在越来越多的时间网络数据可用于研究行为，观点，思想，疾病，创新或技术的传播过程，并检验关于其特定属性的假设。为此，我们在此提出一种基于剂量反应函数和使用替代数据集进行假设检验的方法。我们演示了这种方法，用于由自适应投票者模型生成的合成时态网络数据。此外，我们将其应用于哥本哈根网络研究的经验时态网络数据。该数据集提供了在三个月内参与研究的大学生之间的身体紧密接触的网络。我们在此网络上研究了与健康有关的行为（“定期去适应度室”）的潜在传播动力学。基于替代数据模型的层次结构，我们发现经验数据既未提供剂量响应型网络传播过程影响的重要证据，也未提供同质性的重要证据。锻炼行为的经验动力学可能通过个体特征来更好地描述，例如对行为的倾向，保持行为的持久性以及影响整个群体的外部影响以及非平凡的网络结构。所提出的方法是通用的，并且有望应用于其他数据集和感兴趣的特征。
基于多模糊约束强仿真的社会群体查询
原文标题： Social Group Query Based on Multi-fuzzy-constrained Strong Simulation
地址： http://arxiv.org/abs/2103.09497
作者： Guliu Liu, Lei Li, Guanfeng Liu, Xindong Wu
摘要： 传统的社会群体分析通常使用交互模型，事件模型或其他方法来识别和区分群体。这种类型的方法可以根据社交参与者的地理位置，社交关系和/或相关事件将其分为不同的组。但是，在某些应用程序中，有必要对成员以及组中成员之间的交互进行更具体的限制。通常，使用图模式匹配（GPM）解决此问题。但是，现有的GPM方法很少考虑节点和边的丰富上下文信息来衡量成员之间的可信度。本文提出了一种社会群体查询问题，该问题需要考虑群体成员之间的信任。为解决这一问题，我们在探索模式节点拓扑有序序列的基础上，提出了一种强仿真GPM算法（NTSS）。针对NTSS算法在将模式图与度数为零的多个节点进行匹配时效率低下以及针对多个匹配子图共享的匹配边重复计算的问题，提出了两种优化策略。最后，我们在实际应用中对四个社会网络数据集进行了NTSS算法和具有优化策略的算法的有效性和效率的验证实验。实验结果表明，NTSS算法明显优于现有的多约束GPM算法，并且结合了两种优化策略的NTSS_Inv_EdgC算法大大提高了NTSS算法的效率。
图像在社交媒体中声称分析的作用
原文标题： On the Role of Images for Analyzing Claims in Social Media
地址： http://arxiv.org/abs/2103.09602
作者： Gullal S. Cheema, Sherzod Hakimov, Eric Müller-Budack, Ralph Ewerth
摘要： 假新闻是社交媒体中的一个严重问题。在本文中，我们针对索赔，索赔检查价值和共谋检测等任务的视觉，文本和多模式模型进行了实证研究，所有这些都与虚假新闻检测有关。最近的工作表明，图像比文字更具影响力，并且经常与假文字一起出现。为此，近年来提出了几种多模式模型，这些模型使用图像和文本来检测社交媒体网站（如Twitter）上的虚假新闻。但是，对于索赔检测，尤其是使用基于变压器的文本模型和多峰模型，图像的作用还没有得到很好的理解。我们调查了两种语言的四个不同数据集的图像，文本（基于变压器）和多模式信息的最新模型，以理解图像在索赔和共谋检测任务中的作用。
是否应扩大联邦科学的无穷疆域？
原文标题： Should the Endless Frontier of Federal Science be Expanded?
地址： http://arxiv.org/abs/2103.09614
作者： David Baltimore, Robert Conn, William H Press, Thomas Rosenbaum, David N Spergel, Shirley M Tilghman, Harold Varmus
摘要： 如果拟议中的名为《无尽边界法》的法律成为法律，则美国的科学研究可能会获得联邦拨款的大幅增加，在五年内达到1000亿美元。这项两党制和两院制的法案是由参议员Chuck Schumer（D-NY）和Todd Young（R-IN）以及国会议员Ro Khanna（D-CA）和Mike Gallagher（R-WI）于2020年5月提出的，旨在扩大由美国国家科学基金会（NSF）资助物理科学，工程和技术，并成立了一个新的技术局，专门研究以使用为灵感的研究。除了保护NSF当前任务的规定外，新拨款的至少15％将用于增强NSF的基础科学资产。 《无边疆法》为提高美国研究企业的广度和财务支持提供了难得的机会。在本文中，我们考虑了拟议立法的好处和责任，并提出了可以进一步加强立法的建议。
使用概率估计方法的高速网络中的拥塞控制
原文标题： Congestion control in high-speed networks using the probabilistic estimation approach
地址： http://arxiv.org/abs/2103.09639
作者： Shahram Jamali, Mir Mahmoud Talebi, Reza Fotohi
摘要： 如今，大量的Internet通信使用TCP协议进行可靠的传输。但是标准TCP在高速网络（HSN）中的性能非常差，因此核心千兆字节链接通常未得到充分利用。此问题的根源在于TCP的保守性，尤其是在其加性，乘性，减性（AIMD）阶段。换句话说，由于TCP不能精确地确定网络的拥塞状况，因此它遵循保守的策略来防止网络不堪重负。我们认为，通过在网络中进行精确的拥塞估计可以避免不必要的保护，从而解决此问题。为此，本文提出了一种综合考虑丢包和时延信息的算法，并采用一种概率方法来准确估计网络中的拥塞状况。为了检查所提出的方案性能，已经在NS-2环境中进行了广泛的仿真。仿真结果表明，该算法在瓶颈利用率，稳定性，吞吐量和公平性方面都比现有算法具有更好的性能。
NetVec：可扩展的超图嵌入系统
原文标题： NetVec: A Scalable Hypergraph Embedding System
地址： http://arxiv.org/abs/2103.09660
作者： Sepideh Maleki, Dennis P. Wall, Keshav Pingali
摘要： 使用图嵌入可以解决许多问题，例如网络数据中的顶点分类和链路预测，并且已知许多算法可以构建这种嵌入。但是，很难使用图来刻画非二进制关系，例如顶点社区。这些复杂的关系更自然地表示为超图。虽然超级图是图的概括，但是最新的图嵌入技术不足以在合理的时间内准确地解决大型超图上的预测和分类任务。在本文中，我们介绍了NetVec，这是一种用于可伸缩的无监督超图嵌入的新型多级框架，可以与任何图嵌入算法结合使用，以在几分钟内生成具有数百万个节点和超边的超图嵌入。
感染渗流：疾病传播的动态网络模型
原文标题： Infection percolation: A dynamic network model of disease spreading
地址： http://arxiv.org/abs/2103.09691
作者： Christopher A. Browne, Daniel B. Amchin, Joanna Schneider, Sujit S. Datta
摘要： 疾病传播模型对于预测人群的感染增长和评估公共卫生政策至关重要。但是，标准模型通常使用宏观参数来代表个体之间疾病传播的动力学，而宏观参数不能准确地代表人与人之间的差异。为理解决这个问题，我们提出了一个动态网络模型，该模型提供了一种直接的方法来合并个体规模的疾病传播动态以及人群规模的完整时空感染史。我们发现疾病通过传播的传播波通过社会网络传播，然后是恢复的传播波，传播的发生和动态取决于疾病传播和恢复之间的相互作用。我们利用这些见解来开发可扩展的理论，该理论可预测各种疾病和人群的感染动态。此外，我们展示了在易感性方面的空间异质性如何加剧或遏制疾病的传播，具体取决于其传染性。最终，我们的动态网络方法提供了一种简单的方法来模拟疾病传播，从而统一了先前的发现，并可以推广到各种疾病，遏制策略，季节性条件和社区结构。
TNM：一种从Git存储库中挖掘社会技术数据的工具
原文标题： TNM: A Tool for Mining of Socio-Technical Data from Git Repositories
地址： http://arxiv.org/abs/2103.09766
作者： Nikolai Sviridov, Mikhail Evtikhiev, Vladimir Kovalenko
摘要： 工程师之间的协作网络反映在版本控制系统（VCS）中开发人员活动的痕迹中。对于从事社会技术分析的研究人员和从业人员，从Git存储库中提取数据是一项基本任务，但需要大量的工程工作。随着人们对分析社会技术数据并将其应用于实践的兴趣日益浓厚，没有灵活，易于重用的工具可以从VCS检索社会技术信息。由于没有通用的可重用工具包来完成此任务，因此挖掘的负担将研究人员的注意力从他们的核心研究问题转移了出来。在本文中，我们介绍了TNM-一种用于从Git存储库中挖掘社会技术数据的开源工具。 TNM快速，灵活且易于扩展。 TNM可在GitHub上找到：https：//github.com/JetBrains-Research/tnm
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。
