- 电子音乐的精英、社区和好处有限的指导;
- 相变用于探测随机图潜在几何;
- RLINK：深度强化学习用于用户身份连接;
- 从Transformer到假新闻态势检测挑战（FNC-1）任务迁移学习;
- 图扰动的可认证稳健性;
- 机器学习方法通过Facebook墙检测用户的可疑行为;
- 复发平均不平等、意见形成和分布式算法;
- 半监督共同嵌入属性网络;
- 竞争的活动家——政治两极化;
- 提高在线社会网络的稳健性：网络干预的模拟方法;
- 哪些因素会影响Facebook新闻文章参与？;
电子音乐的精英、社区和好处有限的指导
原文标题： Elites, communities and the limited benefits of mentorship in electronic music
地址： http://arxiv.org/abs/1908.10968
作者： Milan Janosov, Federico Musciotto, Federico Battiston, Gerardo Iñiguez
摘要： 而在创意行业，如音乐成功的出现，已被广泛研究，个人的成功与合作之间的关系还没有完全揭开。在这里，我们的目标是通过对出现在DJ杂志年度百强排名流行的电子音乐艺术家的共同释放和辅导模式分析纵向数据来填补这一空白。我们发现，虽然这种流行度的排名榜单公布100名中，只有排名前20位是稳定的随着时间的推移，展示锁定在电子音乐精英的作用。基于顶级音乐大师的时间共发行网络，我们提取一个多元化的社会结构表征电子音乐产业。这些组艺人在时间上分离，围绕著名音乐家依次形成，并代表音乐风格的变化。我们发现，音乐社区的形成背后的主要驱动力是辅导：进入前100名音乐家的一半左右已被当前的领军人物辅导他们进入了列表中。我们还发现，学弟学妹不可能打入前20名，但比那些谁没有指导的更高期望最好的行列。这意味着，导师帮助人才上涨，但成为一个全明星的时间需要更多。我们的研究结果提供深入了解电子音乐的成功与合作的交织作用，突出塑造在电子音乐的形成和艺术精英景观的机制。
相变用于探测随机图潜在几何
原文标题： Phase Transitions for Detecting Latent Geometry in Random Graphs
地址： http://arxiv.org/abs/1910.14167
作者： Matthew Brennan, Guy Bresler, Dheeraj Nagaraj
摘要： 与潜在的几何结构随机图是社会和生物网络的热门机型，其应用范围从网络用户分析电路设计。这些图是内计算机科学，概率统计纯理论的兴趣也。关于这些模型的一个基本最初的问题是：是受了它们内在的几何形状和当这些随机图时，他们是从简单的模式，没有潜在的结构，如艾尔德 ^ h Ø SR 区分'E纽约摄影图 mathcal G（N，p）？我们解决了两个潜伏几何随机图的最充分研究的模型的这个问题 - 随机路口和随机几何图。我们的结果如下：（1）证明了所述随机相交曲线图中总的变化收敛到 mathcal G（N，P）当 d = 波浪号欧米加（N ^ 3），并且不如果 D = O（N ^ 3），解决填充等人的公开的问题。 （2000），Rybarczyk（2011）和Kim et al。 （2018）; （2）我们提供在其下的组随机家族的交叉点尺寸的基质中总的变化收敛到具有独立泊松条目的对称矩阵的条件下，得到为 tau蛋白 -random相交图表来 第一总变化收敛结果mathcal G（N，p）;和（3），我们表明，在 mathbb S ^随机几何图表D - 1 与边密度 P 在总偏差收敛到 mathcal G（N，P）当 d = 波浪号欧米加 左（分钟 PN ^ 3，p ^ 2 N ^ 7/2 右），得到朝Bubeck等人的猜测第一进展。 （2016）。第一这些三种结果通过Bubeck，RACZ和里奇同时且独立地获得。
RLINK：深度强化学习用于用户身份连接
原文标题： RLINK: Deep Reinforcement Learning for User Identity Linkage
地址： http://arxiv.org/abs/1910.14273
作者： Xiaoxue Li, Yanan Cao, Yanmin Shang, Yangxi Li, Yanbing Liu, Jianlong Tan
摘要： 用户身份联动是承认在不同的社会网络（SN）同一用户的身份的任务。以前的作品通过不同SN估计身份之间的配对相似性，预测身份对的标签或选择基于相似性得分最相关的身份对解决这个问题。然而，这些方法大多忽略了先前匹配的身份，这可以在下面的匹配步骤有助于联动的结果。为了解决这个问题，我们把用户的身份联系到一个序列决策问题，并提出了强化学习模型，从全球的角度优化联动战略。我们的方法充分利用双方的社会网络结构和历史相匹配的身份，并探讨了电流匹配的后续决策的长期影响。我们进行了不同类型的数据集的实验，结果表明，该方法实现了比其他国家的最先进的方法更好的性能。
从Transformer到假新闻态势检测挑战（FNC-1）任务迁移学习
原文标题： Transfer Learning from Transformers to Fake News Challenge Stance Detection (FNC-1) Task
地址： http://arxiv.org/abs/1910.14353
作者： Valeriya Slovikovskaya
摘要： 在本文中，我们提出改进的假新闻挑战赛第1阶段（FNC-1）的姿态检测任务的结果。该增益性能是由于基于变压器的架构，发明，培养，并公开在过去的两年中释放大量的语言模型的泛化能力。具体（1），我们改进了FNC-1表现最好的模型添加输入序列的BERT句嵌入作为模型的特征，（2），我们微调BERT，XLNet和罗伯塔变压器上FNC 1种扩展数据集和所获得的国家的在FNC-1任务-The艺术效果。
图扰动的可认证稳健性
原文标题： Certifiable Robustness to Graph Perturbations
地址： http://arxiv.org/abs/1910.14356
作者： Aleksandar Bojchevski, Stephan Günnemann
摘要： 尽管在图中的神经网络的爆炸性的兴趣出现了什么努力来验证和改善他们的鲁棒性。这是表明他们是极其脆弱的两个图结构和节点属性对抗性攻击更加惊人鉴于最近的调查结果。我们提出用于验证认证的（非）的鲁棒性曲线图扰动用于一般类的模型，其包括图神经网络和标签/特征传播的第一种方法。通过利用对PageRank和马氏决策连接处理我们的证书可以高效地（在许多威胁模型完全一致）来计算。此外，我们研究了强大的培训程序，提高certifiably稳健的节点数量，同时保持或提高清洁预测的准确性。
机器学习方法通过Facebook墙检测用户的可疑行为
原文标题： A machine-learning approach to Detect users' suspicious behaviour through the Facebook wall
地址： http://arxiv.org/abs/1910.14417
作者： Aimilia Panagiotou, Bogdan Ghita, Stavros Shiaeles, Keltoum Bendiab
摘要： Facebook的代表的社交媒体当前事实上的选择，变化的社会关系的性质。通过这一平台上运行的个人信息越来越多公开暴露用户行为和社会趋势，让数据的聚集通过传统的情报搜集技术，如OSINT（开源情报）。在本文中，我们提出了一种新的方法来检测，并通过开源智能（OSINT）和机器学习技术诊断整体的Facebook用户心理的变化。我们用正奥运会的图表，随着时间的过去表现出明显的变化，通过长期有效的收集汇总用户的情绪和观点的谱。我们推测，该方法可以通过安全组织来理解和评估用户的心理，然后利用这些信息来预测内部威胁或防止内部攻击。
复发平均不平等、意见形成和分布式算法
原文标题： Recurrent averaging inequalities, opinion formation and distributed algorithms
地址： http://arxiv.org/abs/1910.14465
作者： Anton V. Proskurnikov, Giuseppe Calafiore, Ming Cao
摘要： 迭代求平均值的模型构成通过网络的一个重要和广泛研究类的离散时间的动力系统。在这样的模型中，网络的每个节点相关联的值（或意见），其被更新时，在每次迭代中，对自身的凸组合和相邻节点的意见。众所周知的是，在网络上的图连接自然假设，这个地方平均程序最终导致在所有节点的意见，达成全球共识。迭代平均的想法其实谎言在分布式优化很多算法的心脏，线性和非线性方程，多智能体协调和社会群体意见形成的解决方案。虽然这些算法具有类似的结构，用于其分析的数学技术是多方面的，以及它们的收敛性和稳定性的条件不同于情况而定。我们发现在本文认为这种算法的性能可以以统一的方式通过使用基于递归平均不等式（RAI）一种新型的工具进行分析。在本文中，我们开发了RAI理论，并将其应用到的最近在文献中提出了几个重要的多主体算法和观点形成模型分析。
半监督共同嵌入属性网络
原文标题： Semi-supervisedly Co-embedding Attributed Networks
地址： http://arxiv.org/abs/1910.14491
作者： Zaiqiao Meng, Shangsong Liang, Jinyuan Fang, Teng Xiao
摘要： 深生成模型（DGMS）已经取得了显著的进步。半监督变自动编码器（SVAE）作为经典的DGM提供了一个原则性的框架，以有效地从小标记数据，未标记的大者一概而论，但很难对多个异构的实体内集成丰富的非结构化关系。在本文中，要处理的问题，提出了一种半监督共嵌入模型基于广义SVAE异构数据，其协作地得知两个节点的低维向量表示归因网络（SCAN）和用于部分属性标记归因网络半supervisedly。节点和属性我们SCAN在一个统一的方式获得的嵌入可以捕捉不仅节点，而且节点和属性之间的亲和之间的接近程度受益。此外，我们的模型也将训练判别网络学习节点的标签预测分布。现实世界的网络实验结果表明，我们的模型产生了一些应用，如属性推断，用户分析和比较，国家的最先进的基准点分类的优异性能。
竞争的活动家——政治两极化
原文标题： Competing Activists--Political Polarization
地址： http://arxiv.org/abs/1910.14531
作者： Lucas Böttcher, Pedro Montealegre, Eric Goles, Hans Gersbach
摘要： 最近的实证研究结果表明，社会已经成为各国更加两极化。也就是说，今天的中间选民代表的社会前相比，但二十年一小部分，在这个现象之下的机制尚不完全清楚。由于和选民有影响力的角色之间的交互（“积极分子”）的意见形成，例如中发挥重要作用通过社交媒体，我们开发了一个宏观的意见模型，其中竞争活动家传播自己的政治理念在社会的特定群体。这些思想进一步蔓延到其他群体在不断下降的实力。虽然单边传播转变的意见分布，活动家的竞争导致额外的现象：竞争活动人士小非均质性导致他们针对不同社会群体，它放大极化。对于中度的异质性，我们得到目标周期和偏振的进一步放大。在这种循环中，更强维权区分自己从较弱的一个，而后者目的模仿更强活跃。
提高在线社会网络的稳健性：网络干预的模拟方法
原文标题： Improving the robustness of online social networks: A simulation approach of network interventions
地址： http://arxiv.org/abs/1910.14562
作者： Giona Casiraghi, Frank Schweitzer
摘要： 在线社会网络（OSN）在其个人通过技术平台进行交互的社会技术系统的最好的例子。 OSN波动非常大，因为用户进入和退出，并经常改变它们之间的相互作用。这使得这些系统的稳定性难以测量和控制。为了量化稳健性，我们建议从直接相互作用网络获得核数值。我们研究的用户可以通过基于主体的模型来离开OSN的大型辍学级联的出现。对于主体商而言，我们定义这取决于其相对的声誉和他们的互动成本效用函数。主体商离开OSN的决定取决于该实用程序。我们的目标是通过与低公用事业影响特定药物，以防止辍学级联。我们确定的战略来控制核心和OSN的外围剂，即辍学级联显著减少，OSN的鲁棒性增加。
哪些因素会影响Facebook新闻文章参与？
原文标题： Which Factors Impact Engagement on News Articles on Facebook?
地址： http://arxiv.org/abs/1910.14651
作者： Marc Faddoul
摘要： 社会化媒体越来越多地被用来作为一个新闻平台。为了达到他们的目标受众，报纸需要为他们的文章，通过Facebook的新闻饲料算法以及排名。喜欢，股票和其他反应的数量确定引线的评分标准。本文将试图评估如何反应体积由以下条件的影响：（1）事件和后释放之间的延迟; （2）当日的帖子的发布时间; （3）发布格式：视频，照片或文字。要隔离一个帖子的发布时间和格式后的效果，我们需要控制的新闻事件和出版的报纸。为了这个目的，一个新闻聚合器的设计和实现，为将涉及同一新闻事件组合在一起的帖子。这个工具给了一些分拆结果，允许由相似映射报纸和检测某些话题遗漏的能力。
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。
