职业隔离的社会网络分析

原文标题: A Social Network Analysis of Occupational Segregation

地址: http://arxiv.org/abs/2004.09293

作者: I. Sebastian Buhai, Marco J. van der Leij

摘要: 我们提出了一个职业隔离和两个社会群体之间的劳动力市场不平等的均衡互动模型,该模型完全是通过文献记载的趋势来指代具有相同“社会色彩”的非正式求职者而产生的。推荐工作中的预期社会色彩同质性从战略上为来自不同社会群体的个人提供了不同的职业选择,这进一步转化为具有持续工资和就业不平等的稳定的部分职业隔离均衡,这与观察到的种族或性别劳动力市场差异的模式相符。通过校准和模拟练习来支持定性分析,我们进一步表明,第一和第二最佳功利主义社会最优主义都需要隔离,任何整合政策都需要明确的分配关注点。我们的框架强调,通过同质的联系网络进行的仅仅是社会互动,可以成为传播和持续存在性别与种族劳动力市场差距的重要渠道,可以补充诸如口味或统计歧视等长期研究的机制。

社会网络中的同时分布式估计和攻击检测/隔离:结构可观察性、Kronecker积网络和卡方检测

原文标题: Simultaneous Distributed Estimation and Attack Detection/Isolation in Social Networks: Structural Observability, Kronecker-Product Network, and Chi-Square Detector

地址: http://arxiv.org/abs/2105.10639

作者: Mohammadreza Doostmohammadian, Themistoklis Charalambous, Miadreza Shafie-khah, Nader Meskin, Usman A. Khan

摘要: 当状态观测因无穷支持的高斯噪声而受到破坏并且可能受到随机对抗时,本文考虑了线性系统的分布式估计。我们认为配备单时标估计器和本地卡方( chi ^ 2 )检测器的传感器可以同时观察状态,共享信息,在本地融合受噪声/攻击破坏的数据并自行检测可能的异常观察。虽然此方案适用于与满秩(可逆)矩阵关联的各种系统,但我们在社会网络中的分布式推理上下文中对其进行了讨论。在以下意义上,所提出的技术优于现有结果:(i)我们在不简化支撑上限的情况下考虑了高斯噪声; (ii)所有现有的基于 chi ^ 2 的技术都集中化,而我们提出的技术则是分布式的,其中传感器 local使用特定的概率阈值在没有中央协调器的情况下检测攻击; (iii)没有在传感器上进行本地可观察性假设,这使我们的方法可用于大规模社会网络。此外,我们考虑了一种线性矩阵不等式(LMI)方法,以在适当的约束条件下设计块对角增益(估计量)矩阵,以隔离攻击。

系统图中的收缩分析:在状态估计中的应用

原文标题: Analysis of Contractions in System Graphs: Application to State Estimation

地址: http://arxiv.org/abs/2105.10641

作者: Mohammadreza Doostmohammadian, Themistoklis Charalambous, Miadreza Shafie-khah, Hamid R. Rabiee, Usman A. Khan

摘要: 可观察性和估计与系统结构紧密相关,可以将其可视化为系统图-刻画状态变量中相互依存关系的图。例如,在社会系统图中,这种相互依赖关系代表了不同个体的社会互动。最近显示,收缩是图论中来自图论的一个关键概念,对于系统的可观察性至关重要,因为(至少)每个收缩中的一个状态测量对于可观察性是必需的。因此,收缩的大小和数量对于恢复可观察性是至关重要的。本文研究了平均尺寸/收缩数与系统图的全局聚类系数(GCC)之间的相关性。我们的经验结果表明,估计具有高GCC的系统需要较少的测量,并且在测量失败的情况下,找到恢复系统可观察性的替代测量的选项也更少。这一点很重要,因为通过调整GCC,我们可以改善大型工程网络(如社会网络和智能电网)的可观察性。

对抗图嵌入的鲁棒通用框架

原文标题: A Robust and Generalized Framework for Adversarial Graph Embedding

地址: http://arxiv.org/abs/2105.10651

作者: Jianxin Li, Xingcheng Fu, Hao Peng, Senzhang Wang, Shijie Zhu, Qingyun Sun, Philip S. Yu, Lifang He

摘要: 图嵌入对于图挖掘任务至关重要。随着图数据在实际应用中的普及,近年来提出了许多方法来学习各种类型图的高质量图嵌入矢量。然而,大多数现有方法通常从原始图中随机选择负样本以增强训练数据,而不考虑噪声。另外,大多数这些方法仅关注显式图结构,而不能完全刻画边的复杂语义,例如各种关系或不对称性。为理解决这些问题,我们提出了一个基于生成对抗网络的强大而通用的对抗图嵌入框架。受生成对抗网络的启发,我们提出了一种强大的,通用的对抗图嵌入框架,称为AGE。 AGE从隐式分布生成伪邻居节点作为增强的负样本,并使鉴别器和生成器可以共同学习每个节点的鲁棒性和广义表示。在此框架的基础上,我们提出了三种模型来处理三种类型的图数据并导出相应的优化算法,即分别针对无向和有向图的UG-AGE和DG-AGE,以及针对异构信息网络的HIN-AGE。广泛的实验表明,我们的方法在多个图挖掘任务(包括链路预测,节点分类和图重构)中始终一致且显著优于现有的最新技术。

在社会网络中检测处理效应修饰

原文标题: Detecting Treatment Effect Modifiers in Social Networks

地址: http://arxiv.org/abs/2105.10591

作者: Amir Gilad, Harsh Parikh, Babak Salimi, Sudeepa Roy

摘要: 我们研究社会网络中因果关系分析的治疗效果修饰语,其中邻居的特征或网络结构可能会影响单位的结果,目标是使用此类网络属性来识别具有不同治疗效果的亚人群。为此,我们提出了一个新颖的框架,称为效果测试修饰符(TEEM),它通过根据网络特征或网络模式(例如单位邻居的特征)测试有关复杂效果修饰符的假设,从而促进了数据驱动的决策(或属于三角形),并通过识别可能对其有效或有害的治疗的亚人群。我们描述了一种假设检验方法,该方法考虑了社会网络中单位的协变量,其邻居的协变量和模式,并设计了一种算法,该算法结合了因果推论,假设检验和图论的思想,以验证假设的效果修正量。我们使用真实的发展经济学数据集进行了广泛的实验评估,该数据集涉及属于自助团体的金融支持网络对风险耐受性的治疗效果,还使用具有已知基础事实的合成数据集模拟疫苗功效试验来评估我们的实验结果框架和算法。

SOK:假新闻大爆发2021:我们可以制止病毒传播吗?

原文标题: SOK: Fake News Outbreak 2021: Can We Stop the Viral Spread?

地址: http://arxiv.org/abs/2105.10671

作者: Tanveer Khan, Antonis Michalas, Adnan Akhunzada

摘要: 社会网络的无处不在和易用性彻底改变了当今世界中信息的生成和分发。但是,容易获得信息并不等于增加了公共知识水平。与传统媒体渠道不同,社会网络还促进了虚假信息和错误信息的更快,更广泛的传播。虚假信息的病毒传播严重影响了公众的行为,态度和信念,最终可能严重危害民主进程。通过及早发现和控制广泛传播来限制虚假信息的负面影响,是当今研究人员面临的主要挑战。在本调查文件中,我们广泛分析了各种不同的解决方案,以在现有文献中及早发现假新闻。更准确地说,我们研究了机器学习(ML)模型,用于识别和分类虚假新闻,在线虚假新闻检测比赛,统计输出以及某些可用数据集的优缺点。最后,我们评估了可用于检测和缓解假新闻的在线Web浏览工具,并提出了一些开放的研究挑战。

通过API抓取Twitter数据:技术/法律观点

原文标题: Crawling Twitter data through API: A technical/legal perspective

地址: http://arxiv.org/abs/2105.10724

作者: Shahab Saquib Sohail, Mohammad Muzammil Khan, Mohd Arsalan, Aslam Khan, Jamshed Siddiqui, Syed Hamid Hasan, M. Afshar Alam

摘要: 在线媒体驱动的社会网络关系的流行在当今的数字时代得到了证明。这些出现带来的许多挑战包括不断扩大的社交关系网络,以及通过社交网站的不同平台不断生成的大量数据,即。 Facebook,Twitter,LinkedIn,Instagram等。这些数据是用户的个人身份信息(PII),也可在某些平台上公开使用,而其他人则出于某些研究目的而获得了一定的许可下载。用户的可访问数据有助于向用户提供更好的推荐服务,但是,PII可能被用来侵占用户并严重损害他们的利益。因此,在为用户提供各种服务可访问的PII时,维护用户的隐私至关重要。因此,提出一种可以帮助用户获得更好的推荐服务而又不损害其隐私的方法是一个迫在眉睫的问题。在本文中,建议使用相同的框架。此外,已经广泛讨论了如何通过Twitter API爬网和使用数据。除此之外,还着重介绍了在爬网数据时有关PII的各种安全和法律观点。我们相信本文提出的方法可以作为数据隐私领域未来研究的基准。

他们如何发推文?沙特阿拉伯Twitter的深入分析

原文标题: How They Tweet? An Insightful Analysis of Twitter Handles of Saudi Arabia

地址: http://arxiv.org/abs/2105.10736

作者: Mohammad Muzammil Khan, Shahab Saquib Sohail, Darakhshan Ishrat

摘要: 社交网站的出现吸引了世界各地的许多用户,他们在多个平台上分享他们的感受,新闻,成就和个人想法。由于COVID 19期间全球范围内的封锁而导致的近期危机表明,这些在线社交平台如何变得越来越强大,并在周围到处都是社会疏远时成为人们之间联系的主要来源。因此,我们就语言,推文的频率,所属区域等方面对Twitter用户及其举止进行了调查。上述观察尤其是针对沙特阿拉伯的。提出了对王国的推特和推特手柄的有见地的分析。结果显示出一些有趣的事实,这些事实为进一步研究与中东有关的社会,政治和数据科学领域奠定了基础。

Sockpuppet检测:电报案例研究

原文标题: Sockpuppet Detection: a Telegram case study

地址: http://arxiv.org/abs/2105.10799

作者: Gabriele Pisciotta, Miriana Somenzi, Elisa Barisani, Giulio Rossetti

摘要: 在在线社会网络(OSN)中,用户创建多个帐户的情况很多,这些帐户公开似乎属于不同的人,但实际上是同一人的假身份。这些虚构人物可被利用来进行辱骂行为,例如操纵意见,散布虚假新闻和打扰其他用户。在文献中,这个问题被称为Sockpuppet问题。在我们的工作中,我们专注于Telegram,这是一种广泛的即时消息传递应用程序,通常因其被有组织犯罪和恐怖主义的成员所利用而广为人知,并且更普遍地以其具有冒犯性行为的人们的高知名度而闻名。

DepressionNet:社交媒体上用于抑郁检测的新型摘要增强深度框架

原文标题: DepressionNet: A Novel Summarization Boosted Deep Framework for Depression Detection on Social Media

地址: http://arxiv.org/abs/2105.10878

作者: Hamad Zogan, Imran Razzak, Shoaib Jameel, Guandong Xu

摘要: Twitter当前是一个流行的在线社交媒体平台,该平台允许用户共享其用户生成的内容。这种公开生成的用户数据对于医疗保健技术也至关重要,因为发现的模式将以多种方式极大地使他们受益。应用之一是自动发现心理健康问题,例如抑郁症。用于自动检测在线社交媒体上的沮丧用户的先前研究很大程度上依赖于用户行为及其语言模式,包括用户的社交互动。不利之处在于,这些模型是在一些不相关的内容上进行训练的,这些内容对于检测沮丧的用户可能不是至关重要的。此外,这些内容对模型的整体效率和有效性有负面影响。为了克服现有自动抑郁检测方法的缺点,我们提出了一种新颖的自动抑郁检测计算框架,该框架首先通过对所有用户推文的序列进行提取和抽象的混合摘要策略来选择相关内容,从而获得更细粒度和更细致的信息。相关内容。然后,内容进入我们新颖的深度学习框架,该框架由包含卷积神经网络(CNN)以及注意力增强的门控循环单元(GRU)模型的统一学习机制组成,与现有的强基准相比,该模型可提供更好的经验性能。

在Wikipedia上建模集体预期和响应

原文标题: Modeling Collective Anticipation and Response on Wikipedia

地址: http://arxiv.org/abs/2105.10900

作者: Ryota Kobayashi, Patrick Gildersleve, Takeaki Uno, Renaud Lambiotte

摘要: 在线媒体流行的动力是由内源性传播机制和对包括新闻和事件在内的外源性冲击的响应共同驱动的。然而,关于流行的时间模式对与事件相关的信息(例如,事件信息)的依赖性理解甚少。哪些类型的事件会触发持久的活动。在这里,我们提出了一个简单的模型,该模型通过结合关键特征(即预期增长和集体注意力的衰减以及昼夜节律)来描述流行高峰周围的动态。提出的模型使我们能够开发一种预测未来页面浏览活动和聚类时间序列的新方法。为了验证我们的方法,我们从Wikipedia收集了与一系列计划中的事件相关的页面浏览数据集,这些事件是我们事先知道的将来将有固定日期的事件,例如选举和体育赛事。我们的方法在预测和聚类任务方面均优于现有模型。此外,仅限于与协会足球相关联的Wikipedia页面,我们观察到该事件的具体实现(在我们的团队赢得比赛或比赛类型的情况下)对事件后的响应动态有重大影响。我们的工作证明了对集体注意的所有阶段进行适当建模的重要性,以及注意的时间模式与它们所代表的事件的特征性基础信息之间的联系。

基于渗流理论的避免疾病传播的移动策略:COVID-19

原文标题: Mobility strategies based on percolation theory to avoid the spread of diseases: COVID-19

地址: http://arxiv.org/abs/2105.10934

作者: Diana Rosales Herrera, J. E. Ramírez, Jorge Velázquez-Castro, Bogar Díaz, M. I. Martínez, P. Vázquez Juárez, A. Fernández Téllez

摘要: 人的流动性是传染病传播的重要因素。特别地,疾病的空间传播是人类活动的结果。另一方面,基于移动性限制的控制策略通常不受欢迎且成本很高。这些高昂的社会和经济成本使设计成本最小化和效果最大化的全球协议变得非常重要。在这项工作中,我们计算疾病网络中扩散的渗透阈值。特别是,我们发现在墨西哥普埃布拉州,要关闭的道路数量和需要隔离的区域,以避免COVID-19在全球范围内扩散。计算仿真考虑了所提出的策略,表明可以减少94%的感染。这种方法可以在更广泛和不同的领域中使用,以帮助设计卫生政策。 -流行病学专家拉·普洛维达斯·德拉·罗斯·普罗斯特别是,不同地区的普遍性的因素。流行病之子防治流行病和流行病学的流行病学与流行病学之间的联系。美利坚合众国的德比多和哥斯达黎加的特立尼达和多巴哥人的最佳战略。 En Este Trabajo,在演播过程中进行总体预算计算。特别要注意的是,在墨西哥Mexico的全球COVID-19和El Estado de Puebla的全球宣传中,特别注意了当地的限制。实施模拟竞赛的墨西哥国立军医大学,无约束军备军,穆斯特兰研究队和非受制于兵役国的94%尼古纳·梅尼达实现者。 Esta metodolog ‘ia puede ser aplicada a distintas zonas para ayudar a la autoridades de salud en la toma de Decisiones。

按照劳森准则衡量的融合能源收支平衡和增益方面的进展

原文标题: Progress toward Fusion Energy Breakeven and Gain as Measured against the Lawson Criterion

地址: http://arxiv.org/abs/2105.10954

作者: Samuel E. Wurzel, Scott C. Hsu

摘要: 劳森准则是追求聚变能量的关键概念,它将燃料密度 n ,(能量)约束时间 tau 和燃料温度 T 与聚变等离子体的能量增益 Q 相关联。本文的目的是解释和回顾Lawson标准,并为广泛的历史和当代融合实验提供已达到的参数汇编。尽管本文关注劳森准则,但这只是评估任何聚变概念成为商业上可行的聚变能量系统的进展和最终可能性的许多同等重要的因素之一。本文仅包括经过同行评审的文献中公布的实验测量或推论值 n , tau 和 T 。为了提取这些参数,我们讨论了特定于不同融合方法(包括磁,惯性和磁惯性融合)的方法。本文旨在为聚变研究人员提供参考,并为对聚变能感兴趣的所有其他人提供指南。

考虑关系的异构图表示学习

原文标题: Heterogeneous Graph Representation Learning with Relation Awareness

地址: http://arxiv.org/abs/2105.11122

作者: Le Yu, Leilei Sun, Bowen Du, Chuanren Liu, Weifeng Lv, Hui Xiong

摘要: 异构图上的表示学习旨在获得有意义的节点表示,以促进各种下游任务,例如节点分类和链路预测。现有的异构图学习方法主要是通过遵循节点表示的传播机制来开发的。在研究关系对改善对更细粒度的节点表示的学习中的作用方面所做的工作很少。确实,重要的是要共同学习关系的语义表示形式,并针对不同的关系类型识别节点表示形式。为此,在本文中,我们提出了一种新颖的关系感知异构图神经网络,即R-HGNN,以通过考虑关系感知特性来细粒度地学习异构图上的节点表示。具体来说,首先设计一个专用的图卷积组件,以从每个特定于关系的图中分别学习唯一的节点表示。然后,开发了一个跨关系消息传递模块,以改进跨不同关系的节点表示的交互。而且,以分层的方式学习关系表示以刻画关系语义,该语义用于指导节点表示学习过程。此外,提出了语义融合模块,以将关系感知节点表示聚合为具有学习到的关系表示的紧凑表示。最后,我们对各种图学习任务进行了广泛的实验,实验结果表明,在所有任务中,我们的方法始终优于现有方法。

发现扩散过程背后时间演变的社区状态的动态霍克斯过程

原文标题: Dynamic Hawkes Processes for Discovering Time-evolving Communities’ States behind Diffusion Processes

地址: http://arxiv.org/abs/2105.11152

作者: Maya Okawa, Tomoharu Iwata, Yusuke Tanaka, Hiroyuki Toda, Takeshi Kurashima, Hisashi Kashima

摘要: 包括传染病暴发,社会网络活动和犯罪在内的事件序列无处不在,并且此类事件的数据带有有关社区(例如,区域,在线用户群体)之间潜在的传播过程的基本信息。在许多应用中,包括流行控制,病毒式营销和预测性警务,对扩散过程进行建模并预测未来事件至关重要。霍克斯过程为建模扩散过程提供了一个中心工具,其中过去事件的影响由触发内核描述。但是,假设触发内核参数随时间推移是静态的,该参数决定了每个社区如何受过去事件的影响。在现实世界中,传播过程不仅取决于过去的影响,还取决于社区的当前(随时间变化)状态,例如人们对疾病的认识和人们的当前利益。在本文中,我们提出了一种新颖的霍克斯过程模型,该模型能够刻画扩散过程背后的社区状态的基本动态,并根据动态预测事件的发生。具体而言,我们对通过混合神经网络对这些隐藏动态进行编码的潜在动态函数进行建模。然后,我们使用潜在动态函数及其积分来设计触发内核。所提出的方法称为DHP(动态霍克斯过程),提供了一种灵活的方法来学习时间演变的社区状态的复杂表示,同时它还允许计算确切的可能性,这使得参数学习变得容易。在四个真实事件数据集上进行的大量实验表明,DHP优于五个被广泛采用的事件预测方法。

编辑介绍:文字和网络的力量

原文标题: Editorial introduction: The power of words and networks

地址: http://arxiv.org/abs/2105.11263

作者: A. Fronzetti Colladon, P. Gloor, D. F. Iezzi

摘要: 根据弗洛伊德的说法,“单词原本是魔术,而今天,单词已保留了其古老的神奇力量”。通过言语,可以改变行为并解决问题。我们使用语言的方式揭示了我们的意图,目标和价值观。新颖的文本分析工具可帮助您理解单词的神奇力量。如果将其与社会网络的研究相结合,即与社会单位之间的关系分析相结合,则该能力将成倍增加。这本国际信息管理杂志的特刊名为“结合社会网络分析和文本挖掘:从理论到实践”,其中包括与文本挖掘和社会网络分析息息相关的异构和创新研究。它旨在丰富这些领域的交汇处的工作,而这些交汇处在理论,经验和方法论的基础上仍然落后。收录在本期特刊中的9篇文章全部介绍了具有业务应用程序的方法和工具。在本社论介绍中对它们进行了概述。

挫折感在多主体符号网络上集体决策动态过程中的作用

原文标题: The role of frustration in collective decision-making dynamical processes on multiagent signed networks

地址: http://arxiv.org/abs/2105.11396

作者: Angela Fontan, Claudio Altafini

摘要: 在这项工作中,我们考虑了主体网络中的集体决策过程,该网络由具有S型非线性和带符号的交互图的非线性互连动力学模型描述。决策被编码在系统的平衡中。目的是在代表社区的签名图在结构上不平衡时,尤其是在我们改变其挫败感(即其与结构平衡的距离)时,研究这种多主体系统。该模型显示了分叉,并且在模型中添加了社会努力''参数以表示主体之间的交互作用强度,在我们的分析中起了分叉参数的作用。我们表明,随着社会努力的增加,决策动态表现出干草叉分叉行为,在这种情况下,从无决定’’的僵局情况(即起源是唯一的全球稳定平衡点)中,有两种可能(替代地)实现了针对社区的决策状态(对应于两个非零的局部稳定平衡)。随着所签署网络的挫败,克服分歧(并做出决定)的社会努力的价值不断增加。

从基础数据到知识发现-生命周期方法-使用多层网络

原文标题: From Base Data To Knowledge Discovery — A Life Cycle Approach — Using Multilayer Networks

地址: http://arxiv.org/abs/2105.11410

作者: Abhishek Santra, Kanthi Komar, Sanjukta Bhowmick, Sharma Chakravarthy

摘要: 任何用于推断或发现有意义的信息/知识的大型复杂数据分析都涉及以下步骤(除了数据收集,清理,准备数据进行分析(例如属性消除)之外):i)数据建模-一种建模和推导的方法使用该方法进行分析的数据表示形式; ii)将分析目标转化为对生成的模型的计算;这可以简单到只需一次计算(例如,社区检测),也可以涉及一系列操作(例如,基于模型的表达式在多个网络上的逐对社区检测),iii)计算生成的表达式-效率和可扩展性在这里体现出来,并且iv)深入分析结果以清楚地解释或理解它们。除此之外,可视化结果以方便理解也很有意义。本文介绍的Covid-19可视化仪表板就是一个例子。本文涵盖了使用数据表示形式对数据分析生命周期的所有上述所有步骤,这些表示形式对于多实体,多功能数据集-多层网络越来越重要。我们使用几个数据集来建立使用MLN建模的有效性,并使用提出的去耦方法对其进行分析。对于覆盖范围,我们使用不同类型的MLN进行建模,并使用社区和集中度计算进行分析。使用的数据集-美国商业航空公司,IMDb,DBLP和Covid-19数据集。我们使用确定的步骤进行的实验分析验证了建模,可以计算的目标范围以及生命周期方法的总体多功能性。在可能的情况下,使用独立可用的地面真理,验证结果的正确性。我们演示了这种方法(由于结构和语义保留)提供的向下钻取,以更好地理解和可视化结果。

延迟意识和疲劳对流行病控制中自我隔离功效的影响

原文标题: The effect of delayed awareness and fatigue on the efficacy of self-isolation in epidemic control

地址: http://arxiv.org/abs/2105.11413

作者: Giulia de Meijere, Vittoria Colizza, Eugenio Valdano, Claudio Castellano

摘要: 隔离感染性个体是控制传染病的公共卫生的一项关键措施。然而,由于涉及到日常生活的强烈干扰,它常常引起社会心理困扰,并造成严重的经济和社会成本。这些可能会成为限制采取措施的机制,或者限制措施在整个实施过程中的遵守。另外,难以识别轻度症状或缺乏症状可能会影响对感染的认识并进一步限制采用。在这里,我们研究了接触网络上的一种流行病模型,该模型说明了依从性有限和对自我隔离的认知延迟,以及疲劳导致过度终止行为。该模型使我们能够估计每种成分的作用,并分析依从性和自我隔离时间之间的权衡。我们发现,流行阈值对有效的依从性非常敏感,有效的依从性结合了不完全依从,延迟的意识和疲劳的影响。如果在较短的隔离期内依从性得到改善,则存在最佳隔离期,比传染期短。但是,连通性模式的异质性,加上对高度活跃的个人的依从性降低,可能几乎完全抵消了自我隔离措施在控制流行病上的有效性。

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。本系列在公众号“网络科学研究速递”(netsci)和个人博客进行同步更新。

arxiv中文论文 Arxiv网络科学论文摘要19篇(1)

,