- 空间各向异性网络上的渗流;
- 利用双向全局转换模式和个人偏好来识别缺失POI类别;
- 参与度超过了在 Google 搜索中接触党派和不可靠新闻的风险;
- 使用与可靠来源进行交叉检查的自动假新闻检测;
- Ising 模型中的回声室及其对平均磁化强度的影响;
- 使用基于能源生产的指标进行灾后恢复力和不平等增长监测;
- 通过社交媒体理解关于使用羟氯喹治疗 COVID-19 的公众意见;
- 多人口交通流的稳定性;
- SMART：NIS 指令框架内的技术准备方法;
- 通过距离网络监督对推文进行半监督立场检测;
- 使用基于位置的数据表征灾难期间对杂货店的公平访问;
- 马尔可夫时间网络中并发性对流行病传播的影响;
- 维基百科阅读器导航：当综合数据足够时;
原文标题： Percolation on spatial anisotropic networks
地址： http://arxiv.org/abs/2201.00373
作者： Ouriel Gotesdyner, Bnaya Gross, Dana Vaknin Ben Porath, Shlomo Havlin
摘要： 许多现实系统（如基础设施）的特点是空间结构和各向异性排列。在这里，我们通过引入控制空间网络中各向异性强度的参数，提出并研究了处理此类特征的模型。该参数被添加到用于描述空间约束下的网络的现有各向同性模型中，从而推广空间模型以考虑空间和各向异性特征。我们通过使用渗透过程研究了此类网络的弹性，并发现各向异性对网络的稳健性有负面影响。此外，我们的结果表明，该模型中的各向异性不影响相关长度的临界指数 nu，它与二维各向同性晶格中已知的 nu 保持相同。
利用双向全局转换模式和个人偏好来识别缺失POI类别原文标题： Exploiting Bi-directional Global Transition Patterns and Personal Preferences for Missing POI Category Identification
地址： http://arxiv.org/abs/2201.00014
作者： Dongbo Xi, Fuzhen Zhuang, Yanchi Liu, Hengshu Zhu, Pengpeng Zhao, Chang Tan, Qing He
摘要： 近年来，基于位置的社会网络 (LBSN) 服务日益流行，这为构建个性化兴趣点 (POI) 推荐系统提供了无与伦比的机会。现有的POI推荐和位置预测任务从单一方向的角度利用过去的信息进行未来的推荐或预测，而缺失的POI类别识别任务需要利用缺失类别前后的签到信息。因此，一个长期存在的挑战是如何在移动用户的真实签到数据中随时有效地识别缺失的兴趣点类别。为此，在本文中，我们提出了一种新的神经网络方法，通过集成双向全局非个人转换模式和用户的个人偏好来识别缺失的 POI 类别。具体来说，我们精心设计了一个注意力匹配单元来模拟签到类别信息与他们的非个人转换模式和个人偏好的匹配程度。最后，我们在两个真实世界的数据集上评估我们的模型，与最先进的基线相比，这清楚地验证了其有效性。此外，我们的模型可以自然地扩展到具有竞争性能的下一个 POI 类别推荐和预测任务。
参与度超过了在 Google 搜索中接触党派和不可靠新闻的风险原文标题： Engagement Outweighs Exposure to Partisan and Unreliable News within Google Search
地址： http://arxiv.org/abs/2201.00074
作者： Ronald E. Robertson, Jon Green, Damian Ruck, Katya Ognyanova, Christo Wilson, David Lazer
摘要： 谷歌搜索等流行的在线平台有能力让数十亿用户接触党派和不可靠的新闻。然而，由于独立获取此类数据的技术挑战以及缺乏包含这些数据的数据共享协议，他们向真实用户展示的内容并未得到充分研究。在这里，我们使用两波研究推进现有的数字跟踪方法，在该研究中，我们不仅刻画了参与者在浏览网页时点击的 URL（参与度），还刻画了他们在使用 Google 搜索时看到的 URL（曝光）。使用调查以及在 2018 年和 2020 年美国大选期间收集的参与度和曝光度数据，我们发现强大的共和党人比强大的民主党人接触更多的党派和不可靠的新闻，尽管这两个群体在他们的党派和不可靠的新闻中接触到了相似的数量谷歌搜索结果。我们的结果表明，搜索引擎并没有将强大的党派推向过滤泡沫，但强大的共和党人正在不对称地选择进入回音室。这些发现适用于两个研究浪潮，与社交媒体和网络浏览的工作保持一致，并提供了对曝光率和参与度之间关系的罕见看法。我们的研究强调了用户选择的重要性，我们的方法使该领域更接近于评估在线搜索和社交媒体平台影响所需的独立、纵向和跨平台研究。
使用与可靠来源进行交叉检查的自动假新闻检测原文标题： Automated Fake News Detection using cross-checking with reliable sources
地址： http://arxiv.org/abs/2201.00083
作者： Zahra Ghadiri, Milad Ranjbar, Fakhteh Ghanbarnejad, Sadegh Raeisi
摘要： 在过去十年中，假新闻和错误信息已成为一个主要问题，影响了我们生活的各个方面，包括政治和公共卫生。受人类自然行为的启发，我们提出了一种自动检测假新闻的方法。人类的自然行为是用可靠的来源交叉检查新信息。我们使用自然语言处理 (NLP) 并构建机器学习 (ML) 模型，该模型可自动执行与一组预定义的可靠来源交叉检查新信息的过程。我们为 Twitter 实现了这一点，并构建了一个标记虚假推文的模型。具体来说，对于给定的推文，我们使用其文本从可靠的新闻机构中查找相关新闻。然后我们训练一个随机森林模型，检查推文的文本内容是否与可信新闻一致。如果不是，则该推文被归类为假的。这种方法通常可以应用于任何类型的信息，而不仅限于特定的新闻报道或信息类别。我们对这种方法的实现提供了 70% 的准确度，优于其他通用的假新闻分类模型。这些结果为更明智、更自然的假新闻检测方法铺平了道路。
Ising 模型中的回声室及其对平均磁化强度的影响原文标题： Echo chambers in the Ising model and implications on the mean magnetization
地址： http://arxiv.org/abs/2201.00149
作者： Talia Baravi, Ofer Feinerman, Oren Raz
摘要： 回声室效应是意见动态建模中的一个常用术语，它描述了当一个人的意见通过社交互动反映给她时，如何人为地增强它。在这里，我们研究了这种效应在常用于研究意见动态的统计力学模型中的存在。通过探索网络对自旋的影响，我们发现可以使用独立于自旋本身的外部场的有效场来描述这种影响。使用这种有效场方法，我们然后表明在 Ising 模型中没有回声室，但这是特殊对称性的结果，这在其他模型中并不常见。然后我们区分三种类型的模型：（i）那些具有强回声室对称性的模型，根本没有回声室效应； (ii) 具有弱回波室对称性的模型，只有在系统中没有外部场时才可以有回波室，以及 (iii) 没有回波室对称性的模型，通常包括回波室。然后使用有效场方法构建一种有效的算法来找到树网络中的平均磁化强度。我们将此算法应用于两个系统的研究：Bethe 格子上的随机场 Ising 模型中的相变，以及社会网络中的影响优化问题。
使用基于能源生产的指标进行灾后恢复力和不平等增长监测原文标题： Resilience and inequality growth monitoring after disaster using indicators based on energy production
地址： http://arxiv.org/abs/2201.00213
作者： Julien Gargani
摘要： 灾后恢复力的估计和不平等增长的确定通常很困难。在这项研究中，开发了具体的指标来分析恢复力，并比较了恢复力的轨迹。能源生产与描述社会和经济活动的变化有关。该指标应用于自然灾害案例研究，即 2017 年的飓风艾尔玛。飓风在加勒比海岛屿圣马丁岛和圣巴泰勒米岛造成人员伤亡和破坏，这两个法国海外领土。由于电力网络的破坏以及经济和社会活动的扰动，飓风艾尔玛之后的能源生产显著减少。圣巴泰勒米的能源生产恢复率高于圣马丁。灾后电力恢复率几乎保持不变。然而，飓风艾尔玛之后 18 个月的能量生产与圣巴泰勒米飓风艾尔玛之前的相同；圣马丁的情况并非如此。在恢复期间，观察到圣巴泰勒米和圣马丁的能源生产差距增加。这项研究表明，这一差距代表了圣巴泰勒米（国内生产总值（GDP）为 40 000 欧元/居民）和圣马丁（GDP 为 16 600 欧元/居民）之间的不平等增长。这些指标强调，自然灾害后的不平等增长有利于较不脆弱和更具弹性的地区。在指标构建过程中必须考虑居民的数量，以避免任何偏差。
通过社交媒体理解关于使用羟氯喹治疗 COVID-19 的公众意见原文标题： Understanding Public Opinion on Using Hydroxychloroquine for COVID-19 Treatment via Social Media
地址： http://arxiv.org/abs/2201.00237
作者： Thuy T. Do, Du Nguyen, Anh Le, Anh Nguyen, Dong Nguyen, Nga Hoang, Uyen Le, Tuan Tran
摘要： 羟氯喹 (HCQ) 用于预防或治疗由蚊虫叮咬引起的疟疾。最近，有人建议使用该药物治疗 COVID-19，但这并没有得到科学证据的支持。有关药物功效的信息充斥着社会网络，通过歪曲他们对药物功效的看法，对社区造成潜在威胁。本文通过分析推文的反应模式和情绪，研究社会网络用户对使用 HCQ 进行 COVID-19 治疗的推荐的反应。我们收集了 2020 年 2 月至 12 月的 164,016 条推文，并使用文本挖掘方法来识别社会反应模式和意见随时间的变化。我们的描述性分析发现，用户反应模式的不规则性与 HCQ 和 COVID-19 治疗发展的社会和新闻提要密切相关。该研究将推文和谷歌搜索频率联系起来，以揭示当地社区对不同州使用 HCQ 治疗 COVID-19 的看法。此外，我们的推文情绪分析显示，关于使用 HCQ 治疗 COVID-19 的建议，随着时间的推移，公众舆论发生了显著变化。数据显示，早期支撑位居高不下，但在 10 月份大幅下降。最后，以人类对 4,850 条推文的手动分类为基准，我们的情感分析表明，谷歌云自然语言算法在推文分类方面优于价感知词典和 sEntiment Reasoner，尤其是在讽刺推文组中。
多人口交通流的稳定性原文标题： Stability of multi-population traffic flows
地址： http://arxiv.org/abs/2201.00381
作者： Amaury Hayat, Benedetto Piccoli, Shengquan Xiang
摘要： 交通波，也称为走走停停波或幻影火腿，自然地表现为交通不稳定，在封闭环境中也表现为环路。研究了环路上的多人口交通，由行为稳定和不稳定的司机组成。存在稳定车辆的临界渗透率，高于该临界值系统稳定，低于该临界值则系统不稳定。在后一种情况下，只要路上有足够的汽车，就会出现走走停停的波浪。临界渗透率是明确可计算的，并且在合理的情况下，少数激进的驱动程序足以破坏原本非常稳定的流动。这是单一人口模型无法解释的不稳定来源。此外，如果汽车数量足够少，多人口系统可以稳定在临界渗透率以下。不稳定性随着汽车数量的增加而出现，即使交通密度保持不变（即汽车数量和道路面积同样增加）。这表明小实验可能会导致推导出不精确的稳定性条件。
SMART：NIS 指令框架内的技术准备方法原文标题： SMART: a Technology Readiness Methodology in the Frame of the NIS Directive
地址： http://arxiv.org/abs/2201.00546
作者： Archana Kumari, Stefan Schiffner, Sandra Schmitz
摘要： 越来越短的技术生命周期导致需要评估新技术 w.r.t.他们的市场准备。事实证明，理解给定目标技术的技术就绪水平 (TRL) 有助于降低成本超支、产品推出延迟或早期发布失败等风险。 TRL 最初是由 NASA 为太空计划开发的，后来成为技术和制造公司甚至研究资助机构之间的事实上的标准。然而，虽然 TRL 评估提供了一个系统的评估过程，产生了有意义的指标，但它们是一维的：它们只回答技术是否可以投入生产的问题。因此，它们留下了一个固有的差距，即，如果一项技术以某种质量满足要求。当该指标应用于技术网络安全措施等软件时，这种差距变得无法容忍。随着诸如通用数据保护条例 4 (GDPR) 和网络和信息系统指令 5 (NIS-D) 等立法在需要适当的保护措施时参考了最先进的技术，软件设计人员面临着如何衡量一项技术适合使用。我们认为，法律目标和技术现实之间存在潜在的不匹配，这不仅会导致不合规的风险，而且还可能导致受保护的系统比可能的更弱。在这方面，我们的目标是解决现有技术准备评估 (TRA) 所确定的差距，并旨在通过开发适用于评估软件 w.r.t. 的标准化方法来克服这些差距。它的市场准备和质量（总和成熟度）。
通过距离网络监督对推文进行半监督立场检测原文标题： Semi-supervised Stance Detection of Tweets Via Distant Network Supervision
地址： http://arxiv.org/abs/2201.00614
作者： Subhabrata Dutta, Samiya Caur, Soumen Chakrabarti, Tanmoy Chakraborty
摘要： 仇恨言论检测、民意调查预测、参与度预测和协同宣传检测强烈推动了社交媒体文本中的检测和标记立场。当今最好的神经姿态检测器需要大量的训练数据，鉴于社交媒体文本的快速变化格局和用户意见的问题，这些数据很难管理。社会网络上的同质性提供了粗粒度用户级立场的强烈信号。但是用于推文级别立场检测的半监督方法未能正确利用同质性。鉴于此，我们提出了 SANDS，一种新的半监督姿态检测器。 SANDS 从很少有标签的推文开始。它构建了推文的多个深度特征视图。它还使用来自社会网络的远程监督信号为组件学习器提供替代损失信号。我们准备了两个新的推文数据集，其中包含来自两个人口统计数据（美国和印度）的超过 236,000 条政治色彩的推文，这些推文由超过 87,000 名用户发布，他们的关注者-关注者图，以及超过 8,000 条由语言学家注释的推文。 SANDS 在基于美国（印度）的数据集上获得了 0.55 (0.49) 的宏观 F1 分数，大大优于 17 个基线（包括 SANDS 的变体），特别是对于少数立场标签和嘈杂的文本。 SANDS 上的大量消融实验解开了文本和网络传播立场信号的动态。
使用基于位置的数据表征灾难期间对杂货店的公平访问原文标题： Characterizing Equitable Access to Grocery Stores During Disasters Using Location-based Data
地址： http://arxiv.org/abs/2201.00745
作者： Amir Esmalian, Faxi Yuan, Xin Xiao, Ali Mostafavi
摘要： 自然灾害导致关键设施（例如杂货店）的使用中断，阻碍居民在灾难和恢复期间准备和应对困难的能力；然而，对于一个社区的所有居民来说，关键设施的使用中断并不是平等的。在这项研究中，我们研究了在 2017 年德克萨斯州哈里斯县哈维飓风的背景下进入杂货店的不同方式。我们利用高分辨率的基于位置的数据集来实施空间网络分析和动态聚类技术，以揭示在灾难的不同阶段社会弱势群体对杂货店的总体不同访问。使用以网络为中心的措施来检查三个访问指标：访问过的独特商店的数量、到商店的平均旅行时间和到商店的平均距离。这些访问指标帮助我们捕捉访问的三个维度：冗余、快速和接近度。研究结果表明，仅仅关注分布因素是不够的，例如在食物沙漠中的位置和设施的数量，来捕捉访问方面的差异，尤其是在准备和影响/短期恢复期间。此外，通过考虑访问指标的组合来描述访问特征表明，洪水对社会弱势群体的影响不成比例。高收入地区在准备期间可以更好地进入，因为他们能够光顾更多的商店并通勤更远的距离来获取物资。本研究的结论通过使用更加注重公平和数据驱动的方法确定最容易受到不成比例访问影响的区域，对城市发展（设施分布）、应急管理和资源分配具有重要意义。
马尔可夫时间网络中并发性对流行病传播的影响原文标题： Effects of concurrency on epidemic spreading in Markovian temporal networks
地址： http://arxiv.org/abs/2201.00754
作者： Ruodan Liu, Masaki Ogura, Elohim Fonseca Dos Reis, Naoki Masuda
摘要： 通过在给定时间点共享公共节点的边数量化的边的并发性可能是时间网络中流行过程的重要决定因素。我们提出了理论上易于处理的马尔可夫时间网络模型，其中每条边在连续时间内在活动状态和非活动状态之间翻转。不同的模型具有不同的并发量，而我们可以调整模型以共享相同的边激活和停用统计信息（因此每个边处于活动状态的时间部分）和聚合（即静态）网络的结构.我们分析计算每个模型共享一个节点的边的并发量。然后，我们在所提出的时间网络模型上，数值研究了并发性对随机易感感染恢复（SIR）动态中流行病传播的影响。我们发现并发在流行阈值附近增强了流行传播，而在某些情况下这种影响很小。当感染率大幅大于流行阈值时，并发抑制流行传播。总之，我们的数值模拟表明并发性对流行病传播的影响不大。所提出的时间网络模型有望用于研究并发对网络上各种集体动态的影响，包括传染性和其他动态。
维基百科阅读器导航：当综合数据足够时原文标题： Wikipedia Reader Navigation: When Synthetic Data Is Enough
地址： http://arxiv.org/abs/2201.00812
作者： Akhil Arora, Martin Gerlach, Tiziano Piccardi, Alberto García-Durán, Robert West
摘要： 每天有数百万人阅读维基百科。在使用嵌入的超链接浏览大量可用主题时，读者在文章序列方面遵循不同的轨迹。理解这些导航模式对于更好地满足读者的需求和解决结构性偏见和知识差距至关重要。然而，维基百科中导航的系统研究是有限的，因为缺乏公开可用的数据，因为承诺通过不存储或共享潜在的敏感数据来保护读者的隐私。在本文中，我们解决了一个问题：通过使用公开可用的资源，尤其是维基百科点击流数据，读者的导航能有多好？我们通过跨 8 个维基百科语言版本的 6 个不同实验，系统地量化了从点击流数据生成的真实导航序列和合成导航序列之间的差异。总的来说，我们发现这些差异在统计上是显著的，但效应量很小，通常在 10% 以内。因此，我们提供了量化证据，证明维基百科点击流数据作为公共资源的效用，表明它可以密切刻画维基百科上的读者导航，并构成对大多数依赖读者数据的实际下游应用程序的充分近似。更一般地说，我们的研究提供了一个例子，说明类似点击流的数据如何在保护用户隐私的同时，支持对其他在线平台中的导航进行更广泛的研究。
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。
,
