arxiv能查看最近一周的论文吗（Arxiv网络科学论文摘要9篇）
arxiv能查看最近一周的论文吗（Arxiv网络科学论文摘要9篇）原文标题： Stochastic Graph Transformation For Social Network Modeling摘要： 网络科学中最著名的模型之一是优先依附模型，它生成幂律度分布。虽然这个模型涉及个人做出决定以形成联系（引用一篇论文，在社交媒体上关注一个人等），但这些决定并不仅仅基于本地信息，即加入节点的概率取决于一个比例，其中由总体所有成员的度数之和归一化。这是模型的生物学、物理和社会解释的一个重要限制。在本文中，我们描述了一个真正的本地网络形成模型：基于朋友的朋友的想法。在我们的模型中，加入网络的个人完全随机选择一个节点并以概率 p 链接到它，然后他们选择该节点的邻居（朋友的朋友）并以概率 q 关注该个人。我们发现这个模型可以产生幂律度分布。它还可以产生让人联想到小世界网络的节点集群。但也许最令人惊讶的是，对于小的 p 和 q = 1，该模型会生成超级枢纽网络。具体来
- InfoMap 对吸收随机游走的扩展;
- 网络增长的朋友之朋友模型;
- 社会网络建模的随机图变换;
- 假新闻检测工具和方法——综述;
- 为人道主义福利开发可信赖的人类人工智能网络;
- 具有加权链接的复杂网络的统计力学方法;
- 局部攻击和过载引起的各向同性和各向异性空间网络中的级联故障;
- 用于解释嘈杂、多重报告的社会网络数据的潜在网络模型;
- 争议检测：基于文本和图神经网络的方法;
原文标题： An Extension of InfoMap to Absorbing Random Walks
地址： http://arxiv.org/abs/2112.10953
作者： Esteban Vargas Bernal Mason A. Porter Joseph H. Tien
摘要： InfoMap 是一种流行的方法，用于检测网络中节点的密集连接“社区”。为了检测这样的社区，它建立在马尔可夫链的标准类型和信息论的思想之上。受网络上疾病传播的动态影响，其节点可能具有异构的疾病去除率，我们将 InfoMap 扩展为吸收随机游走。为此，我们使用吸收尺度图，其中边权重根据吸收率以及马尔可夫时间扫描进行尺度。我们的 InfoMap 扩展之一在吸收率接近 0 的限制内收敛到 InfoMap 的标准版本。我们发现，使用我们的 InfoMap 扩展检测到的社区结构可能与使用不考虑节点吸收率的方法检测到的社区结构明显不同。此外，我们证明了由局部动态引起的社区结构可以对环格网络上的易感感染恢复（SIR）动态产生重要影响。例如，我们发现当中等数量的节点具有较大的节点吸收率时，爆发持续时间最大化。我们还使用我们的 InfoMap 扩展来研究性接触网络中的社区结构。我们考虑与网络中无家可归者的不同吸收率相对应的社区结构以及对网络上梅毒动态的相关影响。我们观察到，当无家可归人群的治疗率低于其他人群时，与所有人群中的治疗率相同时，最终爆发规模可能会更小。
网络增长的朋友之朋友模型原文标题： friend of a friend models of network growth
地址： http://arxiv.org/abs/2112.11001
作者： Watson Levens Alex Szorkovszky David J. T. Sumpter
摘要： 网络科学中最著名的模型之一是优先依附模型，它生成幂律度分布。虽然这个模型涉及个人做出决定以形成联系（引用一篇论文，在社交媒体上关注一个人等），但这些决定并不仅仅基于本地信息，即加入节点的概率取决于一个比例，其中由总体所有成员的度数之和归一化。这是模型的生物学、物理和社会解释的一个重要限制。在本文中，我们描述了一个真正的本地网络形成模型：基于朋友的朋友的想法。在我们的模型中，加入网络的个人完全随机选择一个节点并以概率 p 链接到它，然后他们选择该节点的邻居（朋友的朋友）并以概率 q 关注该个人。我们发现这个模型可以产生幂律度分布。它还可以产生让人联想到小世界网络的节点集群。但也许最令人惊讶的是，对于小的 p 和 q = 1，该模型会生成超级枢纽网络。具体来说，我们证明对于 p = 0 和 q = 1，随着节点数量趋于无穷大，非集线器的比例趋于 1。这直接与 Barabasi 和其他研究人员的说法相矛盾，即这种机制会产生线性优先依附。相反，我们展示了幂律度分布、小世界聚类和超级中心网络是更一般但概念上更简单的朋友模型的结果。
社会网络建模的随机图变换原文标题： Stochastic Graph Transformation For Social Network Modeling
地址： http://arxiv.org/abs/2112.11034
作者： Nicolas Behr (Univ. de Paris CNRS IRIF Paris France) Bello Shehu Bello (Dept. of Computer Science Bayero Univ. Kano Nigeria) Sebastian Ehmes (Real-Time Systems Lab TU Darmstadt Germany) Reiko Heckel (School of Informatics Univ. of Leicester UK)
摘要： 自适应网络将社会、物理、技术或生物系统建模为在其拓扑和数据级别上演化的属性图。它们自然是通过图变换来描述的，但大多数作者采用了一种受物理科学启发的方法，将操作的非正式描述与编程模拟相结合，并将 ODE 系统作为唯一抽象的数学描述。我们表明我们可以刻画一系列社会网络模型，即所谓的选民模型，作为随机属性图转换系统，展示了这种表示的好处，并建立了它与文献中采用的非标准概率观点的关系。我们使用图变换的理论和工具来分析和模拟模型，并提出标准随机模拟算法的新变体来重现观察到的结果。
假新闻检测工具和方法——综述原文标题： Fake News Detection Tools and Methods – A Review
地址： http://arxiv.org/abs/2112.11185
作者： Sakshini Hangloo Bhavna Arora
摘要： 在过去的十年中，Facebook、Twitter、Instagram 和微博等社会网络平台和微博网站已成为我们日常活动中不可或缺的一部分，并在全球范围内被数十亿用户广泛使用以消息、图片和视频的形式分享他们的观点和传播信息。这些甚至被政府机构用来通过他们经过验证的 Facebook 帐户和官方 Twitter 句柄传播重要信息，因为它们可以在有限的时间窗口内覆盖大量人口。但是，宣传和谣言等许多欺骗性活动每天都会误导用户。在这些 COVID 时代，假新闻和谣言非常普遍，并被大量分享，这在这个艰难时期造成了混乱。因此，在当前情况下对假新闻检测的需求是不可避免的。在本文中，我们调查了有关通过互联网检测假新闻的不同方法的最新文献。特别是，我们首先讨论假新闻以及文献中已经考虑过的与它相关的各种术语。其次，我们重点介绍了各种公开可用的数据集和各种可用的在线工具，这些工具可以实时揭穿假新闻。第三，我们描述了基于两个更广泛领域的假新闻检测方法，即其内容和社会背景。最后，我们对用于揭穿假新闻的各种技术进行了比较。
为人道主义福利开发可信赖的人类人工智能网络原文标题： Developing a Trusted Human-AI Network for Humanitarian Benefit
地址： http://arxiv.org/abs/2112.11191
作者： Susannah Kate Devitt Jason Scholz Timo Schless Larry Lewis
摘要： 人类和人工智能 (AI) 将越来越多地以数字和物理方式参与冲突，但缺乏跨主体和平台的可信通信。例如，灾难和冲突中的人类已经使用消息传递和社交媒体来共享信息，但是，国际人道主义救援组织将这些信息视为无法验证和不可信的。人工智能可能会减少“战争迷雾”并改善结果，但是人工智能的实施通常很脆弱，应用范围狭窄，道德风险广泛。同时，即使是承诺遵守国际人道主义法的战斗人员，人为错误也会造成重大的平民伤害。人工智能提供了一个机会，可以帮助减少战争悲剧并向需要的人提供人道主义援助。在本文中，我们考虑了通信协议（“白旗协议”）、分布式账本技术以及与人工智能（AI）的信息融合的集成，以改进称为“受保护保证理解情况和实体”（PAUSE）的冲突通信。这种受信任的人类-人工智能通信网络可以提供有关受保护实体、关键基础设施的可靠信息交换；冲突中人类和机器的人道主义信号和状态更新。
具有加权链接的复杂网络的统计力学方法原文标题： Statistical mechanical approach of complex networks with weighted links
地址： http://arxiv.org/abs/2112.11291
作者： Rute Oliveira Samuraí Brito Luciano R. da Silva Constantino Tsallis
摘要： 由许多彼此相互作用的局部成分组成的系统可以用复杂的网络表示。一直以来，网络科学在关注自然、人工和社会系统的广阔领域中变得非常流行。我们数值分析了d维地理网络（以指数alpha_Ggeq0为特征；d = 1 2 3 4）的增长，其链接通过预定义的随机概率分布加权，即 P(w) propto e^-|w - w_c|/tau，w 是权重 (w_c geq 0; ; tau > 0)。在这个模型中，每个站点都有一个演化度 k_i 和一个局部能量 varepsilon_i equiv sum_j=1^k_i w_ij/2 (i = 1 2 .. . N) 取决于连接到它的链接的权重。每个新到达的站点通过概率 Pi_ijpropto varepsilon_i/d^ alpha_A_ij ;; (alpha_A ge 0)，其中 d_ij 是站点之间的欧几里得距离。短程和长程相互作用分别对应于 alpha_A/d>1 和 0leq alpha_A/d leq 1； alpha_A/d to infty 对应于近邻之间的相互作用，而 alpha_A/d to 0 对应于无限范围的相互作用。站点能量分布 p(varepsilon) 对应于通常的度分布 p(k) 作为特定实例 (w_c tau)=(2 0)。我们在数值上验证了对应的连通性分布 p(varepsilon) 在 alpha_A/dtoinfty 时收敛到无限窄分布的权重分布 P(w)（即 tau 到 infty forall w_c) 以及 w_cto0 foralltau。
局部攻击和过载引起的各向同性和各向异性空间网络中的级联故障原文标题： Cascading failures in isotropic and anisotropic spatial networks induced by localized attacks and overloads
地址： http://arxiv.org/abs/2112.11308
作者： I. A. Perez (1) D. Vaknin (2) C. E. La Rocca (1) S. V. Buldyrev (3 and 4) L. A. Braunstein (1 and 4) S. Havlin (2 and 4) ((1) Instituto de Investigaciones Físicas de Mar del Plata (IFIMAR)-Departamento de Física FCEyN Universidad Nacional de Mar del Plata-CONICET Mar del Plata Argentina (2) Department of Physics Bar-Ilan University Ramat-Gan Israel (3) Department of Physics Yeshiva University New York USA (4) Physics Department Boston University Boston USA)
摘要： 在本文中，我们研究了由各向同性和各向异性空间网络中的过载引起的级联故障的 Motter-Lai 模型，该模型通过将节点放置在方形格子中并使用各种链接长度和角度分布来生成。 Motter-Lai 模型早期没有考虑各向异性，它是可能影响级联故障的真实特征。这可以反映系统的给定属性体现的首选方向的存在，例如沿着与海岸平行建造的城市的电力线。我们表明，各向异性会导致沿着链接的优先方向的更大的损伤扩散。我们还确定了方形局部攻击的临界线性尺寸 l_c，它很可能满足在 l_c 以上级联破坏功能节点的巨大组件，而在 l_c 以下损坏不会扩散。我们发现，对于具有任何特征链路长度的网络，它们的鲁棒性随着各向异性的强度而降低。我们表明，对于各向同性和各向异性网络，l_c 的值是有限的并且与系统大小无关（对于大型系统）。因此，与随机攻击相比，在初始攻击中幸存下来的关键节点 p_c 通常低于 1，这里 p_c = 1。请注意，对于相互依赖的空间网络中的局部攻击，也可以找到与 p_c = 1 的类比。最后，我们测量功能簇大小的最终分布并找到幂律行为，其指数类似于常规渗透。这表明，在级联破坏巨型组件之后，系统处于渗透临界点。此外，我们观察到分布指数值的交叉，从用于强空间嵌入的二维晶格中的临界渗透到用于弱嵌入的平均场渗透。
用于解释嘈杂、多重报告的社会网络数据的潜在网络模型原文标题： Latent Network Models to Account for Noisy Multiply-Reported Social Network Data
地址： http://arxiv.org/abs/2112.11396
作者： Caterina De Bacco Martina Contisciani Jonathan Cardoso-Silva Hadiseh Safdari Diego Baptista Tracy Sweet Jean-Gabriel Young Jeremy Koster Cody T. Ross Richard McElreath Daniel Redhead Eleanor A. Power
摘要： 社会网络数据通常是通过整合来自多个人的报告来构建的。然而，如何调和个人不一致的反应并不明显。如果人们的反应反映了规范的期望——例如对平衡、互惠关系的期望，那么多重报告的数据可能存在特殊风险。在这里，我们提出了一个概率模型，该模型结合了多个个体报告的关系来估计未观察到的网络结构。除了为每个报告者估计一个参数，该参数与他们过度报告或低估关系的趋势相关，该模型明确地包含了一个术语“相互性”，即在涉及相同改变的两个方向上报告关系的趋势。我们模型的算法实现基于变分推理，这使其高效且可扩展到大型系统。我们将我们的模型应用于通过名称生成器设计收集的 75 个印度村庄的数据，以及通过基于名册的设计收集的尼加拉瓜社区的数据。我们在两个数据集中观察到“相互性”的有力证据，并发现该值因关系类型而异。因此，我们的模型估计网络的互惠值与标准确定性聚合方法产生的互惠值大不相同，这表明在收集、构建和分析基于调查的网络数据时需要考虑这些问题。
争议检测：基于文本和图神经网络的方法原文标题： Controversy Detection: a Text and Graph Neural Network Based Approach
地址： http://arxiv.org/abs/2112.11445
作者： Samy Benslimane (ADVANSE LIRMM) Jérome Azé (ADVANSE LIRMM) Sandra Bringay (UPVM ADVANSE LIRMM) Maximilien Servajean (LIRMM ADVANSE UPVM) Caroline Mollevi
摘要： 有争议的内容是指任何吸引正面和负面反馈的内容。它的自动识别，尤其是在社交媒体上，是一项具有挑战性的任务，因为它应该在大量不断发展的帖子上完成，涵盖各种各样的主题。大多数现有方法依赖于主题讨论的图结构和/或消息的内容。本文提出了一种基于讨论图结构和文本特征的争议检测方法。我们提出的方法依赖于图神经网络 (gnn) 在执行图分类任务之前在嵌入向量中对图表示（包括其文本）进行编码。后者会将帖子归类为有争议的与否。提出了两种争议检测策略。第一个是基于分层图表示学习。图用户节点被分层和迭代嵌入以计算整个图嵌入向量。第二种是基于注意力机制，它允许每个用户节点在计算节点嵌入时或多或少地对其邻居给予或多或少的重视。我们进行实验以使用不同的真实世界数据集评估我们的方法。进行的实验表明结合文本特征和结构信息对性能的积极影响。
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。
