arxiv每日论文134篇（Arxiv网络科学论文摘要6篇）
arxiv每日论文134篇（Arxiv网络科学论文摘要6篇）原文标题： Understanding mobility in networks: A node embedding approach摘要： 用于图表征学习 (GRL) 的最先进 (SOTA) 方法的性能的最新改进是以训练所需的大量计算资源为代价的，例如，通过反向传播在许多数据时期计算梯度。同时，奇异值分解 (SVD) 可以找到凸问题的封闭形式解决方案，仅使用少数几个时期。在本文中，我们使 GRL 在计算上对于那些硬件适中的人来说更容易处理。我们设计了一个计算 implicitly 定义矩阵的 SVD 的框架，并将该框架应用于多个 GRL 任务。对于每个任务，我们推导出 SOTA 模型的线性近似，我们设计（存储成本高）矩阵 mathbfM 并通过 mathbfM 的 SVD 以封闭形式训练模型，不计算 mathbfM 的条目。通过一步收敛到一个独特的点，并且不计算梯度，我们的模型在各种图表
- 从词到词使用相似性作为有利于员工数字交流的诚实信号;
- 图表示学习的隐式 SVD;
- 理解网络中的移动性：节点嵌入方法;
- 多层扩散网络推断对社交媒体数据的适用性;
- 你能永远收获你所播种的吗？健康科技公司的风险投资网络和功能数据分析;
- Twitch 频道流行度研究;
原文标题： From words to connections: Word use similarity as an honest signal conducive to employees’ digital communication
地址： http://arxiv.org/abs/2111.06133
作者： A. Fronzetti Colladon J. Saint-Charles P. Mongeau
摘要： 综合考虑三个研究趋势（合作的诚实信号、社会语义网络和同质理论），我们假设词语使用相似性和具有相似的社会网络职位与员工的数字交互水平有关。为了验证我们的假设，我们分析了近 1600 名员工在一家大公司的内网交流论坛上进行互动的交流。我们研究了他们的社会动态和在过去的研究中证明有利于员工参与和协作的“诚实信号”。我们发现用词相似性是交互的主要驱动力，远超过其他语言特征或网络位置的相似性。我们的结果建议根据目标受众仔细选择语言，并对公司经理和在线社区管理员具有实际意义。例如，理解如何更好地使用语言可以支持知识共享实践或内部沟通活动的发展。
图表示学习的隐式 SVD原文标题： Implicit SVD for Graph Representation Learning
地址： http://arxiv.org/abs/2111.06312
作者： Sami Abu-El-Haija Hesham Mostafa Marcel Nassar Valentino Crespi Greg Ver Steeg Aram Galstyan
摘要： 用于图表征学习 (GRL) 的最先进 (SOTA) 方法的性能的最新改进是以训练所需的大量计算资源为代价的，例如，通过反向传播在许多数据时期计算梯度。同时，奇异值分解 (SVD) 可以找到凸问题的封闭形式解决方案，仅使用少数几个时期。在本文中，我们使 GRL 在计算上对于那些硬件适中的人来说更容易处理。我们设计了一个计算 implicitly 定义矩阵的 SVD 的框架，并将该框架应用于多个 GRL 任务。对于每个任务，我们推导出 SOTA 模型的线性近似，我们设计（存储成本高）矩阵 mathbfM 并通过 mathbfM 的 SVD 以封闭形式训练模型，不计算 mathbfM 的条目。通过一步收敛到一个独特的点，并且不计算梯度，我们的模型在各种图表（如文章引用和生物交互网络）上显示出具有竞争力的实证测试性能。更重要的是，SVD 可以初始化一个更深的模型，该模型几乎处处都是非线性的，尽管当其参数驻留在超平面上时表现线性，SVD 在该超平面上进行初始化。然后可以在几个时期内对更深的模型进行微调。总的来说，我们的程序训练速度比最先进的方法快数百倍，同时在经验测试性能上进行竞争。我们在以下位置开源我们的实现：https://github.com/samihaija/isvd
理解网络中的移动性：节点嵌入方法原文标题： Understanding mobility in networks: A node embedding approach
地址： http://arxiv.org/abs/2111.06161
作者： Matheus F. C. Barros Carlos H. G. Ferreira Bruno Pereira dos Santos Lourenço A. P. Júnior Marco Mellia Jussara M. Almeida
摘要： 受到越来越多能够连接和交换消息的移动设备的推动，我们提出了一种旨在对网络中的节点移动性进行建模和分析的方法。我们注意到，文献中的许多现有解决方案依赖于直接在节点接触图上计算的拓扑测量，旨在捕捉节点在连接性和移动性模式方面的重要性的概念，这有利于移动网络的原型设计、设计和部署。然而，每个度量都有其特殊性，并且无法概括最终随时间变化的节点重要性概念。与以前的方法不同，我们的方法基于节点嵌入方法，该方法对节点在移动性和连接性模式中的重要性进行建模和揭示，同时保留它们的空间和时间特征。我们专注于基于小组会议痕迹的案例研究。结果表明，我们的方法为提取不同的移动性和连接性模式提供了丰富的表示，这有助于移动网络中的各种应用程序和服务。
多层扩散网络推断对社交媒体数据的适用性原文标题： Applicability of Multilayer Diffusion Network Inference to Social Media Data
地址： http://arxiv.org/abs/2111.06235
作者： Yan Xia Ted Hsuan Yun Chen Mikko Kivelä
摘要： 社交媒体上的信息通过连接具有共同兴趣和观点的人的潜在传播网络传播。这种传播网络通常包括多个层，每个层都刻画以主题、态度或语言为特征的某种类型信息的传播动态。研究人员之前已经提出了从观察到的传播模式推断这些底层多层扩散网络的方法，但人们对这些方法在现实传播数据范围内的表现知之甚少。在本文中，我们首先介绍了推理方法的有效实现，它可以在可比的运行时间中实现比现有实现更高的准确度。然后，我们进行了一系列广泛的合成数据实验，以系统地分析该方法在旨在模拟真实网络结构（例如密度、层数）和信息扩散设置（例如级联大小、层混合）下的性能。 - 世界在社交媒体上传播。我们的发现包括推理精度随网络密度变化极大，并且当数据中的大多数级联到达有限的受众时，该方法无法正确分解扩散网络。在证明推理精度极低的条件下，我们的论文强调了在对真实数据运行推理之前仔细评估该方法的适用性的必要性。实际上，我们的结果可作为此评估的参考，我们的公开实施支持在个性化设置下进行进一步测试。
你能永远收获你所播种的吗？健康科技公司的风险投资网络和功能数据分析原文标题： Can you always reap what you sow? Network and functional data analysis of VC investments in health-tech companies
地址： http://arxiv.org/abs/2111.06371
作者： Christian Esposito Marco Gortan Lorenzo Testa Francesca Chiaromonte Giorgio Fagiolo Andrea Mina Giulio Rossetti
摘要： 企业在风险投资市场的“成功”很难定义，其决定因素仍然知之甚少。我们在医疗保健行业建立了一个由投资者和公司组成的双向网络，描述了其结构和社区。然后，我们描述了“成功”，引入了越来越精细的定义，我们发现这些定义与公司的中心地位之间存在正相关。特别是，我们能够将公司的融资轨迹分为两组，以捕捉不同的“成功”机制，并将属于一个或另一个的概率与其网络特征（特别是它们的中心性和其中一个投资者）联系起来。我们通过引入标量和功能性“成功”结果来进一步研究这种正相关，证实了我们的发现及其稳健性。
Twitch 频道流行度研究原文标题： A study on Channel Popularity in Twitch
地址： http://arxiv.org/abs/2111.05939
作者： Ha Le Junming Wu Louis Yu Melissa Lynn
摘要： 在过去的几十年里，互联网用户越来越需要在线举办实时活动并与现场互动观众分享他们的体验。 Twitch 等在线流媒体服务吸引了数百万用户进行流媒体和观看。关于预测主播在 Twitch 上的流行度的研究很少。在本文中，我们着眼于可能有助于主播流行的潜在因素。 Streamer 数据是在 4 周内使用 Twitch 的 API 通过一致跟踪收集的。收集了每个用户的流信息，例如当前观看者和关注者的数量、流的类型等。从结果中，我们发现流媒体会话的频率、内容类型和流媒体的长度是决定流媒体在会话期间可以获得多少观众和订阅者的主要因素。
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。
