多層網絡移動性影響下的SIS流行病模型
原文標題： SIS Epidemic Model under Mobility on Multi-layer Networks
地址： http://arxiv.org/abs/2003.06341
作者： Vishal Abhishek, Vaibhav Srivastava
摘要： 我們研究了人口異質流動模式對SIS流行病模型的影響。特別是，我們考慮了一個斑駁的環境，其中每個斑塊都包含屬於不同類別的個體，例如，處於不同社會經濟階層的個體。我們通過關聯的連續時間馬爾可夫鏈（CTMC）對每個班級的個人跨不同補丁的移動性進行建模。這些多個CTMC的拓撲構成了移動性的多層網絡。每次，個體根據其CTMC在空間分佈的補丁的多層網絡中移動，然後根據SIS流行病模型與補丁中的本地個體進行交互。我們得出描述這些流動性-流行病相互作用的確定性連續極限模型。我們建立了在不同參數體制下的無病平衡（DFE）和地方性平衡（EE）的存在，並使用Lyapunov技術建立了（幾乎）全局漸近穩定性。我們得出簡單的充分條件，突顯了多層網絡對DFE穩定性的影響。最後，我們用數值方法說明了導出的模型可以很好地逼近具有有限總體的隨機模型，並證明了多層網絡結構對暫態性能的影響。
學習有限標記數據的圖嵌入：一種有效的採樣方法
原文標題： Learning Graph Embedding with Limited Labeled Data: An Efficient Sampling Approach
地址： http://arxiv.org/abs/2003.06100
作者： Qirui Li, Xiaoming Liu, Chao Shen, Xi Peng, Yadong Zhou, Xiaohong Guan
摘要： 由圖卷積網絡代表的半監督圖嵌入方法已成為利用深度學習方法處理基於圖的數據以供應用的最受歡迎的方法之一。現有的工作大多集中在設計新穎的算法結構以提高性能上，但忽略了一個常見的訓練問題，即，這些方法能否在有限的標記數據下實現相同的性能？為了解決這個研究空白，我們提出了一種基於樣本的半監督圖嵌入方法的訓練框架，以利用較小的訓練數據集實現更好的性能。關鍵思想是通過流水線形式將採樣理論和嵌入方法結合起來，具有以下優點：1）採樣的訓練數據比統一選擇的數據可以保持更準確的圖特徵，消除了模型偏差。 2）較小規模的培訓數據有利於減少標記他們的人力資源成本；大量的實驗表明，基於採樣的方法僅在訓練數據規模為10％/-50％/％時才能達到相同的性能。它驗證了該框架可以將現有的半監督方法擴展到具有極小規模標記數據的場景。
NesTPP：在線討論論壇中的線程動態建模
原文標題： NesTPP: Modeling Thread Dynamics in Online Discussion Forums
地址： http://arxiv.org/abs/2003.06051
作者： Chen Ling, Guangmo Tong, Mozi Chen
摘要： 在線討論論壇創建了一個異步對話環境，供在線用戶通過獨特的線程回覆通信模式交流想法和分享意見。在這種模式下準確建模信息動態非常重要，因為它提供了一種挖掘潛在傳播模式並瞭解用戶行為的方法。在本文中，我們設計了一個新穎的時間點過程模型來表徵在線討論論壇中的信息級聯。提出的模型將整個事件空間視為由主線程流及其鏈接的回覆流組成的嵌套結構，並通過其強度函數顯式地對這兩種類型的流之間的相關性進行建模。利用Reddit數據，我們檢查了設計模型在不同應用程序中的性能，並將其與其他流行方法進行了比較。實驗結果表明，我們的模型可以產生有競爭力的結果，並且在大多數情況下都優於最新方法。
比特幣交易網絡的快照採樣和加密貨幣增長分析
原文標題： Snapshot Samplings of the Bitcoin Transaction Network and Analysis of Cryptocurrency Growth
地址： http://arxiv.org/abs/2003.06068
作者： Lambert T. Leong
摘要： 這項工作的目的是對快速增長的比特幣交易網絡進行網絡分析。使用網絡套接字API，我們收集了在六個小時內發生的所有交易的數據。記錄發件人和收件人地址以及交換的比特幣數量。使用R和Gephi生成圖，其中節點代表地址，邊代表比特幣的交換。六個小時的數據集被分為一個一小時和兩個小時的網絡採樣快照。為了確定代表整個網絡的最小採樣長度，我們對數據的所有子集進行了比較和分析。我們的結果表明，對於準確表徵比特幣交易網絡所需的採樣時間而言，六小時採樣是最低限度。匿名是區塊鏈和比特幣網絡的理想功能，但它限制了我們的分析和結論我們的結果大部分是可以推斷的。需要做進一步的工作來收集更全面的數據，以便可以更好地分析比特幣交易網絡。
錯誤的社會信息對人類集體智慧的影響
原文標題： The impact of incorrect social information on collective wisdom in human groups
地址： http://arxiv.org/abs/2003.06160
作者： Bertrand Jayles, Ramón Escobedo, Stéphane Cezera, Adrien Blanchet, Tatsuya Kameda, Clément Sire, Guy Theraulaz
摘要： 大量使用社交媒體網絡導致的一個主要問題是錯誤信息的傳播。但是，很少有研究調查不正確信息對個人和集體決策的影響。我們進行了一些實驗，參與者在接收社交信息之前和之後必須估算一系列數量。他們不知道，我們通過“虛擬影響者”控制了社會信息的不準確程度，他們提供了一些不正確的信息。我們發現，很大一部分人僅部分遵循社會信息，因此抵制了不正確的信息。此外，我們發現不正確的社交信息可以通過部分補償人為的低估偏差來幫助一個群體在高估真實價值時表現更好。總體而言，我們的結果表明，錯誤的信息並不一定會損害群體的集體智慧，甚至可以用來減輕已知認知偏見的負面影響。
使用詞嵌入來改善共現文本網絡的可分辨性
原文標題： Using word embeddings to improve the discriminability of co-occurrence text networks
地址： http://arxiv.org/abs/2003.06279
作者： Laura V. C. Quispe, Jorge A. V. Tohalino, Diego R. Amancio
摘要： 單詞共現網絡已被用於在實際和理論情況下分析文本。儘管在幾種應用中取得了相對成功，但傳統的共現網絡無法在相似的詞在文本中出現很遠的地方建立鏈接。在這裡，我們調查使用詞嵌入作為在共現網絡中創建虛擬鏈接的工具是否可以提高分類系統的質量。我們的結果表明，當使用Glove，Word2Vec和FastText時，改進了樣式任務中的可分辨性。此外，我們發現當不忽略停用詞並且使用簡單的全局閾值策略來建立虛擬鏈接時，可以獲得最佳結果。由於所提出的方法能夠改善文本作為複雜網絡的表示方式，因此我們認為可以將其擴展為研究其他自然語言處理任務。同樣，理論語言研究可以從採用的單詞共現網絡的豐富表示中受益。
聲明：Arxiv文章摘要版權歸論文原作者所有，由本人進行翻譯整理，未經同意請勿隨意轉載。本系列在公眾號“網絡科學研究速遞”和個人博客進行同步更新。
閱讀更多 網絡科學研究速遞 的文章
