竞争平衡理论中符号网络临界行为的平均场解;网络数据的动态随机块模型回归：在国际军事冲突中的应用;如何量化意见动力学模型中的极化;法律风格：定义和检测法律起草中的问题模式;节点不平衡分类中的智能距离原型图神经网络;检测非洲城市网络中具有高中介性的城市;动态图上的事件检测;社会网络中的用户参与动态;社交媒体上网络安全错误信息的普遍性：关于网络钓鱼报告和 Zoom 威胁的案例研究;星座线图的网络特征;城市大数据的神经嵌入揭示了城市中的新兴结构;不同疾病传播风险认知下保护行为的涌现;竞争平衡理论中符号网络临界行为的平均场解原文标题： Mean-Field Solution for Critical Behavior of Signed Networks in Competitive Balance Theory地址： http://arxiv.org/abs/2008.00537作者： R. Masoumi, F. Oloomi, A. Kargaran, A. Hosseiny, G.R. Jafari摘要： 竞争平衡模型已被提议作为平衡模型的扩展，以解决符号网络中的利益冲突 arXiv:2001.04664。在这个模型中，两种不同的范式由于竞争利益而相互竞争，以支配系统并强加自己的价值观。使用本文中的平均场求解方法，我们检查了竞争平衡模型的热行为。我们的研究结果表明，在一定温度下，两个竞争利益之间的对称性会自发打破，导致离散相变。因此，从异构符号网络开始，如果主体旨在最终减少源自平衡理论的张力，演化最终只会选择现有利益中的一种，并且在一种范式主导网络的情况下会出现稳定性。临界温度与节点数呈线性关系，这在热平衡理论中也是线性关系。最后通过平均场理论得到的结果通过一系列的模拟得到验证。网络数据的动态随机块模型回归：在国际军事冲突中的应用原文标题： Dynamic Stochastic Blockmodel Regression for Network Data: Application to International Militarized Conflicts地址： http://arxiv.org/abs/2103.00702作者： Santiago Olivella, Tyler Pratt, Kosuke Imai摘要： 社会科学研究的一个主要目标是理解潜在群体成员资格如何预测网络演化的动态过程。例如，在国际军事化冲突的建模中，学者们假设地缘政治联盟的成员身份会影响参与冲突的决定。这些理论解释了节点和二元特征通过它们对群体成员资格的影响而影响冲突模式随时间演变的方式。为了帮助对这些论点进行实证检验，我们通过将隐马尔可夫模型与混合成员随机块模型相结合来开发网络数据的动态模型，该模型可识别网络结构下的潜在组。与现有模型不同，我们结合了协变量来预测潜在组中的动态节点成员资格以及二元组之间边的直接形成。虽然先前的实质性研究通常假设参与国际军事化冲突的决定是独立于国家的并且随着时间的推移是静态的，但我们证明冲突是由国家在地缘政治集团中不断变化的成员资格驱动的。像民主这样的一元协变量的变化在联盟之间转移国家，随着时间的推移和跨国家的冲突产生异质性影响。所提出的方法依赖于对折叠后验分布的变分近似以及可扩展性的随机优化，是通过开源软件包实现的。如何量化意见动力学模型中的极化原文标题： How to Quantify Polarization in Models of Opinion Dynamics地址： http://arxiv.org/abs/2110.11981作者： Christopher Musco, Indu Ramesh, Johan Ugander, R. Teal Witter摘要： 人们普遍认为，社会围绕重要问题变得越来越两极分化，这种动态与社会网络中常见的意见形成数学模型不一致。特别是，众所周知，在流行的 DeGroot 模型等框架中，基于意见差异的极化度量会随着时间的推移而减少。作为最近试图通过修改意见模型来解决这种明显不一致的工作的补充，我们通过提出对极化如何量化的改变来解决不一致。我们提出了一类自然的基于群体的两极分化度量，它捕捉意见聚集成不同群体的程度。使用理论论证和经验证据，我们表明即使在简单的 DeGroot 模型中，这些基于组的度量也显示出有趣的非单调动态。特别是，对于许多自然社会网络，基于群体的指标会随着时间的推移而增加，从而正确捕捉日益加剧的两极分化的看法。我们的结果建立在 DeMarzo 等人的工作之上，他们引入了基于意识形态对齐的基于群体的极化度量。我们表明，这项工作的核心工具，即 DeGroot 模型下个人意见的极限分析，可以扩展到其他基于群体的极化测量的动态，包括已建立的统计测量，如双峰性。我们还考虑了本地极化测量，这些测量将在网络环境中如何感知极化进行操作。结合先前工作的证据表明基于群体的措施更符合现实世界的两极分化认知，我们的工作为在未来的意见动态研究中使用这些措施代替基于方差的两极分化提供了正式支持。法律风格：定义和检测法律起草中的问题模式原文标题： Law Smells: Defining and Detecting Problematic Patterns in Legal Drafting地址： http://arxiv.org/abs/2110.11984作者： Corinna Coupette, Dirk Hartung, Janis Beckedorf, Maximilian Böther, Daniel Martin Katz摘要： 基于代码气味的计算机科学概念，我们开始研究法律气味，即法律文本中对法律的可理解性和可维护性构成威胁的模式。以五种直观的法律气味作为运行示例——即重复短语、长元素、大参考树、歧义句法和自然语言痴迷——我们开发了一个全面的法律气味分类法。该分类法根据何时可以检测到法律气味、它们与法律的哪些方面相关以及如何发现它们来对法律气味进行分类。我们引入了基于文本和基于图的方法来识别法律气味的实例，并使用美国法典作为测试案例来确认它们在实践中的实用性。我们的工作展示了如何利用软件工程的思想来评估和提高法律代码的质量，从而引起人们对法律和计算机科学交叉领域未充分研究的领域的关注，并突出了计算法律起草的潜力。节点不平衡分类中的智能距离原型图神经网络原文标题： Distance-wise Prototypical Graph Neural Network in Node Imbalance Classification地址： http://arxiv.org/abs/2110.12035作者： Yu Wang, Charu Aggarwal, Tyler Derr摘要： 近年来，我们见证了应用图神经网络 (GNN) 在学习用于分类的有效节点表示方面取得的重大成功。然而，目前的 GNN 大多建立在平衡的数据拆分下，这与许多现实世界的网络不一致，其中训练节点的数量在类别之间可能极不平衡。因此，直接在不平衡数据上使用当前的 GNN 会生成少数类节点的粗略表示，并最终损害分类性能。因此，这预示着开发有效的 GNN 来处理不平衡图数据的重要性。在这项工作中，我们提出了一种新颖的距离智能原型图神经网络（DPGNN），它提出了类原型驱动的训练来平衡多数类和少数类之间的训练损失，然后利用距离度量学习来区分不同维度的贡献表示并完全编码每个节点与每个类原型的相对位置。此外，我们设计了一种新的不平衡标签传播机制，从未标记的节点获得额外的监督，并采用自监督学习来平滑相邻节点的表示，同时分离类间原型。对多个网络进行了全面的节点分类实验和参数分析，所提出的 DPGNN 几乎总是显著优于所有其他基线，这证明了其在不平衡节点分类中的有效性。 DPGNN 的实现可在 urlhttps://github.com/YuWVandy/DPGNN 获得。检测非洲城市网络中具有高中介性的城市原文标题： Detecting cities with high intermediacy in the African urban network地址： http://arxiv.org/abs/2110.12142作者： Rafael Prieto Curiel, Abel Schumann, Inhoi Heo, Philipp Heinrigs摘要： 城市根据它们在交通网络中的位置扮演不同的角色。如果一个城市位于两个首都之间的走廊上，而另一个靠近障碍物（例如山脉），则两个大小相似的城市可能具有不同的特征。中介水平是城市的一个属性，它表征了它们在城市网络中的位置。我们通过构建从 OpenStreetMap 获得的道路基础设施网络来衡量非洲城市的中介水平。基础设施网络允许定义城市指标，例如程度和中心性。使用基于所有城市对之间的吸引力或重力水平的数学模型来近似代表流经每个网络边的旅程数量。我们的模型将跨越国际边界的额外时间视为一个参数，使我们能够代表具有昂贵政治障碍的支离破碎地区的成本。我们的研究结果表明，小城市具有广泛的中介性。我们检测到一个相变，即人口少于 100 万的城市具有取决于规模和程度的中心性。对于超过 100 万居民的城市，中心性往往更大，主要取决于城市规模而不是程度。动态图上的事件检测原文标题： Event Detection on Dynamic Graphs地址： http://arxiv.org/abs/2110.12148作者： Mert Kosan, Arlei Silva, Sourav Medya, Brian Uzzi, Ambuj Singh摘要： 事件检测是图分析应用程序中及时决策的关键任务。尽管最近在图深度学习方面取得了进展，但动态图上的事件检测对现有架构提出了特殊挑战。现实生活中的事件通常与图表正常行为的突然偏差有关。然而，现有的动态节点嵌入方法无法捕捉与事件相关的图级动态。在本文中，我们提出了 DyGED，这是一种用于动态图事件检测的简单而新颖的深度学习模型。 DyGED 学习图宏观动态（即一系列图级表示）与标记事件之间的相关性。此外，我们的方法结合了结构和时间自注意力机制，以有效地解释特定于应用程序的节点和时间的重要性。我们使用一组代表性数据集进行的实验评估表明，DyGED 在事件检测准确度方面优于竞争解决方案高达 8.5%，同时比顶级替代方案更具可扩展性。我们还介绍了案例研究，说明了我们模型的关键特征。社会网络中的用户参与动态原文标题： Towards User Engagement Dynamics in Social Networks地址： http://arxiv.org/abs/2110.12193作者： Qingyuan Linghu, Fan Zhang, Xuemin Lin, Wenjie Zhang, Ying Zhang摘要： 每个用户在社会网络中的参与度是维持可持续服务的重要指标。现有研究使用用户的核心价值来很好地估计其在网络中的静态参与度。但是，当一个用户的参与度减弱或增强时，对其他用户参与度的影响就不清楚了。此外，对于不断发展的社会网络，用户参与的动态还没有被很好地捕捉到。在本文中，我们首次系统地研究了针对每个用户参与度变化的网络动态。用户的影响通过两个新颖的概念来监控：衡量用户削弱效果的 collapsed~power 和衡量用户强化效果的 anchored~power。我们表明这两个概念可以自然地集成在一起，因此提出了一种统一的离线算法来计算每个用户的折叠和锚定关注者。当网络结构演变时，在线技术旨在维护用户的追随者，这比重做离线算法要快 3 个数量级左右。对现实生活数据的大量实验证明了我们模型的有效性和我们算法的效率。社交媒体上网络安全错误信息的普遍性：关于网络钓鱼报告和 Zoom 威胁的案例研究原文标题： The Prevalence of Cybersecurity Misinformation on Social Media: Case Studies on Phishing Reports and Zoom’s Threats地址： http://arxiv.org/abs/2110.12296作者： Mohit Singhal, Nihal Kumarswamy, Shreyasi Kinhekar, Shirin Nilizadeh摘要： 最近，威胁情报和安全工具得到了增强，可以使用从社交媒体中提取的及时和相关的安全信息。然而，普通用户和恶意行为者都可能传播错误信息，这不仅会误导最终用户，还会误导威胁情报工具。在这项工作中，我们首次研究了社交媒体上网络安全和隐私错误信息的普遍性，重点关注两个不同的主题：钓鱼网站和 Zoom 的安全和隐私。我们收集了警告用户有关钓鱼网站的 Twitter 帖子，并试图验证这些说法。我们发现这些推文中约有 22% 是无效声明。然后，我们调查了多个平台上有关 Zoom 安全和隐私的帖子，包括 Instagram、Reddit、Twitter 和 Facebook。为了检测与 Zoom 相关的错误信息，我们首先创建了一个真实数据集和一个错误信息分类法，并确定了用于训练分类器的文本和上下文特征，以检测讨论 Zoom 安全性和隐私的帖子并检测错误信息。我们的分类器表现出很好的性能，例如 Reddit 和 Facebook 错误信息分类器的准确率达到了 99%，而 Twitter 和 Instagram 的准确率达到了 98%。对来自 Instagram、Facebook、Reddit 和 Twitter 的帖子使用这些分类器，我们发现 Zoom 的安全和隐私帖子分别有大约 3%、10%、4% 和 0.4% 是错误信息。这凸显了社交媒体平台需要投入资源来遏制错误信息的传播，以及数据驱动的安全工具需要提出方法以尽量减少此类错误信息对其性能的影响。星座线图的网络特征原文标题： The network signature of constellation line figures地址： http://arxiv.org/abs/2110.12329作者： Doina Bucur摘要： 在世界各地的传统天文学中，夜空中的星星群被连接成星座——天球上的象征性代表，具有丰富的意义和实际作用。在记录了线条或连接点图的文化中，这些视觉表示被限制在固定的星星背景中，但可以自由选择要绘制的星星和线条。在来自 50 个天文文化的 1591 个星座线图的数据集上，我们定义了衡量星座视觉特征（或复杂性）的指标，并回答了两个问题：(1) 文化类型是否与星座的视觉特征相关联？ 2) 天空区域是否与星座的视觉特征相关联？我们发现 (1) 个别文化很少和微弱的关联，但文化类型（根据实际使用、发展水平和祖先）显示出关联。我们在视觉特征中发现了明显的跨文化和跨类型相似性集群，东南亚传统与相似的美索不达米亚、北美和南美、南岛和波利尼西亚传统相去甚远。我们还发现 (2) 每个天空区域的星座特征的多样性比预期的要多，大多数流行恒星周围都有不同的设计。城市大数据的神经嵌入揭示了城市中的新兴结构原文标题： Neural Embeddings of Urban Big Data Reveal Emergent Structures in Cities地址： http://arxiv.org/abs/2110.12371作者： Chao Fan, Yang Yang, Ali Mostafavi摘要： 在这项研究中，我们建议使用神经嵌入模型 – 图神经网络 (GNN) – 利用城市地区的异构特征及其由人类移动网络刻画的交互来获得这些地区的向量表示。使用来自美国 16 个大都市区的数百万聚合和匿名移动电话用户的大规模高分辨率移动数据集，我们证明了我们的嵌入编码了与城市组件（例如设施分布）相关的特征之间的复杂关系，并且人口属性和活动。从市中心到郊区的每个方向的空间梯度是使用聚类表示和同一聚类中城市地区之间的共享特征来测量的。此外，我们表明，由在不同县训练的模型生成的嵌入可以刻画另一个县 50% 到 60% 的新兴空间结构，使我们能够以定量的方式进行跨县比较。我们基于 GNN 的框架克服了先前用于检查空间结构的方法的局限性，并且具有高度的可扩展性。研究结果揭示了城市成分与城市各向异性空间梯度之间的非线性关系。由于确定的空间结构和梯度反映了各种机制的综合影响，例如隔离、不同的设施分布和人员流动，因此研究结果有助于确定当前城市结构的局限性，为规划决策和政策提供信息。此外，该模型和研究结果通过对城市组成部分与人口活动和属性之间复杂相互作用如何塑造城市空间结构的综合理解，为城市规划、工程和社会科学的各种研究奠定了基础。不同疾病传播风险认知下保护行为的涌现原文标题： Emergence of protective behaviour under different risk perceptions to disease spreading地址： http://arxiv.org/abs/2110.12733作者： Mozhgan Khanjanianpak, Nahid Azimi-Tafreshi, Alex Arenas, Jesús Gómez-Gardeñes摘要： 个人的行为是控制传染病传播的主要参与者，反过来，传染病的传播可以引发人群的行为改变。在这里，我们通过考虑同一人群中的两种不同社会态度来研究个体在应对疾病传播时出现的保护行为：关注和冒险。一般来说，关注个体比风险个体具有更大的风险规避。为了研究保护行为的出现，我们结合了易感-感染-易感模型的流行演变，这是一种基于感知感染风险的决策博弈。使用这个框架，我们发现保护策略对两个亚群（关注和风险）中的每一个的流行阈值的影响，并研究在什么条件下风险个体被说服保护自己，或者相反，可以利用多亏了有关个人提供的盾牌，在不保护自己的情况下保持健康，从而获得群体免疫。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。
本文出自快速备案，转载时请注明出处及相应链接。
