• 策略和效果：研究2016年美国总统运动对Twitter’喜欢’的使用;
• 利用流量数据的L1最小化不一致校正链路流量;
• 通过传播群体增加社交网络中的谣言流;
• 立陶宛议会选举的实证分析和代理模式;
• 通过人工智能改进内容营销流程;

策略和效果：研究2016年美国总统运动对Twitter’喜欢’的使用

地址： http://arxiv.org/abs/1704.02042

作者： Yu Wang, Xiyang Zhang, Jiebo Luo

摘要： 我们提出了一个在2016年美国总统大选期间衡量，评估和评估运动成效的框架。使用从2015年9月至2016年1月收集的Twitter数据，我们首先揭示候选人的推文策略，其次，使用负二项回归和利用“喜欢”的变化，我们评估这些策略的有效性。第三，我们通过计算他们生成的“喜欢”的有条件的期望，对候选人的运动策略进行排名。我们显示，特德克鲁兹和马可·鲁比奥对奥巴马总统施加了很大的压力，但这种策略并没有得到他们的支持者的好评。我们证明希拉里·克林顿将自己与奥巴马总统联系起来的策略与她的支持者有很好的共鸣，但伯尼·桑德斯也是如此。此外，我们显示唐纳德·特朗普是所有其他候选人的主要议题，而在桑德斯的运动中，与克林顿的女性问题同样重要。最后，我们提出政治家可以利用社交媒体反馈机制来改善他们的运动的两种方式：（1）利用社交媒体的反馈来改善社交媒体的运动策略; （2）原型政策，并对社会媒体的公众反应进行测试。

利用流量数据的L1最小化不一致校正链路流量

地址： http://arxiv.org/abs/1704.02052

作者： Penghang Yin, Zhe Sun, Wenlong Jin, Jack Xin

摘要： 针对问题流量校正提出了一种基于L1最小化的计算方法。没有额外的信息，当大部分链路传感器不健康时，问题通常是不正确的。然而，如果只有几个坏传感器位于某些链接处，则可以通过提出的方法来纠正损坏。我们在数学上量化这些可靠的错误链接，并将其与流量网络的几何结构相关联。在一个更现实的环境中，除了不健康的链路传感器，如果其他传感器存在小的噪声，我们的方法可以保证估计交通流量相当接近地面实际。提供玩具和现实世界的例子来证明所提出的方法的有效性。

通过传播群体增加社交网络中的谣言流

地址： http://arxiv.org/abs/1704.02095

作者： Alon Sela, Orit Milo-Cohen, Irad Ben-Gal, Eugene Kagan

摘要： 本文提出了一种通过Spreading Groups初始加速在社交网络中传播消息的方法。这些组开始传播，最终到达网络的较大部分。传播群体的使用创造了一个最终的流程，类似于通过具有最高影响程度的节点的传播（意见领袖）。虽然利用意见领袖传播信息通常是昂贵的，但传播群体的形成只是一个技术问题，可以通过计算机化的机器人来实现。本文提出了一个信息流模型，并通过纳斯达克相关推文的数据集来检查模型。

立陶宛议会选举的实证分析和代理模式

地址： http://arxiv.org/abs/1704.02101

作者： A. Kononovicius

摘要： 在这一贡献中，我们分析1992年，2008年和2012年立陶宛议会选举期间投票站的投票份额分布情况。我们发现投票权分配相当适合Beta版本。为了再现这种实证观察，我们提出了一个多国代理模式，其中所有代理人都选择政党来支持。允许代理人自行更改决定以及线性招聘机制。我们用简单的模式来重现1992年大选的投票权分配。我们讨论扩大其他选举投票权分配所需的扩展。

通过人工智能改进内容营销流程

地址： http://arxiv.org/abs/1704.02114

作者： Utku Kose, Selcuk Sert

摘要： 内容营销是企业营销过程中最显着的方法之一。由于计算机和通信技术的最新发展，这种营销的价值在时间上有所改善。如今，特别是基于社交媒体的平台，非常重视企业设计面向多媒体的互动内容。但另一方面，改进的内容营销方法仍然有更多的事情要做。在这种情况下，本研究的目的是着眼于智能内容营销，这可以通过使用人工智能来完成。人工智能是当今最引人瞩目的研究领域之一，可以轻松应用于多学科。因此，本研究旨在探讨其改进内容营销的潜力。详细来说，这项研究使读者能够提高他们对内容营销和人工智能交点的认识。此外，作者介绍了智能内容营销的一些示例模型，可以通过使用当前的Web技术和人工智能技术来实现。