• 男性自我引用高：性别和跨领域和跨时代的自引;
• 社会媒体流行度与深度时态语境网络的序贯预测;
• 科学的两极分化;
• 不同环境下符号网络的平衡与挫折;
• 局部社区检测的Krylov子空间逼近;
• 通过优化的单层重连来实现复用网络的本地化;

男性自我引用高：性别和跨领域和跨时代的自引

原文标题： Men Set Their Own Cites High: Gender and Self-citation across Fields and over Time

地址： http://arxiv.org/abs/1607.00376

作者： Molly M. King, Carl T. Bergstrom, Shelley J. Correll, Jennifer Jacquet, Jevin D. West

摘要： 自我引用在学术刊物上有多普遍，这种做法是否因性别而异？在1779年至2011年期间发表的学术数据库JSTOR中使用了新颖的方法和150万篇研究论文的数据集，作者发现近10％的参考文献是论文作者的自引。调查结果还显示，1779年至2011年间，男性引用自己的文件比女性多56％。在过去二十年的数据中，男性自称比女性多70％。女性也比男性多出10个百分点，因为根本没有引用自己以前的工作。尽管这些模式可能是由于男性和女性作者发表的论文数量的差异而导致的，而不是由于自我引用行为的性别特异性模式造成的，但是在过去的50年中，自我引用率的性别差距保持稳定，尽管在学术界代表妇女。作者根据学术领域和作者数量来分解自我引用模式，并评论这些观察背后的潜在机制。这些发现对于学术界的知名度和学术职业的累积优势具有重要的意义。

社会媒体流行度与深度时态语境网络的序贯预测

原文标题： Sequential Prediction of Social Media Popularity with Deep Temporal Context Networks

地址： http://arxiv.org/abs/1712.04443

作者： Bo Wu, Wen-Huang Cheng, Yongdong Zhang, Qiushi Huang, Jintao Li, Tao Mei

摘要： 预测受欢迎程度对社交媒体有深远的影响，因为它提供了从演化社会系统中揭示个人偏好和公众关注的机会。以前的研究虽然取得了可喜的成果，却忽略了社会数据的一个显著特征，即顺序性。例如，在线内容的普及随着时间的推移而连续发布社交媒体。为了研究流行的顺序预测，我们提出了一种新的预测框架，称为深时间上下文网络（DTCN），通过结合时间上下文和时间上的关注。我们的DTCN包含三个主要组件，从嵌入，学习到预测。利用联合嵌入网络，可以在一个共同的嵌入空间中获得多模式用户后期数据的统一深度表示。然后，基于嵌入的数据序列随着时间的推移，时间上下文学习试图循环地学习两个自适应时间上下文顺序流行的上下文。最后，一个新颖的时间关注被设计来预测新的受欢迎程度（一个新的用户 - 后对的流行）与跨时间尺度的时间一致性。在我们发布的具有大约600K Flickr照片的图像数据集上的实验表明，DTCN优于最先进的深度预测算法，在流行预测（Spearman Ranking Correlation）中平均相对性能提高了21.51％。

科学的两极分化

原文标题： Scientific Polarization

地址： http://arxiv.org/abs/1712.04561

作者： Cailin O’Connor, James Owen Weatherall

摘要： 当代社会往往是“两极分化”的，即在这个事实存在的事实中，这些社会中的小团体持有相反的信念。现存的两极分化模式并不能捕捉到一些信念是真实的，其他信仰是假的。在这里，我们提出一个模型，基于巴拉和戈雅的网络认识论框架[“从邻居学习”，\ textit {Rev。经济舱。 （3），784-811（1998）]，即使代理人收集他们的信仰的证据，其中出现了两极分化，真正的信仰产生了回报优势。产生两极分化的关键机制涉及到，当他们的信仰与自己的信念相对不同时，把其他行为体产生的证据视为不确定的。

不同环境下符号网络的平衡与挫折

原文标题： Balance and Frustration in Signed Networks under Different Contexts

地址： http://arxiv.org/abs/1712.04628

作者： Samin Aref

摘要： 挫折指数是分析由于其计算复杂性而未被充分利用的符号网络的关键措施。我们使用基于优化的方法来分析在不同情况下符号网络的全球结构性质的挫败感。我们提供关于社会和生物符号网络的精确数字结果以及国家和金融组合网络之间的正式联盟和对抗网络。碳和自旋玻璃模型的分子图是其他网络，我们认为讨论挫折指数的上下文相关的解释。这些发现统一了图论测量在理解符号网络中的应用。亮点：分析了涉及6个不同学科的有符号网络的模型 - 一个优化模型用于广泛的计算实验 - 大图中挫折指数的值被精确和有效地计算 - 符号网络平衡和挫折的应用统一

局部社区检测的Krylov子空间逼近

原文标题： Krylov Subspace Approximation for Local Community Detection

地址： http://arxiv.org/abs/1712.04823

作者： Kun He, Pan Shi, David Bindel, John E. Hopcroft

摘要： 社区检测是计算机科学，社会科学，生物学和物理学等许多领域的重要信息挖掘任务。对于越来越普遍的大型网络数据集，全球社区的检测成本非常昂贵，并且已经将注意力转移到挖掘当地社区的方法，即从少数标记的种子成员中识别特定社区的所有潜在成员的方法。为了解决这个半监督的挖掘任务，我们提出了一个局部的基于谱子空间的社区检测方法，称为LOSP。采样技术首先在种子周围应用，以显著减少搜索的规模。然后基于Krylov子空间定义一族局部谱空间，并通过Krylov子空间上的一个范数最小化寻找目标群体的稀疏指标。 LOSP的变体取决于具有不同扩散速度的随机游走类型，规则随机游走或反向随机游走，局部谱子空间的维数和扩散步骤。所提出的LOSP方法的有效性在理论上是基于瑞利商的分析，并且在社交，生产和生物领域以及广泛的合成LFR基准数据集的各种各样的现实世界网络上进行了实验验证。

通过优化的单层重连来实现复用网络的本地化

原文标题： Localization of multiplex networks by the optimized single-layer rewiring

地址： http://arxiv.org/abs/1712.04829

作者： Sarika Jalan, Priodyuti Pradhan

摘要： 我们研究复用网络的主要特征向量（PEV）的本地化特性。从对应于离域PEV的多路复用网络开始，我们使用优化技术重连网络，使得重连的多路复用网络的PEV变得更加局部化。该框架使我们能够在重连过程中仔细检查各个定位点网络的结构和谱特性。我们表明，通过重新连接复用网络的一层，就可以实现整个系统的PEV定位。我们的调查揭示了PEV对最优化多路复用网络结构中单边重连的敏感性，这与最为局部的PEV相对应，可以更深入地了解多路复用网络的定位行为。此外，通过使用现实世界的社会和生物数据构建多路复用网络，我们表明，我们的模型多路复用网络的仿真结果与这些现实世界的多路复用网络的性质非常吻合。该研究与需要了解多路复用网络中扰动如何传播的应用有关。

声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://netsci.complexly.cn （提供RSS订阅）进行同步更新。