• 时间压力增加了发送者-接收者欺骗博弈的诚实度;
• 对一致摆动不稳定的电网网络结构鲁棒性开展工程;
• 文本网络嵌入的扩散地图;
• 对Twitter上乳腺癌治疗经验和医疗保健观点的情感分析;
• 韩国城市街道网络分析：拓扑与元信息之间的关系;
• 声望驱动了科学观点传播中的认知不平等;
• struc2gauss: 使用高斯嵌入的结构保持网络嵌入;
• 坏连接：结合图和信息论特征用于在线欺诈组检测;
• Twitter社交机器人对伊朗辩论的影响;
• MultiNet：可扩展的多层网络嵌入;
• 调和复杂性：复杂的社会技术系统更好的整合方法;
• 复杂网络中的动态不变性;
• 利用伊辛模型检测社会网络中有影响力的活动;

时间压力增加了发送者-接收者欺骗博弈的诚实度

原文标题： Time pressure increases honesty in a sender-receiver deception game

地址： http://arxiv.org/abs/1805.09841

作者： Valerio Capraro, Jonathan Schulz, David G. Rand

摘要： 以前的实验发现，诚实是否直观或需要慎重考虑，结果不一。在这里，我们通过构建Capraro（2017a）的先前工作来补充这些文献。我们报告了一个大型研究（N = 1,297）在发送者 - 接收者欺骗博弈中操纵时间压力与时间延迟。我们发现，在这种情况下，人们在时间压力下更加诚实，而且这一结果并非由早期工作中的混淆现象所驱动。

对一致摆动不稳定的电网网络结构鲁棒性开展工程

原文标题： Engineering Structural Robustness in Power Grid Networks Susceptible to Coherent Swing Instability

地址： http://arxiv.org/abs/1805.09894

作者： Daniel Dylewsky, Xiu Yang, Alexandre Tartakovsky, J. Nathan Kutz

摘要： 网络化电网系统容易出现称为相干摆动不稳定性（CSI）的现象，其中网格中的一部分机器与网络的其余部分失去同步。我们制定了网络级评估指标，以（i）确定电网网络中的社区子结构，（ii）确定网络中对CSI特别敏感的薄弱点，以及（iii）制定增加传输线的工程方法，减少现有网络中CSI的发生率，或者设计能够通过其网络设计对CSI强健的新电网网络。对于美国东北电网的一个缩减模型的模拟，我们发现修改网络连接结构可以显著提高电网对CSI的适应能力，在这种模型中，代表新英格兰地区的公交车块表现出强烈的CSI倾向性。我们的分析提供了一种多用途的诊断工具，用于评估将线路添加到已知易于发生CSI的电网的功效。在大规模电力系统中，这是一个特别相关的问题，由于财务和基础设施的限制，通过增加总体网络连接来改善稳定性和中断的稳健性是不可行的。

文本网络嵌入的扩散地图

原文标题： Diffusion Maps for Textual Network Embedding

地址： http://arxiv.org/abs/1805.09906

作者： Xinyuan Zhang, Yitong Li, Dinghan Shen, Lawrence Carin

摘要： 文本网络嵌入利用与网络相关的丰富文本信息来学习顶点的低维向量表示。最近的研究没有使用典型的自然语言处理（NLP）方法，而是利用同一边上的文本关系来图化嵌入文本。然而，这些模型忽略了测量图中任何两个文本之间完整连通性的程度。我们为文本网络嵌入（DMTE）提供扩散映射，整合图的全局结构信息以捕获文本之间的语义相关性，对文本输入应用扩散 - 卷积操作。此外，还设计了一个新的目标函数，使用图扩散来有效保持高阶邻近度。实验结果表明，所提出的方法在顶点分类和链路预测任务上优于最先进的方法。

对Twitter上乳腺癌治疗经验和医疗保健观点的情感分析

原文标题： A Sentiment Analysis of Breast Cancer Treatment Experiences and Healthcare Perceptions Across Twitter

地址： http://arxiv.org/abs/1805.09959

作者： Eric M. Clark, Ted James, Chris A. Jones, Amulya Alapati, Promise Ukandu, Christopher M. Danforth, Peter Sheridan Dodds

摘要： 背景：社交媒体有能力向医疗保健行业提供来自揭示和表达其医疗决策过程的患者的宝贵反馈，以及治疗期间和治疗后自我报告的生活质量指标。在之前的工作中，[Crannell et。我们已经在推特上研究了一个活跃的癌症患者群体，并编写了一系列推文来描述他们对这种疾病的经验。我们将这些在线公开证词称为“隐形患者报告结局”（iPRO），因为它们带有相关指标，但通过传统的自我报告手段难以捕捉。方法：我们目前的研究旨在确定与患者体验相关的推文作为监测公共健康的额外信息工具。使用Twitter的公共流媒体API，我们编译了跨越2016年9月至2017年12月中旬的超过530万个“乳腺癌”相关推文。我们将受监督的机器学习方法与自然语言处理相结合，筛选出与乳腺癌患者体验相关的推文。我们分析了845例乳腺癌患者和幸存者账户的样本，负责超过48,000个职位。我们通过hedonometric情绪分析来调查tweet内容，以定量提取情绪化主题。结果：我们发现，在患者治疗，提高支持和传播意识方面共享积极的经验。与医疗保健有关的进一步讨论普遍存在，主要是负面的，主要是担心可能会导致覆盖面丧失的政治立法。结论：社交媒体可以为患者提供一个积极的渠道，以讨论他们在医疗保健覆盖和治疗需求方面的需求和担忧。从在线沟通中捕捉iPRO可以帮助医疗保健专业人员通知，并导致更多连接和个性化的治疗方案。

韩国城市街道网络分析：拓扑与元信息之间的关系

原文标题： Analysis on the urban street network of Korea: Connections between topology and meta-information

地址： http://arxiv.org/abs/1805.09962

作者： Byoung-Hwa Lee, Woo-Sung Jung

摘要： 城市由能够实现交通运输的基础设施构成，可以将其视为抽象的拓扑结构。一旦城市在基础设施方面进行了物理组织，人们就会互相交流形成价值观，这可以被视为城市的元信息。随着城市的发展，拓扑和元信息会一起发展。在这项研究中，我们调查了街道网络的拓扑和元信息之间的关系，它具有复杂的网络和平面图。街道结构的组织程度决定了城市的效率和生产力，因为它们充当血管来运输人员，货物和信息。我们分析使用中心性的街道网络的拓扑方面，包括中介性，亲密性，直线性和信息。我们将城市分为若干组，共享基于中心性的共同信息，表明街道结构的拓扑因子通过协同演化与元信息密切相关。我们还使用规律性在计划城市中获得协同演化。另一个足迹是街段长度和总体之间的关系，它显示了次线性尺度。

声望驱动了科学观点传播中的认知不平等

原文标题： Prestige drives epistemic inequality in the diffusion of scientific ideas

地址： http://arxiv.org/abs/1805.09966

作者： Allison C. Morgan, Dimitrios Economou, Samuel F. Way, Aaron Clauset

摘要： 思想在科学界的传播往往被视为一种竞争，其中好的想法因为内在的适应性更强而进一步传播。因此，通常认为，出版地点和引用次数与重要性和影响相关。然而，关于结构性因素如何影响思想传播的知之甚少，特别是一个想法源于哪里会影响它如何传播。在这里，我们调查了教师聘用网络的作用，这些网络体现了从博士到教师机构的一系列研究人员转变，塑造计算机科学思想的传播，以及思想起源于网络的重要性。我们考虑美国和加拿大计算机科学205个博士授予部门的5,032名教师的招聘活动的综合数据，以及200,476个相关出版物的时间和标题。通过分析三个热门研究课题，我们凭经验证明，教师聘用在推动整个社区思想传播方面发挥着重要作用。然后，我们使用流行病模型来模拟研究思想的普遍传播，并量化思想源于其长期传播整个网络的后果。我们发现来自着名机构的研究比源自不那么有声望的机构的类似质量的研究更快，更全面地传播。我们的分析建立了大学声望与高效流通所需思想品质之间的理论取舍。这些结果表明了认识不平等的下界，为精英机构所观察到的持续认知优势确定了一种机制，并突出了精英理想的局限性。

struc2gauss: 使用高斯嵌入的结构保持网络嵌入

原文标题： struc2gauss: Structure Preserving Network Embedding via Gaussian Embedding

地址： http://arxiv.org/abs/1805.10043

作者： Yulong Pei, Xin Du, Jianpeng Zhang, George Fletcher, Mykola Pechenizkiy

摘要： 网络嵌入（NE）在网络挖掘中扮演着主要角色，因为它能够将节点映射成有效的低维嵌入向量。然而，最先进的NE方法存在两个主要限制：结构保存和不确定性建模。几乎所有以前的方法都将节点表示为空间中的一个点，并关注本地结构信息，即邻域信息。然而，邻域信息并不能捕获全局结构信息，而点向量表示在模拟节点表示的不确定性方面失败。在本文中，我们提出了一个新的NE框架struc2gauss，它学习高斯分布空间中的节点表示，并基于全局结构信息执行网络嵌入。 struc2gauss首先采用给定的节点相似性度量来度量全局结构信息，然后为节点生成结构上下文并最终通过高斯嵌入来学习节点表示。研究了不同的网络结构相似性度量和高斯嵌入的能量函数。在合成和现实世界的数据集上进行的实验表明，struc2gauss有效捕获全局结构信息，而最先进的网络嵌入方法无法胜过基于结构的聚类任务的其他方法，并提供更多关于不确定性的信息的节点表示。

坏连接：结合图和信息论特征用于在线欺诈组检测

原文标题： BadLink: Combining Graph and Information-Theoretical Features for Online Fraud Group Detection

地址： http://arxiv.org/abs/1805.10053

作者： Yikun Ban, Xin Liu, Tianyi Zhang, Ling Huang, Yitao Duan, Xue Liu, Wei Xu

摘要： 欺诈严重伤害了多种互联网业务。基于团队的欺诈检测是一种流行的方法，可以帮助那些不可避免地表现出同步行为的欺诈者。我们将欺诈组的基于图的特征（例如集群密度）和信息论特征（例如，相似性的概率）组合成两个直观的指标。基于这些指标，我们构建了一个可扩展欺诈检测框架BadLink，以可扩展的方式支持具有不同数据类型和分布的多模式数据集。实际生产工作量的实验以及与现有解决方案的广泛比较证明了BadLink的最新性能，即使是复杂的伪装流量也是如此。

Twitter社交机器人对伊朗辩论的影响

原文标题： Effects of Social Bots in the Iran-Debate on Twitter

地址： http://arxiv.org/abs/1805.10105

作者： Andree Thieltges, Orestis Papakyriakopoulos, Juan Carlos Medina Serrano, Simon Hegelich

摘要： 2018年开始在伊朗发起大规模抗议活动，带来了所谓“阿拉伯之春”的印象，对马格里布州，叙利亚和埃及具有革命性的影响。许多报告和科学考试都认为Twitter或Facebook等在线社会网络（OSN）在这些抗议背后的人们的意见中起着关键作用。除此之外，还有证据表明，在社交机器人和虚假账户的帮助下，有意操纵意见。因此，显而易见，如果试图通过雇用社交机器人来操纵与OSN中的伊朗抗议有关的意见制定过程，以及这种操纵将如何影响整个话语。基于ca的一个样本。与我们展示的“伊朗”主题相关的900,000条推文，有Twitter个人资料，必须将其视为社交机器人帐户。通过使用文本挖掘方法，我们显示这些社交机器人在辩论中负责负面情绪。因此，我们想说明社交机器人对Twitter上的政治讨论有可察觉的效果。

MultiNet：可扩展的多层网络嵌入

原文标题： MultiNet: Scalable Multilayer Network Embeddings

地址： http://arxiv.org/abs/1805.10172

作者： Arunkumar Bagavathi, Siddharth Krishnan

摘要： 通过嵌入来表示网络的学习已经获得了普及，并且最近已经见证了重大的进展。这些表示已经有效地用于经典的基于网络的机器学习任务，如链路预测，社区检测和网络对齐。然而，大多数现有的网络嵌入技术主要集中在开发用于传统平面网络的分布式表示，并且不能捕获多层网络的表示。例如社会网络和人类大脑组织网络等大规模网络可以在多个层面上有效捕获。在这项工作中，我们提出了多网络多层网络的快速和可扩展的嵌入技术。我们的工作为最近推出的node2vec，LINE，DeepWalk，SIGNet，sub2vec，graph2vec和OhmNet等网络嵌入系列增添了新的变化。我们通过利用它来重建Twitter上的朋友和关注者网络，使用从推文身体开采的网络层（如提及网络和转推网络）来展示多网络的可用性。这是正在编写的工作文件，也是我们对多层网络嵌入的初步贡献。

调和复杂性：复杂的社会技术系统更好的整合方法

原文标题： Reconciling complexities: for a stronger integration of approaches to complex socio-technical systems

地址： http://arxiv.org/abs/1805.10195

作者： Juste Raimbault

摘要： 系统工程在如何设计，集成和管理复杂的工业系统方面已经形成了成熟的知识，而研究自然界或社会中的复杂系统的学科也为他们的理解提出了许多工具。位于其交叉点的社会技术系统可以从这些系统之间的更高集成中受益。这份立场文件倡导这种综合方法。通过引文网络进行的文献计量学研究首先阐明了其中一些方法的各自独立性。然后，我们提出一个概念证明，即生物学概念的转移如何能够用于复杂系统的设计，在交通网络的特殊情况下，使用生物网络增长模型在成本方面产生各种最优网络和效率。我们最后讨论这种混合方法可能的学科定位。

复杂网络中的动态不变性

原文标题： Dynamical invariance in complex networks

地址： http://arxiv.org/abs/1805.10233

作者： Giulia Cencetti, Pau Clusella, Duccio Fanelli

摘要： 鉴于通过复杂网络进行交互的多物种系统，我们提出了两种不同的技术来修改网络拓扑结构，同时保留其动态行为。在均匀解发生自动不稳定的参数区域，扰动随着连接网络中可用的不稳定方向而增长，产生不规则的时空模式。我们利用与图相关联的拉普拉斯算子的谱特性来修改其拓扑，同时保留底层均衡的不稳定流形。新的网络对前者是有效的，这意味着它再现了对原始系统所显示的扰动的动态响应。第一种方法直接作用于本征模式，从而导致链路权重的一般重新分配，这在某些情况下可以完全改变原始网络的结构。第二种方法使用特征向量的局部化特性来识别和随机化大多数只嵌入到稳定流形中的子网络。我们使用Ginzburg-Landau系统作为参考模型来测试不同网络拓扑中的两种技术。尽管通过第一个配方生成的等动力学网络上的模式之间的相关性较大，但第二种方法允许在单个节点的水平上进行更精细的控制。这项工作开辟了一个新的视角，以确定在一般反应 - 扩散系统中煽动等效动态响应的离散支持族的多种可能性。

利用伊辛模型检测社会网络中有影响力的活动

原文标题： Detecting Influence Campaigns in Social Networks Using the Ising Model

地址： http://arxiv.org/abs/1805.10244

作者： Nicolas Guenon des Mesnards, Tauhid Zaman

摘要： 我们考虑识别自动代理商或机器人在社会网络中进行的协同影响活动的问题。我们研究了包含这些活动的几个不同的Twitter数据集，并发现这些机器人异形展示 - 它们与人类的相互作用比彼此更多。我们使用这个观察来开发基于统计物理的Ising模型的网络结构和bot标签的概率模型。我们提出了一种通过解决最小割问题来找到bot标签的最大似然分配的方法。我们的算法允许同时检测多个潜在参与协调影响活动的机器人，与其他方法一次识别一个机器人相反。我们发现，与人类标记的基本事实相比，我们的算法能够比现有方法更准确地找到机器人。我们也看看我们确定的机器人发布的内容，并发现它们似乎有一个协调的议程。

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。