• 涌现的意义结构：艺术集体的社会语义网络分析;
• Devam vs. Tamam：2018年土耳其选举;
• 通过知识图谱揭示学术社区;
• 经济网络中有成本的客户共享;
• 基于信任的协同过滤：使用规则等价解决冷启动问题;
• 复杂网络上的反应性随机游走;
• 评论“马尔可夫易感-感染-易感和易感-感染-移除型传染病网络中的节点感染是非负相关的”;
• 经济和人口统计数据分布中迷人但简单的偏度-峰度的峰度关系；与优先连接模型关联;
• 带激励的时间限制影响扩散;
• 我们感受到的假新闻：媒体对“假新闻”一词的看法和概念化;
• 涌现的民主;
• 量化在线信息曝光中的偏差;

涌现的意义结构：艺术集体的社会语义网络分析

原文标题： Emergent Meaning Structures: A Socio-Semantic Network Analysis of Artistic Collectives

地址： http://arxiv.org/abs/1807.06623

作者： Nikita Basov (Centre for German and European Studies, St. Petersburg State University), Wouter De Nooy (Department of Communication Science, University of Amsterdam), Aleksandra Nenko (Institute for Design and Urban Studies, ITMO University)

摘要： 本文探讨了小群体社会实践中的意义结构。虽然社会和制度领域强加意义结构，但它们在一个领域内发生的具体活动的背景下被实践（出现）。现场参与者以小组合作形成了这样的实际背景。它可以在强加的意义结构之间发挥差距和重叠，并联合创建将其定义为社会群体的新兴意义结构。难以捕捉，新兴的意义结构在很大程度上被制度和领域对意义结构的看法所忽视。因此，集体实践对意义结构的重要性被低估了。我们研究艺术集体中强加的和紧急的意义结构。当代艺术领域并未明确强加其意义结构，因此在艺术实践中出现的意义结构在社会群体中相对自由。特别是，我们研究了两个圣彼得堡艺术家集体，他们彼此激烈互动，并参与联合创意工作和展览。我们表明，这些集体在特定领域的意义结构框架内阐述了自己的意义结构，融合了与集体成员所占据的不同领域和领域位置相对应的意义。语义和社会结构的二元性是意义结构概念的核心。我们在自然语言中使用单词搭配作为语义结构，并且在混合方法社会语义网络分析中将交互作为社会结构。在这种方法中，社会网络有助于理解语义网络。

Devam vs. Tamam：2018年土耳其选举

原文标题： Devam vs. Tamam: 2018 Turkish Elections

地址： http://arxiv.org/abs/1807.06655

作者： Mucahid Kutlu, Kareem Darwish, Tamer Elsayed

摘要： 2018年6月24日，土耳其举行历史性选举，将议会制改为总统制。土耳其选民面临的主要问题之一是，是否要重新选举其长期政治领导人雷杰普·塔伊普·埃尔多安（Recep Tayyip Erdogan），开启这个新的政治时代。在本文中，我们分析了导致选举的两个月内发布的108M条推文，以了解支持或反对埃尔多安再次当选的团体。我们检查了两组中最有区别的主题标签和转发的帐户。我们的研究结果表明两组之间存在强烈的两极分化，因为它们在意识形态，新闻来源以及首选电视娱乐方面存在差异。

通过知识图谱揭示学术社区

原文标题： Unveiling Scholarly Communities over Knowledge Graphs

地址： http://arxiv.org/abs/1807.06816

作者： Sahar Vahdati, Guillermo Palma, Rahul Jyoti Nath, Christoph Lange, Sören Auer, Maria-Esther Vidal

摘要： 知识图以自然的方式表示现实世界实体的属性的含义以及它们之间的关系。利用知识图中编码的语义，可以实现知识驱动的任务，如语义检索，查询处理和问答，以及知识发现任务的解决方案，包括模式发现和链路预测。在本文中，我们解决了学术知识图中的知识发现问题，即整合学术数据的图表，并介绍了Korona，一个知识驱动的框架，能够揭示学术社区，以预测学术网络。 Korona实现了图分区方法，并依赖语义相似性度量来确定学术实体之间的相关性。作为概念证明，我们使用来自语义Web领域的研究人员，会议和论文的数据构建了一个学术知识图，并应用Korona来揭示共同作者网络。从我们的实证评估中观察到的结果表明，在学术知识图中利用语义能够识别研究人员之间以前未知的关系。通过扩展本体，这些观察可以推广到其他学术实体，例如文章或机构，用于预测其他学术模式，例如共同引用或学术合作。

经济网络中有成本的客户共享

原文标题： Customer Sharing in Economic Networks with Costs

地址： http://arxiv.org/abs/1807.06822

作者： Bin Li, Dong Hao, Dengji Zhao, Tao Zhou

摘要： 在经济市场中，卖方，信息中介和客户构成了经济网络。每个卖家都有自己的客户群，卖家的私人客户对其他卖家不可观察。因此，卖方只能在自己的客户中销售商品，除非其他卖家或信息中心将其销售信息分享给他们的客户群。但是，卖方不会被激励默认共享其他人的销售信息，这导致资源分配效率低下，销售收入有限。为了解决这个问题，我们开发了一种称为客户共享机制（CSM）的新机制，它激励所有卖家将他们的销售信息分享给他们的私人客户群。此外，CSM还鼓励所有客户如实参与销售。最后，CSM不仅有效地分配商品，还优化了卖方的收入。

基于信任的协同过滤：使用规则等价解决冷启动问题

原文标题： Trust-Based Collaborative Filtering: Tackling the Cold Start Problem Using Regular Equivalence

地址： http://arxiv.org/abs/1807.06839

作者： Tomislav Duricic, Emanuel Lacic, Dominik Kowald, Elisabeth Lex

摘要： 基于用户的协同过滤（CF）是创建推荐系统的最常用方法之一。此方法基于查找最相关的k个用户，我们可以从其评级历史中提取要推荐的项目。然而，CF受到数据稀疏性和冷启动问题的困扰，因为用户通常只评估可用项目的一小部分。一种解决方案是将附加信息结合到推荐过程中，例如由用户分配给他人的显式信任分数或由用户之间的社交连接产生的隐式信任关系。这种关系通常形成非常稀疏的信任网络，其可用于基于他们信任的人为用户生成推荐。在我们的工作中，我们探索使用来自网络科学的度量，即规则等价，应用于信任网络以生成用于选择k-最近邻居以推荐项目的相似性矩阵。我们评估了我们对Epinions的方法，并且我们发现在推荐准确性方面我们可以胜过处理冷启动用户的相关方法。

复杂网络上的反应性随机游走

原文标题： Reactive random walkers on complex networks

地址： http://arxiv.org/abs/1807.06847

作者： Giulia Cencetti, Federico Battiston, Duccio Fanelli, Vito Latora

摘要： 我们介绍和研究在复杂网络的节点处相互作用的随机游走者的集合种群模型。该模型根据节点占用概率，将网络链路上的随机重定位移动与本地交互相结合。该模型具有很高的通用性，因为步行者的运动可以在节点的拓扑属性上进行，例如它们的程度，而节点占据概率的任何一般非线性函数都可以被认为是局部反应项。除此之外，根据所检查的具体应用，可以随意调节反应和重新定位的相对强度。在最一般的情况下，我们得出了步行者在平衡状态下的占据概率的解析表达式。我们证明它取决于局部反应函数的不同阶次导数，而不仅取决于节点的程度，还取决于不同距离的邻居的平均程度。由于这个原因，反应性随机游走者对网络结构非常敏感，并且是检测网络属性（如对称性或度数相关性）的有效方法。作为可能的应用，我们首先讨论如何使用反应随机游走的占用概率来定义网络节点的功能中心性的新测量。然后，我们通过跟踪反应步行者的演变来说明如何揭示具有相同对称性的网络组件。最后，我们表明我们模型的动态受到度相关性的影响，因此可以通过基于反应步行者的定量指标对分类和不协调网络进行分类。

评论“马尔可夫易感-感染-易感和易感-感染-移除型传染病网络中的节点感染是非负相关的”

原文标题： Comment on “Nodal infection in Markovian susceptible-infected-susceptible and susceptible-infected-removed epidemics on networks are non-negatively correlated”

地址： http://arxiv.org/abs/1807.06909

作者： Pablo M. Rodriguez, Alejandro Roldán-Correa, Leon Alexander Valencia

摘要： Cator和Van Mieghem [Cator E，Van Mieghem P.，Phys。 Rev. E 89,052802（2014）]指出，对于马尔可夫SIS和SIR流行病模型，网络中任何节点对之间同时感染的相关性是非负的。用于获得此结果的参数很大程度上依赖于随机过程的图构造以及FKG不等式。在本文中，我们表明尽管作者使用的方法适用于SIS模型，但它不能用于他们工作中所述的SIR模型。特别是，我们观察到过程中的单调性对于调用FKG不等式至关重要。此外，我们提供了一个简单图的例子，其中SIR马尔可夫模型中的节点感染是负相关的。

经济和人口统计数据分布中迷人但简单的偏度-峰度的峰度关系；与优先连接模型关联

原文标题： Intriguing yet simple skewness - kurtosis relation in economic and demographic data distributions; pointing to preferential attachment processes

地址： http://arxiv.org/abs/1807.06911

作者： Marcel Ausloos (U. Leicester), Roy Cerqueti (U. Macerata)

摘要： 在本文中，我们提出数据分布的高阶矩之间的关系，例如偏度（S）和峰度（K）之间的关系，允许指向具有可理解的结构参数的理论模型。说明性数据涉及两种情况：（i）所得税的分配和（ii）居民的分配，在2011年意大利各省的每个城市汇总后。此外，从等级大小关系，对于S或K在这两种情况下，都表明人们获得了基础（假设）建模分布的参数：在本例中，2参数Beta函数， - 本身与Yule-Simon分布函数相关，从而表明增长模型基于优惠附加过程。

带激励的时间限制影响扩散

原文标题： Time-Bounded Influence Diffusion with Incentives

地址： http://arxiv.org/abs/1807.06921

作者： Gennaro Cordasco, Luisa Gargano, Joseph Peters, Adele Anna Rescigno, Ugo Vaccaro

摘要： 在社会网络中广泛研究的影响扩散模型将网络表示为图$ G =（V，E）$，每个节点具有影响阈值$ t（v）$。最初，初始集$ S \ subseteq V $的成员受到影响。在每个后续轮次期间，通过包括具有至少$ t（v）$先前影响的邻居的每个节点$ v $来增强受影响节点的集合。一般问题是找到影响整个网络的小型初始集。在本文中，我们通过使用\ emph {incentive}来扩展此模型，以降低某些节点的阈值。目标是尽量减少确保流程在给定轮次内完成所需的激励总数。在一般网络中很难近似这个问题。我们提出路径，树和完整网络的多项式时间算法。

我们感受到的假新闻：媒体对“假新闻”一词的看法和概念化

原文标题： Fake news as we feel it: perception and conceptualization of the term “fake news” in the media

地址： http://arxiv.org/abs/1807.06926

作者： Evandro Cunha, Gabriel Magno, Josemar Caetano, Douglas Teixeira, Virgilio Almeida

摘要： 在本文中，我们定量分析了近年来新闻媒体中“假新闻”一词的形成方式。我们使用从20个国家的新闻媒体收集的八年数据，研究传统媒体中对该术语的看法和概念。我们的结果不仅证实了以前有关“假新闻”使用率大幅增加的迹象，而且还显示了2016年美国总统大选后这种表达方式的背景变化。在其他结果中，我们发现相关词汇的变化，在上述实体中，围绕“虚假新闻”一词的周围主题和背景极性，表明这种表达在2016年后经历了感知和概念化的变化。这些结果扩大了对“假”一词的使用的理解新闻“，帮助理解并更准确地描述与错误信息和操纵相关的这种相关社会现象。

涌现的民主

原文标题： Emergent Democracy

地址： http://arxiv.org/abs/1807.06953

作者： Joichi Ito

摘要： 本文认为，一种新的民主形式 - “新兴民主” - 将通过使用互联网通信工具和平台（如博客）而发展。本文探讨了各种可用的工具，探讨了民主的历史，民主的现代实验以及这些工具如何支持民主。随着这些新工具的出现，本文还探讨了这些问题。这些问题包括隐私以及公司，极权主义政权和恐怖分子对这些工具的社会负面使用等问题。

量化在线信息曝光中的偏差

原文标题： Quantifying Biases in Online Information Exposure

地址： http://arxiv.org/abs/1807.06958

作者： Dimitar Nikolov, Mounia Lalmas, Alessandro Flammini, Filippo Menczer

摘要： 我们对在线信息的消费是通过过滤，排名和推荐算法来调解的，这些算法在尝试提供相关且引人入胜的内容时会引入无意的偏见。有人建议，我们依赖搜索引擎和社交媒体等在线技术可能会限制不同观点的接触，使我们容易受到虚假信息的操纵。在本文中，我们挖掘了大量的Web流量数据集，以量化两种偏差：（i）同质性偏差，即从一组狭窄的信息源中消费内容的趋势，以及（ii）流行度偏差，即选择性地接触顶级网站的内容。我们的分析揭示了几个广泛使用的Web平台的不同偏见水平。搜索将用户暴露给各种各样的来源，而社交媒体流量往往表现出高人气和同质性偏见。当我们将分析重点放在新闻网站的流量时，我们会发现更高的流行度偏差，并且应用程序之间的差异较小。总的来说，我们的结果量化了我们在线系统选择在多大程度上将我们限制在“社交泡沫”中。

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。