• 假新闻早期检测：理论驱动模型;
• 理解Instagram上政治互动;
• 理想点估计神经网络;
• 快或慢？踩镲时机与动力学的相关波动“普遍性”分析;
• 几何重整化揭示了多尺度人类连接组的自相似性;
• 没有顶点增长的优先连接：巨型组件的涌现;
• 带有未观察到的边的时变网络的谱划分;
• 通过网络信道节点移动的物质的统计分布;

假新闻早期检测：理论驱动模型

原文标题： Fake News Early Detection: A Theory-driven Model

地址： http://arxiv.org/abs/1904.11679

作者： Xinyi Zhou, Atishay Jain, Vir V. Phoha, Reza Zafarani

摘要： 假新闻的爆炸性增长及其对民主，正义和公众信任的侵蚀大大增加了对准确假新闻检测的需求。该领域的最新进展提出了旨在通过探索它如何在社会网络上传播来检测假新闻的新技术。然而，为了实现假新闻早期检测，仅提供关于新闻传播的限制信息;因此，通过主要关注新闻内容来激发开发能够检测假新闻的方法的需求。本文提出了一种用于假新闻检测的理论驱动模型。该方法研究各级新闻内容：词汇级，语法级，语义级和语篇级。我们依靠社会和法医心理学中的既定理论来代表各个层面的新闻。然后在受监督的机器学习框架内进行假新闻检测。作为一门跨学科研究，我们的工作探索了潜在的虚假新闻模式，增强了虚假新闻特征工程的可解释性，并研究了假新闻，欺骗/虚假信息和clickbaits之间的关系。在两个真实数据集上进行的实验表明，即使在内容信息有限的情况下，所提出的方法也可以胜过最先进的技术并实现假新闻早期检测。

理解Instagram上政治互动

原文标题： Towards Understanding Political Interactions on Instagram

地址： http://arxiv.org/abs/1904.11719

作者： Martino Trevisan, Luca Vassio, Idilio Drago, Marco Mellia, Fabricio Murai, Flavio Figueiredo, Ana Paula Couto da Silva, Jussara M. Almeida

摘要： 在线社会网络（OSN）允许个性和公司直接与公众进行通信，绕过传统媒体的过滤器。由于人们依靠OSN来保持最新状态，政治辩论也在网上发生了变化。我们目睹了苛刻的政治辩论的突然爆发以及在OSN中传播谣言。确定此类行为需要深入了解人们在政治辩论期间如何通过OSN进行互动。我们对流行的OSN（即Instagram）中的交互进行了初步研究。我们将意大利作为2019年欧洲选举前的一个案例研究。我们观察不同类别的顶级意大利Instagram个人资料的活动：政治，音乐，体育和表演。我们记录他们的帖子超过两个月，跟踪“喜欢”和用户的评论。结果表明，政治家的情况比其他类别吸引了明显不同的互动。人们倾向于评论更多，评论时间更长，争论时间更长，回复量很大，其中大多数都没有明确征求意见。此外，评论往往来自一小群非常活跃的用户。最后，我们在比较不同方的概况时见证了实质性差异。

理想点估计神经网络

原文标题： Neural Ideal Point Estimation Network

地址： http://arxiv.org/abs/1904.11727

作者： Kyungwoo Song, Wonsung Lee, Il-Chul Moon

摘要： 理解政治是一项挑战，因为政治受到一切影响。甚至我们也将自己局限于立法过程中的政治背景;我们需要更好地了解潜在因素，例如立法者，法案，他们的理想点和他们的关系。从建模的角度来看，这很困难1）因为这些观察位于高维度，需要在低维表示上进行学习，2）因为这些观察需要复杂的概率建模和潜在变量来反映因果关系。本文提出了一个新的模型，以反映和理解这一政治环境，NIPEN，包括上述立法中提到的因素。我们提出了两个版本的NIPEN：一个是深度学习和概率图模型的混合模型，另一个模型是神经张量模型。我们的结果表明，NIPEN成功地学习了立法法案文本的多样性，NIPEN利用学到的低维潜在变量来提高立法者投票的预测性能。此外，由于是一个富含领域的概率模型，NIPEN显示了立法者信任网络的隐藏力量及其在投票方面的各种特征。

快或慢？踩镲时机与动力学的相关波动“普遍性”分析

原文标题： Rushing or Dragging? An Analysis of the “Universality” of Correlated Fluctuations in Hi-Hat Timing and Dynamics

地址： http://arxiv.org/abs/1904.11752

作者： Oliver Gordon, Dominic Coy, Jack Matthews, Easel Kandola-McNicholas, Owain Llewellyn, Adeel Bokhari, Philip Moriarty

摘要： 先前对艺术家（Jeff Porcaro）鼓声表演波动的分析证明节奏信号包括长距离相关和短距离范围反相关，具有区分两种制度的特征时间尺度。我们已经将R “as as”等人的方法扩展到更大数量的鼓样本（N = 132，由总共58名参与者提供）和不同的表现（即Rush的Tom Sawyer） 。我们研究的一个关键焦点是测试R “as”等人发现的波动动力学。在以下意义上是“普遍的”：从短距离到长距离相关波动的交叉是一般现象还是仅限于特定的鼓模式和/或特定的鼓手？我们没有发现令人信服的证据表明短波到长程相关性交叉是波尔卡罗性能的特征，这是鼓模式中时间波动的一个共同特征。此外，经验水平和/或博弈技术令人惊讶地在影响短程到远程相关交叉时不起作用。我们的研究还强调，在使用去趋势波动分析技术时需要非常谨慎，特别是在反相关信号方面。

几何重整化揭示了多尺度人类连接组的自相似性

原文标题： Geometric renormalization unravels self-similarity of the multiscale human connectome

地址： http://arxiv.org/abs/1904.11793

作者： Muhua Zheng, Antoine Allard, Patric Hagmann, M. Ángeles Serrano

摘要： 通常通过将其观察减少到单个空间分辨率来研究大脑中的结构连通性。然而，大脑构成了一个丰富的架构，以多个尺度组织在一起。我们使用以五种不同分辨率重建的健康受试者的数据集探索了人类连接组的多尺度组织。我们发现，当通过解剖区域的分层粗粒化逐渐减小分辨率长度时，人脑的结构保持自相似。引人注目的是，双曲线空间中连接组映射的几何重整化，通过粗粒化和短相似距离平均来降低分辨率，预测连通体的属性，包括自相似性。我们的结果表明，相同的原理调节不同长度尺度的大脑区域之间的连通性，并且脑连接组的多尺度自相似性可以提供用于导航目的的有利架构。影响是多种多样的，可以影响基本的辩论，例如大脑是否在临界点附近工作，并导致应用程序包括先进的工具，以简化数字重建和大脑模拟。

没有顶点增长的优先连接：巨型组件的涌现

原文标题： Preferential attachment without vertex growth: emergence of the giant component

地址： http://arxiv.org/abs/1904.11861

作者： Svante Janson, Lutz Warnke

摘要： 我们研究了经典鄂尔多斯 - 仁义随机图过程的以下优先连接变体。从n个顶点上的空图开始，逐个添加新边，并且每次选择边的概率大致与其端点的当前度的乘积成比例（注意顶点集是固定的）。我们确定了超临界阶段中巨型组件的渐近大小，证实了2010年Pittel的猜想。我们的证明使用了一种简单的方法：我们调整顶点度数（多图变量），并使用已知结果进行配置模型。

带有未观察到的边的时变网络的谱划分

原文标题： Spectral partitioning of time-varying networks with unobserved edges

地址： http://arxiv.org/abs/1904.11930

作者： Michael T. Schaub, Santiago Segarra, Hoi-To Wai

摘要： 我们讨论了一种“盲”社区检测的变体，其中我们的目标是将未观察到的网络与观察网络上定义的（动态）图信号进行划分。我们考虑一种场景，其中我们观察到的图信号是通过过滤白噪声输入获得的，并且底层网络对于每个观察都是不同的。以这种方式，滤波的图信号可以被解释为在时变网络上定义的。我们通过从潜在随机块模型（SBM）的独立抽取生成每个底层网络实现的模型。为了推断潜在SBM的划分，我们提出了一种简单的谱算法，我们为此提供理论分析并为恢复建立一致性保证。我们使用合成和实际数据的数值实验来说明我们的结果，突出了我们的方法的功效。

通过网络信道节点移动的物质的统计分布

原文标题： On the statistical distributions of substance moving through the nodes of a channel of network

地址： http://arxiv.org/abs/1904.11973

作者： Nikolay K. Vitanov, Kaloyan N. Vitanov

摘要： 我们通过网络通道的节点讨论物质运动模型。通道可以通过一系列罐子建模，每个罐子可以与邻近的罐子交换物质。此外，罐子可以与网络节点交换物质，新的一点是我们在模型中包括在罐子（节点）和网络环境之间交换物质的可能性。我们通过有限通道（沿着骨架链的物质交换的静止状态）考虑物质运动的静止状态，并在通道的节点中获得一类物质的统计分布。我们的注意力集中在这类分布上，并且我们表明，对于有限通道的情况，所获得的分布类包含特定情况Katz，Ord，Kemp等分布族的截断版本。无限的罐子链在附录中。

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。