• 控制远距离接触以减少无序复杂网络上的疾病传播;
• 数字垃圾邮件的历史;
• 从动态角度看网络结构的不确定性;
• 大图推理的可扩展解释;
• 复杂网络的神经动力学;
• 利用语境维度对社会媒体上的伊斯兰极端主义传播进行建模：宗教、意识形态和仇恨;
• 图嵌入评估的基准;
• 关系事件连续时间网络中的一致社区检测;

控制远距离接触以减少无序复杂网络上的疾病传播

原文标题： Controlling distant contacts to reduce disease spreading on disordered complex networks

地址： http://arxiv.org/abs/1908.06147

作者： Ignacio A. Perez, Paul A. Trunfio, Cristian E. La Rocca, Lidia A. Braunstein

摘要： 障碍是由人与人之间的相互作用中的异质性产生的真实社会网络的特征。这种特性影响疾病在人群中传播的方式，达到受感染个体比例的临界点，并成为一种流行病。紊乱通常与个体之间的接触时间相关联，并且归一化的接触时间值 omega 取自模仿“面对面”实验的分布 P（ omega）= 1 /（a omega）。为了模拟更现实的系统，我们研究了当存在两种不同类型的疾病时，人与人之间的相互作用的异质性如何影响疾病的传播，每种疾病的特定价值为 a 。这允许出现两种不同类型的交互，例如亲密（家庭，同事）和远程（邻居，陌生人）联系。我们还制定了一种控制远程接触时间的策略，这种策略在实践中更容易改变，从而减少受感染个体的总数。最后，我们使用“面对面”实验来生成更准确的标准化接触时间分布，并重复对此分布的分析。

数字垃圾邮件的历史

原文标题： The History of Digital Spam

地址： http://arxiv.org/abs/1908.06173

作者： Emilio Ferrara

摘要： 垃圾邮件！：这就是Lorrie Faith Cranor和Brian LaMacchia在20年前出现在ACM通讯上的一篇热门的号召行动文章的标题中所惊呼的。然而，尽管研究界在过去二十年中为缓解这一问题付出了巨大努力，但紧迫感仍未改变，因为新兴技术已将新的危险形式的数字垃圾邮件置于聚光灯下。此外，当垃圾邮件被意图欺骗或大规模地影响时，它可以改变社会的结构和我们的行为。在本文中，我将简要回顾数字垃圾邮件的历史：从其典型的化身，垃圾邮件，到影响Web和社交媒体的现代垃圾邮件形式，调查将通过描述与垃圾邮件和滥用相关的未来风险来结束新技术，包括人工智能（例如，数字人类）。在提供了垃圾邮件的分类，以及过去二十年中出现的最受欢迎的应用程序之后，我将回顾文献中提出的技术和监管方法，并提出一些可能的解决方案来解决这种无处不在的数字流行病。

从动态角度看网络结构的不确定性

原文标题： Indetermination of networks structure from the dynamics perspective

地址： http://arxiv.org/abs/1908.06339

作者： Malbor Asllani, Bruno Requiao da Cunha, Ernesto Estrada, James P. Gleeson

摘要： 网络被普遍认为是大型多组件系统的复杂交互结构。为了确定每个节点在复杂网络中的作用，已经开发了几种中心性措施。这些拓扑特征对于它们在网络系统中发生的动态过程中的作用也很重要。在本文中，我们认为节点的动态活动可能会强烈重塑它们在网络内部的相关性，使得中心性度量在许多情况下具有误导性。我们表明，当在节点的本地级别发生的动态比节点之间的全局动态慢时，系统可能会失去对结构特征的跟踪。相反，当该比率反转时，只能恢复诸如最短距离的全局属性。从网络推理的角度来看，这构成了不确定性原理，在某种意义上它限制了关于结构的多分辨率信息的提取，特别是在存在噪声的情况下。为了说明的目的，我们表明，对于具有不同时间尺度结构的网络，如强模块化，快速全局动态的存在可能意味着社区结构的精确推断是不可能的。

大图推理的可扩展解释

原文标题： Scalable Explanation of Inferences on Large Graphs

地址： http://arxiv.org/abs/1908.06482

作者： Chao Chen, Yifei Liu, Xi Zhang, Sihong Xie

摘要： 概率推理从图中提取知识，以帮助人类做出重要决策。由于模型中固有的不确定性和知识的复杂性，希望帮助最终用户理解推断结果。与深度或高维参数模型不同，图模型中缺乏可解释性是由于循环和长程依赖性以及拜占庭推断过程。先前的工作没有解决周期，并使 textit 推理’可以解释。为了缩小差距，我们将解释概率推理的问题制定为约束交叉熵最小化问题，以找到忠实地近似于要解释的推论的简单子图。我们证明优化是NP难的，而目标不是单调和子模块以保证有效的贪心近似。我们提出了一种通用波束搜索算法来寻找简单的树来增强解释的可解释性和多样性，并行化和修剪策略允许在大而密集的图上进行有效搜索而不会损害忠实度。我们在4个不同应用的10个网络上展示了卓越的性能，与其他解释方法相比具有优势。关于解释的可用性，我们在界面中可视化解释，允许最终用户探索各种搜索结果并找到更个性化和合理的解释。

复杂网络的神经动力学

原文标题： Neural Dynamics on Complex Networks

地址： http://arxiv.org/abs/1908.06491

作者： Chengxi Zang, Fei Wang

摘要： 我们引入深度学习模型来学习复杂网络上的连续时间动态，并在终端时推断网络中节点的语义标签。我们通过最小化由网络动态的运行损失，节点标签的终端丢失和神经 - 微分 - 方程 - 系统约束组成的损失函数来将问题表述为最优控制问题。我们通过差分深度学习框架来解决这个问题：对于系统的前向过程，我们不是通过离散数量的隐藏层进行转发，而是在连续时间上将常微分方程系统集成到图上;对于后向学习过程，我们在求解初值问题时通过反向传播来学习最优控制参数。我们通过学习各种真实复杂网络上的复杂动力学来验证我们的模型，然后将我们的模型应用于图半监督分类任务。有希望的实验结果证明了我们的模型能够联合捕获复杂系统的结构，动力学和语义。

利用语境维度对社会媒体上的伊斯兰极端主义传播进行建模：宗教、意识形态和仇恨

原文标题： Modeling Islamist Extremist Communications on Social Media using Contextual Dimensions: Religion, Ideology, and Hate

地址： http://arxiv.org/abs/1908.06520

作者： Ugur Kursuncu, Manas Gaur, Carlos Castillo, Amanuel Alambo, K. Thirunarayan, Valerie Shalin, Dilshod Achilov, I. Budak Arpinar, Amit Sheth

摘要： 恐怖袭击部分与在线极端主义内容有关。虽然成千上万的伊斯兰极端主义支持者消费这些内容，但相对于和平穆斯林而言，它们只占一小部分。在社交媒体平台上遏制不断变化的极端主义的努力仍然不足，而且大多无效。不同的极端主义和主流背景挑战机器解释，对分类算法的精确性具有特殊威胁。我们用于分析Twitter上的极端主义内容的上下文感知计算方法将这种说服过程分解为构建块，这些构建块承认固有的模糊性和稀疏性，这可能对手动和自动分类提出挑战。我们使用三个上下文维度（宗教，意识形态和仇恨）的组合来模拟这个过程，每个维度阐明一定程度的激演化并突出显示独立特征以使它们在计算上可访问。我们利用特定领域的知识资源来处理这些背景维度中的每一个，例如古兰经的宗教，极端主义思想家的书籍和政治意识形态的传教士以及仇恨的社交媒体仇恨言论语料库。我们的研究为可靠分析做出了三点贡献：（i）根据宗教，意识形态和仇恨的背景维度开发计算方法，反映在线伊斯兰极端主义团体采用的策略，（ii）对相关推文进行深入分析关于这些维度的数据集，以排除可能被误标的用户，以及（iii）将在线激演化理解为协助反编程的过程的框架。鉴于潜在的重大社会影响，我们评估我们的算法的性能，以最大限度地减少错误标签，我们的方法在竞争基线精度方面优于竞争基线。

图嵌入评估的基准

原文标题： Benchmarks for Graph Embedding Evaluation

地址： http://arxiv.org/abs/1908.06543

作者： Palash Goyal, Di Huang, Ankita Goswami, Sujit Rokka Chhetri, Arquimedes Canedo, Emilio Ferrara

摘要： 图嵌入是在低维空间中表示图节点的任务，其图任务的应用在学术界和工业中获得了显著的牵引力。最近提出的许多图嵌入方法的主要区别在于它们保留图的固有属性的方式。然而，在实践中，比较这些方法是非常具有挑战性的。大多数方法都会报告少数选定的实际图表的性能提升。因此，很难将这些性能改进推广到其他类型的图。给定一个图表，目前无法量化一种方法优于另一种方法的优势。在这项工作中，我们引入了一个原则框架来比较图嵌入方法。我们的目标有三个：（i）提供统一的框架，用于比较各种图嵌入方法的性能，（ii）建立具有不同结构属性的真实图的基准，以及（iii）为用户提供识别工具数据的最佳图嵌入方法。本文针对具有不同属性的100个真实世界网络的语料库评估了4种最有影响力的图嵌入方法和4种传统链路预测方法。我们根据其属性组织100个网络，以更好地理解这些流行方法的嵌入性能。我们使用100个基准图上的比较来定义GFS评分，可以应用于任何嵌入方法来量化其性能。我们使用GFS评分对最先进的嵌入方法进行排名，并表明它可用于理解和评估新的嵌入方法。我们设想所提议的框架（https://www.github.com/palash1992/GEM-Benchmark）将作为基准平台服务于社区，以测试和比较未来图嵌入技术的性能。

关系事件连续时间网络中的一致社区检测

原文标题： Consistent Community Detection in Continuous-Time Networks of Relational Events

地址： http://arxiv.org/abs/1908.06940

作者： Makan Arastuie, Subhadeep Paul, Kevin S. Xu

摘要： 在涉及网络的许多应用设置中，例如在线社会网络的用户之间的消息或金融市场中的交易者之间的交易，观察到的数据是具有时间戳的关系事件的形式，其形成连续时间网络。我们提出了社区霍克斯独立对（CHIP）模型，用于对这种带时间戳的关系事件数据进行社区检测。我们证明了将谱聚类应用于由CHIP模型生成的关系事件构建的邻接矩阵，为越来越多的节点提供了一致的社区检测。特别地，我们基于模型参数所需的分离条件获得了对于错误聚集率的明确的非渐近上界，以用于一致的群落检测。我们还为模型的参数开发了一致且计算有效的估计器。我们证明了我们提出的CHIP模型和估计过程可扩展到具有数万个节点的大型网络，并且与几个真实网络上的现有连续时间网络模型相比提供了更好的拟合。

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。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。