• 简洁对社交媒体风格与成功的因果影响;
• 网络流动影响下的流行病传播;
• 图表示集成学习;
• 是否可以利用社会影响力来破坏安全性：在线实验评估;
• 分析网络对小说社区的影响;
• 图嵌入的并行计算;

简洁对社交媒体风格与成功的因果影响

原文标题： Causal Effects of Brevity on Style and Success in Social Media

地址： http://arxiv.org/abs/1909.02565

作者： Kristina Gligoric, Ashton Anderson, Robert West

摘要： 在网络社区，数十亿人努力传播他们的信息，了解措辞如何影响成功是至关重要的。在这项工作中，我们对措辞的一个特别突出的方面感兴趣：简洁。简洁对消息成功的因果影响是什么？简洁的语言特征是什么？什么时候简洁有益，何时不是？虽然大多数先前的工作已经研究了措辞对观察设置的风格和成功的影响，但我们进行了一项对照实验，其中群众工作者将社交媒体帖子缩短到规定的目标长度，而其他群众工作者随后对原始版本和缩短版本进行评级。这使我们能够将简洁的因果效应与消息的成功隔离开来。我们发现简洁的消息平均比原始消息更成功，长度减少30-40％。最佳减少率平均在10％到20％之间。观察到的效果在不同的评分子群体中是稳健的，并且对于每天访问社交媒体的评估者来说是最强的。最后，我们发现了简洁的独特语言和内容特征，并将它们与测量的成功概率相关联，以便区分有效缩短策略和无效缩短策略。总体而言，我们的研究结果对于更好地理解简洁性对在线社交媒体中消息成功的影响非常重要。

网络流动影响下的流行病传播

原文标题： On Epidemic Spreading under Mobility on Networks

地址： http://arxiv.org/abs/1909.02647

作者： Vishal Abhishek, Vaibhav Srivastava

摘要： 我们研究了一个耦合的流行病 - 流动模型，其中，每个时候，个体根据连续时间马尔可夫链（CTMC）在空间分布区域（子群体）的网络中移动，并随后根据当地子群体进行交互。到SIS模型。我们推导出一个描述这些相互作用的确定性连续极限模型。我们证明了在不同参数范围下存在无病平衡和地方平衡，并利用Lyapunov技术建立它们（几乎）全局渐近稳定性。对于无病平衡的稳定性，我们还推导出一些简单的充分条件，这些条件突出了移动性对SIS动力学行为的影响。最后，我们数值地说明了导出模型提供了有限总体随机模型的良好近似，并且还证明了图结构对瞬态性能的影响。

图表示集成学习

原文标题： Graph Representation Ensemble Learning

地址： http://arxiv.org/abs/1909.02811

作者： Palash Goyal, Di Huang, Sujit Rokka Chhetri, Arquimedes Canedo, Jaya Shree, Evan Patterson

摘要： 图表上的表示学习因其在预测缺失链接以及分类和推荐节点方面的广泛适用性而受到关注。大多数嵌入方法旨在保留低维空间中的原始图的某些属性。然而，真实世界的图具有若干特性的组合，这些特性难以通过单一方法表征和捕获。在这项工作中，我们介绍了图表示集成学习的问题，并提供了第一个有效地聚合多个图嵌入方法的框架。我们提供了对框架的分析，并从理论上和经验上分析了最先进的嵌入方法之间的依赖关系。我们在四个真实世界图上的节点分类任务上测试我们的模型，并表明所提出的集合方法在宏观F1上可以胜过最先进的方法高达8％。我们进一步表明，这种方法对于代表性不足的课程更有益，提高了12％。

是否可以利用社会影响力来破坏安全性：在线实验评估

原文标题： Can social influence be exploited to compromise security: An online experimental evaluation

地址： http://arxiv.org/abs/1909.02872

作者： Soumajyoti Sarkar, Paulo Shakarian, Mika Armenta, Danielle Sanchez, Kiran Lakkaraju

摘要： 社交媒体使用户和组织能够获得有关软件使用甚至安全功能使用等技术使用情况的信息。然而，在黑暗的一面，它还允许攻击者潜在地利用用户以从他们那里获取信息或者将他们影响到可能具有恶意设置或意图的决策。虽然已经做出大量努力来了解社会影响如何影响一个人采用安全技术的可能性，特别是它与采用相同技术的朋友数量的相关性，但在本研究中，我们调查同伴的影响力是否可以决定用户决定的是什么自己的知识。为此，我们在人类参与者的在线控制实验中操纵社交信号暴露，以调查是否可以以负面方式利用社会影响力来引导用户进行有害的安全选择。我们通过受控博弈对此进行分析，其中每个参与者在使用具有不同实用程序的六种安全技术时选择一个选项，其中一种选择具有最大效用。在博弈的多轮中，我们观察到社交影响作为一种工具可以非常强大地操纵用户决定采用效率较低的安全技术。然而，在该过程中更突出的是用户从其同伴接收社交信号的方式决定了社交影响在改变用户行为方面成功的程度。

分析网络对小说社区的影响

原文标题： Analyzing Network Effects on a Fanfiction Community

地址： http://arxiv.org/abs/1909.02886

作者： Andrés Carvallo, Denis Parra, Eduardo Graells-Garrido

摘要： 从Web 2.0的早期开始，在线社区一直在迅速发展，并已成为许多人生活的重要组成部分。在其中一个社区，fanfiction.net，用户可以阅读和编写从原版着名书籍，电视剧，电影等改编，重新创作和修改的故事。通过关注故事及其作者，小说社区创建了一个社会网络。以前对在线社区的研究表明，社会网络的特征如何帮助解释社区的行为，因此我们有兴趣研究小说的社会网络及其在社区方面的影响。特别是，在本文中，我们描述了社区成员的几个属性，并且我们还尝试发现哪些因素可以解释作者的受欢迎程度。我们发现，自加入小说以及作者传记的大小以来，时间对作者的受欢迎程度产生了负面影响。此外，我们表明用户的网络指标有助于解释更好的作者的受欢迎程度。

图嵌入的并行计算

原文标题： Parallel Computation of Graph Embeddings

地址： http://arxiv.org/abs/1909.02977

作者： Chi Thang Duong, Hongzhi Yin, Thanh Dat Hoang, Truong Giang Le Ba, Matthias Weidlich, Quoc Viet Hung Nguyen, Karl Aberer

摘要： 图嵌入旨在学习包含图结构的顶点的基于矢量的表示。然后，该表示使得能够推断图属性。然而，现有的图嵌入技术不能很好地适应大图。因此，我们提出了一种框架，用于使用具有资源约束的计算节点集群来并行计算图嵌入。我们展示了如何分配任何现有的嵌入技术，首先为任何给定的受约束计算节点集拆分图，然后协调为这些子图导出的嵌入空间。我们还提出了一种评估图嵌入质量的新方法，该方法独立于特定的推理任务。基于此，我们给出了通过集中式和并行计算得到的嵌入之间的差异的形式上的界限。实验结果表明，我们的并行计算方法可以很好地扩展，同时在很大程度上保持了嵌入质量。

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。