• 一种基于基于伪差的简单方法，利用GPS数据支持公共汽车温室气体排放的减缓政策;
• 使用功能性MRI和图论建立健康受试者单语和双语语言网络;
• 从拓扑视角测量和缓解图神经网络的过平滑问题;
• HeteSpaceyWalk：用于异构信息网络嵌入的异构空间随机游走;
• 利用社交媒体评估灾害对公路的影响：飓风哈维的案例研究;
• 多组连接结构及其启示;
• 使用声明性程序转换生成基于ASP的链接分析的解释;
• 核节点嵌入;
• 具有度相关的广义配置模型及其渗流分析;
• 印度有多少研究成果得到社交媒体的关注？;
• 通过对抗性训练生成可靠的朋友以改善社交推荐;
• 社会网络结构多样性的实验研究;
• 通过几乎不耦合的随机游走推进基于项目的协同过滤;
• 使用激光混沌时间序列通过多臂老虎机算法在无线通信中进行动态信道选择;
• 错误信息检测的未来：新的视角和趋势;
• 面向移动应用开发的知识型个性化推荐系统;
• 你真的跟着他们吗？自动检测轻信的Twitter用户;
• 通过Katz和特征向量中心性进行社区检测;

一种基于基于伪差的简单方法，利用GPS数据支持公共汽车温室气体排放的减缓政策

原文标题： A Simple Sinuosity-Based Method using GPS data to Support Mitigation Policies for Public Buses GHG Emissions

地址： http://arxiv.org/abs/1907.09335

作者： William Wills, Joao Meirelles, Vivien Green Baptista, Gabriel Cury, Pablo Cerdeira

摘要： 现在很清楚，气候变化减缓依赖于我们引导城市系统走向低碳阶段的能力，城市交通部门在这一转型过程中发挥着重要作用。据估计，全球约有30％的二氧化碳排放来自城市交通部门。无论其重要性如何，对城市交通相关排放的详细估算仍然很少发现，这阻碍了我们理解和减少这些排放的能力。这项工作旨在从GPS（全球定位系统）数据开发一种可复制的快速GHG估算方法，并为此引入一种简单的基于弯曲度的算法。我们在里约热内卢市应用了1年GPS数据的方法。我们将结果与燃料消耗的自上而下估算进行了比较，并在简单的数据填充过程后证明是有效的。我们基于GPS的方法允许对排放进行更精细的空间和时间描述，并且我们进一步展示了可以基于所提出的方法从估计的排放中提取的可能的政策见解。

使用功能性MRI和图论建立健康受试者单语和双语语言网络

原文标题： Monolingual and bilingual language networks in healthy subjects using functional MRI and graph theory

地址： http://arxiv.org/abs/1909.03109

作者： Qiongge Li, Luca Pasquini, Gino Del Ferraro, Madeleine Gene, Kyung K. Peck, Hernán A. Makse, Andrei I. Holodny

摘要： 常规进行术前语言映射与功能磁共振成像（fMRI），以帮助神经外科医生预防对负责语言的大脑区域的损害。单语与双语大脑之间存在功能差异，而临床fMRI任务通常以单一语言进行。二级语言处理机制的存在是推断语言地图中潜在的错误来源。根据健康双语和单语科目的fMRI数据，我们获得语言地图作为功能网络。我们的研究结果显示了一个子网络“核心”架构，包括Broca，预补充电机和所有受试者的前运动区域。发现Wernicke的区域在不同的群体中连接到“核心”。 k 核心中心度量指标显示“核心”区域属于最大核心，而WA和其他fROI则因组而异。结果可以为双语患者提供平等治疗结果的基准。

从拓扑视角测量和缓解图神经网络的过平滑问题

原文标题： Measuring and Relieving the Over-smoothing Problem for Graph Neural Networks from the Topological View

地址： http://arxiv.org/abs/1909.03211

作者： Deli Chen, Yankai Lin, Wei Li, Peng Li, Jie Zhou, Xu Sun

摘要： 图神经网络（GNN）已经在广泛的基于图的任务上取得了很好的性能。尽管取得了成功，但GNN的一个严重限制是过度平滑问题（不同类中节点的无法区分的表示）。在这项工作中，我们提出了一个关于GNN过度平滑问题的系统和定量研究。首先，我们引入两个定量度量，MAD和MADGap，分别测量图节点表示的平滑度和过平滑度。然后，我们验证平滑是GNN的本质，导致过平滑的关键因素是节点接收的消息的低信噪比，这部分地由图拓扑确定。最后，我们提出了两种方法来缓解拓扑视图中的过度平滑问题：（1）MADReg，它将基于MADGap的正则化器添加到训练目标;（2）AdaGraph，它基于模型预测优化图拓扑。 7个广泛使用的图数据集与10个典型GNN模型的大量实验表明，这两种方法可以有效地缓解过平滑问题，从而提高各种GNN模型的性能。

HeteSpaceyWalk：用于异构信息网络嵌入的异构空间随机游走

原文标题： HeteSpaceyWalk: A Heterogeneous Spacey Random Walk for Heterogeneous Information Network Embedding

地址： http://arxiv.org/abs/1909.03228

作者： Yu He, Yangqiu Song, Jianxin Li, Cheng Ji, Jian Peng, Hao Peng

摘要： 异构信息网络（HIN）嵌入最近越来越受到关注。然而，目前基于随机游走的HIN嵌入方法很少关注元路径引导随机游走的高阶马尔可夫链特性，尤其是平稳性问题。在本文中，我们系统地将元路径引导随机游走形式化为高阶马尔可夫链过程，并提出异构的个性化空间随机游走，以有效地实现节点之间预期的平稳分布。然后，我们提出了一个通用的可扩展框架，以利用异构个性化空间随机游走来学习分别由元路径，元图和元模式引导的HIN中的多种类型节点的嵌入。我们在几个异构网络中进行了大量实验，并证明我们的方法基本上优于现有的最先进的网络嵌入算法。

利用社交媒体评估灾害对公路的影响：飓风哈维的案例研究

原文标题： Assessing Disaster Impacts on Highways Using Social Media: Case Study of Hurricane Harvey

地址： http://arxiv.org/abs/1909.03362

作者： Yudi Chen, Qi Wang, Wenying Ji

摘要： 在灾害期间和之后，高速公路为紧急服务，救援工作和疏散活动提供了重要的路线。因此，及时可靠地评估灾害对公路的影响对于决策者快速有效地开展救济和恢复工作至关重要。最近，社交媒体越来越多地用于灾害管理，以便通过近乎实时，社会和信息特征获得对灾害影响的快速，以公众为中心的评估。虽然很有前景，但由于无法从社交媒体中提取准确的公路相关数据，社交媒体用于评估灾害对公路的影响仍然有限。为了克服这一局限性，提出了一种系统方法来识别来自社交媒体的公路相关数据，以评估对公路的灾害影响，并采用德克萨斯州休斯顿的哈维飓风案例研究进行演示。该方法通过三个步骤构建：（1）分别为休斯顿的社交媒体和高速公路建立数据源; （2）通过开发的映射算法将社交媒体数据调整到每条高速公路; （3）通过分析社交媒体活动的强度，地理位置和主题分布来评估灾难影响。结果表明，该方法能够捕捉灾害对高速公路影响的时间模式。官方新闻和报告用于验证评估的影响。

多组连接结构及其启示

原文标题： Multi-group connectivity structures and their implications

地址： http://arxiv.org/abs/1909.03395

作者： Shadi Mohagheghi, Pushkarini Agharkar, Noah E. Friedkin, Francesco Bullo

摘要： 我们研究了不同形式的多组连接的含义。考虑了四种多组连接模式：共同成员资格，边捆绑，桥接和联络层次结构。我们提出生成模型来生成这四种模态。我们的模型是在某些拓扑约束下条件下的种植分区或随机块模型的变体。我们报告比较分析的结果，其中我们评估这些结构，控制它们的边密度和大小，平均信息传播速率，收敛时间与共识，以及在存在噪声的情况下与共识值的稳态偏差作为网络大小增加。

使用声明性程序转换生成基于ASP的链接分析的解释

原文标题： Towards Generating Explanations for ASP-Based Link Analysis using Declarative Program Transformations

地址： http://arxiv.org/abs/1909.03404

作者： Martin Atzmueller, Cicek Güven, Dietmar Seipel

摘要： 解释的解释和产生是人工智能和数据科学中的突出主题，以使方法和系统对于人类更加透明和可理解。本文使用答案集编程（ASP）的声明方法研究了链路分析的问题，特别是社会网络中的链路预测和异常链路发现。应用ASP进行链路预测提供了一种强大的声明性方法，例如，用于结合领域知识以进行解释性预测。在这种情况下，我们提出了一种新的方法，用于生成解释 - 作为离线理由 - 使用声明性程序转换。该方法本身纯粹基于声明性程序的语法转换，例如，在ASP形式主义中，使用规则检测。我们证明了所提出方法的有效性，在社会网络中的链接分析应用中进行了例证，也包括领域知识。

核节点嵌入

原文标题： Kernel Node Embeddings

地址： http://arxiv.org/abs/1909.03416

作者： Abdulkadir Çelikkanat, Fragkiskos D. Malliaros

摘要： 在低维空间中学习节点的表示是一项关键任务，在网络分析中有许多有趣的应用，包括链路预测和节点分类。针对此问题的两种常用方法包括 textit matrix factorization和 textit random walk-based based models。在本文中，我们的目标是将两个世界的最佳组合在一起，以学习潜在的节点表示。特别地，我们提出了一种加权矩阵分解模型，该模型对关于图的节点的随机基于步行的信息进行编码。这个公式的主要好处是它允许在计算嵌入时利用内核函数。我们对现实世界网络进行了实证评估，表明所提出的模型在两个下游机器学习任务中优于基线节点嵌入算法。

具有度相关的广义配置模型及其渗流分析

原文标题： A Generalized Configuration Model with Degree Correlations and Its Percolation Analysis

地址： http://arxiv.org/abs/1909.03448

作者： Duan-Shin Lee, Cheng-Shang Chang, Miao Zhu, Hung-Chih Li

摘要： 在本文中，我们提出了经典配置模型的概括。与经典配置模型一样，通用配置模型允许用户指定任意度分布。在我们的通用配置模型中，我们将配置模型中的存根划分为相等大小的b块，并为这些块选择置换函数h。在每个块中，我们随机地将与存根的q成比例的数字指定为类型1存根，其中q是范围[0; 1]。其他存根被指定为类型2存根。要构建网络，请随机选择未连接的存根。假设这个存根在块i中。如果是类型1存根，则将此存根连接到块h（i）中随机选择的未连接类型1存根。如果是类型2存根，则将其连接到随机选择的未连接类型2存根。我们重复此过程，直到连接所有存根。在一个假设下，我们推导出一个闭合形式，用于构造图中两个随机相邻顶点的联合度分布。基于该联合度分布，我们证明了对于任何固定b，Pearson度相关函数在q中是线性的。通过正确选择h，我们证明了我们的构造算法可以创建分类网络以及不协调网络。我们提出了这个模型的渗透分析。我们通过广泛的计算机模拟验证我们的结果。

印度有多少研究成果得到社交媒体的关注？

原文标题： How much research output from India gets social media attention?

地址： http://arxiv.org/abs/1909.03506

作者： Sumit Kumar Banshal, Vivek Kumar Singh, Pranab K. Muhuri, Philipp Mayr

摘要： 学术文章现在越来越多地在社交媒体平台中被提及和讨论，有时甚至作为印刷前或印刷后版本上传。社交媒体提及和覆盖的措施现在正成为学术文章影响的替代指标。本文旨在探讨不同社交媒体平台涵盖了多少来自印度的学术研究成果，以及它与世界平均水平的相似或不同之处。它还分析了印度研究成果的覆盖范围和对学科注意力的学科差异，包括与世界平均水平的比较。获得的结果显示有趣的模式社交媒体平台仅覆盖了印度总研究产出的28.5％，比世界平均水平低约18％。 ResearchGate和Mendeley是印度学术文章报道中最受欢迎的社交媒体平台。在学科方面的差异方面，与信息科学和工程学等学科相比，医学科学和生物科学在不同平台上的覆盖率相对较高。

通过对抗性训练生成可靠的朋友以改善社交推荐

原文标题： Generating Reliable Friends via Adversarial Training to Improve Social Recommendation

地址： http://arxiv.org/abs/1909.03529

作者： Junliang Yu, Min Gao, Hongzhi Yin, Jundong Li, Chongming Gao, Qinyong Wang

摘要： 大多数最近的社会推荐研究都假设人们与朋友分享相似的偏好，在线社交关系有助于改进传统的推荐系统。然而，这种假设通常是站不住脚的，因为在线社会网络非常稀疏，而且大多数用户只有少数朋友。此外，由于构建社会网络的过程中的随机性，明确的朋友可能不会分享相似的兴趣。因此，为每个用户发现一些可靠的朋友在推进社会推荐方面起着重要作用。与其他专注于提取有价值的明确社会联系的研究不同，我们的工作注重在观察到的和未观察到的社会网络中识别可靠的朋友。具体而言，在本文中，我们提出了一种基于生成性对抗网（GAN）的端到端社交推荐框架。该框架由两个块组成：一个生成器，用于生成可能增强社交推荐模型的朋友;一个鉴别器，负责评估这些生成的朋友，并根据当前用户和她的朋友对项目进行排名喜好。通过生成器和鉴别器之间的竞争，我们的框架可以动态地和自适应地生成可靠的朋友，他们可以在特定时间完美地预测当前用户的偏好。结果，可以减轻显性社会关系的稀疏性和不可靠性问题，并且显著改善社会推荐绩效。对真实世界数据集的实验研究证明了我们框架的优越性，并验证了生成的可靠朋友的积极影响。

社会网络结构多样性的实验研究

原文标题： An Experimental Study of Structural Diversity in Social Networks

地址： http://arxiv.org/abs/1909.03543

作者： Jessica Su, Krishna Kamath, Aneesh Sharma, Johan Ugander, Sharad Goel

摘要： 最近对在线社会网络平台的几项研究发现，采用率和参与度水平与结构多样性正相关，结构多样性是通过网络联系衡量的个体联系之间的异质性程度。这种观察的一个常见理论是结构多样性提高了效用，部分原因是因为在同一平台上与来自不同网络组件的人进行交互是有价值的。虽然引人注目，但这种因果理论的证据来自观察性研究，因此很难排除非因果性解释。我们通过在Twitter平台上进行大规模随机对照研究来研究结构多样性对保留的作用。我们首先表明结构多样性与Twitter上的用户保留相关，证实了过去观察性研究的结果。然后，我们通过改变新用户加入平台时看到的网络建议集来改变结构多样性;我们确认此设计会引起网络拓扑的所需更改。然而，我们发现，在我们的实验中，低，中，高结构多样性处理组具有相当的保留率。因此，至少在这种情况下，观察到的结构多样性和保留之间的相关性似乎不是由因果关系引起的，而是基于过去的观察性研究挑战理论。

通过几乎不耦合的随机游走推进基于项目的协同过滤

原文标题： Boosting Item-based Collaborative Filtering via Nearly Uncoupled Random Walks

地址： http://arxiv.org/abs/1909.03579

作者： Athanasios N. Nikolakopoulos, George Karypis

摘要： 基于项目的模型是用于构建推荐系统的最流行的协作过滤方法。随机游走可以为收集这些模型中捕获的丰富交互网络提供强大的工具。他们可以利用项目之间的间接关系，减轻稀疏性的影响，确保更广泛的项目空间覆盖，以及增加推荐清单的多样性。然而，它们的潜力可能受到行走快速集中到图的中心节点的趋势的阻碍，从而显著地限制了可以用于个性化推荐的K步分布的范围。在这项工作中，我们介绍了RecWalk;一种新颖的基于随机游走的方法，利用几乎未耦合的马尔可夫链的谱特性来证明可以解除这种限制并延长用户过去的偏好对步行的连续步骤的影响 - 允许步行者更多地探索底层网络卓有成效。对真实世界数据集的全面实验验证了所提方法的理论预测属性，并表明它们与前n个推荐精度的显著改进直接相关。他们还强调了RecWalk在提供基于项目模型性能的框架方面的潜力。 RecWalk实现了最先进的top-n推荐质量，优于几种竞争方法，包括最近提出的依赖深度神经网络的方法。

使用激光混沌时间序列通过多臂老虎机算法在无线通信中进行动态信道选择

原文标题： Dynamic channel selection in wireless communications via a multi-armed bandit algorithm using laser chaos time series

地址： http://arxiv.org/abs/1909.03629

作者： Shungo Takeuchi, Mikio Hasegawa, Kazutaka Kanno, Atsushi Uchida, Nicolas Chauvet, Makoto Naruse

摘要： 动态信道选择是动态改变的电磁环境中最重要的无线通信元件之一，其中用户可以通过选择更好的信道来体验改善的通信质量。多臂强盗（MAB）算法是一种很有前途的方法，通过这种方法可以解决探索搜索更好的信道和利用以体验增强的通信质量之间的艰难权衡。通过利用半导体激光器产生的混乱振荡时间序列，已经证明了MAB问题的超快解决方案。在这项研究中，我们通过实验证明了在无线局域网（WLAN）中结合激光混沌时间序列的MAB算法。在基于IEEE802.11a的四通道WLAN中成功演示了自主和自适应动态信道选择。尽管在WLAN实验之前安排了激光混沌时间序列，但结果证实了超快混沌序列对于真实无线应用的有用性。此外，我们在数值上检验了本研究中实施的显著简化的MAB算法的下划线适应机制，与先前报道的基于混沌的决策者相比。该研究为将来的高性能无线通信网络应用超快混沌激光器迈出了第一步。

错误信息检测的未来：新的视角和趋势

原文标题： The Future of Misinformation Detection: New Perspectives and Trends

地址： http://arxiv.org/abs/1909.03654

作者： Bin Guo, Yasan Ding, Lina Yao, Yunji Liang, Zhiwen Yu

摘要： 社会网络中大量传播的错误信息已成为一种全球风险，暗中影响公众舆论并威胁社会/政治发展。因此，错误信息检测（MID）近年来成为一个汹涌的研究课题。作为一个充满希望和快速发展的研究领域，我们发现已经为MID的新研究问题和方法做出了许多努力。因此，有必要全面回顾MID的新研究趋势。我们首先简要回顾MID的文献历史，在此基础上我们提出了几个新的研究挑战和技术，包括早期检测，多模态数据融合检测和解释检测。我们进一步研究了MID中各种人群智能的提取和使用，为解决MID挑战铺平了道路。最后，我们对MID的开放性问题和未来研究方向给出了自己的看法，如模型适应性/对新事件的一般性，拥抱新型机器学习模型，解释性检测模型等。

面向移动应用开发的知识型个性化推荐系统

原文标题： Toward a Knowledge-based Personalised Recommender System for Mobile App Development

地址： http://arxiv.org/abs/1909.03733

作者： Bilal Abu-Salih

摘要： 在过去几年中，移动应用程序开发的舞台已经大大超出了全球软件市场的平衡。随着越来越多的移动软件公司以及智能手机技术日益复杂，开发人员已经在不同的平台上构建了几类应用程序。但是，开发人员通过实施移动应用程序项目面临着一些挑战。特别是，缺乏能够迅速有效地为开发人员提供个性化服务的整合系统。因此，开发定制系统至关重要，该系统可以向移动应用程序开发人员推荐适当的工具，IDE，平台，软件组件和其他相关工件。本文提出了一个新的推荐系统框架，其中包含一系列强化技术，旨在为移动应用程序开发人员提供一个独特的平台来浏览和搜索个性化工件。所提出的系统利用本体和语义网技术以及机器学习技术。特别是，新的RS框架包括以下组件; （i）领域知识推理模块：包括各种语义Web技术和轻量级本体; （ii）剖析和推荐：一种新的时间感知多维用户建模; （iii）查询扩展：通过语义扩充用户查询来改进和增强检索结果; （iv）推荐和信息过滤：利用上述组件向指定用户提供个性化服务，并以最小的不匹配回答用户的查询。

你真的跟着他们吗？自动检测轻信的Twitter用户

原文标题： Do you really follow them? Automatic detection of credulous Twitter users

地址： http://arxiv.org/abs/1909.03851

作者： Alessandro Balestrucci, Rocco De Nicola, Marinella Petrocchi, Catia Trubiani

摘要： 在线社交媒体代表了一种能够覆盖广大受众的普遍信息来源。可悲的是，最近的研究表明，在线社交机器人（自动化，通常是恶意帐户，填充社会网络和模仿真正的用户）能够放大数量级的（假）信息的传播。使用Twitter作为基准，在这项工作中，我们专注于我们定义轻信用户的内容，即人为操作的帐户，其中包含高比例的机器人。由于更容易受到社交机器人的有害活动的影响，轻信用户可能面临受其他用户影响更大的风险;更糟糕的是，虽然在不知不觉中，他们可能成为误导信息的传播者（例如，通过转发机器人）。我们设计并开发了一种监督分类器，以自动识别轻信用户。经过最佳测试的配置实现了93.27％的准确度和0.93的AUC-ROC，从而产生了积极和令人鼓舞的结果。

通过Katz和特征向量中心性进行社区检测

原文标题： Community Detection via Katz and Eigenvector Centrality

地址： http://arxiv.org/abs/1909.03916

作者： Mark Ditsworth, Justin Ruths

摘要： 社区检测算法（如Louvain和谱优化）的计算需求对于大型网络来说可能是禁止的。特征向量中心性和Katz中心性是两种常用于描述节点相对重要性的网络统计量;并且可以通过可扩展的迭代方法在大型网络上近似地计算它们的计算。在本文中，我们提出并利用Katz中心性和特征向量中心性之间的惊人关系来检测社区。除了计算收益之外，我们还证明了我们的方法可以识别出与传统方法一样好或更好的社区。

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。