• 关注领导者：语义变革前沿的文档获取更多引文;
• 粒子系统的非平衡扩散特性以及与社会系统的对应关系;
• 随机过程中的扩散和记忆效应以及与社会系统中信息传播的对应关系;
• 具有微观和宏观动态的时间网络嵌入;
• 基于深度神经网络的图嵌入实现Lifelog模式分析;
• 具有时变有向图的不确定模型的非贝叶斯社会学习;
• Van Der Pol振子层级网络的动力学性质;
• Quora竞争主题命名约定：从数百万主题对中预测适当的主题合并和获胜主题;
• 不均衡下的收入不平等动态：印度案例;
• 使用异构图的局部和全局关系联合嵌入进行谣言检测;
• 可变成本测试的超图测试组：电力系统案例研究;
• 在线社会网络中的用户信誉建模：成本、收益和互惠的作用;

关注领导者：语义变革前沿的文档获取更多引文

原文标题： Follow the Leader: Documents on the Leading Edge of Semantic Change Get More Citations

地址： http://arxiv.org/abs/1909.04189

作者： Sandeep Soni, Kristina Lerman, Jacob Eisenstein

摘要： 历时词汇嵌入为语言的演变提供了非凡的见解，并为量化社会文化变革提供了工具。然而，虽然这种方法识别出语义上移位的单词，但它却孤立地研究它们;它不利于发现在特定语义创新方面领先或滞后的文档。在本文中，我们提出了一种量化每种用法中语义进步程度的方法。可以聚合这些用法以获得每个文档的分数。我们分析了两大类文件，代表了法律意见和科学文章。预测语义渐进的文档会获得更多的引用，表明它们特别有影响力。因此，我们的工作提供了一种识别词汇语义领导者的新技术，并展示了引文网络中早期采用与影响之间的新联系。

粒子系统的非平衡扩散特性以及与社会系统的对应关系

原文标题： Non-equilibrium diffusion characteristics of a particle system and the correspondence to a social system

地址： http://arxiv.org/abs/1909.04208

作者： Peng Wang, Feng-Chun Pan, Jie Huo, Xu-Ming Wang

摘要： 建议使用Langevin方程来描述由相关高斯白噪声驱动的系统以及由临界速度划分的正阻尼和负阻尼。该方程可以通过Kramers-Moyal扩展转换为Fokker-Planck方程。该解决方案表现出一些非平衡现象。在开始时，速度/能量的分布曲线呈现随机振荡，然后逐渐建立由玻尔兹曼分布描述的近平衡分布。然而，分布曲线上出现尖峰并打破了这种稳定的分布。尖峰在速度/能量方向上移动并且非线性地扩大以便维持。最终分布是由单调上升段和单调下降段形成的尖峰。统计量的计算结果表明该过程是一个子扩散，而尖峰起源于噪声和空间之间的相关性。基于一个基本假设，即广义位移被视为观察粒子携带的信息，并且速度被视为主体对事件的敏感性，我们将该系统中的观测值映射到社会系统以理解传播舆论或信息。

随机过程中的扩散和记忆效应以及与社会系统中信息传播的对应关系

原文标题： Diffusion and memory effect in a stochastic processes and the correspondence to an information propagation in a social system

地址： http://arxiv.org/abs/1909.04220

作者： Peng Wang, Feng-Chun Pan, Jie Huo, Xu-Ming Wang

摘要： 建议使用广义Langevin方程来描述具有记忆的系统（ u（t，t’）= frac 1 Gamma（ nu）（t - t’）^ nu ）以及正负阻尼。通过使用Kramers-Moyal展开，可以将等式转换为Fokker-Planck方程。 Fokker-Planck方程的解决方案表明速度服从高斯分布。随着存储器参数的增加，分布曲线将变平，这表明存储器可以增强系统的随机性。此分布背后还有一些其他记忆效应，可以通过计算传输系数，均方位移和噪声与空间之间的相关性来表征。这些讨论可以与社会系统平行，以了解记忆引起的社会意识形态的传播。

具有微观和宏观动态的时间网络嵌入

原文标题： Temporal Network Embedding with Micro- and Macro-dynamics

地址： http://arxiv.org/abs/1909.04246

作者： Yuanfu Lu, Xiao Wang, Chuan Shi, Philip S. Yu, Yanfang Ye

摘要： 网络嵌入旨在将节点嵌入到低维空间中，同时捕获网络结构和属性。尽管已经提出了许多有希望的网络嵌入方法，但是大多数方法都集中在静态网络上。实际上，通常在微观和宏观动态方面随时间演变的时间网络无处不在。微动力学以详细的方式描述了网络结构的形成过程，而宏观动力学则指的是网络规模的演化模式。微观和宏观动态都是网络演化的关键因素;然而，如何优雅地捕获它们用于时间网络嵌入，尤其是宏观动态，尚未得到很好的研究。在本文中，我们提出了一种新的时间网络嵌入方法，具有微观和宏观动态，命名为 rm M ^ 2DNE 。具体而言，对于微动力学，我们将边的建立视为时间事件的发生，并提出一个时间关注点过程，以细粒度的方式捕获网络结构的形成过程。对于宏观动态，我们定义了一个通过网络嵌入参数化的一般动力学方程，以捕获固有的演化模式，并在网络嵌入的较高结构层面上施加约束。时间网络中微观和宏观动态的相互演变交替地影响学习节点嵌入的过程。在三个真实时间网络上进行的大量实验证明， rm M ^ 2DNE 不仅在传统任务中（例如网络重建），而且在与时间趋势相关的任务中明显优于现有技术，例如，尺度预测。

基于深度神经网络的图嵌入实现Lifelog模式分析

原文标题： Lifelog Patterns Analyzation using Graph Embedding based on Deep Neural Network

地址： http://arxiv.org/abs/1909.04252

作者： Wonsup Shin, Tae-Young Kim, Sung-Bae Cho

摘要： 最近，随着智能设备的普及，通过传感器收集的数据量也在增加。生活日志是一种分析从各种智能设备收集的个人日常生活中的行为模式的大数据。然而，传感器数据是一种低级信号，使得人类难以直接识别情况而无法清楚地表达关系。识别日常行为模式也很困难，因为它通过各种传感器记录异质数据。在本文中，我们提出了一种方法来定义具有节点和边的图结构，并从生成的生活图中提取日常行为模式。我们使用图卷积方法嵌入生活列表图并将其映射到低维度。图卷积层通过在非欧几里德空间中植入生命对数图并学习图的模式来证明日常行为模式的表达能力。实验结果表明，该方法可以自动从UbiqLog数据集中提取有意义的用户模式。此外，我们通过比较我们的方法与现有方法来评估性能来确认其有用性。

具有时变有向图的不确定模型的非贝叶斯社会学习

原文标题： Non-Bayesian Social Learning with Uncertain Models over Time-Varying Directed Graphs

地址： http://arxiv.org/abs/1909.04255

作者： César A. Uribe, James Z. Hare, Lance Kaplan, Ali Jadbabaie

摘要： 我们研究了具有不确定模型的非贝叶斯社会学习问题，其中主体网络寻求基于一系列观察信号协同地识别世界状态。与现有文献相比，我们将注意力集中在主体人所掌握的关于世界可能状态的统计模型是通过有限观察建立的情景。我们表明，现有的非贝叶斯社会学习方法可能会在这些条件下选择具有非零概率的错误假设。因此，我们提出了一种新的算法来迭代地构建一组信念，这些信念表明某个假设是否得到经验证据的支持。这种新算法可以在时变有向图上实现，具有非 - 双随机权重。

Van Der Pol振子层级网络的动力学性质

原文标题： Dynamical properties of hierarchical networks of Van Der Pol oscillators

地址： http://arxiv.org/abs/1909.04360

作者： Daniel Monsivais, Kunal Bhattacharya, Rafael A. Barrio, Philip K. Maini, Kimmo K. Kaski

摘要： 在社会和生物系统中发现的振荡器网络的特征在于存在广泛的耦合强度和复杂的组织。然而，发现振荡的稳健性和同步性在宏观尺度上出现，最终成为这些系统运行的关键。为了模拟这种动态模型，例如，在昼夜节律振荡器系统中，我们研究了与层次耦合相关的Van der Pol振荡器网络。对于每个隔离振荡器，我们假设相同的基频。使用数值模拟，我们表明耦合系统进入锁相状态，相位和频率对于层次结构的每个级别的每个振荡器都是相同的。在层次结构的每个级别观察到的频率发生变化，达到最高级别的渐近最低值。值得注意的是，渐近频率可以调谐到低于未耦合的Van der Pol振荡器的基频的任何值。我们将数值结果与近似解析解进行比较，并发现它们具有定性一致性。

Quora竞争主题命名约定：从数百万主题对中预测适当的主题合并和获胜主题

原文标题： Competing Topic Naming Conventions in Quora: Predicting Appropriate Topic Merges and Winning Topics from Millions of Topic Pairs

地址： http://arxiv.org/abs/1909.04367

作者： Binny Mathew, Suman Kalyan Maity, Pawan Goyal, Animesh Mukherjee

摘要： Quora是一个受欢迎的问答网站，它使用户能够使用多个相关主题标记问题，从而有助于吸引高质量的答案。这些主题不是预定义的，而是用户定义的约定，在Quora生态系统中存在多个此类约定并不是很少见，这些约定描述了完全相同的概念。在几乎所有这些情况下，用户（或Quora版主）手动将主题对合并到其中一个主题中，从而选择其中一个竞争约定。因此，该网站的一个重要应用是尽早确定此类竞争惯例，以便将来合并。在本文中，我们提出了一个两步法，它独特地结合了异常检测和监督分类框架，以预测数百万个主题对中的两个主题是否确实是竞争惯例，并且应该合并，达到0.711的F分数。我们还开发了一个模型来预测主题合并的方向，即获胜的惯例，达到0.898的F分数。我们的系统还能够在合并的第一个月内预测约25％的正确合并案例，并在一年内预测约40％的案例。这是一个令人鼓舞的结果，因为Quora用户平均​​需要936天来识别这种正确的合并。人类判断实验表明，我们的系统能够预测人类可以预测的几乎所有正确病例，以及人类根本无法识别的37.24％正确病例。

不均衡下的收入不平等动态：印度案例

原文标题： Dynamics of income inequality under disequilibrium: The case of India

地址： http://arxiv.org/abs/1909.04452

作者： Anand Sahasranaman, Henrik Jeldtoft Jensen

摘要： 收入不平等是印度面临的最重大的社会经济挑战之一，可能对其民主和社会的未来产生长期影响。在这项工作中，我们在没有均衡假设的情况下探讨印度的收入不平等，并在动态意义上说明收入分配中再分配的性质和方向。鉴于工业革命后平均收入和收入不平等都呈上升趋势，我们认为这样的过程是使用几何布朗运动（GBM）进行适当建模的。具体来说，我们使用GBM的机制和Berman等人提出的重新分配参数（表明收入分配中发生的重新分配的性质）。我们发现，自20世纪90年代中期以来，重新分配是负面的，这意味着收入呈指数级分化，表明从穷人到富人的资源有不正当的重新分配。众所周知，印度的静态不平等现象正在上升，但人们的假设是，虽然富人可能从经济增长中获益超过比例，但穷人的状况也比以前更好。我们工作中令人惊讶的发现是，收入不平等的性质使我们已经从渐进式制度转变为退步式再分配制度。从本质上讲，穷人的持续贫困直接刺激了富人的乘法收入增长。我们在正规制造业和服务业的劳动力非正规性日益增加以及印度农业劳动力负净收入可能演变的背景下，对这些研究结果进行了描述。可能需要重大的结构变化来解决这一现象。

使用异构图的局部和全局关系联合嵌入进行谣言检测

原文标题： Jointly embedding the local and global relations of heterogeneous graph for rumor detection

地址： http://arxiv.org/abs/1909.04465

作者： Chunyuan Yuan, Qianwen Ma, Wei Zhou, Jizhong Han, Songlin Hu

摘要： 社交媒体的发展彻底改变了人们交流，分享信息和做出决策的方式，但也为发布和传播谣言提供了理想的平台。现有的谣言检测方法侧重于从文本内容，用户简档和传播模式中寻找线索。然而，消息传播图中的局部语义关系和全局结构信息尚未被先前的工作很好地利用。在本文中，我们提出了一个新的全球 - 局部关注网络（GLAN），用于谣言检测，它共同编码本地语义和全球结构信息。我们首先通过融合相关转发的语义信息和注意机制，为每个源推文生成更好的集成表示。然后，我们将所有源推文，转推和用户之间的全球关系建模为异构图，以捕获谣言检测的丰富结构信息。我们对三个真实世界的数据集进行了实验，结果表明GLAN在谣言检测和早期检测方案中明显优于最先进的模型。

可变成本测试的超图测试组：电力系统案例研究

原文标题： Group-Testing on Hypergraphs with Variable-Cost Tests: A Power Systems Case Study

地址： http://arxiv.org/abs/1909.04513

作者： Laurence A. Clarfeld, Margaret J. Eppstein

摘要： 评估电网中级联故障的风险需要识别电力系统中N个元件的许多小“有缺陷”子集，使得有缺陷组中的所有元件的同时故障触发大的级联停电。大多数缺陷集的超集也将启动级联。该属性由随机化学（RC）利用，这是一种用于有效查找最小缺陷集的最先进算法。虽然之前未被承认，但RC是一种群体测试算法，因为它测试候选解决方案池。然后RC减小缺陷池的大小，直到找到最小的缺陷组。使用美国西部电网的合成模型，我们发现运行时间最小化，初始池大小比先前推荐的小得多，几乎使RC的速度加倍。我们将RC与提出的新的替代组测试算法（SIGHT）进行比较。两种算法都有其优点;虽然SIGHT显示需要的总测试次数少于RC，但RC需要的缺陷测试次数较少。因此，每种算法的相对速度取决于有缺陷测试与非缺陷测试的相对成本，这是先前在组测试文献中未考虑的因素。在电力系统应用中，缺陷组的测试计算成本更高，因此RC更快。但是，只有一个控制参数（与RC中的许多控制参数相比），SIGHT更容易优化，而在缺陷成本比：无缺陷测试足够低的应用中，SIGHT将比RC快。

在线社会网络中的用户信誉建模：成本、收益和互惠的作用

原文标题： Modeling User Reputation in Online Social Networks: The Role of Costs, Benefits, and Reciprocity

地址： http://arxiv.org/abs/1909.04591

作者： Frank Schweitzer, Pavlin Mavrodiev, Adrian M. Seufert, David Garcia

摘要： 我们分析基于主体的模型，以估计在线社会网络（OSN）中用户的成本和收益如何影响OSN的稳健性。利益是根据用户从其关注者那里获得的相对声誉来衡量的。它们可以通过彼此跟随的直接和间接互易来增加，这导致OSN的核心 - 外围结构。成本与登录，维护配置文件等的努力有关，并且假定为所有用户都是常量。 OSN的稳健性取决于用户随时间的进入和退出。直观地说，人们会预期更高的成本会导致更多的用户离开，从而导致OSN不那么强大。我们证明存在最佳成本水平，通过其用户的长期平均收益来衡量OSN的性能，以及通过核心的生命周期测量的OSN的稳健性。 OSN。我们的数学和计算分析展示了成本水平的变化如何影响互惠性以及随后的OSN的核心 - 边结构，以解释最优的成本水平。

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。