• 信任是衡量符号社会网络弹性的指标;
• SiReN：使用图神经网络的考虑符号的推荐;
• 自行车传播问题;
• 全球建成区和人口地图：应该为印度使用哪些地图？;
• Twitter 用户的连续群组显示出越来越多的活动和不断缩小的内容范围;
• odeN：大型时间网络中多模体计数的同时逼近;

信任是衡量符号社会网络弹性的指标

原文标题： Trust as a Metric for Resiliency in Signed Social Networks

地址： http://arxiv.org/abs/2108.08665

作者： Harsh Patel, Shivam Sahni, Pushkar Mujumdar

摘要： 最近的技术进步导致在线交易激增，引发了对盗窃和欺诈的严重担忧，尤其是在比特币 OTC（场外交易）等平台上，用户的身份保持匿名。为了降低风险，根据用户的交易历史记录用户的声誉变得至关重要。谁-信任-谁签名的人网络有能力反映用户之间这种正负关系的性质。它可用于分析此类平台的链接模式、强度和弹性。由于个人之间信任的动态性质，这些信任网络通常容易受到链接或节点故障的影响，因此理解此类系统的稳定性至关重要。在本文中，我们考虑了在可信赖社区结构的帮助下量化符号网络弹性的问题。我们提出了一个计算社区结构可信度的指标。使用所有社区结构的可信度分数，我们生成了一个用于评估符号网络弹性的管道。我们还展示了这些生成的弹性分数如何与网络的真实性质一致。

SiReN：使用图神经网络的考虑符号的推荐

原文标题： SiReN: Sign-Aware Recommendation Using Graph Neural Networks

地址： http://arxiv.org/abs/2108.08735

作者： Changwon Seo, Kyeong-Joong Jeong, Sungsu Lim, Won-Yong Shin

摘要： 近年来，许多使用网络嵌入 (NE) 的推荐系统，例如图神经网络 (GNN)，在提高推荐精度的意义上得到了广泛研究。然而，此类尝试主要集中在仅利用具有高评级的积极用户-项目交互信息。因此，如何利用低评级分数来表示用户的偏好是一个挑战，因为低评级在设计基于 NE 的推荐系统时仍然可以提供信息。在这项研究中，我们提出了 SiReN，一种基于 GNN 模型的新的符号感知推荐系统。具体来说，SiReN 具有三个关键组件：1) 构建一个带符号的二部图以更准确地表示用户的偏好，该图被分成两个边不相交的图，每个图都有正边和负边​​，2) 为具有正边的分区图生成两个嵌入和负边分别通过 GNN 模型和多层感知器 (MLP)，然后使用注意力模型获得最终的嵌入，以及 3) 在此过程中建立符号感知贝叶斯个性化排名 (BPR) 损失函数的优化。通过综合实验，我们凭经验证明 SiReN 始终优于最先进的 NE 辅助推荐方法。

自行车传播问题

原文标题： On the Bike Spreading Problem

地址： http://arxiv.org/abs/2107.00761

作者： Elia Costa, Francesco Silvestri

摘要： 自由浮动自行车共享系统 (FFBSS) 是一种无桩租赁系统，个人可以借用自行车并在服务区内的任何地方归还。为了改善租赁服务，可用自行车应分布在整个服务区域：从任何位置离开的客户都更有可能找到附近的自行车，然后使用该服务。此外，在整个服务区中散布自行车可以增加城市空间公平性，因为 FFBSS 的好处不仅仅是少数区域的特权。为了保证这种分配，FFBSS 运营商可以使用货车手动重新安置自行车，但会产生高昂的经济和环境成本。我们提出了一种新颖的方法，利用客户产生的现有自行车流量来分发自行车。更具体地说，通过将问题设想为影响最大化问题，我们表明可以将一批自行车放置在少量区域上，然后日常使用 FFBSS 将有效地将这些自行车散布在大面积上。我们表明检测这些区域是 NP 完全的，但存在一个简单有效的 1-1/e 近似算法；然后，我们的方法在来自帕多瓦市的自由浮动自行车共享系统的骑行数据集上进行了评估。

全球建成区和人口地图：应该为印度使用哪些地图？

原文标题： Global Built-up and Population Maps: Which ones should you use for India?

地址： http://arxiv.org/abs/2108.08304

作者： Pratyush Tripathy, Krishnachandran Balakrishnan

摘要： 多个全球土地覆盖和人口分布数据集目前在公共领域可用。鉴于这些数据集之间的差异以及其准确性可能因国家/地区而异，因此用户必须明确指导哪些数据集适合特定环境和目标。在这里，我们评估了印度的三个全球 10m 分辨率构建数据集（ESRI、GHSL-BUILT-S2 和 WSF）和三个人口分布数据集（HRSL 30m、WorldPop 100m、GHS-POP 250m）的准确性。在已建立的数据集中，GHSL-BUILT-S2 最适合印度 2015-2020 时间段。为了评估人口分布数据集的准确性，我们使用了 2011 年印度人口普查中印度比哈尔邦 37,137 个村庄和城镇多边形级别的数据。在全局数据集中，HRSL 的结果最好。我们还计算了 IDC-POP 层的误差指标，IDC-POP 层是我们在印度人类住区研究所生成的 30m 分辨率人口数据集。对于比哈尔邦，IDC-POP 人口地图优于所有三个全球数据集。

Twitter 用户的连续群组显示出越来越多的活动和不断缩小的内容范围

原文标题： Successive cohorts of Twitter users show increasing activity and shrinking content horizons

地址： http://arxiv.org/abs/2108.08641

作者： Frederik Wolf, Philipp Lorenz-Spreen, Sune Lehmann

摘要： 在过去的几十年里，全球公共领域发生了巨大的变化：公共话语的重要组成部分现在发生在少数私营公司拥有的算法驱动平台上。尽管其重要性日益增加，但关于这些平台上用户行为的长期演变的大规模学术研究很少，因为数据通常是平台专有的。在这里，我们评估了 2012 年至 2019 年间 600,000 名 Twitter 用户的个人行为，并找到了 Twitter 在个人层面上加速使用方式的经验证据。这体现在 Twitter 用户群的行为取决于他们加入平台的时间这一事实。一个群组内的行为随着时间的推移相对一致，并以强烈的内部交互为特征，但随着时间的推移，从一个群组到另一个群组的行为会转向活动增加。具体来说，我们根据每个用户随时间推移的更多推文、通过转发与他人更密集的互动以及更短的内容范围来衡量这一点，表达为个人随时间衰减的主题自相关。我们的观察结果可以通过越来越多的活跃用户来解释，他们不仅更积极地发推文，而且还引起了更多的转发。这些行为表明，通过每个群组的新闻提要增加了信息流的集体贡献——随着时间的推移，这种增加可能会耗尽可用的集体注意力。我们的发现补充了最近关于社会加速的实证工作，这些工作在很大程度上与个人用户活动无关。

odeN：大型时间网络中多模体计数的同时逼近

原文标题： odeN: Simultaneous Approximation of Multiple Motif Counts in Large Temporal Networks

地址： http://arxiv.org/abs/2108.08734

作者： Ilie Sarpe, Fabio Vandin

摘要： 计算称为时间模体的小型连接子图的出现次数已成为分析时间网络的基本原语，其边用它们所代表的事件的时间进行注释。研究时间模体的主要并发症之一是即使顶点或边数量有限也可以构建大量模体。因此，由于在许多应用程序中使用模体进行探索性分析，用户需要反复选择和分析代表网络不同方面的几个模体，从而导致低效、耗时的过程。这个问题在大型网络中更加严重，其中即使是单个主题的分析也需要计算量。作为解决方案，在这项工作中，我们提出并研究了同时计算多个时间主题的出现次数的问题，这些主题都对应于相同的（静态）拓扑（例如，三角形）。鉴于对于大型时间网络计算精确计数是不可行的，我们提出了 odeN，这是一种基于采样的算法，可提供所有模体计数的准确近似值。我们提供了 odeN 计算严格的、概率性的相对近似值所需的样本数量的分析界限。我们广泛的实验评估表明，odeN 能够在最先进方法所需的一小部分时间内逼近时间网络中的模体计数，并且它还报告了比此类方法更准确的逼近。

声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，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。