• 使用形式概念分析识别二模数据网络中的影响节点;
• SoMIAP：社交媒体图像分析和预测框架;
• 不败的以牙还牙作为零决定性策略;
• 降低异质死亡率人群流行病死亡率的有效疫苗接种策略;
• 意见形成中的逆向效应：来自 Greta Thunberg 现象的见解;
• 网络上的逻辑斯蒂增长：SI 模型的精确解;
• 低资源语言的跨语言攻击性语言识别：马拉地语案例;
• 通过基于网络的方法评估巴西众议院的总统支持;
• BotSpot：Twitter中机器人帐户的深度学习分类;
• 使用 SIS 模型减轻网络流行病的最佳策略设计;

使用形式概念分析识别二模数据网络中的影响节点

原文标题： Identifying Influential Nodes in Two-mode Data Networks using Formal Concept Analysis

地址： http://arxiv.org/abs/2109.03372

作者： Mohamed-Hamza Ibrahim, Rokia Missaoui, Jean Vaillancourt

摘要： 在双模式网络中识别重要的参与者（或节点）通常仍然是挖掘、分析和解释现实世界网络的关键挑战。虽然传统的二分中心性指数通常用于识别影响网络信息流的关键节点，但它们在复杂情况下经常产生较差的结果，例如具有复杂局部结构的大规模网络或缺乏关于网络拓扑和某些属性的完整知识。在本文中，我们介绍了 Bi-face (BF)，这是一种新的双向中心性度量，用于识别双模式网络中的重要节点。使用形式概念分析的强大数学形式，BF 度量利用概念意图的面孔来识别具有影响 bicliques 连接性且不位于不相关桥梁中的节点。与现成的中心性指数不同，它量化了一个节点如何通过 bicliques 对其邻居节点产生内聚子结构的影响，同时通过没有非影响性的桥接器而不在网络核心-外围节点中。我们在几个真实世界和合成网络上的实验表明，BF 对现有突出的二分中心性度量（例如介数、接近度、特征向量和投票排名等）的效率。

SoMIAP：社交媒体图像分析和预测框架

原文标题： SoMIAP: Social media images analysis and prediction framework

地址： http://arxiv.org/abs/2109.03344

作者： Yonghao Shi, Gueltoum Bendiab, Stavros Shiaeles, Nick Savage

摘要： 用户在社会网络上拍摄和提交的个人照片可以提供有关用户位置的一些有趣见解，这是他们日常活动的关键指标。这些信息对于安全组织来说非常宝贵，尤其是对于安全监控和跟踪犯罪活动。因此，我们在本文中提出了一种基于社交媒体上发布的照片​​的图像分析的位置预测新方法。我们的方法结合了两种主要方法来执行图像分析、位置和人脸识别。第一种方法用于确定分析图像中的位置区域。第二个用于通过在图像中定位人脸并将其与从不同社交平台收集的图像数据集进行比较来识别分析图像中的人。通过性能分析和实验结果证明了所提出方法的有效性。

不败的以牙还牙作为零决定性策略

原文标题： Unbeatable Tit-for-Tat as a zero-determinant strategy

地址： http://arxiv.org/abs/2109.03447

作者： Masahiko Ueda

摘要： 以牙还牙策略是在重复的两人对称博弈中模仿对手先前动作的策略。众所周知，当且仅当舞台博弈是潜在博弈时，以牙还牙的策略是无与伦比的。我们表明，以牙还牙策略的无与伦比的属性来自这样一个事实，即当且仅当舞台博弈是潜在博弈时，以牙还牙策略是零决定因素策略。

降低异质死亡率人群流行病死亡率的有效疫苗接种策略

原文标题： Efficient vaccination strategies to reduce the epidemic mortality in population with heterogeneous fatality rate

地址： http://arxiv.org/abs/2109.03470

作者： Bukyoung Jhun, Hoyun Choi

摘要： 大多数国家有效的 SARS-CoV-2 疫苗供应不足​​，因此需要有效的疫苗接种策略，以尽量减少疾病造成的损害。目前，许多国家按照人口年龄递减的顺序接种疫苗，以尽量减少该疾病造成的死亡人数；然而，需要对这一战略的有效性进行定量评估。我们采用易感-感染-恢复-死亡 (SIRD) 模型来研究各种疫苗接种策略。在复杂网络中，当疫苗供应不足​​时，基于病死率（CFR）的方法被证明比基于负载的策略更有效；然而，当有足够数量的疫苗时，基于负荷的策略比基于病死率的策略更有效。我们还构建了一个具有经验性人类接触和 SARS-CoV-2 病死率数据的元种群模型，并研究了疫苗接种策略。我们发现目前在许多国家采用的基于年龄的策略在基本繁殖数高且疫苗接种供应量低时更有效，但当有足够高的接种率时，基于比率的方法优于基于年龄的策略。疫苗供应。执行模拟退火以找到最佳疫苗接种策略。我们确定了疫苗接种策略中的一阶相变，其特征在于最佳策略的不连续转变和滞后。这一阶段转变意味着混合基于年龄和基于比率的策略在减少死亡人数方面是无效的。即使考虑到人类接触的异质程度分布，这些结论也是有效的。

意见形成中的逆向效应：来自 Greta Thunberg 现象的见解

原文标题： Contrarian effect in opinion forming: insights from Greta Thunberg phenomenon

地址： http://arxiv.org/abs/2109.03486

作者： Elisa Iacomini, Pierluigi Vellucci

摘要： 最近几个月，Greta Thunberg 的形象和气候变化的主题迅速成为争论的焦点。这导致了关于气候主题的意见形成的两极分化效应。从对这种现象的分析开始，我们开发了一个意见动态模型，其中考虑了几种类型的逆势主体。每个主体应该对彼此相关的几个主题有意见，因此对这些主题形成的意见也是相互依赖的。 %以这种方式，主体人对不同问题的立场之间的一致性也被考虑在内。本文的目的是调查逆势主体人对有关这些主题的集体意见的间接影响。 % 该模型也从数值的角度进行了研究，并提出了几个数值测试，以突出模型的主要特征。

网络上的逻辑斯蒂增长：SI 模型的精确解

原文标题： Logistic growth on networks: exact solutions for the SI model

地址： http://arxiv.org/abs/2109.03530

作者： Wout Merbis, Ivano Lodato

摘要： SI 模型是用于描述信息在人群中传播的所有分区模型中最基本的模型。尽管它看起来很简单，但仍然缺乏该模型在网络上的解析解。我们在这里解决了这个问题，使用了一种受多体量子系统数学处理启发的新公式。这使我们能够根据网络子图的贡献组织单个节点状态的时间相关期望值。我们系统地计算这些贡献，并在不同拓扑的子图之间找到一组对称关系。我们使用我们的新方法来计算信息在三个不同样本网络上的传播。与蒙特卡罗模拟相匹配的精确解明显偏离了平均场结果。

低资源语言的跨语言攻击性语言识别：马拉地语案例

原文标题： Cross-lingual Offensive Language Identification for Low Resource Languages: The Case of Marathi

地址： http://arxiv.org/abs/2109.03552

作者： Saurabh Gaikwad, Tharindu Ranasinghe, Marcos Zampieri, Christopher M. Homan

摘要： 社交媒体上攻击性语言的广泛存在推动了能够自动识别此类内容的系统的开发。除了一些值得注意的例外，大多数关于自动攻击性语言识别的研究都涉及英语。为理解决这个缺点，我们引入了马拉地语进攻性语言数据集 MOLD。 MOLD 是第一个为马拉地语编译的同类数据集，从而为低资源印度-雅利安语言的研究开辟了一个新领域。我们展示了对该数据集进行的多项机器学习实验的结果，包括对现有孟加拉语、英语和印地语数据中最先进的跨语言转换器进行零短时间和其他迁移学习实验。

通过基于网络的方法评估巴西众议院的总统支持

原文标题： Evaluating Presidential Support in the Brazilian House of Representatives Through a Network-Based Approach

地址： http://arxiv.org/abs/2109.03638

作者： Tiago Colliri

摘要： 行政权和立法权之间的冲突是总统制的一个普遍的、甚至是预期的特征，一些政府在获得国会支持的活动中比其他政府更成功。就巴西而言，特别是在所谓的“联合政府”中，这一因素被认为是至关重要的，就总统（她）任期内的政府表现而言，这对总统具有直接的积极或消极影响。在这项工作中，我们通过测试和比较评估巴西众议院政府支持的两种不同方法来研究这个问题。第一种方法是更传统的方法，基于唱名投票数据，并衡量立法者级别的总统支持率。第二种方法使用基于网络的方法，并在各方级别执行相同类型的分析。将这两种方法应用于 1998 年至 2019 年期间的立法数据时，所获得的结果表明两种方法都是有效的，不仅在两者提供的结果之间发现了共同点，而且在将它们的结果与通过使用相同类型的数据但使用不同的方法，通过该领域先前和相关研究获得的数据。

BotSpot：Twitter中机器人帐户的深度学习分类

原文标题： BotSpot: Deep Learning Classification of Bot Accounts within Twitter

地址： http://arxiv.org/abs/2109.03710

作者： Christopher Braker, Stavros Shiaeles, Gueltoum Bendiab, Nick Savage, Konstantinos Limniotis

摘要： Twitter 的开放特性允许程序通过 Twitter API 自动生成和控制 Twitter 帐户。这些被称为机器人的帐户可以像真人一样自动执行诸如发推文、重新发推文、关注、取消关注或直接向其他帐户发送消息等操作。他们还可以执行恶意任务，例如传播假新闻、垃圾邮件、恶意软件和其他网络犯罪。在本文中，我们介绍了一种使用深度学习的新型机器人检测方法，具有多层感知器神经网络和机器人帐户的九个特征。开发了一个网络爬虫来自动从公共 Twitter 帐户收集数据并构建测试和训练数据集，其中包含 860 个人和机器人帐户的样本。初始训练完成后，多层感知器神经网络的总体准确率达到了 92%，证明了所提出方法的性能。

使用 SIS 模型减轻网络流行病的最佳策略设计

原文标题： Optimal policy design to mitigate epidemics on networks using an SIS model

地址： http://arxiv.org/abs/2109.03727

作者： Carlo Cenedese, Lorenzo Zino, Michele Cucuzzella, Lorenzo Zino

摘要： 理解如何有效控制在网络上传播的流行病对科学界来说是一个至关重要的问题。持续的 COVID-19 大流行凸显了需要制定减轻传播的政策，而不依赖于药物干预，即没有恢复过程的医疗保证。这些政策通常需要封锁和行动限制，因此对人口的社会经济影响不可忽视。在本文中，我们专注于寻找“拉平流行曲线”同时限制对社会的负面影响的最佳政策的问题，并将其表述为有限预测范围内的非线性控制问题。我们利用模型预测控制理论来设计有效控制疾病的策略，平衡安全性和常态性。通过网络为易感 - 感染 - 易感流行病模型提供控制方案的明确形式化。其性能和灵活性通过数值模拟。

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。