• 具有非对称噪声的稳健相关聚类;
• DFW-PP：基于动态特征加权的社交媒体内容流行度预测;
• 动态图回声状态网络;
• 理解网络形成模式以更好地预测链接;
• 相互依赖的耦合映射到热、高阶相互作用;
• 测量信念对信念网络的影响;

具有非对称噪声的稳健相关聚类

原文标题： Robust Correlation Clustering with Asymmetric Noise

地址： http://arxiv.org/abs/2110.08385

作者： Jimit Majmudar, Stephen Vavasis

摘要： 图聚类问题通常旨在对图节点进行分区，使得当且仅当它们相似时，两个节点才属于同一分区集。相关聚类是一种图聚类公式，它：(1) 将带符号的图作为输入，边权重表示节点之间的相似性/不相似性度量，并且 (2) 不需要对输入图中的聚类数量进行先验估计。然而，相关聚类背后的组合优化问题是 NP-hard 问题。在这项工作中，我们提出了一种新的图生成模型，称为节点因子模型 (NFM)，它基于为图节点生成特征向量/嵌入。 NFM 生成的图包含不对称噪声，因为在同一集群中可能存在负相关的节点对。我们提出了一种新的相关聚类算法，称为 anormd，使用来自半定规划的技术。使用理论和计算结果的组合，我们证明 textttell_2-norm-diag 在 NFM 生成的图实例中恢复具有足够强集群成员资格的节点，从而在建立可证明的鲁棒性方面取得进展我们提出的算法。

DFW-PP：基于动态特征加权的社交媒体内容流行度预测

原文标题： DFW-PP: Dynamic Feature Weighting based Popularity Prediction for Social Media Content

地址： http://arxiv.org/abs/2110.08510

作者： Viswanatha Reddy G, Chaitanya B S N V, Prathyush P, Sumanth M, Mrinalini C, Dileep Kumar P, Snehasis Mukherjee

摘要： 社交媒体平台的日益流行使得研究用户参与度变得非常重要，这是任何营销策略或商业模式的一个重要方面。社交媒体平台上内容的过度饱和已说服我们确定影响内容受欢迎程度的重要因素。这是因为只有一小部分在线可用的大量内容受到目标受众的关注。已经使用多种机器学习技术在流行度预测领域进行了全面研究。然而，我们观察到，在分析媒体内容的社会重要性方面仍有很大的改进空间。我们提出了 DFW-PP 框架，以理解随时间变化的不同特征的重要性。此外，所提出的方法通过应用对数对数归一化来控制特征分布的偏度。所提出的方法在基准数据集上进行了试验，以显示出有希望的结果。该代码将在 https://github.com/chaitnayabasava/DFW-PP 上公开提供。

动态图回声状态网络

原文标题： Dynamic Graph Echo State Networks

地址： http://arxiv.org/abs/2110.08565

作者： Domenico Tortorella, Alessio Micheli

摘要： 动态含时图表示实体之间不断发展的关系，例如社会网络用户之间的互动或感染传播。我们提出了图回波状态网络的扩展，以有效处理动态含时图，为其回波状态属性提供充分条件，并对储层布局影响进行实验分析。与需要保存整个顶点交互历史的含时图内核相比，我们的模型为动态图提供了一个向量编码，该编码在每个时间步更新，无需训练。实验表明，在十二个传播过程分类任务上，其准确性可与近似含时图内核相媲美。

理解网络形成模式以更好地预测链接

原文标题： Understanding the network formation pattern for better link prediction

地址： http://arxiv.org/abs/2110.08850

作者： Jiating Yu, Ling-Yun Wu

摘要： 链路预测作为复杂网络领域的一个经典问题，受到了研究者的广泛关注，对于帮助我们理解网络的演化和动态发展机制具有重要意义。尽管已经提出了各种特定于网络类型的算法来解决链路预测问题，但大多数都假设网络结构由三元闭包原则主导。我们仍然缺乏对用于预测潜在链接的网络形成模式的适应性和全面的理解。此外，研究如何更好地利用网络本地信息也很有价值。为此，我们提出了一种名为使用多阶局部信息（MOLI）的链路预测的新方法，该方法利用来自不同距离的邻居的局部信息，其参数可以是基于先验知识的先验驱动，也可以是数据驱动的通过解决观察网络上的优化问题。 MOLI 通过图上的随机游走定义了局部网络扩散过程，从而更好地利用网络信息。我们表明，MOLI 在 11 种不同类型的模拟和现实世界网络上优于其他 11 种广泛使用的链路预测算法。我们还得出结论，不同的网络存在不同的本地信息利用模式，包括社会网络、通信网络、生物网络等。 特别是，经典的基于公共邻居的算法并不像人们认为的那样适用于所有的社会网络成为;相反，一些社会网络遵循优先连接长度为 3 的路径的四边形闭合原则。

相互依赖的耦合映射到热、高阶相互作用

原文标题： Interdependent couplings map to thermal, higher-order interactions

地址： http://arxiv.org/abs/2110.08907

作者： Ivan Bonamassa, Bnaya Gross, Shlomo Havlin

摘要： 相互依赖是分析许多具有功能联络的现实世界复杂系统稳定性的基本要素。然而，由于缺乏研究的理论框架，这种耦合的物理实现仍然未知。为理解决这个差距，我们开发了一个相互依赖的磁化框架，并表明 Ising 自旋的 K-1 成对网络之间的依赖关系可以严格映射到有向 K-自旋相互作用或自适应热耦合。我们采用热像图来分析确定模型在不同结构配置下的相图，并通过广泛的模拟证实了我们的结果。我们发现，相互依赖就像一种熵力，可以放大站点到站点的热波动，产生异常形式的脆弱性并使系统的功能经常无法恢复。最后，我们发现随机多自旋模型的基态与随机耦合网络上的相互依赖渗透之间存在同构。这种联系提出了交叉施肥的新视角，为约束满足研究以及相互依赖系统的功能稳健性提供了具有相关意义的陌生方法。

测量信念对信念网络的影响

原文标题： Measuring the influence of beliefs in belief networks

地址： http://arxiv.org/abs/2110.09154

作者： Aleksandar Tomašević

摘要： 有影响力的信念对于我们理解人们如何推理政治问题和做出政治决定至关重要。本研究基于心理测量网络方法和网络影响研究的进展，提出了一种在信仰系统网络更大背景下衡量政治信仰影响的新方法。使用最新一轮的欧洲社会调查数据，我们在一个信仰网络上展示了这种方法，该网络表达了对 29 个欧洲国家政权的支持，并刻画了与支持政权绩效、原则、制度和政治行为者相关的信念。我们的研究结果表明，信念的平均影响可能与信念网络的一致性和连通性有关，特定信念（例如对民主的满意度）对国家层面的影响与来自同一领域的外部指标呈显著负相关（例如自由民主指数），这表明具有高度影响力的信念与紧迫的政治问题有关。这些发现表明，从大规模调查数据中估计出的基于网络的信念影响指标可以用作比较政治研究中的一种新型指标，这为将心理测量网络分析方法整合到政治学方法论中开辟了新途径。

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。