• 社会网络中的观念动力学：从模型到数据;
• 人类移动的可预测性状态;
• 在量子退火炉上测试核-外围分区的 QUBO 配方;
• Botometer 101：计算社会科学家的社交机器人尝试;
• 实证网络随机块模型拟合质量的系统评估;

社会网络中的观念动力学：从模型到数据

原文标题： Opinion dynamics in social networks: From models to data

地址： http://arxiv.org/abs/2201.01322

作者： Antonio F. Peralta, János Kertész, Gerardo Iñiguez

摘要： 观念是我们如何看待世界和彼此之间不可或缺的一部分。他们塑造集体行动，在民主进程、规范演变和文化变革中发挥作用。几十年来，社会科学和自然科学的研究人员一直试图描述个人观点和社会交流的转变如何导致公众舆论的原型状态，如共识和两极分化。在这里，我们回顾了对该领域的许多贡献中的一些，重点关注意见动态的理想化模型，并尝试用观察数据和受控社会学实验来验证它们。通过进一步缩小模型和数据之间的差距，这些努力可以帮助我们理解如何应对当前的挑战，这些挑战需要大量人群在复杂情况下达成一致，例如经济不平等、气候变化和社会政治格局的持续断裂.

人类移动的可预测性状态

原文标题： Predictability states in human mobility

地址： http://arxiv.org/abs/2201.01376

作者： Diogo Pacheco, Marcos Oliveira, Zexun Chen, Hugo Barbosa, Brooke Foucault-Welles, Gourab Ghoshal, Ronaldo Menezes

摘要： 时空限制与社会结构相结合，有可能为人类流动模式创造流动的可预测性。因此，人类流动的可预测性是非单调的，并根据这种时空背景而变化。在这里，我们提出人类流动的可预测性是一种状态，而不是个人的静态特征。首先，我们表明时间（一周中的）比他们访问的位置序列更能解释人们的行踪。然后，我们表明可预测性不仅取决于时间，还取决于个人从事的活动类型，从而确定环境在人类流动中的重要性。

在量子退火炉上测试核-外围分区的 QUBO 配方

原文标题： Testing a QUBO Formulation of Core-periphery Partitioning on a Quantum Annealer

地址： http://arxiv.org/abs/2201.01543

作者： Catherine F. Higham, Desmond J. Higham, Francesco Tudisco

摘要： 我们提出了一种新内核，该内核可以量化计算无向网络的核心外围分区任务的成功。寻找相关联的最优划分可以用二次无约束二元优化（QUBO）问题的形式表达，最先进的量子退火器可以应用于该问题。因此，我们利用新的目标函数来 (a) 判断量子退火器的性能，以及 (b) 将此方法与现有的启发式核心-外围分区方法进行比较。量子退火是在市售的 D-Wave 机器上进行的。即使底层网络是稀疏的，QUBO 问题也涉及一个完整的矩阵。因此，我们开发并测试了原始 QUBO 的稀疏版本，这增加了量子退火器的可用问题维度。在合成和真实数据集上都提供了结果，我们得出结论，QUBO/量子退火方法在优化这个新的感兴趣数量方面提供了好处。

Botometer 101：计算社会科学家的社交机器人尝试

原文标题： Botometer 101: Social bot practicum for computational social scientists

地址： http://arxiv.org/abs/2201.01608

作者： Kai-Cheng Yang, Emilio Ferrara, Filippo Menczer

摘要： 社交机器人已成为在线社交媒体的重要组成部分。欺骗性机器人尤其可以操纵从选举到公共卫生等重要问题的在线讨论，从而威胁到建设性的信息交流。它们的普遍性使它们成为一个有趣的研究课题，并要求研究人员在使用社交媒体数据进行研究时正确处理它们。因此，研究人员获得可靠且易于使用的机器人检测工具非常重要。本文旨在为不熟悉编程和机器学习的读者提供 Twitter 上机器人检测的公共工具 Botometer 的介绍性教程。我们介绍了 Botometer 的工作原理、用户访问它的不同方式，并提供了一个案例研究作为演示。读者可以使用案例研究代码作为自己研究的模板。我们还讨论了使用 Botometer 的推荐做法。

实证网络随机块模型拟合质量的系统评估

原文标题： Systematic assessment of the quality of fit of the stochastic block model for empirical networks

地址： http://arxiv.org/abs/2201.01658

作者： Felipe Vaca-Ramírez, Tiago P. Peixoto

摘要： 我们对跨越广泛领域和大小数量级的 275 个经验网络的随机块模型 (SBM) 的拟合质量进行了系统分析。我们采用后验预测模型检查作为评估拟合质量的标准，这涉及根据一组网络描述符将推断模型生成的网络与经验网络进行比较。我们观察到 SBM 能够为所考虑的大多数网络提供准确的描述，但不能满足所有建模要求。特别是，拥有大直径和缓慢混合随机游走的网络往往会被 SBM 描述得很糟糕。然而，与通常假设的相反，在许多情况下，SBM 可以很好地描述具有大量三角形的网络。我们证明了简单的网络描述符可用于评估 SBM 是否可以提供足够准确的表示，可能指向可能的模型扩展，可以系统地提高此类模型的表达能力。

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。