• 为智能电网生成连通、简单和真实的网络图;
• 大数据 = 大洞察？在海量 GitHub 数据集中实证布鲁克斯定律;
• 使用中心性度量的不精确图匹配;
• 理解人们如何使用网络流量数据消费低质量和极端新闻;
• 防止在线危害的传播：跨平台社交媒体和元界的传染物理学;
• 没有社区可以无所不能：为什么人们会参与类似的在线社区;
• 2021年荷兰大选政治脸书广告主题分析;
• 通过公平的不屈不挠的策略超越敲诈勒索者;

为智能电网生成连通、简单和真实的网络图

原文标题： Generating Connected, Simple, and Realistic Cyber Graphs for Smart Grids

地址： http://arxiv.org/abs/2201.04252

作者： Osman Boyaci, M. Rasoul Narimani, Katherine Davis, Erchin Serpedin

摘要： 智能电网将通信系统与电网集成，通过实时数据采集和控制信号实现电网运行和指挥。设计、分析和模拟智能电网基础设施以及预测电力网络故障的影响在很大程度上取决于底层电力网络和通信系统的拓扑结构。尽管通信系统给智能电网运行带来了重大影响，但对智能电网中使用的通信系统拓扑结构的研究较少。电力社区缺乏可以校准以匹配真实世界数据的现实生成通信系统模型。为理解决这个问题，本文提出了一个框架，通过模仿现实世界智能电网的拓扑结构，为部署在智能电网中的通信系统生成底层拓扑图。在这方面，我们更新了 Chung-Lu 算法，以保证通信网络的连通性并匹配现实世界智能电网的度分布，而不是遵循预期的度分布。此外，还考虑了通信系统的关键特征，例如直径、平均最短路径、聚类系数、分类性和谱间隙，以生成用于智能电网研究的最相似的现实世界通信网络。我们相信，为智能电网研究生成逼真的网络图的建议算法将使电力界受益。

大数据 = 大洞察？在海量 GitHub 数据集中实证布鲁克斯定律

原文标题： Big Data = Big Insights? Operationalising Brooks’ Law in a Massive GitHub Data Set

地址： http://arxiv.org/abs/2201.04588

作者： Christoph Gote, Pavlin Mavrodiev, Frank Schweitzer, Ingo Scholtes

摘要： 来自软件存储库和协作工具的海量数据被广泛用于研究软件开发中的社会方面。最近几项工作解决的一个问题是软件项目的规模和结构如何影响团队生产力，这是布鲁克斯定律中著名的一个问题。最近使用大量存储库数据的研究表明，大型团队中的开发人员往往比小型团队的生产力低。尽管使用了类似的方法和数据，但其他研究认为团队规模和生产力之间存在正线性甚至超线性关系，因此对软件经济学认为软件项目是规模不经济的观点提出了质疑。在我们的工作中，我们研究的挑战可以解释最近对海量存储库数据中开发人员生产力的研究之间的分歧。据我们所知，我们进一步提供了最大的、精心策划的 GitHub 项目语料库，旨在调查团队规模和协作模式对个人和集体生产力的影响。我们的工作有助于正在进行的关于在成功软件项目的决定因素假设的操作化中选择生产力指标的讨论。它进一步强调了大数据分析中的一般缺陷，并表明使用更大的数据集并不会自动产生更可靠的见解。

使用中心性度量的不精确图匹配

原文标题： Inexact Graph Matching Using Centrality Measures

地址： http://arxiv.org/abs/2201.04563

作者： Shri Prakash Dwivedi

摘要： 图匹配是计算两个图之间相似度的过程。根据要求，它可以是准确的或不准确的。精确图匹配要求两个图的节点之间有严格的对应关系，而非精确匹配在图匹配期间允许一定的灵活性或容差。在本章中，我们通过使用不同的中心性度量来减小图的大小来描述近似不精确的图匹配。实验评估表明，它可以减少不精确图匹配的运行时间。

理解人们如何使用网络流量数据消费低质量和极端新闻

原文标题： Understanding how people consume low quality and extreme news using web traffic data

地址： http://arxiv.org/abs/2201.04226

作者： Zhouhan Chen, Haohan Chen, Juliana Freire, Jonathan Nagler, Joshua A. Tucker

摘要： 为了减少虚假新闻的传播，研究人员需要理解谁访问了虚假的新网站、是什么将人们带到这些网站、访问者来自哪里以及他们喜欢消费什么内容。在本文中，我们分析了来自 The Gateway Pundit (TGP) 的网络流量数据，这是一个流行的极右翼网站，以反复分享虚假信息而闻名，这些虚假信息已将其网络流量提供给公众。我们收集了一个月内 6800 万次网站访问量的数据，并分析了人们如何通过多种功能消费新闻。我们的流量分析表明，搜索引擎和社交媒体平台是流量的主要驱动力；我们的地理位置分析显示，TGP 在 2020 年投票支持特朗普的县中更受欢迎；我们的主题分析表明，阴谋文章比事实文章获得更多访问量。由于无法观察直接的网站流量，现有研究使用替代数据源，例如来自社交媒体帖子的参与信号。为了验证社交媒体参与信号是否与实际网络访问次数相关，我们在同一时间段内收集了所有 Facebook 和 Twitter 帖子，其中包含来自 TGP 的 URL。我们表明，所有参与信号都与网络访问次数呈正相关，但相关强度各不相同。基于 Facebook 帖子的指标比基于 Twitter 的指标具有更好的相关性。我们独特的网络流量数据集和洞察力可以帮助研究人员更好地衡量极右和虚假新闻 URL 对社交媒体平台的影响。

防止在线危害的传播：跨平台社交媒体和元界的传染物理学

原文标题： Preventing the Spread of Online Harms: Physics of Contagion across Multi-Platform Social Media and Metaverses

地址： http://arxiv.org/abs/2201.04249

作者： Chen Xu, Pak Ming Hui, Om K. Jha, Chenkai Xia, Neil F. Johnson

摘要： 我们提出了一个最小但基于经验的理论，用于在当前的多平台社交媒体和未来的元界中传播在线危害（例如错误信息、仇恨）。在线社区和平台之间的内在异质性、通过用户创建的链接和突然的主持人关闭产生的集群动态以及传染过程之间的相互作用产生了新的物理学。该理论提供了一个在线“R-nought”标准来防止系统范围内的传播；它预测重入传播阶段；它确定了在线群体免疫所需的数字疫苗接种水平；并且可以在多个尺度上应用。

没有社区可以无所不能：为什么人们会参与类似的在线社区

原文标题： No Community Can Do Everything: Why People Participate in Similar Online Communities

地址： http://arxiv.org/abs/2201.04271

作者： Nathan TeBlunthuis, Charles Kiene, Isabella Brown, Laura (Alia) Levi, Nicole McGinnis, Benjamin Mako Hill

摘要： 大规模的定量分析表明，个人经常在不同的在线空间中互相谈论相似的事情。为什么会存在这些重叠的社区？我们提供的答案基于对高度相关子版块集群中积极参与者的 20 次访谈的分析。在广泛的主题领域内，在线社区可以带来多种好处。这些包括 (a) 特定信息和讨论，(b) 与类似的其他人的社交，以及 © 尽可能多的受众的关注。一个社区无法满足所有这三个需求。我们的研究结果表明，在线社区平台内的主题区域往往由具有不同规模、主题边界和规则的专业社区群体组成。与任何单一社区相比，这种重叠社区的系统能够提供更大范围的利益。

2021年荷兰大选政治脸书广告主题分析

原文标题： Theme Analysis of Political Facebook Ads in the 2021 Dutch General Election

地址： http://arxiv.org/abs/2201.04533

作者： Joren Vrancken

摘要： 社交媒体平台一直试图让他们在其平台上投放的政治广告更加透明，因为剑桥分析公司的丑闻表明，政治活动正在大规模使用社交媒体。 Facebook 广告库是一种这样的透明度努力，它是在 Facebook 和 Instagram 上运行的所有政治广告的公共存储库。该库为记者和研究人员提供数据，以更好地理解 Facebook 平台上的政治广告和微定位。不幸的是，Facebook 广告库仅提供估算和基本信息。本文通过研究广告所涉及的主题，更深入地分析了政治广告。我们提供了一种将主题与政治 Facebook 广告相匹配的方法，并应用此方法分析荷兰政党在 2021 年荷兰大选期间开展的 Facebook 广告活动。

通过公平的不屈不挠的策略超越敲诈勒索者

原文标题： Outlearning Extortioners by Fair-minded Unbending Strategies

地址： http://arxiv.org/abs/2201.04198

作者： Xingru Chen, Feng Fu

摘要： 最近的理论表明，利用零行列式 (ZD) 策略的勒索者可以单方面要求在迭代囚徒困境中获得不公平的收益份额。因此建议，针对固定敲诈者，任何适应的合作者都应以充分合作的方式制服，作为他们的最佳回应。相比之下，最近的实验表明，人类玩家往往出于对公平的考虑而选择不接受敲诈勒索，实际上导致敲诈者遭受的损失比他们自己更大。有鉴于此，我们在此揭示了不屈不挠的公平策略，这样任何追求收益最大化的敲诈者最终都会通过在正面交锋中公平分配来让步，从而为自己的利益做出让步。我们发现并描述了此类不折不扣策略的多个一般类别，包括慷慨的零行列式策略和 Win-Stay、Lose-Shift 作为特定示例。当与固定的不屈不挠的玩家对抗时，勒索者在打算要求更多不公平的份额时被迫承担相应的损失。我们的分析还侧重于收益结构在确定零决定策略的优势，特别是它们的敲诈能力方面的重要性。我们表明，如果单边合作的总收益小于相互背叛的总收益，则敲诈的 ZD 玩家甚至可以通过 Win-Stay Lose-Shift 等方式胜过。不屈不挠的策略可用于超越演化型勒索者，并促进 ZD 玩家采取类似以牙还牙的策略的演变。我们的工作对促进公平和抵制敲诈勒索以维护公正合作的社会具有重要意义。

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。