• 使用拓扑数据分析在大规模动态网络中进行高效社区检测;
• 社会网络影响力最大化的多变换演化框架;
• 在没有共同价值体系的情况下争取共识的网络中的集体模式和稳定的误解;
• 封闭的队伍：在社交媒体上对印度政客的军事支持的话语价值;
• 他们接受还是抵制网络安全措施？ 13 项安全态度清单 (SA-13) 的开发和验证;
• 论社交媒体推荐对意见共识的影响;
• QCRI 的 COVID-19 虚假信息检测器：在社交媒体中对抗 COVID-19 信息流行病的系统;

使用拓扑数据分析在大规模动态网络中进行高效社区检测

原文标题： Efficient Community Detection in Large-Scale Dynamic Networks Using Topological Data Analysis

地址： http://arxiv.org/abs/2204.03191

作者： Wei Guo, Ruqian Chen, Yen-Chi Chen, Ashis G. Banerjee

摘要： 在本文中，我们提出了一种将通常用于表征形状的基于持久性的拓扑数据分析 (TDA) 扩展到一般网络的方法。我们引入了社区树的概念，这是一种基于clique 社区建立的树结构，从clique 渗透方法，从持久性的角度概括网络中的拓扑结构。此外，我们开发了有效的算法来构建和更新社区树，方法是维护一系列生成森林形式的团图，其中每个生成树都建立在底层的 Euler Tour 树上。通过社区树和相应的持久性图揭示的信息，我们提出的方法能够检测集团社区并在给定稳定性阈值的情况下跟踪其演化过程中的主要结构变化。结果证明了它在为时变社会网络提取有用的结构洞察力方面的有效性。

社会网络影响力最大化的多变换演化框架

原文标题： A Multi-Transformation Evolutionary Framework for Influence Maximization in Social Networks

地址： http://arxiv.org/abs/2204.03297

作者： Chao Wang, Jiaxuan Zhao, Lingling Li, Licheng Jiao, Jing Liu, Kai Wu

摘要： 影响力最大化是挖掘社会网络深层信息的关键问题，旨在从网络中选择一个种子集以最大化影响节点的数量。为了有效地评估种子集的影响扩散，现有的工作已经提出了一些计算成本较低的主体模型（转换）来代替昂贵的蒙特卡罗模拟过程。这些基于网络先验知识的交替变换从不同的角度引发了具有相似特征的不同搜索行为。对于特定情况，用户很难先验地确定合适的变换。牢记这些，我们提出了一种影响最大化的多变换演化框架（MTEFIM），以利用交替变换的潜在相似性和独特优势，并避免用户手动确定最合适的变换。在 MTEFIM 中，多个转换作为多个任务同时优化。每个变换都分配有一个演化求解器。进行了 MTEFIM 的三个主要组成部分：1）根据不同种群的个体（种子集）之间的重叠程度估计转换之间的潜在关系，2）根据转换间关系自适应地在种群之间转移个体，3）选择包含所有主体模型知识的最终输出种子集。 MTEFIM 的有效性在四个现实世界的社会网络上得到验证。实验结果表明，与几种流行的 IM 特定方法相比，MTEFIM 可以有效地利用跨多个转换的潜在可转移知识来实现​​极具竞争力的性能。 MTEFIM 的实现可以在 https://github.com/xiaofangxd/MTEFIM 访问。

在没有共同价值体系的情况下争取共识的网络中的集体模式和稳定的误解

原文标题： Collective patterns and stable misunderstandings in networks striving for consensus without a common value system

地址： http://arxiv.org/abs/2204.03432

作者： Johannes Falk, Edwin Eichler, Katja Windt, Marc-Thorsten Hütt

摘要： 交互主体系统中的集体现象帮助我们理解了不同的社会、生态和生物学观察。相应的解释受到不正确的信息处理的挑战。特别是，这些模型通常假设对信号或共同真理或价值体系的共同理解，即对信息的测量或感知是“正确”还是“错误”达成一致。如果没有这些条件，能否达成集体共识仍是一个悬而未决的问题。在这里，我们介绍了一个交互主体模型，它们努力达成共识，但是，每个主体都只有对世界的主观感知。我们的沟通模型不预设正确或错误的定义，因此参与者无法区分正确和不正确的观察。根据控制主体对改变其世界观的响应程度的单个参数，我们观察到无法相互交流的个体的无序阶段与新兴共享信号框架的阶段之间的过渡。我们发现有两种类型的符合约定的集群：一种是集群中的所有社会参与者都有相同的约定集，另一种是相邻的参与者有不同但兼容的约定（“稳定的误解”）。

封闭的队伍：在社交媒体上对印度政客的军事支持的话语价值

原文标题： Closed Ranks: The Discursive Value of Military Support for Indian Politicians on Social Media

地址： http://arxiv.org/abs/2204.03098

作者： Soham De, Agrima Seth, Arshia Arya, Steven Wilkinson, Sushant Singh, Joyojeet Singh

摘要： 影响者通过在全球南方创造和传播信息，在塑造公共叙事方面发挥着至关重要的作用。虽然已经研究了各行各业的公众人物及其对公共话语的影响，但作为政治话语影响者的国防退伍军人却在很大程度上被忽视了。退伍军人作为一个规范重要的政治游说团体在公共领域很重要。他们也很有趣，因为与现役军官不同，他们不受政治上公开立场的限制，因此他们的职位可能为理解仍在服役的人的观点提供了一个窗口。在这项工作中，我们系统地分析了在 Twitter 上发布与国防相关问题的自我描述的国防相关账户和政客账户的参与度。我们发现，自称与国防相关的账户与印度现任执政党的互动不成比例。我们发现，政治家通过与国防相关的影响者接触来促进他们与国防服务和民族主义证书的亲密关系。我们简要地考虑这些模式和联系的制度含义

他们接受还是抵制网络安全措施？ 13 项安全态度清单 (SA-13) 的开发和验证

原文标题： Do They Accept or Resist Cybersecurity Measures? Development and Validation of the 13-Item Security Attitude Inventory (SA-13)

地址： http://arxiv.org/abs/2204.03114

作者： Cori Faklaris, Laura Dabbish, Jason I. Hong

摘要： 我们介绍 SA-13，13 项安全态度清单。我们通过使用来自美国人口普查加权 Qualtrics 小组 (N=209) 的数据进行探索性因素分析、验证性因素分析和其他测试来开发和验证对网络安全态度的评估。除了安全措施参与度（SA-参与度，三项）和对安全措施的关注度（SA-关注度，三项）的六个核心指标外，我们的 SA-13 清单还增加了对安全措施的抵抗力（SA-抵抗力，四项）指标项）和对提高合规性的关注（SA-关注，三项）。 SA-13 和分量表表现出理想的心理测量质量； SA-13 和 SA-Engagement 和 SA-Attentiveness 分量表得分越高，安全行为意图和自我报告的近期安全行为得分越高。 SA-13 和子量表对于需要对用户安全态度进行轻量级调查测量的研究人员和安全意识团队很有用。 13 个指标的综合得分提供了对网络安全决策平衡的简洁衡量。

论社交媒体推荐对意见共识的影响

原文标题： On the Impact of Social Media Recommendations on Opinion Consensus

地址： http://arxiv.org/abs/2204.03299

作者： Vincenzo Auletta, Antonio Coppola, Diodato Ferraioli

摘要： 我们考虑一个离散的意见形成问题，其中主体人受到其社会关系传播的信息和直接从社交媒体经理收到的建议的影响。我们研究社交媒体影响的“强度”和同质性比率如何影响主体人达成共识的概率，以及这些因素如何决定达成共识的类型。在一个简单的 2 对称块模型中，我们证明主体收敛到共识或持久分歧。特别是，我们表明，当同质性比率很大时，社交媒体确定意见动态结果的能力非常低。另一方面，当同质性比率较低时，社交媒体的影响力可以对动态产生重要作用，无论是通过使达成共识变得更加困难，还是在极端观点上引发共识。最后，为了将我们的分析扩展到更一般和更现实的设置，我们提供了一些实验证据，证明我们的结果仍然适用于一般网络。

QCRI 的 COVID-19 虚假信息检测器：在社交媒体中对抗 COVID-19 信息流行病的系统

原文标题： QCRI’s COVID-19 Disinformation Detector: A System to Fight the COVID-19 Infodemic in Social Media

地址： http://arxiv.org/abs/2204.03506

作者： Preslav Nakov, Firoj Alam, Yifan Zhang, Animesh Prakash, Fahim Dalvi

摘要： 自 COVID-19 大流行开始以来，世界卫生组织已宣布抗击持续的 COVID-19 信息流行病是最重要的重点领域之一。虽然被消费和传播的信息包括宣传虚假治疗、谣言和阴谋论以散布仇外心理和恐慌，但同时也有信息（例如，包含建议、促进治疗）可以帮助不同的利益相关者，例如政策-制造商。社交媒体平台促成了信息流行病，并且已经努力在这些平台上策划内容，分析和揭穿它们。虽然大多数研究工作都考虑此类信息的一个或两个方面（例如，检测真实性），但在本研究中，我们专注于多方面的方法，包括 API，urlhttps://app.swaggerhub.com/apis /yifan2019/Tanbih/0.8.0/ 和一个演示系统，urlhttps://covid19.tanbih.org，我们免费公开提供。我们相信这将有助于研究人员和不同的利益相关者。提供 API 服务和演示的截屏视频。urlhttps://youtu.be/zhbcSvxEKMk

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。