• 全球发展合作的演变：用分层随机块模型分析援助流;
• 为动态网络提取寻找合适的时间间隔;
• 随机、有针对性和自适应攻击下的智能电网级联故障;
• 用于图中异常模式检测的校准非参数扫描统计;
• 我们都在楚门表演吗？通过自我训练发现 Instagram Crowdturfing;
• 消除虚假信息的歧义：超越在线内容的真实性;
• 民意调查中多项选择题的网络模型;
• 财富介导的热力学策略演化中的社区形成;
• MultiSAGE：一种用于层间链路预测的多路嵌入算法;
• 具有社区结构的多路网络的多数投票模型;

全球发展合作的演变：用分层随机块模型分析援助流

原文标题： Evolution of global development cooperation: An analysis of aid flows with hierarchical stochastic block models

地址： http://arxiv.org/abs/2204.02580

作者： Koji Oishi, Hiroto Ito, Yohsuke Murase, Hiroki Takikawa, Takuto Sakamoto

摘要： 尽管学术界对发展合作的制度和规范方面给予了相当多的关注，但其在全球层面展开的纵向动态却很少受到研究。以援助为重点，我们全面考察了援助流动引发的全球发展合作结构的演变。我们将 1970 年至 2013 年期间捐助者和受援者之间的年度援助流量表示为一系列网络，我们将分层随机块模型应用于广泛的援助流量数据，这些数据不仅涵盖主要经合组织捐助者的援助行为，还包括其他新兴捐助者的援助行为，包括中国。尽管多年来援助关系有相当程度的外部扩张和内部多样化，但分析揭示了援助网络在时间上持续存在的结构。后者一方面包括数量有限、资源广泛的主要捐助者，另一方面包括大量贫困但在全球范围内具有良好联系的受援者。这些结果让人怀疑“援助改革”的反复努力在显著改变全球援助流动模式方面的有效性。

为动态网络提取寻找合适的时间间隔

原文标题： Finding Proper Time Intervals for Dynamic Network Extraction

地址： http://arxiv.org/abs/2206.12678

作者： Günce Keziban Orman, Nadir Türe, Selim Balcisoy, Hasan Alp Boz

摘要： 为时间相关的复杂系统建模提取适当的动态网络是一个重要问题。建立正确的模型与找出系统表现出显著变化的关键时间点有关。在这项工作中，我们建议测量网络相似度以检测适当的时间间隔。我们为动态网络的任何连续快照开发了三个相似性指标，节点、链接和邻域相似性。我们不是使用标签或用户定义的阈值，而是使用空模型下提出的相似性的统计预期值来说明系统是否发生严重变化。我们对两个具有不同时间动态的不同数据集进行了实验：大学校园的 Wi-Fi 接入点日志和安然电子邮件。结果表明，首先，提出的相似性反映了具有较少噪声信号的具有网络拓扑特性的相似信号趋势，并且它们的分数是尺度不变的。其次，提出的相似性比邻接相关产生更好的信号，具有最佳噪声和多样性。第三，使用统计预期值可以让我们找到系统的不同时间间隔，从而为动态网络建模提取非冗余快照。

随机、有针对性和自适应攻击下的智能电网级联故障

原文标题： Cascading Failures in Smart Grids under Random, Targeted and Adaptive Attacks

地址： http://arxiv.org/abs/2206.12735

作者： Sushmita Ruj, Arindam Pal

摘要： 我们研究了智能电网中的级联故障，其中攻击者选择性地破坏节点，其概率与其程度、介数或聚类系数成正比。这意味着具有高度数、介数或聚类系数的节点受到攻击的概率更高。我们通过数学和实验分析了不同类型目标攻击下网络巨型组件的大小，并将结果与​​随机攻击下的相应大小进行了比较。我们表明，与随机攻击相比，有针对性的攻击网络崩溃得更快。对一小部分高度节点的有针对性的攻击会瓦解一个或两个网络，而两个网络都包含对同一部分节点进行随机攻击的巨大组件。一个重要的观察结果是，如果攻击者基于它们的介数而不是基于度数或聚类系数来破坏节点，则它具有优势。我们接下来研究自适应攻击，攻击者在轮次中破坏节点。在这里，一些节点在每一轮中都会根据它们的度数、介数或聚类系数受到损害，而不是同时损害所有节点。在这种情况下，度数、介数或聚类系数在每一轮开始之前计算，而不是在开始时计算。我们通过实验表明，与同时破坏相同数量的节点相比，对手在这种自适应方法中具有优势。

用于图中异常模式检测的校准非参数扫描统计

原文标题： Calibrated Nonparametric Scan Statistics for Anomalous Pattern Detection in Graphs

地址： http://arxiv.org/abs/2206.12786

作者： Chunpai Wang, Daniel B. Neill, Feng Chen

摘要： 我们提出了一种新方法，即校准的非参数扫描统计 (CNSS)，用于更准确地检测大规模真实世界图中的异常模式。扫描统计通​​过最大化似然比统计来识别有趣或意外的连接子图；特别是，非参数扫描统计（NPSSs）识别子图的单个重要节点的比例高于预期。然而，我们表明最近提出的 NPSS 方法是错误校准的，未能考虑到子图多样性上的统计量的最大化。这会导致对细微信号的检测能力降低，即使对于更强的信号，检测到的子图的精度也会降低。因此，我们开发了一种新的统计方法来重新校准 NPSS，正确调整多个假设检验并考虑底层图结构。虽然基于随机化测试的重新校准在计算上是昂贵的，但我们提出了一种高效（近似）算法和新的封闭形式下界（在零假设下，对于给定大小的子图的重要节点的预期最大比例没有异常模式）。这些进步，以及最近核心树分解方法的集成，使 CNSS 能够扩展到大型真实世界图，并显著提高检测到的子图的准确性。与最先进的对应物相比，在半合成和真实世界数据集上进行了广泛的实验，以验证我们提出的方法的有效性。

我们都在楚门表演吗？通过自我训练发现 Instagram Crowdturfing

原文标题： Are We All in a Truman Show? Spotting Instagram Crowdturfing through Self-Training

地址： http://arxiv.org/abs/2206.12904

作者： Pier Paolo Tricomi, Sousan Tarahomi, Christian Cattai, Francesco Martini, Mauro Conti

摘要： 2021 年，影响者营销产生了超过 130 亿美元的收入。公司和主要品牌通过影响者（即具有高人气和影响大众的能力的人）在社交媒体（尤其是 Instagram）上宣传他们的产品。通常，更受欢迎和知名度更高的影响者会因为他们的合作而获得更多报酬。因此，许多服务的诞生是为了提高个人资料的受欢迎程度、参与度或知名度，主要是通过机器人或虚假账户。研究人员专注于在不同的社会网络中识别此类不自然的活动，并取得了很大的成功。然而，真实的人最近开始使用他们的真实账户来参与此类助推活动以获得金钱奖励，从而产生难以检测的虚假内容。目前，在 Instagram 上，没有任何作品试图检测这种被称为众包（CT）的新现象。在这项工作中，我们是第一个在 Instagram 上提出 CT 参与检测器的人。我们的算法通过半监督学习利用个人资料的特征来发现参与 CT 活动的账户。与迄今为止用于检测虚假账户的监督方法相比，半监督方法利用社交媒体上大量未标记的数据来产生更好的结果。我们从 11 个提供商处购买并研究了 1293 个 CT 配置文件，以构建我们的自训练分类器，准确率达到 95%。最后，我们在野外运行我们的模型来检测和分析 20 位超级影响者（即拥有超过 100 万追随者）的 CT 参与度，发现他们超过 20% 的参与度是人为的。我们分析了参与 CT 参与的人员的个人资料和评论，表明仅使用生成的内容来发现这些活动是多么困难。

消除虚假信息的歧义：超越在线内容的真实性

原文标题： Disambiguating Disinformation: Extending Beyond the Veracity of Online Content

地址： http://arxiv.org/abs/2206.12915

作者： Keeley Erhardt, Alex Pentland

摘要： 继 2016 年美国总统大选和俄罗斯干预的压倒性证据之后，人们对“假新闻”现象的兴趣激增。迄今为止，对虚假新闻的研究主要集中在检测来自低可信度来源的内容并分析这些内容如何在在线平台上传播。错误信息带来了明显的风险，但过分强调真实性的研究议程却错过了真正理解克里姆林宫领导的、震惊了如此多美国人的虚假信息运动的机会。在本文中，我们提出了虚假信息的定义——一组或一系列精心策划的、议程驱动的、旨在欺骗的信息行动——这对于将俄罗斯在 2016 年的干预和更广泛的虚假信息活动置于背景中很有用。我们扩展了我们正在进行的工作以实施这一定义，并展示了检测虚假信息必须如何超越评估特定出版商、用户或故事的可信度。

民意调查中多项选择题的网络模型

原文标题： A Network Model for Multiple Selection Questions in Opinion Surveys

地址： http://arxiv.org/abs/2206.13153

作者： Stefano Benati, Justo Puerto

摘要： 意见调查可以包含封闭的问题，受访者可以给出多个答案。我们建议将这些数据建模为网络，其中顶点是符合条件的项目，弧是响应者。这种表示开辟了使用复杂网络方法来检索信息的可能性，最突出的是，使用聚类/社区检测技术来降低数据复杂性的可能性。我们将利用模块化函数的隐含零假设，即在没有任何优先配对的情况下选择项目，以展示如何通过通常的 p 值计算来检验该假设。我们说明了将其应用于欧洲晴雨表数据的方法。在那里，关于国家问题的问题最多可以选择两个。我们将展示将社区聚集在一起的关注点可以以一致的方式和一般性的术语来解释，例如经济、安全和福利问题。此外，我们将表明，通过这种方式可以确定社会部门之间的分歧。

财富介导的热力学策略演化中的社区形成

原文标题： Community Formation in Wealth-Mediated Thermodynamic Strategy Evolution

地址： http://arxiv.org/abs/2206.13160

作者： Connor Olson, Andrew Belmonte, Christopher Griffin

摘要： 我们研究了一个由一维格子上的重复博弈定义的动态系统，其中玩家跟踪他们在银行中随时间推移的总收益。策略更新由玻尔兹曼分布控制，该分布取决于与每个策略相关的邻域银行值，相对于定义随机波动的温度标度。因此，银行价值较高的玩家比银行价值较低的玩家更不可能改变策略。对于参数化的石头剪刀布博弈，我们推导出一个条件，在该条件下，给定策略的社区形成具有固定或漂移边界的社区。我们展示了温度升高对基础系统的影响，并通过数值模拟确定了该模型的惊人特性。

MultiSAGE：一种用于层间链路预测的多路嵌入算法

原文标题： MultiSAGE: a multiplex embedding algorithm for inter-layer link prediction

地址： http://arxiv.org/abs/2206.13223

作者： Luca Gallo, Vito Latora, Alfredo Pulvirenti

摘要： 近年来，图表示学习的研究受到了极大的关注。然而，到目前为止，大多数研究都集中在单层图的嵌入上。处理多层结构的表示学习问题的少数研究依赖于层间链接已知的强假设，这限制了可能的应用范围。在这里，我们提出了 MultiSAGE，它是 GraphSAGE 算法的泛化，允许嵌入多路网络。我们表明 MultiSAGE 能够重建层内和层间连接，优于为简单图设计的 GraphSAGE。接下来，通过全面的实验分析，我们还阐明了嵌入在简单网络和多路网络中的性能，表明图的密度或链接的随机性都会强烈影响嵌入的质量。

具有社区结构的多路网络的多数投票模型

原文标题： A Majority-Vote Model On Multiplex Networks with Community Structure

地址： http://arxiv.org/abs/2206.13416

作者： Kaiyan Peng, Mason A. Porter

摘要： 我们研究了具有社区结构的两层多路网络上的多数投票模型。在我们的多数投票模型中，每一层的边编码一种社会关系，个人根据每一层邻居的多数意见改变他们的意见。为了捕捉不同关系通常具有不同重要性级别的事实，我们引入了一个层偏好参数，该参数确定当两个层上的节点邻域具有不同多数意见时节点采纳意见的概率。我们构建我们的网络，使每个节点都是每一层上一个社区的成员，并且我们考虑了节点倾向于与来自同一社区的节点而不是来自不同社区的节点的连接的情况。我们使用直接数值模拟和平均场近似来研究层偏好参数、层内社区和层间成员关系对我们模型的稳态行为的影响。我们发现了三种不同类型的稳态行为：完全混合状态、共识状态和极化状态。我们证明了更强的层间社区相关性使得极化稳态可以达到更广泛的其他模型参数。我们还表明，不同的层偏好参数值会导致稳定状态下的平均意见在质量上不同的相图。

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。