• 通过特征值提升对不连通图进行边增强;
• 多状态投票模型中的局部和全局排序动态;
• QAnon 在 Twitter 上作为信息战的宣传：影响者、网络和叙事;

通过特征值提升对不连通图进行边增强

原文标题： Edge Augmentation on Disconnected Graphs via Eigenvalue Elevation

地址： http://arxiv.org/abs/2207.05301

作者： Tianyi Li

摘要： 提出了基于断开子图的社区内连通性确定最可能的社区间边的图论任务。基于提升图谱的零特征值，为此边增强任务开发了一种算法。推导出特征值高程幅度和相应的增强边密度的上限，并通过随机图上的模拟进行验证。该算法在合成网络和真实网络中始终如一地工作，在连接图组件时产生理想的性能。边增强对不同社区检测方法（Girvan-Newman 方法、贪婪模块化最大化、标签传播、Louvain 方法和流体社区）下的图划分进行逆向工程，在大多数情况下以 >50% 的频率产生社区间边。

多状态投票模型中的局部和全局排序动态

原文标题： Local and global ordering dynamics in multi-state voter models

地址： http://arxiv.org/abs/2207.05465

作者： Lucia S. Ramirez, Maxi San Miguel, Tobias Galla

摘要： 我们研究了在具有全对全交互和不相关网络的多状态选民模型中，活动链接密度和意见之间主体分布熵的时间演变。个人的认识经历了一系列的意见消除，直到达成共识。每次消除后，种群仍处于亚稳定状态。活动链接的密度和这些状态下的熵因实现而异。做一些简单的假设，我们能够分析计算活动链接的平均密度和每个状态的平均熵。我们还表明，平均而言，活动链接的密度呈指数衰减，时间尺度由图的大小和几何形状设置，但与意见状态的初始数量无关。平均熵的衰减仅在很长一段时间内是指数级的，当人口中最多有两种意见时。最后，我们展示了如何通过在每个流行观点中精确引入一个狂热者来人为地设计仅包含观点子集的亚稳定状态。

QAnon 在 Twitter 上作为信息战的宣传：影响者、网络和叙事

原文标题： QAnon Propaganda on Twitter as Information Warfare: Influencers, Networks, and Narratives

地址： http://arxiv.org/abs/2207.05118

作者： L. Dilley, W. Welna, F. Foster (Michigan State University)

摘要： QAnon 指的是一组极右翼的阴谋意识形态，自 2017 年在 4chan 互联网留言板上首次宣传以来，这些意识形态在美国越来越受欢迎。 QAnon 的核心叙事元素是，一群强大的民主党自由派精英成员从事道德上应受谴责的行为，但美国前总统唐纳德·J·特朗普正在起诉他们。五项研究调查了 2020 年 8 月至 2021 年 1 月期间在 Twitter 上推广 QAnon 的账户的影响力和网络连接性。Twitter 账户的选择强调了已知或涉嫌参与 QAnon 宣传推广活动的在线影响者和“感兴趣的人”。观察到推广 QAnon 的账户之间存在大规模协调的证据，这证明了推特上 QAnon 宣传推广中“天马行空”的严格、量化证据，而不是公民独立行动的严格“草根”活动。此外，还获得了支持极右翼支持者网络参与有组织的 QAnon 宣传推广的证据，正如推广极右翼极端主义（例如反犹太主义）内容和起义主题的账户之间的网络重叠所揭示的那样；新时代、神秘和“深奥”主题；以及像蝉3301这样的互联网益智博弈和其他“替代现实博弈”。基于有充分根据的理论和社会科学的调查结果，有人认为，在 2020 年美国总统大选前后的几个月里，QAnon 在 Twitter 上的宣传可能反映了包括俄罗斯等民族国家在内的多个参与者共同参与了对社会科学的创新性滥用。媒体通过宣传“神奇”思想、对民主党和自由主义者的排斥以及在极右翼意识形态不同的群体中普遍存在的白人灭绝叙事的显著性来破坏民主进程。

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。