• 比特币区块链资金流动模式分析;
• 一种基于非对称相似度-流行度的有向复杂网络链路预测方法;
• NFT 个人资料图片在社会网络社区中的影响;
• 通过动态图中的局部扩散估计社交媒体上的情绪传染;
• 刑事职业专业化;
• 有多少人分享了这个？通过实验研究社交线索对社交媒体的参与度、错误信息和不可预测性的影响;
• 利用机器学习分析、表征、预测和归因极端大气事件：回顾;
• Twitter 知道你的政治观点吗？ POLiTweets 数据集和政治倾向发现的半自动方法;
• 将有向网络嵌入欧几里得和双曲空间的与模型无关的方法;
• 使用环境压力源模拟人群疏散;

比特币区块链资金流动模式分析

原文标题： Pattern Analysis of Money Flow in the Bitcoin Blockchain

地址： http://arxiv.org/abs/2207.07315

作者： Natkamon Tovanich, Rémy Cazabet

摘要： 比特币是第一个也是价值最高的加密货币，它将交易存储在称为区块链的公开分布式账本中。理解比特币参与者的活动和行为是一个重要的研究课题，因为他们在交易网络中是匿名的。在本文中，我们提出了一种基于污点分析的方法来提取污点流——动态网络表示比特币从初始来源转移到其他参与者直到解散的序列。然后，我们应用图嵌入方法来表征污点流。我们使用来自顶级矿池的污点流评估我们的嵌入方法，并表明它可以对矿池进行高精度分类。我们还发现，来自同一时期的污点流表现出很高的相似性。我们的工作证明，追踪资金流向可能是对来源参与者进行分类和表征不同资金流向模式的一种很有前景的方法

一种基于非对称相似度-流行度的有向复杂网络链路预测方法

原文标题： An Approach for Link Prediction in Directed Complex Networks based on Asymmetric Similarity-Popularity

地址： http://arxiv.org/abs/2207.07399

作者： Hafida Benhidour, Lama Almeshkhas, Said Kerrache

摘要： 复杂网络是代表现实生活系统的图，它们表现出在纯规则或完全随机图中没有的独特特征。由于底层过程的复杂性，对此类系统的研究至关重要，但也具有挑战性。然而，由于大量网络数据的可用性，近几十年来这项任务变得更加容易。复杂网络中的链路预测旨在估计两个节点之间的链接从网络中丢失的可能性。由于数据收集不完善或仅仅因为它们尚未出现，链接可能会丢失。在网络数据中发现实体之间的新关系已引起社会学、计算机科学、物理学和生物学等各个领域的研究人员的关注。大多数现有研究都集中在无向复杂网络中的链路预测。然而，并非所有现实生活中的系统都可以忠实地表示为无向网络。这种简化假设通常在使用链路预测算法时做出，但不可避免地会导致节点之间关系的信息丢失和预测性能下降。本文介绍了一种专门为有向网络设计的链路预测方法。它基于相似性流行范式，最近在无向网络中被证明是成功的。所提出的算法通过将其建模为相似性和流行度的不对称性来处理节点关系中的不对称性。给定观察到的网络拓扑，算法使用边权重将隐藏的相似性近似为最短路径距离，该边权重刻画并分解出链接的不对称性和节点的流行度。所提出的方法在现实生活中的网络上进行了评估，实验结果证明了它在预测广泛的网络数据类型和大小的缺失链接方面的有效性。

NFT 个人资料图片在社会网络社区中的影响

原文标题： The impact of NFT profile pictures within social network communities

地址： http://arxiv.org/abs/2206.06443

作者： Simone Casale-Brunet, Mirko Zichichi, Lee Hutchinson, Marco Mattavelli, Stefano Ferretti

摘要： 本文分析了社交媒体（尤其是 Twitter）在不可替代代币（即 NFT）背景下的作用。这种构建和交换数字对象的新兴技术，始于多年前的“CryptoPunks”等早期项目，自 2021 年初以来，越来越受到创建、购买、销售 NFT 的社区和媒体报道的兴趣广大市民。在这项工作中，展示了一类项目的景观，特别是那些用作社交媒体个人资料图片的项目，如何成为主流项目，如“无聊猿游艇俱乐部”、“酷猫”和“涂鸦”。这项工作说明了如何从以太坊区块链和 Twitter 收集异构数据，然后使用与图表相关的算法和最先进的指标进行分析。初步结果表明，从社会网络的角度来看，最流行的 NFT 的集合可以被视为围绕 NFT 的单个社区。因此，虽然每个项目都有自己的价值和交换量，但在社会层面上，它们都主要受到“无聊猿游艇俱乐部”系列的价值和行业演变的影响。

通过动态图中的局部扩散估计社交媒体上的情绪传染

原文标题： Estimating Emotion Contagion on Social Media via Localized Diffusion in Dynamic Graphs

地址： http://arxiv.org/abs/2207.07165

作者： Trisha Mittal, Puneet Mathur, Rohan Chandra, Apurva Bhatt, Vikram Gupta, Debdoot Mukherjee, Aniket Bera, Dinesh Manocha

摘要： 我们提出了一种用于估计社交媒体网络上的情绪传染的计算方法。建立在心理学文献的基础上，我们的方法根据表达者的内容来估计感知者的情绪状态（积极或消极）开始与表达者的情绪状态相匹配的程度。我们结合使用深度学习和社会网络分析，将情感传染建模为动态社会网络图中的扩散过程，同时考虑因果关系、同质性和干扰等关键方面。我们评估我们对从流行的社交媒体平台获得的用于共享短视频的用户行为数据的方法。我们分析了 8 周内 48 位用户的行为（分析了超过 20 万个视听短文），并估计了与他们互动的用户在社交媒体上的传染性。根据扩散理论，我们考虑了用户在此期间观看的视频（流入）和每日参与度；喜欢、分享、下载或创建新视频（流出）以估计传染。为了验证我们的方法和分析，我们通过收集大约 150 名参与者的回复，通过在线研究获得了对这 48 名社交媒体平台用户的人工反馈。我们报告说，在平台上与更多创作者互动的用户感染风险降低 12%，而消费更多“负面”情绪内容的用户感染风险增加 23%。我们将在接受后公开发布我们的代码。

刑事职业专业化

原文标题： Specialization in Criminal Careers

地址： http://arxiv.org/abs/2207.07436

作者： Georg Heiler, Tuan Pham, Jan Korbel, Johannes Wachs, Stefan Thurner

摘要： 我们使用一个欧洲国家超过五年的犯罪行为综合纵向数据集来研究犯罪职业的专业化。我们通过犯罪职业中的相对共现来对犯罪类别进行分类，从而得出一种自然的、基于数据的犯罪专业分类法。将专家定义为属于一类犯罪行为的活跃犯罪分子，我们研究了他们相对于通才同行的社会人口特征、地理范围和协作网络中的位置。与通才相比，专才往往年龄更大，更有可能是女性，在更小的地理范围内开展业务，并在更小、更紧密的本地网络中协作。我们观察到专家更深入地嵌入犯罪网络，并发现证据表明专业化确实反映了劳动和组织的分工。

有多少人分享了这个？通过实验研究社交线索对社交媒体的参与度、错误信息和不可预测性的影响

原文标题： How many others have shared this? Experimentally investigating the effects of social cues on engagement, misinformation, and unpredictability on social media

地址： http://arxiv.org/abs/2207.07562

作者： Ziv Epstein, Hause Lin, Gordon Pennycook, David Rand

摘要： 与传统媒体不同，社交媒体通常提供有多少用户参与了每条内容的量化指标。一些人认为，这些线索的存在促进了错误信息的传播。在这里，我们调查了社交线索对用户参与社交媒体帖子的因果影响。我们在定制的新闻源界面上对 N=628 美国人进行了一项实验，在该界面上，我们系统地改变了社交线索的存在和强度。我们发现，当显示提示时，表明有更多其他人参与了帖子，用户更有可能分享和喜欢该帖子。此外，相对于没有社交线索的控制，社交线索的存在增加了真实相对于虚假新闻的分享。社交线索的存在也使得准确预测任何给定帖子的受欢迎程度变得更加困难。总之，我们的研究结果表明——在某些情况下，社交线索不会分散用户的注意力或导致他们分享低质量的新闻——实际上可能会促进真相辨别并减少错误信息的分享。我们的工作表明，社交线索在塑造用户在社交媒体上的注意力和参与度方面发挥着重要作用，平台应该在改变线索的显示方式和方式之前理解不同线索的影响。

利用机器学习分析、表征、预测和归因极端大气事件：回顾

原文标题： Analysis, Characterization, Prediction and Attribution of Extreme Atmospheric Events with Machine Learning: a Review

地址： http://arxiv.org/abs/2207.07580

作者： Sancho Salcedo-Sanz, Jorge Pérez-Aracil, Guido Ascenso, Javier Del Ser, David Casillas-Pérez, Christopher Kadow, Dusan Fister, David Barriopedro, Ricardo García-Herrera, Marcello Restelli, Mateo Giuliani, Andrea Castelletti

摘要： 大气极端事件 (EE) 对人类社会和生态系统造成严重破坏。在当前的气候变化和全球变暖风险中，EEs 和其他相关事件的频率和强度正在增加。因此，大气 EE 的准确预测、表征和归因是一个关键的研究领域，许多小组目前正在通过应用不同的方法和计算工具开展工作。机器学习 (ML) 方法在过去几年中作为强大的技术出现，可以解决与大气 EE 相关的许多问题。本文回顾了应用于最重要大气 EE 的分析、表征、预测和归因的 ML 算法。提供了该领域最常用的 ML 技术的摘要，以及对 EE 中与 ML 相关的文献的全面批判性评论。讨论了许多示例，并绘制了该领域的观点和前景。

Twitter 知道你的政治观点吗？ POLiTweets 数据集和政治倾向发现的半自动方法

原文标题： Does Twitter know your political views? POLiTweets dataset and semi-automatic method for political leaning discovery

地址： http://arxiv.org/abs/2207.07586

作者： Joanna Baran, Michał Kajstura, Maciej Ziółkowski, Krzysztof Rajda

摘要： 每天，世界上都充斥着数百万张贴在 Twitter 或 Facebook 上的信息和声明。社交媒体平台试图保护用户的个人数据，但仍然存在滥用的风险，包括操纵选举。您是否知道，只有 13 篇针对社会重要或有争议话题的帖子足以以 0.85 的 F1 分数预测一个人的政治派别？为了检验这种现象，我们创建了一种新的半自动政治倾向发现的通用方法。它依赖于启发式数据注释过程，该过程被评估为与人类注释者达到 0.95 一致（计为准确度指标）。我们还展示了 POLiTweets——第一个公开开放的波兰语数据集，用于在多方设置中发现政治派别，其中包括来自近 10k 波兰写作用户的超过 147k 条推文，这些推文被启发式注释，以及来自 166 个用户的近 40k 条推文，作为测试集手动注释。我们使用我们的数据来研究主题背景和内容作者类型（普通公民与职业政治家）中领域转移的各个方面。

将有向网络嵌入欧几里得和双曲空间的与模型无关的方法

原文标题： Model-independent methods for embedding directed networks into Euclidean and hyperbolic spaces

地址： http://arxiv.org/abs/2207.07633

作者： Bianka Kovács, Gergely Palla

摘要： 双曲空间中网络节点的排列已成为一个广泛研究的问题，其动机是大量结果表明复杂网络结构背后存在隐藏的度量空间。尽管已经为无向网络的双曲线嵌入开发了几种方法，但能够处理有向网络的方法仍处于起步阶段。在这里，我们提出了一个框架，该框架基于反映网络拓扑的邻近矩阵的降维，再加上一种将欧几里得节点坐标转换为双曲线坐标的通用转换方法，即使对于有向网络也是如此。在提出一种新的接近度度量的同时，我们还在我们的管道中加入了早期的欧几里德嵌入方法，证明了我们的欧几里德-双曲线转换的广泛适用性。此外，我们引入了一种降维技术，将节点直接映射到双曲空间，目的是重现在给定（无）有向网络上测量的距离矩阵。根据映射精度、图重建性能和贪婪路由得分，我们的方法能够为多个真实网络生成高质量的嵌入。

使用环境压力源模拟人群疏散

原文标题： Simulation of Crowd Egress with Environmental Stressors

地址： http://arxiv.org/abs/2206.01393

作者： Peng Wang, Xiaoda Wang, Timo Korhonen, Peter Luh

摘要： 本文提出了一个建模框架来描述撤离者在紧急撤离期间对环境刺激的反应，特别是在火灾和烟雾情况下。该模型的开发与压力理论一致，该理论解释了生物体如何对环境压力源作出反应。我们将该理论整合到著名的社会力量模型中，并将该方法应用于模拟建筑应急出口中的人群疏散行为。该算法已经在 FDS+EVAC 中进行了测试。

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。