使用图分析计算交通事故高风险位置;
区域发展的相关性：寻找恰当的形式;
科学革命：基于参考出版年份谱 (RPYS) 确定最重要研究人员、机构和国家的方法的提议;
在区分钓鱼网站和合法网站时，使用网络结构和社区检测来发现重要的网站特征;
表征中文微博上的多域虚假新闻和潜在用户影响;
突变在 COVID-19 等疾病中引起感染波;
Desaparecidxs：使用 Twitter 描述失踪儿童的人口;
使用异构Transformer进行假新闻检测;
LPGNet：用于节点分类的链接隐私图网络;
Trust-SIoT：迈向社交物联网中的可信对象分类;
在线社区的发帖批准;
集体智慧作为减少广泛的全球灾难性风险的基础设施;
使用图分析计算交通事故高风险位置
原文标题： Computing Traffic Accident High-Risk Locations Using Graph Analytics
地址： http://arxiv.org/abs/2205.02851
作者： Iyke Maduako, Elijah Ebinne, Victus Uzodinma, Chukwuma Okolie, Emmanuel Chiemelu
摘要： 基于连通性和图分析的交通事故事件与道路网络拓扑之间的动态关系分析提供了一种在不同空间和时间粒度级别识别、排序和剖析交通事故高风险位置的新方法。以往对交通事故热点的研究大多采用空间统计和地理信息系统（GIS），仅根据空间依赖性发现空间点模式，而没有认识到事件的时间依赖性。由于事件的时间聚合到绝对时间点，结果被低估或高估的事实产生了限制。此外，除了网络核密度估计（NETKDE）之外，现有的方法将交通事故事件视为二维地理空间上的随机事件。然而，交通事故事件是主要发生在道路网络空间的网络受限事件。因此，在本文中，我们采用网络空间图的连通性方法，基于交通事故事件与道路网络几何之间的时空变化连通性来识别事故高风险位置。为这项研究开发并实施了一个简单但可扩展的交通事故空间时变图 (STVG) 模型。通过时间增量图查询，分别使用时间相关度中心度和PageRank中心度图度量来识别交通事故高风险位置并在空间和时间上排名。这项研究为城市交通事故分析人员提供了一种新的有效方法，可以在不同尺度的空间和时间上识别、排序和描绘事故多发区域。
区域发展的相关性：寻找恰当的形式
原文标题： Relatedness in regional development: in search of the right specification
地址： http://arxiv.org/abs/2205.02942
作者： Yang Li, Frank Neffke
摘要： 大量研究表明，一个城市或地区的产业规模和增长取决于当地相关产业的规模。然而，对于如何最好地衡量行业之间的相关性或特定行业与整个当地经济的契合度，研究并没有达成共识。在本文中，我们基于一个能让我们从分支机构、公司、地区和国家的行业共现模式中推导出相关性的数据集，对数以万计的形式进行结构化搜索，以确定对于样本外预测最佳的构建这些指标的方法。我们发现，使用不同的层级观察行业组合会导出不同的关联矩阵，每个矩阵都可以帮助预测当地行业的规模和增长。最后，我们确定了提高预测性能的形式元素，指出了预测性能和相关性模式可解释性之间的权衡，并为如何使用这些模式来支持决策提供了一些指导。
科学革命：基于参考出版年份谱 (RPYS) 确定最重要研究人员、机构和国家的方法的提议
原文标题： Revolutions in science: The proposal of an approach for the identification of most important researchers, institutions, and countries based on Reference Publication Year Spectroscopy (RPYS)
地址： http://arxiv.org/abs/2205.03033
作者： Lutz Bornmann, Robin Haunschild, Werner Marx
摘要： RPYS 是一种文献计量方法，最初是为了揭示研究主题或领域的历史根源而引入的。 RPYS 不会识别正在研究的出版物集中被引用次数最多的论文（这通常通过研究评估中的文献计量分析来完成），而是指出最常被引用的出版物——每一篇都在特定的参考出版年份内。在本研究中，我们建议使用该方法在突破性研究的背景下识别重要的研究人员、机构和国家。为了展示我们的方法，我们专注于研究地球气候的物理模型和全球变暖的预测作为一个例子。 Klaus Hasselmann 和 Syukuro Manabe 都因对这项研究的基础性贡献而获得了 2021 年的诺贝尔奖。我们的结果表明，RPYS 能够识别最重要的研究人员、机构和国家。例如，所有相关作者的机构都位于美国。这些机构要么是两个美国国家研究机构（NASA 和 NOAA）的研究中心，要么是大学：亚利桑那大学、普林斯顿大学、麻省理工学院 (MIT) 和石溪大学。
在区分钓鱼网站和合法网站时，使用网络结构和社区检测来发现重要的网站特征
原文标题： Using network structure and community detection to discover important website features when distinguishing between phishing and legitimate ones
地址： http://arxiv.org/abs/2205.02889
作者： Arash Negahdari Kia, Finbarr Murphy, Zahra Dehghani Mohammadabadi, Parisa Shamsi
摘要： 在本文中，我们揭示了网站的基本特征，这些特征允许智能模型区分网络钓鱼和合法网站。网络钓鱼网站是那些与可信网站具有相似用户界面和接近相似地址的网站，目的是说服用户输入他们的私人数据，以备将来可能被攻击者滥用。使用智能系统检测钓鱼网站是保护使用 HTTP 协议的用户、公司和其他在线服务的重要目标。智能模型需要区分作为预测网络钓鱼站点的重要输入的特征。在这项研究中，使用基于相关性的网络，我们提供了一种新的基于网络的方法来查找在网络钓鱼检测中更重要的特征。这些网络在已建立的网络钓鱼数据集上进行训练和测试。通过按数据实例标签对数据集进行分区，可以构建三个不同的网络。通过发现这些网络的枢纽来发现重要特征，并对结果进行呈现和分析。这是第一次使用基于网络的方法进行特征选择，这是一种快速准确的方法。
表征中文微博上的多域虚假新闻和潜在用户影响
原文标题： Characterizing Multi-Domain False News and Underlying User Effects on Chinese Weibo
地址： http://arxiv.org/abs/2205.03068
作者： Qiang Sheng, Juan Cao, H. Russell Bernard, Kai Shu, Jintao Li, Huan Liu
摘要： 过去几年，在社交媒体上传播的虚假消息激增，并在现实世界中引发了多方面的威胁。虽然有针对特定领域（如政治或医疗保健）的虚假新闻的研究，但很少有工作比较跨领域的虚假新闻。在本文中，我们调查了 2009 年至 2019 年中国最大的类 Twitter 社交媒体平台微博上的九个域的虚假新闻。新收集的数据包括九个域的 44,728 条帖子，由 40,215 名用户发布，并在340 万次。基于多领域数据集的分布和传播，我们观察到与日常生活相关的领域（如健康和医学）中的虚假新闻产生的帖子更多，但传播效率低于政治等其他领域的帖子，并且政治性虚假新闻具有最有效的扩散能力。微博上广泛传播的虚假新闻帖子与某些类型的用户密切相关——按性别、年龄等。此外，这些帖子在转发中引发了强烈的情绪，并随着虚假新闻发起者的积极参与而进一步传播。我们的发现有可能帮助设计用于可疑新闻发现、真实性预测以及显示和解释的虚假新闻检测系统。微博上的研究结果与现有工作的比较显示出细微的模式，表明需要对来自不同平台、国家或语言的数据进行更多研究，以解决全球虚假新闻问题。代码和新的匿名数据集可在 https://github.com/ICTMCG/Characterizing-Weibo-Multi-Domain-False-News 获得。
突变在 COVID-19 等疾病中引起感染波
原文标题： Mutation induced infection waves in diseases like COVID-19
地址： http://arxiv.org/abs/2205.03073
作者： Fabian Jan Schwarzendahl, Jens Grauer, Benno Liebchen, Hartmut Löwen
摘要： 在全球有超过 600 万人死亡之后，为征服 COVID-19 疾病而进行的疫苗接种现在正在与越来越具有传染性的突变的出现竞争，不断取代早期的毒株。在类似情况下几乎没有传染病长期演变的历史例子之后，模型对于举例说明可能的情况至关重要。因此，在目前的工作中，我们系统地概括了流行的易感感染恢复模型，以解释导致反复出现新菌株的突变，我们基于统计力学工具粗略地推导出预测最可能结果的模型。该模型预测，突变可以在早期诱导感染数量的超指数增长，这会自我放大成巨大的感染波，这是由感染数量和突变之间的正反馈回路引起的，并导致大多数人同时感染人口。在后期阶段——如果疫苗接种进展太慢——突变会中断感染数量的持续减少，并可能导致感染复发，这种感染以单波甚至整个波列的形式出现，其中包括感染数量减少和增加的交替时期。应该在更详细的模型中测试这种可能的突变诱发情景的全景，以探索它们对特定传染病的具体意义。此外，我们的结果可能有助于讨论发布疫苗专利以降低突变引起的感染复发风险的重要性，同时也有助于在感染人数下降趋势后协调措施的发布。
Desaparecidxs：使用 Twitter 描述失踪儿童的人口
原文标题： Desaparecidxs: characterizing the population of missing children using Twitter
地址： http://arxiv.org/abs/2205.03096
作者： Carolina Coimbra Vieira, Diego Alburez-Gutierrez, Marília R. Nepomuceno, Tom Theile
摘要： 失踪儿童，即向有关当局报告为“失踪”的儿童构成了重要但经常被忽视的人口。从研究的角度来看，失踪儿童构成了一个鲜为人知的难以接触的人群。在缺乏强大或集中的数据收集系统的全球南方地区，这是一个特殊的问题。在这项研究中，我们分析了暴力程度高的危地马拉的失踪儿童人口构成。我们将危地马拉国家警察在 2018-2020 年期间的官方汇总数据与 Alerta Alba-Keneth 的官方 Twitter 账户中失踪儿童的实时个人数据进行对比，该账户是政府预警系统，负责传播信息关于失踪儿童。使用 Twitter 数据，我们按单岁年龄、性别和失踪地点来描述危地马拉失踪儿童的人口。我们的研究结果表明，女性更有可能被报告失踪，尤其是 13-17 岁的女性。我们根据失踪人员、暴力和人口贩运之间的已知联系来讨论这些发现。最后，该研究强调了网络数据通过提高我们对这一人群和类似难以触及的人群的理解为社会做出贡献的潜力。
使用异构Transformer进行假新闻检测
原文标题： Fake News Detection with Heterogeneous Transformer
地址： http://arxiv.org/abs/2205.03100
作者： Tianle Li, Yushi Sun, Shang-ling Hsu, Yanjia Li, Raymond Chi-Wing Wong
摘要： 假新闻在社会网络上的传播引起了公众对有效和高效的假新闻检测方法的需求。一般来说，社会网络上的假新闻是多模态的，并且与用户和帖子等其他实体有各种联系。新闻内容的异质性以及与社会网络中其他实体的关系都给设计一个全面捕捉社会网络中实体的局部多模态语义和传播模式的全局结构表示的模型带来了挑战，从而对假冒产品进行分类。有效和准确的新闻。在本文中，我们提出了一种新颖的基于 Transformer 的模型：HetTransformer 来解决社会网络上的假新闻检测问题，它利用 Transformer 的编码器-解码器结构来刻画新闻传播模式的结构信息。我们首先刻画社会网络中新闻、帖子和用户实体的本地异构语义。然后，我们应用 Transformer 来刻画社会网络中传播模式的全局结构表示，以进行假新闻检测。在三个真实世界数据集上的实验表明，我们的模型能够在假新闻检测方面优于最先进的基线。
LPGNet：用于节点分类的链接隐私图网络
原文标题： LPGNet: Link Private Graph Networks for Node Classification
地址： http://arxiv.org/abs/2205.03105
作者： Aashish Kolluri, Teodora Baluta, Bryan Hooi, Prateek Saxena
摘要： 标记图结构数据的分类任务有许多重要的应用，从社交推荐到金融建模。深度神经网络越来越多地用于图上的节点分类，其中具有相似特征的节点必须被赋予相同的标签。图卷积网络（GCN）是一种被广泛研究的神经网络架构，在这项任务上表现良好。然而，最近对 GCN 的强大链接窃取攻击表明，即使对训练模型进行黑盒访问，推断训练图中存在哪些链接（或边）也是可行的。在本文中，我们提出了一种称为 LPGNet 的新神经网络架构，用于在具有隐私敏感边的图上进行训练。 LPGNet 使用一种新颖的设计来为边提供差分隐私 (DP) 保证，用于在训练期间如何使用图边结构。我们凭经验表明，LPGNet 模型通常处于提供隐私和实用性之间的最佳平衡点：它们可以提供比不使用边信息的“普通”私有架构更好的实用性（例如 vanilla MLP），并且比现有的链接窃取攻击具有更好的弹性。使用全边结构的普通 GCN。 LPGNet 还始终提供比 DPGCN 更好的隐私效用权衡，DPGCN 是在我们评估的大多数数据集中将差分隐私改进到传统 GCN 的最先进的机制。
Trust-SIoT：迈向社交物联网中的可信对象分类
原文标题： Trust-SIoT: Towards Trustworthy Object Classification in the Social Internet of Things
地址： http://arxiv.org/abs/2205.03226
作者： Subhash Sagar, Adnan Mahmood, Kai Wang, Quan Z. Sheng, Wei Emma Zhang
摘要： 最近出现的有前途的社交物联网 (SIoT) 范式是社会网络概念与物联网 (IoT) 对象（也称为“事物”）的智能融合的结果，旨在解开网络发现、可导航性和服务组合的挑战。这是通过促进物联网对象相互社交来实现的，即类似于人类之间的社交互动。一个需要认真关注的基本问题是在这些物联网对象之间建立并随着时间的推移保持可信赖的关系。因此，SIoT 的信任框架必须包括对象-对象交互、社会关系方面、可信推荐等，然而，现有文献仅关注信任的某些方面，主要依赖于管理线性关系的传统方法输入输出之间。在本文中，设想了一种基于人工神经网络的信任框架 Trust-SIoT，用于识别输入和输出之间复杂的非线性关系，以对可信对象进行分类。此外，Trust-SIoT 被设计用于刻画许多关键信任指标作为输入，即通过整合对象当前和过去的交互、可靠性和仁慈、可信推荐以及通过采用知识图嵌入。最后，我们进行了广泛的实验来评估 Trust-SIoT 在两个真实世界数据集上相对于最先进的启发式算法的性能。结果表明，Trust-SIoT 获得了更高的 F1 和更低的 MAE 和 MSE 分数。
在线社区的发帖批准
原文标题： Post Approvals in Online Communities
地址： http://arxiv.org/abs/2205.03258
作者： Manoel Horta Ribeiro, Justin Cheng, Robert West
摘要： 在许多在线社区中，社区领导者（即版主和管理员）可以通过要求帖子在发布前获得批准来主动过滤不受欢迎的内容。但尽管许多社区采用事后批准，但对其对社区行为的影响的研究却很少。通过对 233,402 个 Facebook 群组的纵向分析，我们检查了 1) 导致社区采用帖子批准的因素以及 2) 该设置如何影响群组中的后续用户活动和审核。我们发现，在用户活动（例如，评论）和审核（例如，报告的帖子）突然增加之后，采用帖子批准的社区往往会这样做。这种职位批准的采用导致更少但质量更高的职位。虽然采用后分享的帖子减少了，但社区成员不仅写了更多的评论，使用了更多的反应，并且在分享的帖子上花费了更多的时间，他们也减少了这些帖子的报道。此外，职位批准并没有显著增加领导者在团队中花费的平均时间，尽管启用该设置的团队倾向于任命更多的领导者。最后，职位批准的影响因团队规模和环境的使用方式而异，例如，团队规模调节领导者在采用该环境后在团队中花费的时间是多还是少。我们的研究结果表明，可以改进主动内容审核以更好地支持在线社区。
集体智慧作为减少广泛的全球灾难性风险的基础设施
原文标题： Collective Intelligence as Infrastructure for Reducing Broad Global Catastrophic Risks
地址： http://arxiv.org/abs/2205.03300
作者： Vicky Chuqiao Yang, Anders Sandberg
摘要： 学术界和慈善界越来越关注全球灾难性风险 (GCR)，包括人工智能安全、流行病、生物安全和核战争。许多风险情况的结果取决于人类群体的表现，例如民主政府和科学界能否有效运作。我们建议将这些问题视为集体智能 (CI) 问题——如何有效地处理分布式信息。 CI 是一个跨学科的视角，其应用涉及人类和动物群体、市场、机器人群、神经元集合和其他分布式系统。在本文中，我们认为改进 CI 可以提高对各种风险的总体弹性。鉴于 GCR 缓解的优先级，CI 研究可以从开发针对全球风险的具体、实际应用程序中受益。 GCR 研究人员可以从更多地参与行为科学中受益。通过参与这些跨学科的努力，行为研究人员可以从认识到影响关键社会问题的机会中受益。
转自：网络科学研究速递
如有侵权，请联系本站删除！
