- 社會網絡中的觀念動力學：從模型到資料;
- 人類移動的可預測性狀态;
- 在量子退火爐上測試核-外圍分區的 QUBO 配方;
- Botometer 101：計算社會科學家的社交機器人嘗試;
- 實證網絡随機塊模型拟合品質的系統評估;
社會網絡中的觀念動力學：從模型到資料
原文标題： Opinion dynamics in social networks: From models to data
位址： http://arxiv.org/abs/2201.01322
作者： Antonio F. Peralta, János Kertész, Gerardo Iñiguez
摘要： 觀念是我們如何看待世界和彼此之間不可或缺的一部分。他們塑造集體行動，在民主程序、規範演變和文化變革中發揮作用。幾十年來，社會科學和自然科學的研究人員一直試圖描述個人觀點和社會交流的轉變如何導緻公衆輿論的原型狀态，如共識和兩極分化。在這裡，我們回顧了對該領域的許多貢獻中的一些，重點關注意見動态的理想化模型，并嘗試用觀察資料和受控社會學實驗來驗證它們。通過進一步縮小模型和資料之間的差距，這些努力可以幫助我們了解如何應對目前的挑戰，這些挑戰需要大量人群在複雜情況下達成一緻，例如經濟不平等、氣候變化和社會政治格局的持續斷裂.
人類移動的可預測性狀态
原文标題： Predictability states in human mobility
位址： http://arxiv.org/abs/2201.01376
作者： Diogo Pacheco, Marcos Oliveira, Zexun Chen, Hugo Barbosa, Brooke Foucault-Welles, Gourab Ghoshal, Ronaldo Menezes
摘要： 時空限制與社會結構相結合，有可能為人類流動模式創造流動的可預測性。是以，人類流動的可預測性是非單調的，并根據這種時空背景而變化。在這裡，我們提出人類流動的可預測性是一種狀态，而不是個人的靜态特征。首先，我們表明時間（一周中的）比他們通路的位置序列更能解釋人們的行蹤。然後，我們表明可預測性不僅取決于時間，還取決于個人從事的活動類型，進而确定環境在人類流動中的重要性。
在量子退火爐上測試核-外圍分區的 QUBO 配方
原文标題： Testing a QUBO Formulation of Core-periphery Partitioning on a Quantum Annealer
位址： http://arxiv.org/abs/2201.01543
作者： Catherine F. Higham, Desmond J. Higham, Francesco Tudisco
摘要： 我們提出了一種新核心，該核心可以量化計算無向網絡的核心外圍分區任務的成功。尋找相關聯的最優劃分可以用二次無限制二進制優化（QUBO）問題的形式表達，最先進的量子退火器可以應用于該問題。是以，我們利用新的目标函數來 (a) 判斷量子退火器的性能，以及 (b) 将此方法與現有的啟發式核心-外圍分區方法進行比較。量子退火是在市售的 D-Wave 機器上進行的。即使底層網絡是稀疏的，QUBO 問題也涉及一個完整的矩陣。是以，我們開發并測試了原始 QUBO 的稀疏版本，這增加了量子退火器的可用問題次元。在合成和真實資料集上都提供了結果，我們得出結論，QUBO/量子退火方法在優化這個新的感興趣數量方面提供了好處。
Botometer 101：計算社會科學家的社交機器人嘗試
原文标題： Botometer 101: Social bot practicum for computational social scientists
位址： http://arxiv.org/abs/2201.01608
作者： Kai-Cheng Yang, Emilio Ferrara, Filippo Menczer
摘要： 社交機器人已成為線上社交媒體的重要組成部分。欺騙性機器人尤其可以操縱從選舉到公共衛生等重要問題的線上讨論，進而威脅到建設性的資訊交流。它們的普遍性使它們成為一個有趣的研究課題，并要求研究人員在使用社交媒體資料進行研究時正确處理它們。是以，研究人員獲得可靠且易于使用的機器人檢測工具非常重要。本文旨在為不熟悉程式設計和機器學習的讀者提供 Twitter 上機器人檢測的公共工具 Botometer 的介紹性教程。我們介紹了 Botometer 的工作原理、使用者通路它的不同方式，并提供了一個案例研究作為示範。讀者可以使用案例研究代碼作為自己研究的模闆。我們還讨論了使用 Botometer 的推薦做法。
實證網絡随機塊模型拟合品質的系統評估
原文标題： Systematic assessment of the quality of fit of the stochastic block model for empirical networks
位址： http://arxiv.org/abs/2201.01658
作者： Felipe Vaca-Ramírez, Tiago P. Peixoto
摘要： 我們對跨越廣泛領域和大小數量級的 275 個經驗網絡的随機塊模型 (SBM) 的拟合品質進行了系統分析。我們采用後驗預測模型檢查作為評估拟合品質的标準，這涉及根據一組網絡描述符将推斷模型生成的網絡與經驗網絡進行比較。我們觀察到 SBM 能夠為所考慮的大多數網絡提供準确的描述，但不能滿足所有模組化要求。特别是，擁有大直徑和緩慢混合随機遊走的網絡往往會被 SBM 描述得很糟糕。然而，與通常假設的相反，在許多情況下，SBM 可以很好地描述具有大量三角形的網絡。我們證明了簡單的網絡描述符可用于評估 SBM 是否可以提供足夠準确的表示，可能指向可能的模型擴充，可以系統地提高此類模型的表達能力。
聲明：Arxiv文章摘要版權歸論文原作者所有，機器翻譯後由本人進行校正整理，未經同意請勿随意轉載。本系列在公衆号“網絡科學研究速遞”（netsci）和個人部落格進行同步更新。