文章主题：本文主要讨论了图压缩的相关问题。作者Maximilien Danisch, Ioannis Panagiotas, 和 Lionel Tabourier研究了如何针对二部图进行压缩，提出了一种对偶重排序方案，使得顶点重排序阶段适应其特定结构，从而达到更好的压缩率。此外，他们还探讨了如何利用活动行为补充传统人口普查数据以理解城市动态，并通过香农熵应用于信息论，提出了区块链交易的去中心化指数，进行了实证分析。最后，他们研究了基于区块链的去中心化经济中的可信信息来源问题，并提出了一种演化博弈论模型来解决虚假信息威胁认知安全的问题。
使用双重重新排序方案压缩二部图;使用移动数据识别潜在的活动行为和生活方式来描述城市动态;识别高阶网络中显著交互节点的最大集合;估计网络结构未知的随机实验中的总处理效果;论群体智慧预测经济指标的功效;SoK：区块链去中心化;两种威胁之间的协同作用：虚假信息和 Covid-19;TwiBot-22：迈向基于图的 Twitter Bot 检测;人工智能和 6G 进入元界：基础、挑战和未来研究趋势;保护隐私的在线内容审核：联邦学习用例;诚信 2022：社会网络和媒体的诚信;下一个新 POI 推荐的联合三元组损失学习;粒子物理学中的多样性、公平性和包容性;及时应对大流行病的医学和经济影响：确切解决方案的普遍性;可持续区块链的演化动力学;
使用双重重新排序方案压缩二部图
在现代计算机科学中，图压缩是一个重要的研究课题。对于许多实际问题，如社交网络、生物信息学和网络优化等，图的压缩可以显著减少存储空间和计算复杂度，从而提高效率。本文介绍了一种用于压缩 bipartite graph 的方法，该方法采用了一种双排序方案。具体来说，我们首先将 bipartite 图转换为 an undirected graph，然后通过执行一系列的边删除操作来压缩图。实验结果表明，我们的方法可以在较短的时间内实现有效的图压缩。此外，我们还发现，当 bipartite 图中的节点数量相对较大时，这种方法可以获得更好的压缩效果。总的来说，我们的方法为 bipartite graph 的压缩提供了一种有效的方法，并且具有较好的可扩展性。
地址： http://arxiv.org/abs/2209.12062
在本文中，作者Maximilien Danisch、Ioannis Panagiotas和Lionel Tabourier将探讨有关金融科技创新的主题。
在实际操作中，面对海量的图数据，往往需要借助图压缩技术来降低内存的使用。现有的研究报告中已经介绍了一些有效的压缩策略，尤其是针对网络图的。通常这些方法都会和顶点重新排序预处理步骤一起使用，这样可以显著提升压缩效果。然而，当考虑到其他类型的图时，这些技术的表现并不理想。本文将 focus on binary graphs，并尝试通过提出对偶重排序方案来适应其特定的图结构。具体来说，就是通过重新排序每组的顶点，以最小化某种特定得分，从而达到更高的压缩率。同时，我们也建议可以对此种方法进行进一步的优化，以便让节点排序更加适应后续的压缩阶段。
使用移动数据识别潜在的活动行为和生活方式来描述城市动态
城市动态可以通过移动数据来揭示潜在的活动行为和生活方式
地址： http://arxiv.org/abs/2209.12095
作者： Yanni Yang, Alex Pentland, Esteban Moro
城市化及其实际问题呼唤我们深入且全面地理解城市的动态特性，特别是现代城市的复杂多元生活模式。虽然数字技术能够精准捕捉到人类活动的复杂性，但其对于人口统计数据的解释力却有所不足。在本研究中，我们关注了美国11个都市区超过120万人口至110万个地点的移动访问模式，构建了一个包含隐私增强数据集的研究框架，旨在揭示我国最大城市的潜在移动行为和生活方式。尽管出行访问模式相当复杂，但我们的生活方式似乎可以自动划分为仅12种潜在行为，这些行为包括购物、饮食、工作或利用空闲时间的组合。我们发现城市居民的行为是由这12种行为组合而成的，而不是由单一的生活方式所描述。值得注意的是，我们在城市中检测到的这些潜在行为并不能通过主要的人口特征来完全解释。此外，我们还发现这些潜在行为与收入隔离、交通以及城市中的健康行为等动态因素紧密相连，即使在使用人口特征进行控制后这一点仍然成立。这一结果强调了利用活动行为来补充传统人口普查数据以理解城市动态的重要性。
识别高阶网络中显著交互节点的最大集合
在复杂网络中，高阶网络是由多个低阶网络相互连接而形成的。在这些网络中，一些节点之间的相互作用可能比其他节点更为重要，这些节点就被称为关键节点。本文旨在研究如何识别高阶网络中的最大集合 of 显著相互作用的节点。通过对高阶网络进行分析，我们可以发现哪些节点对于网络的稳定性、传输效率等性质具有最大的影响，这对于理解网络的结构以及优化网络的性能具有重要意义。
地址： http://arxiv.org/abs/2209.12712
由Federico Musciotto、Federico Battiston以及Rosario N. Mantegna合著的文章《The Role of Blockchain in Smart Cities: A Systematic Literature Review》对当前智能城市的区块链应用进行了深入探讨。在这篇文章中，作者们通过系统性地回顾相关研究，分析了区块链技术在城市发展中的关键作用。通过对现有文献的梳理与归纳，本文提出了一个全面的方法来评估区块链在智能城市中的应用潜力，并针对不同类型的城市提供了有针对性的建议。这篇文章为智能城市研究领域提供了一个有价值的参考框架，同时也为相关企业和研究机构提供了有益的启示。
在高阶网络中，我们提出并验证了一种全新的统计验证单纯形算法。这种方法可以有效地检测出最大节点集，其中的节点始终保持持续的互动，且不包含那些偶然出现但频繁参与的节点。借助于精心设计的 高阶基准，我们发现该方法对于最大集合可能被稀释为包括偶尔参与者的大规模交互系统具有显著的效果。此外，我们将此方法成功应用于两个真实世界的数据集中，进一步证明了其在检测节点具有显著相似性的高阶网络生成过程中的实用价值，为我们提供了对高阶网络的新视角。
估计网络结构未知的随机实验中的总处理效果
原文标题： Estimating Total Treatment Effect in Randomized Experiments with Unknown Network Structure
地址： http://arxiv.org/abs/2205.12803
作者： Christina Lee Yu, Edoardo M Airoldi, Christian Borgs, Jennifer T Chayes
摘要： 随机实验被广泛用于估计许多科学领域的拟议治疗的因果效应，从医学和医疗保健到物理和生物科学，从社会科学到工程学，从公共政策到整个技术行业。在这里，我们考虑了由于混杂的网络效应，估计对目标人群的总治疗效果的经典方法存在很大偏差的情况，即个人的治疗可能会影响其邻居的结果这一事实，这个问题被称为网络干扰或作为非个体化的治疗反应。在这些情况下的一个关键挑战是，网络通常是未知的，并且难以衡量或成本高昂。在本文中，我们描述了在不理解驱动干扰的网络的情况下估计总治疗效果的局限性，假设一个具有异质加性网络效应的潜在结果模型。该模型涵盖了广泛的网络干扰源类别，包括溢出、对等效应和传染。在这个框架内，我们表明，令人惊讶的是，如果在实验之前可以访问平均历史基线测量值，我们可以开发一个简单的估计器和有效的随机设计，输出一个低方差的无偏估计。我们的解决方案不需要理解底层网络结构，并且为广泛的模型提供了统计保证。我们相信，由于其易于解释和实施，以及在异构网络效应下可证明的理论见解，我们的结果有望影响当前的随机实验策略。
论群体智慧预测经济指标的功效
原文标题： On the efficacy of the wisdom of crowds to forecast economic indicators
地址： http://arxiv.org/abs/2207.08924
作者： Nilton S. Siqueira Neto, José F. Fontanari
摘要： 对群众智慧的兴趣主要源于结合专家的独立预测的可能性，希望许多专家的头脑比少数人更好。因此，如今相关的研究主题是 Vox Expertorum，而不是 Galton 最初的 Vox Populi。在这里，我们使用费城联邦储备银行的专业预测员调查来分析 15455 美元的预测竞赛，以预测各种经济指标。我们发现，作为一种结合专家估计的方法，中位数比均值具有优势：当由均值给出聚合时，人群击败预测竞赛的所有参与者的几率为 0.015 美元，而在给出聚合时则为 0.026 美元由中位数。此外，中位数总是能保证超过大多数参与者，而平均值仅在 67% 的预测中超过了大多数人。两种聚合方法平均产生 20% 的误差，必须与比赛获胜者 15% 的误差形成对比。标准时间序列预测算法 ARIMA 模型平均产生 31% 的误差。然而，由于随机选择的预测者的预期误差约为 22%，我们的结论是选择性注意是文献中报道的人群神秘高准确度最可能的解释。
SoK：区块链去中心化
原文标题： SoK: Blockchain Decentralization
地址： http://arxiv.org/abs/2205.04256
作者： Luyao Zhang, Xinshi Ma, Yulin Liu
摘要： 区块链通过在点对点网络中实现分布式信任来赋能去中心化经济。然而，令人惊讶的是，仍然缺乏广泛接受的去中心化定义或衡量标准。我们通过综合分析各个方面的现有研究，探索关于区块链去中心化的知识系统化（SoK）。首先，我们建立了一个分类法，用于从共识、网络、治理、财富和交易五个方面分析区块链去中心化。我们发现缺乏对密切表征用户行为的交易方面的研究。其次，我们将香农熵应用于信息论，提出了区块链交易的去中心化指数。我们展示了我们的指数通过模拟区块链代币转移直观地衡量了点对点交易中的去中心化程度。第三，我们应用我们的指数通过描述、预测和因果推理三种方法对 DeFi 代币转移的动态进行了实证分析。在描述性分析中，我们观察到权力下放的水平会在不同时期内收敛，而不管初始水平如何。一项跨 DeFi 应用程序的比较研究表明，交易所和借贷比跨 DeFi 应用程序的支付和衍生品更加去中心化。其次，在预测分析中，我们还发现以太坊区块链的原生代币 Ether 的更大回报预示着以 Ether 作为抵押品的稳定币的交易去中心化程度更高。第三，在因果推理的事件研究中，我们发现以太坊交易费用机制向 EIP-1559 的变化显著改变了 DeFi 交易的去中心化水平。最后，我们确定了未来的研究方向。
两种威胁之间的协同作用：虚假信息和 Covid-19
原文标题： The synergy between two threats: disinformation and Covid-19
地址： http://arxiv.org/abs/2205.07969
作者： Henrique A. Tórtura, José F. Fontanari
摘要： 可信信息来源的崩溃可能是当今最严重的问题之一，因为如果没有共同点，就不可能解决困扰我们当代世界的问题。 Covid-19 大流行只是最近的一种情况，缺乏一致的立场导致了失败和绝望。事实上，围绕 Covid-19 的虚假信息从一开始就是这场大流行的一个显著特征，并阻碍了可能是防止冠状病毒传播的最重要举措，即具有科学意识的健康之间的有效沟通当局和公众。为了研究虚假信息如何威胁认知安全，我们在此提出并分析解决了一个演化博弈论模型，其中个人必须准确估计其危险环境的某些属性。他们可以探索环境或复制另一个人的估计，后者可能会显示其估计的扭曲版本。我们发现，当环境相对安全且个人不可靠时，仅探索策略是最优的。在这种世界末日的情况下，虚假信息会侵蚀信任并抑制个人相互分享信息的能力。
TwiBot-22：迈向基于图的 Twitter Bot 检测
原文标题： TwiBot-22: Towards Graph-Based Twitter Bot Detection
地址： http://arxiv.org/abs/2206.04564
作者： Shangbin Feng, Zhaoxuan Tan, Herun Wan, Ningnan Wang, Zilong Chen, Binchi Zhang, Qinghua Zheng, Wenqian Zhang, Zhenyu Lei, Shujie Yang, Xinshun Feng, Qingyue Zhang, Hongrui Wang, Yuhan Liu, Yuyang Bai, Heng Wang, Zijian Cai, Yanbo Wang, Lijing Zheng, Zihan Ma, Jundong Li, Minnan Luo
摘要： Twitter bot 检测已成为打击错误信息、促进社交媒体节制和维护在线话语完整性的一项日益重要的任务。最先进的机器人检测方法通常利用 Twitter 网络的图结构，并且在面对传统方法无法检测到的新型 Twitter 机器人时，它们表现出可观的性能。然而，现有的 Twitter bot 检测数据集很少是基于图的，即使是这少数基于图的数据集也存在数据集规模有限、图结构不完整以及标注质量低等问题。事实上，缺乏解决这些问题的大规模基于图的 Twitter 机器人检测基准严重阻碍了新的基于图的机器人检测方法的开发和评估。在本文中，我们提出了 TwiBot-22，这是一个基于图的综合 Twitter 机器人检测基准，它提供了迄今为止最大的数据集，在 Twitter 网络上提供了多样化的实体和关系，并且具有比现有数据集更好的注释质量。此外，我们重新实现了 35 个具有代表性的 Twitter 机器人检测基线，并在包括 TwiBot-22 在内的 9 个数据集上对其进行了评估，以促进模型性能的公平比较和对研究进展的整体理解。为了促进进一步研究，我们将所有已实施的代码和数据集整合到 TwiBot-22 评估框架中，研究人员可以在其中持续评估新模型和数据集。 TwiBot-22 Twitter bot 检测基准和评估框架在 https://twibot22.github.io/ 上公开提供
人工智能和 6G 进入元界：基础、挑战和未来研究趋势
原文标题： AI and 6G into the Metaverse: Fundamentals, Challenges and Future Research Trends
地址： http://arxiv.org/abs/2208.10921
作者： Muhammad Zawish, Fayaz Ali Dharejo, Sunder Ali Khowaja, Kapal Dev, Steven Davy, Nawab Muhammad Faseeh Qureshi, Paolo Bellavista
摘要： 自从 Facebook 更名为 Meta 以来，关于 Metaverse 是什么、它是如何工作的以及利用它的可能方式，许多关注、辩论和探索都变得更加激烈。预计元界将是快速新兴的技术、用例、功能和经验的连续体，将弥补互联网的下一次发展。几位研究人员已经调查了有关人工智能 (AI) 和无线通信以实现元界的文献。然而，由于技术的迅速出现和不断演进，需要对人工智能、6G 的作用以及两者在实现元界沉浸式体验中的关系进行全面而深入的调查。因此，在本次调查中，我们首先介绍了增强现实（AR）、虚拟现实（VR）、混合现实（MR）和空间计算的背景和正在进行的进展，其次是人工智能和6G的技术方面。然后，我们通过回顾深度学习、计算机视觉和边 AI 的最新技术来调查 AI 在元界中的作用，以提取元界中 6G 的需求。接下来，我们研究了 B5G/6G 对元界的有前景的服务，然后确定了人工智能在 6G 网络和 6G 网络中人工智能在支持元界应用中的作用，以及元界对可持续性的需求。最后，我们列出了现有和潜在的应用程序、用例和项目，以强调元界进步的重要性。此外，为了向研究人员提供潜在的研究方向，我们强调了从上述技术的文献回顾中发现的挑战、研究差距和经验教训。
保护隐私的在线内容审核：联邦学习用例
原文标题： Privacy-Preserving Online Content Moderation: A Federated Learning Use Case
地址： http://arxiv.org/abs/2209.11843
作者： Pantelitsa Leonidou, Nicolas Kourtellis, Nikos Salamanos, Michael Sirivianos
摘要： 用户每天都会在各种社会网络平台上接触到大量有害内容。一种解决方案是使用机器学习技术开发在线审核工具。但是，在线平台对用户数据的处理需要遵守隐私政策。联邦学习 (FL) 是一种 ML 范式，其中训练在用户设备上本地执行。尽管 FL 框架在理论上符合 GDPR 政策，但仍然可能发生隐私泄露。例如，访问最终训练模型的攻击者可以成功地对属于参与训练过程的用户的数据进行不必要的推理。在本文中，我们提出了一种包含差分隐私 (DP) 的在线内容审核隐私保护 FL 框架。为了证明我们方法的可行性，我们专注于检测 Twitter 上的有害内容——但整体概念可以推广到其他类型的不当行为。我们以 FL 方式模拟了一个文本分类器，它可以检测包含有害内容的推文。我们表明，对于 DP 和非 DP FL 版本，所提出的 FL 框架的性能可以接近集中式方法。此外，即使少量客户端（每个客户端都有少量数据点）可用于 FL 训练，它也具有高性能。当减少客户端数量（从 50 到 10）或每个客户端的数据点（从 1K 到 0.1K）时，分类器仍然可以达到 ~81% AUC。此外，我们将评估扩展到其他四个 Twitter 数据集，这些数据集刻画了不同类型的用户不当行为，并且仍然获得了有希望的性能（61% – 80% AUC）。最后，我们探讨了 FL 训练阶段用户设备上的开销，并表明本地训练不会引入过多的 CPU 利用率和内存消耗开销。
诚信 2022：社会网络和媒体的诚信
原文标题： Integrity 2022: Integrity in Social Networks and Media
地址： http://arxiv.org/abs/2209.11867
作者： Lluís Garcia-Pueyo, Panayiotis Tsaparas, Anand Bhaskar, Prathyusha Senthil Kumar, Roelof van Zwol, Timos Sellis, Anthony McCosker, Paolo Papotti
摘要： 这是继第 13 和第 14 届 ACM 网络搜索和数据挖掘会议 (WSDM) 成功举办的前两次研讨会之后，第三版社会网络和媒体诚信研讨会（Integrity 2022）的提案2020 年和 2021 年。研讨会的目标是将研究人员和从业者聚集在一起，讨论社会网络和社交媒体平台中的内容和交互完整性挑战。该活动包括 (1) 来自学术界和工业界的 Integrity 社区知名成员的一系列受邀演讲，(2) 征集演讲和海报的论文，以及 (3) 与演讲者的小组讨论。
下一个新 POI 推荐的联合三元组损失学习
原文标题： Joint Triplet Loss Learning for Next New POI Recommendation
地址： http://arxiv.org/abs/2209.12162
作者： Nicholas Lim, Bryan Hooi, See-Kiong Ng, Yong Liang Goh
摘要： User-POI 矩阵的稀疏性是下一个 POI 推荐的一个公认问题，它阻碍了用户偏好的有效学习。着眼于问题的更细粒度的扩展，我们为下一个新的（N^2）POI 推荐任务提出了一个联合三元组损失学习（JTLL）模块，该任务更具挑战性。我们的 JTLL 模块首先从用户的历史 POI 访问序列中计算额外的训练样本，然后提出设计的三元组损失函数，以根据它们各自的关系来减少和增加 POI 和用户嵌入的距离。接下来，JTLL 模块与最近的方法联合训练，以额外学习推荐任务的未访问关系。在两个已知的真实世界 LBSN 数据集上进行的实验表明，我们的联合训练模块能够提高最近现有工作的性能。
粒子物理学中的多样性、公平性和包容性
原文标题： Diversity, Equity, and Inclusion in Particle Physics
地址： http://arxiv.org/abs/2209.12377
作者： C. Bonifazi, J.S. Bonilla, M.-C. Chen, Y.H. Lin (Conveners), K.A. Assamagan, E.V. Hansen, S. Meehan, E. Smith
摘要： 为了达到最高水平的智力卓越，需要最大程度的多样性。然而，由于不公正的制度和社会障碍，粒子物理学领域仍然是最不多样化的领域之一，严重限制了我们科学成就的潜力。为了使包括加速器科学和工程领域在内的美国粒子物理学界保持在全球科学领导地位的最前沿，我们的社区必须紧急和勤奋地采取行动，以改善多样性、公平、包容、和可访问性 (DEIA)。本报告总结了 Snowmass 2021 社区参与前沿 (CEF3) 的多元化和包容性专题组的社区贡献和建议。
及时应对大流行病的医学和经济影响：确切解决方案的普遍性
原文标题： Medical and economic implications of timely pandemic countermeasures: Generality of the exact solution
地址： http://arxiv.org/abs/2209.12805
作者： Tsuyoshi Hondou
摘要： 平衡大流行控制和经济学对科学来说是一项挑战，因为假设特定经济条件的数值分析会使获得可预测的一般发现变得复杂。在这项研究中，我们制定了一个理论框架并分析证明，通过及时采取适度措施，可以协调医疗效果和经济影响。我们还解释说，这个结果是“经济不可逆性”的一般发现的结果，通过将其与热力学进行比较。一般不等式为如何实施措施提供了指导原则。
可持续区块链的演化动力学
原文标题： Evolutionary Dynamics of Sustainable Blockchains
地址： http://arxiv.org/abs/2209.12809
作者： Marco Alberto Javarone, Gabriele Di Antonio, Gianni Valerio Vinci, Luciano Pietronero, Carlo Gola
摘要： 区块链的能源可持续性，其共识协议基于工作量证明，引发了激烈的辩论。根本问题在于验证加密资产交易所需的高能耗过程（定义为挖矿）。挖矿是解决密码难题的过程，受到获得奖励的可能性的激励。执行挖矿的用户（即矿工）数量越多，区块链的整体电力消耗就越高。因此，挖掘构成了负面的环境外部性。在这里，我们研究矿工的利益是否能够满足抑制能源消耗的集体需求。为此，我们介绍了加密资产博弈，即一种基于演化博弈论框架的模型，旨在研究其主体人可以扮演加密资产用户或矿工的群体动态。挖掘的能源消耗会影响这两种策略的收益，代表矿工的直接成本和加密资产用户的环境因素。通过数值模拟研究的建议模型表明，在某些情况下，主体群体可以达到优化全球能源消耗的策略配置文件，即由低密度的矿工组成。总而言之，基于工作量证明的区块链能否在能量上可持续发展？我们的结果表明，区块链协议参数可能在该技术的全球能源消耗中发挥相关作用。
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。
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号AIGC666aigc999或上边扫码，即可拥有个人AI助手！
