关于真实世界超图中高阶交互的持久性
原文标题： On the Persistence of Higher-Order Interactions in Real-World Hypergraphs
地址：
作者： Hyunjin Choo, Kijung Shin
摘要： 超图是普通图的泛化，它自然地将组交互表示为超边（即，任意大小的节点子集）。这种群体互动在许多领域无处不在：电子邮件的发送者和接收者、出版物的共同作者以及客户共同购买的物品，仅举几例。超图中的高阶交互（HOI）被定义为任何超边中一组节点的共同出现。我们的重点是 HOI 随时间重复的持久性，这自然被解释为群体关系的强度，旨在回答三个问题：(a) 现实世界超图中的 HOI 如何随时间持续存在？ (b) 影响持久性的关键因素是什么？ (c) 我们能多准确地预测持久性？为了回答上述问题，我们调查了 HOI 在 6 个域的 13 个真实世界超图中的持久性。首先，我们定义了如何衡量 HOI 的持久性。然后，我们检查持久性中的全局模式和异常，揭示幂律关系。之后，我们研究了持久性与 HOI 的 16 个结构特征之间的关系，其中一些与持久性密切相关。最后，基于 16 个结构特征，我们评估了各种设置下持久性的可预测性，并找到了持久性的强预测因子。请注意，预测 HOI 的持久性有许多潜在的应用，例如推荐一起购买的物品和预测电子邮件的丢失收件人。
网络重建和社区检测之间可以共享哪些知识？
原文标题： What Knowledge can be Transferred Between Network Reconstruction and Community Detection?
地址：
作者： Kai Wu, Chao Wang, Junyuan Chen, Jing Liu
摘要： 该论文侧重于从非线性复杂动力系统的动力学推断网络结构和社区结构，这在许多领域都很突出。已经提出了许多方法来单独解决这两个问题，但没有一个方法考虑跨这两个任务的显式共享知识。受更精确的网络结构可以促进社区发现的准确性以及更好的社区可以促进网络重建（NR）的性能这一事实的启发，本文开发了一个演化多任务框架，以充分利用这两者之间的显式共享知识任务以提高他们的表现；我们将此框架称为 EMTNRCD。在 EMTNRCD 中，我们首先将这两个任务建立为多任务 NR 和社区检测 (CD) 问题，其中一个任务是从动态重建网络结构，另一个是从动态发现社区。在EMTNRCD过程中，NR任务为CD任务显式转移了几个更好的网络结构，CD任务显式转移了更好的社区结构来辅助NR任务，提高了NR任务的重建精度和社区划分质量。 CD任务。此外，为了将知识从 NR 任务的研究转移到 CD 任务，EMTNRCD 将动力学的 CD 研究建模为在动态网络中寻找社区的问题，然后决定是否进行跨任务的知识转移。本文还为多任务 NR 和 CD 问题 (MTNRCDP) 设计了一个测试套件，以验证 EMTNRCD 的性能。实验结果表明，NR与CD联合具有协同作用。
恢复结构：自我驱动的组织网络的模块化分析
原文标题： Restoring the structure: A modular analysis of ego-driven organizational networks
地址：
作者： Robert P. Dalka, Justyna P. Zwolak
摘要： 组织网络分析 (ONA) 是一种研究正式组织内互动的方法。多年来，ONA 作为分析团队、部门和其他组织单位内部和之间发展的关系的手段，其效用得到了显著增长。这些关系的映射和量化已被证明可以深入理解信息和资源的交换、社会资本的构建以及组织内部和组织之间的文化传播。然而，传统社会科学研究中存在的关于个人身份信息 (PII) 的伦理问题在 ONA 中变得更加相关，因为网络的关系性质可能使参与者对组织管理层的身份持开放态度。为理解决这个问题，我们提出了一种通过投影没有 PII 的自我网络来生成组织组（例如单位、部门、团队）网络的方法。我们通过对结果网络的模块化分析来验证这种方法，并将识别的结构与组织的已知结构进行比较。该方法为执行 ONA 奠定了基础，ONA 只需要匿名的以自我为中心的数据来识别组织结构的大规模方面。
MDFEND：多域假新闻检测
原文标题： MDFEND: Multi-domain Fake News Detection
地址：
作者： Qiong Nan, Juan Cao, Yongchun Zhu, Yanyan Wang, Jintao Li
摘要： 虚假新闻在各个领域的社交媒体上广泛传播，从而导致政治、灾难和金融等诸多方面的现实威胁。大多数现有方法都专注于单域假新闻检测（SFND），当这些方法应用于多域假新闻检测时，导致性能不令人满意。作为一个新兴领域，多域假新闻检测（MFND）越来越受到关注。然而，数据分布，例如词频和传播模式，因域而异，即域移位。面对严重的域转移挑战，现有的假新闻检测技术在多域场景中表现不佳。因此，需要为MFND设计一个专门的模型。在本文中，我们首先设计了一个带有域标签注释的 MFND 假新闻数据集的基准，即 Weibo21，它由来自 9 个不同域的 4,488 条假新闻和 4,640 条真实新闻组成。我们进一步提出了一种有效的多域假新闻检测模型 (MDFEND)，它利用域门来聚合由专家混合提取的多个表示。实验表明，MDFEND 可以显著提高多域假新闻检测的性能。我们的数据集和代码可在 获得。
扼杀在萌芽状态：检测、传播和应对社交媒体上的仇恨言论
原文标题： Nipping in the Bud: Detection, Diffusion and Mitigation of Hate Speech on Social Media
地址：
作者： Tanmoy Chakraborty, Sarah Masud
摘要： 自从社交媒体使用激增以来，仇恨言论已成为一场重大危机。仇恨内容可以迅速传播，并营造一种痛苦和敌意的环境。此外，可被视为仇恨的内容是有上下文的，并且随时间而变化。虽然在线仇恨言论降低了已经被边化的群体自由参与讨论的能力，但离线仇恨言论会导致针对个人和社区的仇恨犯罪和暴力。仇恨言论的多面性及其对现实世界的影响已经引起了数据挖掘和机器学习社区的兴趣。尽管我们尽了最大的努力，仇恨言论仍然是研究人员和从业人员都无法回避的问题。本文提出了阻碍构建自动化仇恨缓解系统的方法论挑战。这些挑战激发了我们在打击网络上的仇恨内容的更广泛领域的工作。我们讨论了一系列我们提议的解决方案，以限制仇恨言论在社交媒体上的传播。
