网络营销论文（网络营销渠道论文）

原文标题： Number fluctuations induce persistent congestion

地址： http://arxiv.org/abs/2105.13396

原文标题： Mapping urban socioeconomic inequalities in developing countries through Facebook advertising data

作者： Verena Krall, Max F. Burg, Malte Schr?der, Marc Timme

摘要： 两方或双模网络的投影刻画共现，并在不同领域（例如生态学，经济学，文献计量学，政治学）中使用，以表示否则将难以或无法直接测量的单方网络。分析此类网络的关键挑战是确定观察到的共现次数是否显著。现在存在几种用于这样做的模型，因此可以用来提取二分投影的主干，但是尚未将它们彼此直接进行比较。在本文中，我们比较了五个此类模型-固定填充模型（FFM），固定行模型（FRM），固定列模型（FCM），固定度序列模型（FDSM）和随机度序列模型（SDSM）-准确性，速度，统计能力，相似性和社区检测等方面。我们发现，计算速度快的SDSM在宽范围的条件下提供了计算上不切实际的FDSM的统计保守性但非常接近的近似值，并且即使信号微弱，它也可以正确地恢复已知的社区结构。因此，尽管每个主干模型可能都有特定的应用，但我们建议使用SDSM来提取大多数二分投影的主干。

二模投影的骨干提取模型比较;整合和验证城市模拟模型;数量波动导致持续性拥塞;通过Facebook广告数据绘制发展中国家的城市社会经济不平等状况图;在线仇恨：行为动态及其与错误信息的关系;原文标题： Comparing Models for Extracting the Backbone of Bipartite Projections

地址： http://arxiv.org/abs/2105.13774

地址： http://arxiv.org/abs/2105.14005

作者： Juste Raimbault

原文标题： Online Hate: Behavioural Dynamics and Relationship with Misinformation

地址： http://arxiv.org/abs/2105.13694

摘要： 在世界各地消除一切形式的贫困是《联合国2030年议程》的第一大可持续发展目标。为了监测实现这一宏伟目标的进展，必须对社会经济指标进行可靠，最新和细粒度的测量。在社会经济发展方面，新颖的数字迹线可以提供补充的数据源，以克服传统数据收集方法的局限性，这些方法通常不定期更新且缺乏足够的空间分辨率。在这项研究中，我们收集了来自Facebook的公开和匿名广告受众估算，以精细的空间粒度预测了四个大城市地区的城市居民的社会经济状况：亚特兰大（美国），波哥大（哥伦比亚），圣地亚哥（智利）和卡萨布兰卡（摩洛哥）。我们发现，从Facebook营销平台推断出的行为属性可以准确地绘制城市居民区的社会经济状况，并且在高资源和低资源环境下的预测性能均具有可比性。我们还显示，针对年龄在25岁以上的成人Facebook用户的属性进行训练模型，可以更准确地绘制所有城市的社会经济状况。我们的工作为社交广告媒体数据对衡量人类发展的价值提供了更多证据。

摘要： 城市系统本质上是复杂的，涉及不同的维度和规模，因此涉及各种方法和科学学科。在这种情况下，城市模拟模型被认为是构建基于证据的综合城市科学必不可少的。这篇综述和立场文件综合了以前的工作，一方面集中于耦合和集成城市模型，另一方面又探索和验证了这些仿真模型。这些研究方向是针对发展综合城市理论的研究计划的补充基础，并为可持续的领土规划提供了一些应用前景。

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。本系列在公众号“网络科学研究速递”（netsci）和个人博客进行同步更新。

作者： Zachary P. Neal, Rachel Domagalski, Bruce Sahan

作者： Matteo Cinelli, Andra? Pelicon, Igor Mozeti?, Walter Quattrociocchi, Petra Kralj Novak, Fabiana Zollo

摘要： 街道的通行能力量化了交通拥堵之前车辆的最大密度。在这里，我们在一个简单的数学模型中表明，进入路段的车辆的瞬时数量的波动足以引起持续的交通拥堵。即使平均流量低于该段的容量，在没有波动的情况下也不会出现拥塞，但仍会出现拥塞。我们解释了由于平均车辆速度的自我放大降低，这种由波动引起的交通拥堵如何出现。

地址： http://arxiv.org/abs/2105.13490

原文标题： Integrating and validating urban simulation models

摘要： 在线辩论通常以极端的两极分化和用户之间的激烈讨论为特征。在线仇恨言论的存在变得越来越成问题，因此有必要制定适当的对策。在这项工作中，我们通过在大量手动注释数据上进行了微调的机器学习模型，对YouTube视频上超过一百万条评论的语料库执行了仇恨语音检测。我们的分析表明，没有迹象表明存在“串行仇恨”，意为活跃用户仅发布仇恨评论。此外，与回声室假设相一致，我们发现偏向两类视频频道（可疑，可靠）中的一种的用户更倾向于在其对手社区中使用不适当，暴力或仇恨的语言。有趣的是，忠于可靠来源的用户平均使用的语言比其使用的语言更具毒性。最后，我们发现，讨论的总体毒性随着讨论的持续时间而增加，从评论的数量和时间的角度来衡量。我们的结果表明，与戈德温定律一致，在线辩论趋向于朝着越来越有毒的观点交流退化。

作者： Serena Giurgola, Simone Piaggesi, Márton Karsai, Yelena Mejova, André Panisson, Michele Tizzoni