Arxiv网络科学论文摘要31篇(2019-11-14)
- 外场影响下意见动态的不完全分岔;
- 在线协同路由机制协调小组形成;
- 综合使用领域无关和特定领域词嵌入分类灾害期间相关社交媒体帖子;
- 生物相关的化学空间的加权网络分析;
- 获得推荐并不总是更好;
- 查找社会媒体巨魔:快速演化的网上辩论动态关键字选择方法;
- 多层网络的级联失败的深度穿透和范围扩展;
- 图神经网络结构的选择;
- 挖掘城市生活方式:城市计算、人类行为和推荐系统;
- 使用多模式图边变分自编码器进行社会网络关系学习;
- 注意力空间-社交集团推荐;
- 多模体GAN(MMGAN):针对性模体的图生成与预测;
- 用于人类群体时空建模的活动序列生成和分类;
- 社会媒体网络阿拉伯语情感分析:系统映射研究;
- 使用演化算法提取判别结构子网络用于筛选ASD;
- 扩散改善图学习;
- 通过传播可靠的相似性进行网络对齐;
- 社会网络中的公平处理分配;
- 保护隐私能够实现社会网络竞争性扩散的“共存均衡”;
- UrbanRhythm:揭示移动数据中隐藏的城市动态;
- 社交媒体流概念漂移自适应的物理事件检测;
- 利用人工神经网络进行Tweet垃圾消息分类的相关特征选择;
- 含时图核用于传播过程分类;
- 线上变得负面?社会媒体负面广告研究;
- 潜空间模型用于大规模网络异常检测;
- 重新审视人与自然动力学模型;
- 使用符号网络分析疾病爆发的动力学性质;
- 使用格兰杰网络进行远期城市犯罪和国际恐怖主义活动的事件级预测和响应模拟;
- 文化传播的Axelrod模型同意阈值;
- 利用社会认知绘图确定儿童同伴组的假阳性;
- 重组:一族重新分配的马尔可夫链;
外场影响下意见动态的不完全分岔
原文标题: Imperfect bifurcations in opinion dynamics under external fields
地址: http://arxiv.org/abs/1911.05124
作者: Francisco Freitas, Allan R. Vieira, Celia Anteneodo
摘要: 我们调查,外场如广告和宣传,通过动力学交换模式,对舆论动态的影响。我们地址在两个相反的替代品可以选择,但优柔寡断的可能性也存在的情况。在这个模型中,个人通过两两相互作用,它可以同意或不同意的相互影响,而且也有可能扭曲决策外场。两个参数被用于与场的相互作用进行建模:一个措施来影响个体的敏感性,另一量词在哪个方向。我们在一个完全连接的社会网络场景中学习这种模式,通过从平均场速率方程推导动能交换动力学数值模拟和分析结果的手段。我们展示的外部偏置如何引起不完善的分岔,并风口浪尖的灾难,使依赖于人际交往和对外部影响力分歧的水平急剧变化和滞后。
在线协同路由机制协调小组形成
原文标题: Coordination Group Formation for OnLine Coordinated Routing Mechanisms
地址: http://arxiv.org/abs/1911.05159
作者: Wang Peng, Lili Du
摘要: 这项研究认为,旅行途中的集体路径选择代表自己的网络线路的竞争的分辨率。那么理解这种竞争和协调它们的路径选择帮助缓解城市交通拥堵。尽管现有的研究开发这种机制(例如,客户关系管理[1]),我们仍然缺乏定量的方法来评估协调悔罪,并确定适当的协调组(CG)实施CRM。因此,当有许多选择,在旅客实现他们打望而却步计算难度。通过这种观点Motived,本研究开发的数学方法来量化两者之间,多的旅客之间的协调潜力。接下来,我们开发的自适应基于质心的聚类算法(ACCA),其将旅客途中在本地网络划分为CG的,每一个适当大小,以及较强的协调潜力。此外,ACCA在统计学上固定到停在一个局部最优群集解决方案,其平衡了内群集和群集间协调的潜力。它可以通过并行计算来实现加速其运算效率。此外,我们提出了一种基于协调路由机构(CB-CRM),它实现了在每个单独的CG一个CRM集群。对双方苏福尔斯和哈迪城市网络建设的数值试验表明,ACCA有效工作,形成适当的协调组,以便相比,CRM,在CB-CRM显著改进了与大型网络系统的细微的性能损失计算效率。这个优点成为在高渗透力和拥挤的交通状况更加明显。最后,实验验证了ACCA的良好功能,以及实现并行计算的价值。
综合使用领域无关和特定领域词嵌入分类灾害期间相关社交媒体帖子
原文标题: Classifying Relevant Social Media Posts During Disasters Using Ensemble of Domain-agnostic and Domain-specific Word Embeddings
地址: http://arxiv.org/abs/1911.05165
作者: Ganesh Nalluru, Rahul Pandey, Hemant Purohit
摘要: 作为一种通信手段的使用社交媒体在最近几年已显著上升。有过讨论的不同主题的信息流,这是在不同领域广泛过多。信息共享的难易程度有所提高有关数据流一起被诱发的噪声数据。找到这样的相关数据是非常重要的,尤其是当我们处理像灾难时关键领域。这也是更重要的实时设定要及时处理过滤的相关数据,并利用决策支持的信息。不过,短期文本和社交媒体数据有时不通自然挑战的背景信息线索的提取,这可以帮助区分相关与不相关的信息。本文介绍了在灾难事件的新方法进行分类相关的社交媒体帖子ensembling两个特定领域的字的嵌入的功能以及更通用域名无关字的嵌入。因此,我们开发和评估使用的嵌入字的组合来有效地分类相关的社交媒体帖子整合不同的语义表示混合动力功能的工程框架。所提出的分类框架的应用可以帮助在规模大,过滤公共职位给社交媒体帖子近年来不断普及。
生物相关的化学空间的加权网络分析
原文标题: Weighted Network Analysis of Biologically Relevant Chemical Spaces
地址: http://arxiv.org/abs/1911.05259
作者: Mariko I. Ito, Takaaki Ohnishi
摘要: 在化学信息学,化合物的空间网络表示已经被广泛提出。其中,阈值的网络由代表分子节点。在这个网络中的表示中,两个分子通过一个链接,如果Tanimoto系数,相似度测量,在它们之间超过预设阈值相连接。然而,阈值的网络的拓扑结构是由预先设定的阈显著影响。在这项研究中,我们收集了生物学相关的化合物和生物活性的数据。我们定义了加权网络,其中节点之间的每个链路的权重等于生物活性化合物(节点)之间的Tanimoto系数不使用阈值。我们研究了链路连接的强度和加权网络中的生物活性亲密的关系。我们发现有显著高或低的生物活性,化合物具有高于整体网络中的更强的连接。
获得推荐并不总是更好
原文标题: Getting recommendation is not always better
地址: http://arxiv.org/abs/1911.05282
作者: Zeynep B. Cinar, Haluk O. Bingol
摘要: 我们目前重复囚徒困境博弈的扩展版本,其中以有限的记忆药剂收到有关未知的对手来决定是否玩的建议。因为主体可以收到同样的对手不止一个建议,他们必须评估的建议,根据自己的性格,如乐观的,悲观的,还是现实主义者。他们一直在他们的记忆他们的第一手经验。由于主体商的内存有限,他们必须使用不同的遗忘策略。我们的研究结果显示,越来越建议并不总是更好执行。我们观察到的现实主义表现最好和乐观的恶化。
查找社会媒体巨魔:快速演化的网上辩论动态关键字选择方法
原文标题: Finding Social Media Trolls: Dynamic Keyword Selection Methods for Rapidly-Evolving Online Debates
地址: http://arxiv.org/abs/1911.05332
作者: Anqi Liu, Maya Srikanth, Nicholas Adams-Cohen, R. Michael Alvarez, Anima Anandkumar
摘要: 在线骚扰是一个显著的社会问题。网上骚扰的预防需要骚扰,攻击和否定社交媒体文章的快速检测。在本文中,我们建议使用字嵌入模式在两个方面,以确定攻击和骚扰社交媒体消息:检测更有效的数据采集快速变化的主题和代表不同领域的字的语义。我们证明有初步结果,使用手套(全球矢量字代表)模式有利于新和相关的关键字,发现用于数据收集和曳检测。我们纸的研究议程的讨论,进一步开发和测试字嵌入模型的社会化媒体的骚扰和曳鉴定结论。
多层网络的级联失败的深度穿透和范围扩展
原文标题: Depth penetration and scope extension of failures in the cascading of multilayer networks
地址: http://arxiv.org/abs/1911.05338
作者: Wen-Jun Jiang, Run-Ran Liu, Chun-Xiao Jia
摘要: 真实世界的复杂系统总是彼此,这会导致这些系统在随机故障或恶意攻击的情况下,雪崩或级联的方式崩溃互动。多层网络的鲁棒性已经引起了极大的兴趣,在建模和理论研究,其中始终依靠多层网络和渗透方法的概念。一个直接的和隐性的假设是,通过网络层的相互依存关系是强的,这意味着一个节点将完全与除去的所有链路的如果相互依赖邻居之一失败失败。但是,这种过于简单化无法描述真实世界的多层系统在网络层交互的一般形式。在本文中,我们揭示了与整个网络层任意相互依赖实力一般的多层网络的雪崩解体的性质。具体来说,我们鉴定了整个系统的雪崩过程可以基本上在失败的传播方向而言被分解成两个微观级联动力学:穿透深度和范围扩展。在穿透深度的过程中,故障传播从层到层,其中更大的失败节点的数目是,更大的破坏力将一个相互依赖组中出现。在范围扩展的过程中,故障传播与每个网络层去除连接。下两个过程的协同作用,我们发现,该系统的渗滤过渡可以是不连续的或连续的在跨网络层中的相互依赖性强度的变化,这意味着突然全系统的崩溃可通过控制跨网络的相互依赖性强度来避免层。
图神经网络结构的选择
原文标题: On the choice of graph neural network architectures
地址: http://arxiv.org/abs/1911.05384
作者: Clément Vignac, Guillermo Ortiz-Jiménez, Pascal Frossard
摘要: 图表上的神经网络的开创性作品主要针对具有很少观察到的标签和高维信号半监督节点分类的问题。随着图网络的发展,这个设置已经成为一个研究显著体事实上标杆。有趣的是,几部作品最近表明,图表神经网络不低于预定义的低通滤波器,然后在这些特定设置的线性分类性能要好得多。然而,在高维空间小数据中学习时,它是不奇怪的简单和重正规化的学习方法是接近最优的。在本文中,我们经验表明,在用更少的功能和更多的培训数据的设置,更复杂的图网络显著超越简单的架构,并提出了一些见解朝至图神经网络结构的正确选择。我们终于勾勒设计和研究新的图类型的神经网络在使用足够的多样性基准(包括低维信号以及)的重要性。
挖掘城市生活方式:城市计算、人类行为和推荐系统
原文标题: Mining urban lifestyles: urban computing, human behavior and recommender systems
地址: http://arxiv.org/abs/1911.05464
作者: Sharon Xu, Riccardo Di Clemente, Marta C. González
摘要: 在过去十年中,数字时代已经大幅重新定义我们研究人类行为的方式。随着数据存储和传感技术,电子记录的进步,现在涵盖人类活动的多谱,从位置数据,电话和电子邮件沟通,维基百科和Twitter的OpenStreetMap的活动和开源的贡献。特别是个别消费者的购物和流动形态的研究已经给了更深入观察的生活方式和区域基础设施的潜力。刷卡记录(的CCR)提供详细的洞察购买行为,并已发现有消费者购物模式内在的规律性;呼叫详细记录(CDR)提供新的机遇,以了解人类的流动性,分析财富和社会网络动力学模型。在本章中,我们共同先进个人的生活方式,具有较高的可变性一个更具挑战性的问题相比,城市区域的聚集行为。使用集体矩阵分解,我们提出的生活方式的一个统一的双视图。了解这些生活方式不仅将通知商业机会,同时也帮助政策制定者和非营利组织了解的特点和整个区域的需求,以及该区域内的个人。这个范围有针对性的广告和促销的数字金融服务的低收入群体中扩散的应用。
使用多模式图边变分自编码器进行社会网络关系学习
原文标题: Relation Learning on Social Networks with Multi-Modal Graph Edge Variational Autoencoders
地址: http://arxiv.org/abs/1911.05465
作者: Carl Yang, Jieyu Zhang, Haonan Wang, Sha Li, Myungwan Kim, Matt Walker, Yiou Xiao, Jiawei Han
摘要: 虽然节点语义已经在社会网络中得到了广泛的研究,研究很少受到人们的重视,以轮廓边的语义,即社会关系。理想的边沿语义不应该只显示两个用户连接,而且为什么他们互相认识,他们共同分享。然而,在社会网络关系往往很难轮廓,由于嘈杂的多模态信号和有限的用户生成的地面实况标签。在这项工作中,我们的目标是建立一个统一的,有原则的框架,可以在嘈杂和不完整的数据存在整合多模态信号的用户简档的关系作为社会网络中的边语义。我们的框架也是对有限的或缺少监督灵活。具体而言,我们假设倍数关系的每个用户链路底层的潜分布,并与多模态图的边变自动编码学习它们。我们编码具有的曲线图卷积网络的网络数据,并解码与多个重建网络任意信号。在两个公共DBLP作家网和两个内部LinkedIn网络成员大量的实验和案例研究表明我们提出的模型的卓越效能和效率。
注意力空间-社交集团推荐
原文标题: Attentive Geo-Social Group Recommendation
地址: http://arxiv.org/abs/1911.05466
作者: Fei Yu
摘要: 社会活动互动发挥,因为他们在人们的日常生活中发挥重要作用。对于基于社会活动的建议,这是至关重要的不仅有活动信息,而且个人的社会关系。由于地理社会网络和广泛的使用位置感知移动设备,海量的地理社交数据现在是容易获得通过推荐系统开发。在本文中,一组新推荐的方法,称为细心地缘社会团体的建议,提出了建议与这两个活动地点和一组可参加活动的用户的目标用户。我们目前的注意力机制,在满足社会约束候选用户群体的目标用户 u_T 影响模型。它有助于获取最佳的用户组和活动的主题候选人,以及解释了群体决策过程。一旦用户组和主题检索,一种新颖的有效的空间查询算法SPA-DF被用于确定给定用户组和活动主题候选的约束下的活性位置。该方法在现实世界的数据集进行评估,实验结果表明,该模型显著优于基准方法。
多模体GAN(MMGAN):针对性模体的图生成与预测
原文标题: Multi-MotifGAN (MMGAN): Motif-targeted Graph Generation and Prediction
地址: http://arxiv.org/abs/1911.05469
作者: Anuththari Gamage, Eli Chien, Jianhao Peng, Olgica Milenkovic
摘要: 生成图模型创建模拟真实世界的网络性质的图的实例。生成模型是成功的,在保持两两协会在基础网络,但往往不能称为网络模体捕获更高阶的连接模式。不同类型的图包含不同的网络模体,其中的一个例子是经常出现在社会和生物网络三角形。这是至关重要的,因此捕捉到这些更高级的结构准确地模拟真实世界的网络。我们建议多MotifGAN(MMGAN),一个主题,有针对性剖成对抗性网络(GAN)一般化基准NetGAN方法。泛化由组合多个偏置随机游动,其中的每一个捕获不同基序的结构。 MMGAN性能优于NetGAN在创建新的图表,准确地反映输入的曲线图,如Citeseer,科拉和Facebook的网络基序的统计信息。
用于人类群体时空建模的活动序列生成和分类
原文标题: Generation and Classification of Activity Sequences for Spatiotemporal Modeling of Human Populations
地址: http://arxiv.org/abs/1911.05476
作者: Albert M Lund, Ramkiran Gouripeddi, Julio C Facelli
摘要: 人类活动包括一系列难以模型复杂的时空过程,但代表了人类暴露评估的重要组成部分。像美国时间利用调查(ATUS)一个显著的经验数据源可以被利用来人类活动的模式,但易处理的模型需要的活动数据的更好的分层,告知不同,但表现出类似的活动和流动形态的个人分类的群体。我们已经从现有机器学习算法,其能够从所述ATUS数据生成相干和活性的随机序列的开发了一种简单的无监督分类和序列生成方法。这种分类,在任何时空曝光曲线相结合,使曝光模体随机模型为具有类似的活动行为的个人团体的发展。
社会媒体网络阿拉伯语情感分析:系统映射研究
原文标题: Sentiment Analysis for Arabic in Social Media Network: A Systematic Mapping Study
地址: http://arxiv.org/abs/1911.05483
作者: Mohamed Elhag M. Abo, Ram Gopal Raj, Atika Qazi, Abubakar Zakari
摘要: 随着互联网和社交媒体招标的扩大,阿拉伯语情感分析(ASA)已假定在文本挖掘研究领域的显著位置,并一直保持用于探索用户的约交谈过的服务,各种产品或主题的情绪互联网。这种映射设计了全面调查论文人口,生育,和ASA研究领域的方向。此外,计划分析当前ASA技术和发现的研究动向。本文介绍了51个初选研究(PSS)与循证系统方法的批准,以确保处理的所有相关文件处理的系统映射研究(SMS)。分析结果显示,由于被发现2015年三,主要研究方面的ASA的研究领域,每年出版物的数量都增加,即验证,解决方案和评价研究,以解决方案的研究变得比其他类型的研究更多的治疗。因此许多贡献方面被挑选出来。在总体中,ASA研究领域的一般人口中强调和讨论
使用演化算法提取判别结构子网络用于筛选ASD
原文标题: Extracting a Discriminative Structural Sub-Network for ASD Screening using the Evolutionary Algorithm
地址: http://arxiv.org/abs/1911.05484
作者: M. Amin, F. Safaei, N. S. Ghaderian
摘要: 自闭症谱系障碍(ASD)是破坏一个人的社会交际能力的最显著神经系统疾病之一。神经影像学技术的进步和发展做出了可能的大脑区域的结构网络的建设。在本文中,使用演化算法寻找判别子网后,简单的子网络的功能使我们在诊断各学科与合理的精确度(平均76%)自闭症。相比以往的研究此方法产生基本上更好的结果。因此,这种方法可以用作在自闭症筛选准确援助
扩散改善图学习
原文标题: Diffusion Improves Graph Learning
地址: http://arxiv.org/abs/1911.05485
作者: Johannes Klicpera, Stefan Weißenberger, Stephan Günnemann
摘要: 图卷积是大多数图神经网络(GNNS)的核心,通常是通过直接(单跳)邻居之间的消息传递近似。在这项工作中,我们会删除只用通过引入强大的,但空间局部图卷积的直接邻居的限制:图扩散卷积(GDC)。其中GDC杠杆广义曲线扩散,实例是热内核和个性化的PageRank。它减轻了真正的图嘈杂,经常任意定义边的问题。我们表明,GDC密切相关,基于谱的模型,因此结合了空间(消息传递)和谱方法的优势。我们证明替代消息图表扩散卷积一贯线索传递给显著的性能提升在大范围的机型上都监督和无监督的任务和各种数据集。此外,GDC不限于GNNS而是可以平凡用而无需对后者的任何改变或影响它的计算复杂性的任何基于图的模型或算法(例如,谱聚类)结合。我们的实现是在网上提供。
通过传播可靠的相似性进行网络对齐
原文标题: Network Alignment by Propagating Reliable Similarities
地址: http://arxiv.org/abs/1911.05486
作者: Zirou Qiu, Ruslan Shaydulin, Xiaoyuan Liu, Yuri Alexeev, Christopher S. Henry, Ilya Safro
摘要: 网络模型的各种跨不同领域的复杂现象。在许多应用中,核心问题之一是如何使两个或多个网络来推断节点之间的相似性和发现潜在的对应关系。在本文中,我们提出了完全依赖于底层图结构的网络比对算法。下我们定义的规则指导下,我们计算一对交叉网络顶点的迭代根据他们的邻里之间的相似性。然后将所得的跨网相似度矩阵用于推断其编码对准的置换矩阵。我们提高常用的后处理工序(本地搜索)通过引入基于顶点不匹配的水平的新的选择规则的性能。通过大量的数值实验,我们表明,我们的比对算法的一个额外的对数因子的成本优于对准精度方面国家的最先进的对准方法。
社会网络中的公平处理分配
原文标题: Fair treatment allocations in social networks
地址: http://arxiv.org/abs/1911.05489
作者: James Atwood, Hansa Srinivasan, Yoni Halpern, D Sculley
摘要: 传染病传播的模拟长期以来一直用于了解疫情如何发展以及如何有效地对待他们。然而,相对很少受到人们的重视,以了解不同的治疗策略的公平性的影响 - 即,如何可能这样的策略差异的人口分布在不同亚群或社区预期疾病负担?在这项工作中,我们定义的精确控制疾病的问题 - 在一个一步一步的时尚社会网络优化分配疫苗的问题 - 我们使用ML公平适应度房,模拟疫情控制和来自一个研究它效率和公平的观点。然后,我们提出几个不同的环境中探索性分析和讨论不同的治疗策略的公平性的影响。
保护隐私能够实现社会网络竞争性扩散的“共存均衡”
原文标题: Preserving privacy enables "co-existence equilibrium" of competitive diffusion in social networks
地址: http://arxiv.org/abs/1911.05492
作者: Jun Zhao, Junshan Zhang
摘要: 随着社交媒体的出现,不同的公司往往同时促进竞争的产品对于字的口碑扩散和通过社会网络用户。对于有竞争力的扩散这样的情况下,之前的研究表明,较弱的产品将成为绝响(即“赢者通吃”)。这是耐人寻味的观察,在实践中,然而,竞争产品,如iPhone和Android手机,经常在市场上共存。这种差异可能是由许多因素,如现象在现实世界中,用户可能不传播它使用的产品,由于产品或隐私保护的不满。在本文中,我们结合用户的隐私进行传播行为分为两个产品竞争力的扩散和发展问题的配方秘密感知竞争力的扩散。然后,我们证明了隐私保护机制,可以使“共存的平衡”在全球社会网络竞争力的扩散(即两个相互竞争的产品的平衡共存)。除了严格的分析,我们也证明了我们有超过真实的网络拓扑结构的实验结果。
UrbanRhythm:揭示移动数据中隐藏的城市动态
原文标题: UrbanRhythm: Revealing Urban Dynamics Hidden in Mobility Data
地址: http://arxiv.org/abs/1911.05493
作者: Sirui Song, Tong Xia, Depeng Jin, Pan Hui, Yong Li
摘要: 了解城市动态,即类型和城镇居民中随时间的城市化活动的强度,是如何建立一个高效,宜居城市的迫切需求的。尽管如此,这是由于不断扩大的城市人口和居民的复杂空间分布的挑战。在本文中,揭示城市动态,我们提出了一个新颖的系统UrbanRhythm揭示城市动态隐藏在人类移动性数据。 UrbanRhythm解决三个问题:1)应在城市中使用,以目前居民对高维活动什么的移动功能? 2)什么是城市动态的基本组成部分? 3)什么是城市动态的长期的周期性和短期规律性?在UrbanRhythm,我们提取住,离开,到达流动性的三个属性,并使用图像处理方法Saak变换来计算迁移率分布特征。对于第二个问题,有几个城邦由分层聚类为城市动态,比如睡眠状态和工作状态的基本组件识别。我们进一步表征城市动态为沿时间轴城邦的变换。对于第三个问题,我们直接观察到从可视化城市动态的长期周期性。那么对于短期规律性,我们设计了一个新颖的主题分析方法,发现模体以及他们的层次关系。我们根据应用程序使用记录,评估我们提出了两个现实生活中datesets系统和验证结果。这项研究阐明了隐藏在人才流动城市动态,并且可以进一步铺平道路,为更复杂的移动行为的建模和深入理解城市的方式。
社交媒体流概念漂移自适应的物理事件检测
原文标题: Concept Drift Adaptive Physical Event Detection for Social Media Streams
地址: http://arxiv.org/abs/1911.05494
作者: Abhijit Suprem, Aibek Musaev, Calton Pu
摘要: 事件检测一直是一个静态数据集的假设操作物理传感器的领域。社交媒体和网络接入的流行导致社会或人体感应传感器谁在全球范围内报告事件的出现。这是值得发展,可以采取超过3十亿社会用户提供的真正的密集和高时空分辨率数据的优势,事件检测器。概念漂移的现象,这会导致与主题相关的时间来改变在条件和信号,使静态的机器学习效果不佳。为此,我们提出了一个社会的传感器物理事件检测改善传统的物理事件检测与概念漂移适应的应用程序。我们的方法自动连续更新自己的机器学习分类,而不需要人工干预。它从异构数据源集成的数据和设计每个事件周围的10个职位中除了与数十万事件帖子的大信号事件(飓风,地震)来处理弱信号的事件(山体滑坡,森林火灾)。我们证明了我们的应用程序中的滑坡检测器,检测几乎350%以上的土地幻灯片相比静态方法。我们的应用程序具有较高的性能:使用在2014年训练的分类,实现了0.988事件检测精度,相比于0.762静态方法。
利用人工神经网络进行Tweet垃圾消息分类的相关特征选择
原文标题: Correlated Feature Selection for Tweet Spam Classification using Artificial Neural Networks
地址: http://arxiv.org/abs/1911.05495
作者: Prakamya Mishra
摘要: 垃圾邮件的识别是社会网络的一个非常具有挑战性的任务,由于其庞大的规模和复杂性。本文的目的是进行垃圾邮件在Twitter上的分析。分类垃圾邮件有效,有必要先了解垃圾推特的功能,以及识别垃圾邮件发送者的属性。我们同时抽取基于鸣叫的功能和基于用户的功能,为我们的分析和观察这些特征的关系。这一步是必要的,因为我们可以减少培训时间,如果我们结合高度相关的特征。要执行我们的分析中,我们采用人工神经网络和训练模式,以微博为垃圾邮件和非垃圾邮件分类。当与其他四个分类SVM,核SVM,k近邻和人工神经网络相比,使用相关性的人工神经网络为我们提供了97.57 %,最高的精度。
含时图核用于传播过程分类
原文标题: Temporal Graph Kernels for Classifying Dissemination Processes
地址: http://arxiv.org/abs/1911.05496
作者: Lutz Oettershagen, Nils M. Kriege, Christopher Morris, Petra Mutzel
摘要: 许多真实世界的图或网络是暂时的,例如,在社会网络的人只有相互作用在特定时间点。此信息指示在网络上传播的过程,比如谣言,假新闻,或疾病的传播。然而,对于监督分类图表的当前状态的最先进的方法主要设计用于静态图和可能无法捕捉到的时间信息。因此,他们没有足够强大的图造型各异的传播过程进行区分。为了解决这个问题,我们引入了一个框架,提升标准图内核的时间域。具体来说,我们探索三种不同的方法和调查的时间信息和效率损失之间的权衡。此外,处理大型图,我们提出可证明的近似保证我们的内核的随机变量。我们评估我们在广泛的现实世界的社会网络的方法。我们的方法大幅度的准确性方面击败静态内核,同时仍然可扩展到大量的图表和数据集。因此,我们确认,服用时间信息考虑进去是对传播过程的成功至关重要的分类。
线上变得负面?社会媒体负面广告研究
原文标题: Going Negative Online? -- A Study of Negative Advertising on Social Media
地址: http://arxiv.org/abs/1911.05497
作者: Hongtao Liu
摘要: 越来越多的实证研究表明,负面广告是有效的宣传,而机构也很少提及。剑桥大学的analytica和Brexit和2016年总统选举中落后俄罗斯干预的丑闻,人们已经意识到社交媒体上的政治广告,并有高压国会限制对社交媒体的政治广告。继相关立法,社交媒体公司开始披露他们的政治广告的2018年夏季透明度归档当中期选举竞选活动才刚刚开始。这项研究收集在美国中期选举的背景下,相关的政治广告的数据自8月以来研究这些广告在社交媒体和用途台机器学习方法政治广告来进行情感分析的总体格局的负面广告分类。的新方法被应用于使用AI图像识别学习的图像数据。通过数据可视化,这项研究表明,负面广告仍然是少数,共和党的广告商和第三方机构更有可能从事比他们的同行负面广告。基于有序回归,这项研究发现,愤怒诱发信息搜索是造成负面广告,使之更具吸引力和有效的,而不是负偏压理论的主要机制之一。总体而言,这项研究提供了通过应用创新的数据科学方法在社交媒体上的政治广告的独特理解。进一步的研究可以扩展的结果,方法和数据集在这项研究中,一些建议供未来研究。
潜空间模型用于大规模网络异常检测
原文标题: Anomaly Detection in Large Scale Networks with Latent Space Models
地址: http://arxiv.org/abs/1911.05522
作者: Wesley Lee, Tyler H. McCormick, Joshua Neil, Cole Sodja
摘要: 我们在大型,稀疏的网络开发导向的行为实时异常检测算法。我们使用与除了发送者和接收器专用的人气得分发送者和接收器专用的潜在因素相互作用项动态Logistic模型对未来活动的倾向模型;从这个底层模型偏差构成潜在异常。潜节点属性经由变贝叶斯方法估计,并且可以随时间改变,表示的网络活动的自然变化。估计与病例对照近似增强取网络的稀疏性的优点和从 O(N ^ 2)降低了计算复杂度为 O(E),其中 N 是节点和的数量E 是观察边的数目。我们运行我们从25000计算机的企业网络中收集的网络事件记录算法能够识别具有潜在的无相互作用项的模型所需的一半的检出率红队的进攻。
重新审视人与自然动力学模型
原文标题: Revisiting the Human and Nature Dynamics model
地址: http://arxiv.org/abs/1911.05533
作者: Basil Grammaticos, Ralph Willox, Junkichi Satsuma
摘要: 我们提出一个简单的模型描述同质群体或社会互动的动态,以及自然资源和储备是其生存的社会的需要。该模型被配制在常微分方程,其随后被离散化,离散系统中提供用于连续一个一个自然积分换算。一个ultradiscrete,广义元胞自动机般,模型也派生。我们简单的动态,三分量,型号是特别丰富的参展要么稳态或振荡,极限环型政权或崩溃的路线。虽然这些动力学行为上的模型的细节的选择在很大程度上取决于,最重要的结论是,崩溃或濒临倒闭,导致人口的消失,或者其社会模式的完全变身,确实是可能的。
使用符号网络分析疾病爆发的动力学性质
原文标题: Using symbolic networks to analyse dynamical properties of disease outbreaks
地址: http://arxiv.org/abs/1911.05646
作者: José L. Herrera-Diestra, Javier M. Buldú, Mario Chávez, Johann H. Martínez
摘要: 我们推出了新的方法来分析流行的时间序列,它是基于疫情网络建设的发展。首先,我们翻译的时间序列中约含本病流行的局部波动的信息序模式。每个模式被关联到一个网络,其(有向)连接从在一系列连续出现出现的节点。网络结构和每个模体的作用的分析,允许根据沿系列熵/复杂性增强它们进行分类,给予不同的角度对特定疾病的演变。
使用格兰杰网络进行远期城市犯罪和国际恐怖主义活动的事件级预测和响应模拟
原文标题: Long-range Event-level Prediction and Response Simulation for Urban Crime and Global Terrorism with Granger Networks
地址: http://arxiv.org/abs/1911.05647
作者: Timmy Li, Yi Huang, James Evans, Ishanu Chattopadhyay
摘要: 在城市犯罪和国际恐怖主义大规模的趋势是由社会经济驱动因素以及预测,但重点突出,事件等级的预测已经取得有限的成功。标准的机器学习方法是有希望的,但缺乏可解释性,一般都是插,和低效与高成本和浪费误报未来精确的干预措施。在这里,我们引入了格兰杰网络推理作为与性能展示个人的违法行为,远远超过过去的结果,但足够透明的验证和扩大社会理论的一个新的预测方法。考虑到在芝加哥市的预测犯罪的问题,我们在大约 1000英尺跨越空间的瓷砖内提前达到〜平均AUC 90 %的事件一个星期预测。而不是预先假设的罪行跨连续的空格展开类似于扩散系统,我们学习从数据的本地传输规则。作为我们的重要见解,我们揭开郊区偏见的迹象 - 如何执法响应与内城不成比例的负面影响社会经济环境调制 - 以及如何暴力和财产犯罪的动态协同演化和约束各其他 - 贷款给有争议的主动监管策略定量支持。为了证明广泛适用于时空的现象,我们分析了中东在最近的恐怖袭击,并实现〜80%的AUC,对于预测提前一个星期,和空间的瓷砖在120英里宽尺寸约为。我们的结论是,虽然犯罪的均衡快速消散扰动附近运行,恐怖主义没有。事实上,恐怖主义旨在破坏社会秩序的,如通过其力度是在小扰动事件发生率容易失控的增加。
文化传播的Axelrod模型同意阈值
原文标题: Agreement Threshold on Axelrod's model of Cultural Dissemination
地址: http://arxiv.org/abs/1911.05681
作者: Pádraig Mac Carron, Paul J. Maher, Susan Fennell, Kevin Burke, James P. Gleeson, Kevin Durrheim, Mike Quayle
摘要: 共享的意见是在社会群体形成的重要特征。在本文中,我们用文化传播的阿克塞尔罗德模型代表发表意见的团体。在Axelrod的模型中,每个主体具有一组特征,其中每个保存一组名义上相关性状中的一者。调查数据,例如,具有类似的结构,其中每一个参加者回答每一组与从固定列表响应项的。我们提出通过表示它作为一个二部图,即,参与者以及它们作为单独的节点的响应显示Axelrod的模型的另一种方法。这让我们看到了它的功能性状组合在最终状态选择。占调查数据的时候,因为它说明了文化传播的Axelrod的模型文化和基于观点的群体的共同演化该可视化是非常有用的。我们还提出一个修改的阿克塞尔罗德模型。具有许多功能的阿克塞尔罗德模型的标准发现对所有主体商在一个集群完全同意。我们推出了一项协议,阈值和允许节点只与那些在上阈值(即,那些具有相似的看法),而不是那些有任何意见中谁的邻居互动。此方法可靠地产生大量簇为小型协议的阈值和,重要的是,不限制于单个簇时的特征的数量变大。这潜在地提供了用于建模基于观点的基团,其中作为意见相加,群集的数量增加的方法。
利用社会认知绘图确定儿童同伴组的假阳性
原文标题: False positives using social cognitive mapping to identify childrens' peer groups
地址: http://arxiv.org/abs/1911.05703
作者: Zachary Neal, Jennifer Watling Neal, Rachel Domagalski
摘要: 儿童和青少年在同伴群体,这是众所周知的影响一系列的心理和行为结果的互动。在发展心理学和相关学科,社会认知映射(SCM)是来自对等体的报告数据标识对等体组的最常用的方法。然而,我们并不知道它的误报的风险,也就是风险,这将确定从不包含对等组的证据对报告数据对等组。通过与地面实况施加到SCM经验对等报告数据 - 合成的随机对等报告数据 - 我们证明,尽管它可以检测真阳性(即存在即对等组),它具有假阳性的不可接受的高速率。最后,我们建议将社会认知映射不应该被用来识别对等组,讨论认知社会结构和双方骨干提取有前途的替代品。
重组:一族重新分配的马尔可夫链
原文标题: Recombination: A family of Markov chains for redistricting
地址: http://arxiv.org/abs/1911.05725
作者: Daryl DeFord, Moon Duchin, Justin Solomon
摘要: 重新划分选区划分是一组地理单元的成固定数量的地区,受经常模糊规则和优先级列表的问题。近年来,利用从入派计划的广阔空间随机方法样品已获得牵引力在法庭鉴定党派gerrymanders,它现在已成为对立法机构和独立委员会可能的分析工具。在本文中,我们设置了重新划分为图分区问题,并介绍马尔可夫链的新系列上的图分区的空间称为重组(或RECOM)。比较的主要点将是常用的翻转步行,其随机地在一个随时间变化的单一节点的分配标签。我们目前的证据表明,RECOM混合效率,尤其是在对比的是缓慢的混合翻转,并提供证明其质态实验。我们证明在真实世界的数据RECOM的优势,并解释了马尔可夫链方法的挑战和分析工具,它使。我们关闭与涉及代表的弗吉尼亚州仅有很短的案例研究。
声明:Arxiv文章摘要版权归论文原作者所有,由本人进行翻译整理,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://www.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。