查看原文
其他

从动力学角度看网络结构的不确定性 | 网络科学论文速递23篇

ComplexLY 集智俱乐部 2021-02-09


 核心速递




  • 从动力学角度看网络结构的不确定性;
  • 使用潜在图卷积网络进行复杂多图的端到端学习;
  • GitHub生态系统的大规模多主体数据驱动模拟;
  • 基于闲言碎语的普适推荐系统信息传播;
  • 在世界-地球系统模型中使用深度强化学习发现可持续管理战略;
  • FCNHSMRA_HRS:使用资源分配方法改善电影混合推荐系统的性能;
  • CUPCF:在协同过滤中结合用户首选项以获得更优推荐;
  • 使用协同无人机的城市VANET按需路由;
  • 网络合作的演化:联系紧密的合作伙伴可以加强合作,但遭到特洛伊木马的抵制;
  • 按需共享出行效率的拓扑普遍性;
  • 动态图中因果结构的高阶可视化技术;
  • 社会网络上的同质化改变了竞争信息传播中的演化优势;
  • 在Twitter上自动识别比较组以获得妊娠结局的数字流行病学信息;
  • 基于广义群组的网络传播过程流行病模型:GgroupEM;
  • 计算政治学研究综述;
  • 控制远距离接触以减少无序复杂网络上的疾病传播;
  • 数字垃圾邮件的历史;
  • 当你的朋友成为卖家:社交商务网站北电的实证研究;

  • 大图推理的可扩展解释;
  • 复杂网络的神经动力学;
  • 利用语境维度对社会媒体上的伊斯兰极端主义传播进行建模:宗教、意识形态和仇恨;
  • 图嵌入评估的基准;
  • 关系事件连续时间网络中的一致社区检测;




1. 从动力学角度看

网络结构的不确定性


原文标题:

Indetermination of networks structure from the dynamics perspective

地址: 

http://arxiv.org/abs/1908.06339

作者:

Malbor Asllani, Bruno Requiao da Cunha, Ernesto Estrada, James P. Gleeson


摘要:网络被普遍认为是大型多组件系统的复杂交互结构。为了确定每个节点在复杂网络中的作用,已经开发了几种中心性测量。这些拓扑特征对于它们在网络系统中动态过程中作用也很重要。在本文中,我们认为节点的动态活动可能会强烈重塑它们在网络内部的相关性,使得中心性度量在许多情况下具有误导性。我们认为当节点本地级别发生动态比节点之间的全局动态慢时,系统可能会失去对结构特征的跟踪。相反,当该比率反转时,则我只能恢复诸如最短距离的全局属性。从网络推理的角度来看,这构成了不确定性原理,在某种意义上它限制了关于结构多分辨率信息的提取,特别是在存在噪声时。为了阐述的目的,我们表明对于具有不同时间尺度结构的网络,例如强模块性,快速全局动力学的存在意味着不可能精确地推断出社区结构。




2. 使用潜在图卷积网络

进行复杂多图的端到端学习


原文标题:

End-to-End Learning from Complex Multigraphs with Latent Graph Convolutional Networks

地址:

http://arxiv.org/abs/1908.05365

作者:

Floris Hermsen, Peter Bloem, Fabian Jansen, Wolf Vos


摘要:我们研究了复杂多图的端到端学习问题,在两个顶点之间有大量的边,每条边都有丰富的信息。此类图表实例包括金融交易、通信网络或机场间的航班。我们提出了隐图卷积网络(L-GCNs),它可以成功地将信息从这些边缘标签传播到一个潜在邻接张量,然后完成进一步传播和下游任务,如节点分类。我们评估了该模型在两个模拟金融交易网络欺诈的数据集的多个变体的性能,以确保该模型必须使用边缘标签来实现良好分类性能。我们发现,允许在每个邻居基础上进行非线性交互可以显著提高性能,同时在归纳设置中也显示出有希望的结果。




3. 对GitHub生态系统的

大规模多主体数据驱动模拟


原文标题:

Massive Multi-Agent Data-Driven Simulations of the GitHub Ecosystem

地址:

http://arxiv.org/abs/1908.05437

作者:

Jim Blythe, John Bollenbacher, Di Huang, Pik-Mai Hui, Rachel Krohn, Diogo Pacheco, Goran Muric, Anna Sapienza, Alexey Tregubov, Yong-Yeol Ahn, Alessandro Flammini, Kristina Lerman, Filippo Menczer, Tim Weninger, Emilio Ferrara


摘要:模拟和预测行星尺度的技术社会系统对计算和建模提出了巨大的挑战。DARPA SocialSim项目通过大规模的多主体模拟,为GitHub(一个大型协同软件开发生态系统)的发展建立模型。我们描述了最好的性能模型和基于主体的仿真框架,目前我们正在扩展该框架,以便用于模拟其他行星级的技术社会系统.挑战问题通过基于主体的模拟以及地面实况的大规模测量,测量了参与者在给定30个月GitHub上的用户活动元数据情况下,预测未来几个月活动的能力。这个挑战要求将模拟范围扩展到大约300万个对象,生成总共3000万个操作,并在商用硬件上运行600万个存储库。最优地使用数据预测对象的下一步动作也很重要。我们描述了其中一个获胜团队在挑战中使用的主体框架和数据分析。基于多种机器学习和统计方法,对六种不同的主体模型进行了测试。虽然没有一种方法被证明在每个指标上都是最精确的,但从每个模型的存储库以及平稳概率活动的分布中取样的方法基本上是最成功的。这些模型的成功有两个原因,一是它们使用了每个模型不同特性,二是GitHub用户改变其行为的速度相对较慢。





4. 普适推荐系统中基于

闲言算法的信息传播


原文标题:

On Gossip-based Information Dissemination in Pervasive Recommender Systems

地址:

http://arxiv.org/abs/1908.05544

作者:

Tobias Eichinger, Felix Beierle, Robin Papke, Lucas Rebscher, Hong Chinh Tran, Magdalena Trzeciak


摘要:普适计算系统采用分布式和嵌入式设备,以便以随时随地的方式收集、通信和处理数据。当然,最突出的设备是智能手机,因为它的广泛扩散、不断增长的计算能力和无线网络能力。在此背景下,我们回顾了口语数字化的实现,它建议在离线和直接接近的智能手机之间交换产品偏好。以这种方式协作和分散地收集数据有两个好处。首先,它允许附加对于实例敏感位置相关信息,以丰富所收集项目偏好,从而提高在线设备的推荐性。其次,模型构建不需要网络连接。尽管有这些好处,但这种方法自然会引发数据隐私和数据稀缺问题。为了解决这两个问题,我们推荐Propagate和Filter方法,该方法将传统查找相似对等点和交换项目偏好方法从分散的领域转换为普遍推荐系统领域。此外,我们还展现了一个原型移动程序的初步结果,该应用程序实现了提议设备到设备的信息交换。25.9秒平均点对点连接延迟速度和6米内的可靠连接成功率支持了该方法的技术可行性。





5. 在世界-地球系统模型中使用

深度强化学习发现可持续管理战略


原文标题:

Deep reinforcement learning in World-Earth system models to discover sustainable management strategies

地址:

http://arxiv.org/abs/1908.05567

作者:

Felix M. Strnad, Wolfram Barfuss, Jonathan F. Donges, Jobst Heitzig


摘要:日益复杂的非线性世界-地球系统模型被用来描述生物物理-地球系统的动力学和人类社会的社会经济和文化世界之间的相互作用。这些模型中,为决策者和更广泛的公众提供信息,确定通向可持续未来的途径,例如导致强有力地减缓危险的人为气候变化的途径,是气候研究和更广泛的地球系统科学领域中一项具有挑战性和广泛调查的任务。当需要考虑避免越过地球边界和社会基础的限制时,这一问题就特别困难。在这项工作中,我们建议将最近发展的机器学习技术,即深度强化学习(DRL),与世界-地球系统中轨迹的经典分析相结合。基于agent-environment接口的概念,我们开发了一种能够在地球系统的可变可管理环境模型中进行操作和学习的智能体。通过将DRL算法应用于两个程式化的世界-地球系统模型,我们展示了该框架的潜力。从概念上讲,我们因此探讨了寻找新的全球治理政策的可行性,这些政策可引导进入受某些地球和社会经济边界限制的安全和公正的运作空间。人工智能智能体学习了解到,对碳排放征税和对可再生能源提供补贴的特定组合的时机,对于寻找长期可持续的世界-地球系统轨迹至关重要。




6. FCNHSMRA_HRS:使用资源分

配方法改善电影混合推荐系统性能


原文标题:

FCNHSMRA_HRS: Improve the performance of the movie hybrid recommender system using resource allocation approach

地址:

http://arxiv.org/abs/1908.05608

作者:

Mostafa Khalaji, Nilufar Mohammadnejad


摘要:推荐系统是能够向用户提供最合适的服务和产品的系统。通过特定的方法和技术,推荐系统尝试识别最合适的项目,例如信息和商品的类型,并提出最接近用户的品味。协同过滤基于一组用户评级来提供活动用户的建议。是推荐系统中找到相同品味的人的最简单且最易理解和成功的模型之一。在该模型中,随着用户和电影数量的增加,系统具有可扩展性。另一方面,当关于评级的信息很少时,重要的是要改善系统的性能。本文提出了一种基于FNHSM_HRS结构的电影混合推荐系统,采用资源分配方法FCNHSMRA_HRS。FNHSM_HRS结构基于启发式相似性度量(NHSM)以及模糊聚类算法。所提出系统使用模糊聚类方法,改善可扩展性问题并提高了系统推荐的准确性。提出系统不但基于协同过滤,并且通过使用启发式相似性度量以及应用资源分配方法,从而提高了系统的性能,准确性和精度。使用基于MovieLens数据集的MAE,Accuracy,Precision和Recall指标经实验结果表明,系统性能得到了提高,并且与FNHSM_HRS和其他相似性度量来寻找相似性的协同过滤方法相比,推荐准确性有所提高。



7. CUPCF:在协同过滤中

结合用户偏好以获得更佳推荐


原文标题:

CUPCF: Combining Users Preferences in Collaborative Filtering for Better Recommendation

地址:

http://arxiv.org/abs/1908.05609

作者:

Mostafa Khalaji, Nilufar Mohammadnejad


摘要:如何在朋友和熟人的意见和品味之间做出最佳决定?推荐系统可以解决这些问题。常用算法使用相似性度量来预测活动用户对特定项目的品味。根据冷启动和数据稀疏性问题,这些系统在用户的特定项目无法给出预测和建议。在本文中,我们介绍一种新的推荐系统,能够找到用户偏好并在此基础上提供建议。我们提出的名为CUPCF的系统是协同过滤中的两个相似性度量的组合,以解决数据稀疏性问题和贫乏预测(高预测误差率)问题以获得更佳推荐。基于MovieLens数据集的实验结果表明,结合用户最近邻居的偏好,系统错误率与一些最先进的推荐方法相比有所提高。此外,结果表明CUPCF的效率,它的最大改进误差率为15.5%,其系统准确度,精度和重现率的最大值分别为0.91402,0.91436和0.9974。


 


8. 使用协同无人机在城市

车载网络VANET寻找按需路由


原文标题:

On-Demand Routing for Urban VANETs using Cooperating UAVs

地址:

http://arxiv.org/abs/1908.05905

作者:

Omar Sami Oubbati, Noureddine Chaib, Abderrahmane Lakas, Salim Bitam


摘要:车辆点对点网络(vanet)的特点是由于车辆方向的突然变化而产生的高机动性,导致路由路径频繁失效。在建立两个不同车辆之间的路由路径时应考虑到这一挑战。稳定性和连接性是确保健壮可靠的数据交付的必要条件。这项工作背后的想法是利用一种新的反应路由技术来提供规范的和良好连接的路由路径。无人机(uav)或所谓的无人机可以参与发现过程,并成为这些发现路径的正式成员,以避免在网络稀疏连接时地面可能断开连接。基于NS-2模拟器对该技术进行了不同的测试,并与针对VANETs的相关按需路由协议进行了比较。有趣的结果表明,显示出端到端延迟减少和高交付率,这证明这种车辆和无人机之间的异构通信能够扩展网络连接。 




9. 网络合作演化:联系

紧密的合作伙伴可以加强

合作,但遭到特洛伊木马的抵制


原文标题:

Evolution of cooperation in networks: well-connected cooperators can enhance cooperation but are counteracted by Trojan horses

地址:

http://arxiv.org/abs/1908.05923

作者:

Josefine Bohr Brask, Jonatan Bohr Brask


摘要:合作行为在自然界是普遍存在的,但解释合作是如何发展的构成了一个重大的科学挑战。仿真模型表明,社会网络结构对合作的演化稳定起着关键作用。然而,对于网络中合作演变的初始条件的重要性,我们所知不多。关于这方面的知识对于判断模型和实验的结果在多大程度上能告诉我们一些关于现实世界的事情是至关重要的。本文利用基于博弈论的仿真模型,研究了不同网络中合作伙伴初始网络位置对合作的影响。我们发现在无标度网络中,将合作伙伴放置在高阶节点上可以增强合作,而在标准泊松网络中则不能。相比之下,当合作伙伴的初始位置与节点度完全相关时,在增加配适度下,泊松网络可以保持较高的协作水平,甚至超过无标度网络。然而,当相关性不完美时,放置在合作伙伴集群中的叛逃者可以充当特洛伊木马,允许叛逃者入侵。研究结果不仅适用于网络协作的计算机模拟,而且适用于真实的协作实验。在真实的协作实验中,重复次数通常较少,且可能在协作关系与网络位置之间存在随机的初始相关关系。




10. 按需拼车出行

效率的拓扑普遍性


原文标题:

Topological universality of on-demand ride-sharing efficiency

地址:

http://arxiv.org/abs/1908.05929

作者:

Nora Molkenthin, Malte Schröder, Marc Timme


摘要:在城市和农村地区,拼车可能大大有助于符合未来的可持续交通。共享车队的服务质量共同取决于基本街道网络的拓扑结构、时空需求分布和调度算法。然而,拼车服务的效率通常是通过经济或生态的特别措施来量化的,这些措施不会转移到具有不同特征的新服务区域。我们根据内在的共享动力学推导出关于共享效率一个通用度量,该动力学遵循跨网络拓扑的通用尺度定律。我们证明了相同的扩展适用于不同拓扑的街道网络,包括城市、岛屿和农村地区,并且对修改请求分发和分派标准不敏感。这些结果进一步加深了我们对共享车队集体动态的理解,并可能使我们能够定量评估各种条件,以提高在以前未提供服务的地区创建的可行性或扩展拼车服务。




11. 动态图中因果结构

的高阶可视化技术


原文标题:

Higher-Order Visualization of Causal Structures in Dynamics Graphs

地址:

http://arxiv.org/abs/1908.05976

作者:

Vincenzo Perri, Ingo Scholtes


摘要:图绘制和可视化技术是复杂系统探索性分析的重要工具。虽然这些方法经常应用于可视化复杂网络上的数据,但我们越来越多地访问时间序列模型,使之建模为时间网络或动态图。在这种动态图中,时间标志的时间排序决定了系统的因果拓扑,即哪些节点可以通过所谓的因果路径直接和间接地相互影响。虽然这种因果拓扑对于理解动态过程,节点或集群结构的作用至关重要,但我们缺乏将此信息合并到静态可视化中的图绘制技术。针对这一差距,我们提出了一种新颖的动态图绘制算法,该算法利用时间序列数据中的因果路径的高阶图模型来计算时间感知的可视化静态图。这些可视化将静态图的简单性与时间感知布局算法相结合,该算法突出了由边的时间动态产生的因果拓扑中的模式。




12. 社会网络的同质化改变了

竞争信息传播中的演化优势


原文标题:

Homophily on social networks changes evolutionary advantage in competitive information diffusion

地址:

http://arxiv.org/abs/1908.05992

作者:

Longzhao Liu, Xin Wang, Yi Zheng, Wenyi Fang, Shaoting Tang, Zhiming Zheng


摘要:大规模社交网络上的竞争信息扩散揭示了谣言传播的基本特征,并对舆论形成有着深刻的影响。近年来,人们对探索竞争演化的动力机制越来越感兴趣。然而,决定人类强大集体行为的群体同质性的影响尚不清楚。大规模社交网络上的竞争信息扩散揭示了谣言传播的基本特征,并对舆论形成有着深刻的影响。近年来,人们对探索竞争演化的动力机制越来越感兴趣。然而,决定人类强大集体行为的群体同质性的影响尚不清楚。结果表明,同质性促进了分裂的“回音室”的形成,保护弱势信息不灭绝,从而进一步改变甚至逆转了进化优势,即竞争信息的最终比例之差。我们强调的结论是,只有当最初处于不利地位信息具有较强的传播能力,并具有相对于其他信息的扩散优势时,才可能发生逆转。我们的框架提供了与人口同质性竞争动态的深刻见解,这可能为进一步控制错误信息和引导公众信仰系统铺平道路。此外,逆向条件有助于帮助在许多实际场景中设计有效的竞争策略。

 



13. Twitter上自动

识别比较组以获得妊

娠结果的数字流行病学信息


原文标题:

Automatically Identifying Comparator Groups on Twitter for Digital Epidemiology of Pregnancy Outcomes

地址:

http://arxiv.org/abs/1908.06015

作者:

Ari Z. Klein, Abeselom Gebreyesus, Graciela Gonzalez-Hernandez


摘要:尽管存在流产、死胎、出生缺陷和早产等不良妊娠结局,但其原因在很大程度上尚不清楚。我们试图通过开发一种自然语言处理管道,自动识别用户并从中选择Twitter上的比较群体,从而推动使用社交媒体来观察怀孕结果。我们在Twitter上标注了2361条由宣布怀孕的用户发布的推文,这些推文被用来训练和评估有监督的机器学习算法,作为自动检测报告怀孕已足月且婴儿出生体重正常的女性的基础。通过对大多数基于投票的集成分类器推特级预测的进一步处理,该管道用户级F1-score为0.933,准确率为0.947,召回率为0.920。我们的研究管道将被部署到Twitter上,以确定用于研究怀孕结果的大型比较群体。




14. 基于广义群组的网络

流行病传播过程模型:GgroupEM


原文标题:

Generalized group-based epidemic model for spreading processes on networks: GgroupEM

地址:

http://arxiv.org/abs/1908.06057

作者:

Sifat Afroj Moon, Faryad Darabi Sahneh, Caterina Scoglio


摘要:我们为任何区域流行病模型开发了一个基于群体的广义流行病模型(GgroupEM)框架(例如,易感染 - 易感染,易感染 - 感染 - 恢复,易感染 - 暴露 - 感染 - 恢复)。组是由一组单个节点组成的。该模型可用于了解在大型复杂网络上随机流行病的重要动态特征,提供关于群体状态的信息。通过对节点进行分组聚合,使得状态空间比基于个体的方法更小,但以聚合误差为代价,且受等周不等式的严格约束。我们还建立了该框架的平均场近似,为了进一步减小状态空间的大小。最后我们将GgroupEM扩展到多层网络。由于基于组框架在计算上比基于个体框架更便宜和更快,因此当模拟仿真的时间很重要时,该框架非常有用。

    



15. 计算政治学研究


原文标题:

A Survey on Computational Politics

地址:

http://arxiv.org/abs/1908.06069

作者:

Ehsan ul Haq, Tristan Braud, Young D. Kwon, Pan Hui


摘要:计算政治学是研究分析和调节用户与政治活动相关行为的计算方法,如竞选游说、政治派别和意见挖掘。随着互联网的快速发展和接入的便利,信息通信技术(ICT)已经产生了大量的加入在线社区用户和类似数据的数字化,如政治辩论。这些社区和数字化数据包含了关于用户及与政治有关的行为的显性和隐性信息。对于研究人员来说,利用这些来源的数据来开发和设计系统是至关重要的,这些系统不仅可以为计算政治学提供解决方案,还可以帮助其他企业,比如营销人员,增加用户的参与度和互动程度。在这次调查中,我们试图对计算政治的主要领域进行分类,并在一个领域总结突出的研究成果,以便更好地理解不同的多维平台上的计算政治。例如,在线社交网络、在线论坛和政治辩论。最后我们通过强调未来的研究方向、机遇和挑战来总结本研究。




16. 控制远距离接触以减少

无序复杂网络中的疾病传播


原文标题:
Controlling distant contacts to reduce disease spreading on disordered complex networks
地址: 
http://arxiv.org/abs/1908.06147
作者:
Ignacio A. Perez, Paul A. Trunfio, Cristian E. La Rocca, Lidia A. Braunstein

摘要: 无序是真实社会网络的一个特征,它是由人与人互动的异质性所产生的。这种特性会影响疾病在人群中传播的方式,在感染者的比例中达到临界点,并成为流行病。无序通常是与个人之间的接触时间有关,和标准化接触时间值ω取自分布P(ω)= 1 / (aω)来模仿“面对面”实验。更现实的模型系统中,研究人际交互中异质性如何影响疾病的传播,当两种不同的无序状态存在,每种都有特殊的数值。这种允许两种不同类型的交互出现,如近距离(家人、同事)和遥远的邻居、陌生人接触。我们还制定了控制远距离接触时间的策略,这在实践中更容易改变,从而减少感染总人数。最后,我们使用“面对面”实验来生成更精确的标准化接触时间分布,并对这种分布重复分析实例。




17.关于数字垃圾邮件的历史回顾


原文标题:

The History of Digital Spam

地址:

http://arxiv.org/abs/1908.06173

作者:

Emilio Ferrara


摘要:垃圾邮件!:这是劳里·费斯·克兰诺和布莱恩·拉玛基亚在20年前发表的一篇关于ACM通讯的文章标题中所感叹的。然而,尽管研究团体在过去20年里做出了巨大的努力来缓解这个问题,紧迫感仍然没有改变,因为新兴技术已经将新的危险形式的数字垃圾邮件置于聚光灯下。此外,当垃圾邮件的目的是欺骗或大规模影响,它可以改变社会结构和我们的行为。在这篇文章中,我将简要地回顾数字垃圾邮件的历史:从其典型的化身,垃圾邮件,现代形式的垃圾邮件如何影响网络和社会化媒体,最后将描绘调查与垃圾邮件和滥用相关新技术,包括人工智能(例如,数字人类)未来的风险。在提供了垃圾邮件的分类及其在过去二十年中出现的最流行的应用程序之后,我将回顾文献中提出的技术和监管方法,并提出一些可能的解决方案,以解决这个无处不在的数字流行病。


 

 

18. 当你的朋友成为卖家:

社交商务网站北电的实证研究


原文标题:

When Your Friends Become Sellers: An Empirical Study of Social Commerce Site Beidian

地址: 

http://arxiv.org/abs/1908.05409

作者:

Hancheng Cao, Zhilong Chen, Fengli Xu, Tao Wang, Yujian Xu, Lianglun Zhang, Yong Li


摘要: 过去几年人们见证了基于紧密联系的社会商业的出现和巨大成功。这些电子商务平台嵌入社交网站,将普通人变成卖家,他们在社交网络上向朋友和家人做广告并销售产品。这些网站可在短时间内获得数以百万计的用户,并且正在加速增长。然而,人们对这些社会商业是如何作为社会关系和经济交易的混合体发展起来知之甚少。 本文首次对中国发展最快的社交商务网站之一-北电全面数据进行测量研究,涉及用户1180万。我们首先分析了北电平台的拓扑结构,突出其分散性。然后,我们通过邀请级联研究了网站的快速增长及其增长机制。最后,我们调查了北电的购买行为,我们关注的是用户的接近度和忠诚度,有助于网站的高转化率。新兴的社会商务作为强联系与经济逻辑相互作用的结果,在网络结构、动态和用户行为方面都与所有已知的社会网络和电子商务存在显著的属性偏离。据我们所知,这是第一次对新兴社交商务平台的网络特征和动态进行定量研究。




19. 多图推理的可度量的解释说明



原文标题: 

Scalable Explanation of Inferences on Large Graphs

地址:

http://arxiv.org/abs/1908.06482

作者: 

Chao Chen, Yifei Liu, Xi Zhang, Sihong Xie


摘要:从图中提取知识的进行概率推理,可以帮助人类做出重要决策。由于模型本身的不确定性和知识的复杂性,需要帮助最终用户理解推理结果。与深维或高维参数模型不同,图形模型缺乏可解释性是由于循环性和长期依赖以及拜占庭推理过程。以前的作品没有处理循环过程,也没有使解释推论。为了弥补这一不足,我们将概率推理解释问题转化为一个受约束交叉熵最小化问题,以找到能够真实地接近待解释推理的简单子图。证明了优化是np困难问题(非确定性多项式困难问题),而目标不是单调的、子模的,从而保证了有效的贪婪逼近。我们提出了一种通用的波束搜索算法来寻找简单的树,以增强解释的可解释性和多样性,并行化和剪枝策略允许在不损害忠实度情况下高效地搜索大而密集的图。我们展示了来自4个不同应用程序的10个网络的优越性能,并与其他解释方法进行了比较。关于解释的可用性,我们将解释可视化在界面中,让终端用户可以探索不同的搜索结果,找到更加个性化和合理的解释。




20. 复杂网络的神经动力学


原文标题:

Neural Dynamics on Complex Networks

地址: 

http://arxiv.org/abs/1908.06491

作者:

Chengxi Zang, Fei Wang


摘要:我们引入深度学习模型来学习复杂网络的连续时间的动态,并推导出网络节点在终端时刻的语义标签。我们将问题表述为最优控制问题,通过最小化由网络动态运行损失和神经 - 微分 - 方程 - 系统约束组成的损失函数实现。我们用微分深度学习框架来求解:对于系统的前向过程,我们不是通过离散数量的隐藏层来进行转发,而是将常微分方程系统集成到在连续时间的图中;  对于后向学习过程,我们在求解初值问题时通过反向传播来学习最优控制参数。最后,我们通过学习各种真实复杂网络上的复杂动力学来验证我们的模型,又将模型应用于图的半监督分类任务。实验结果表明,该模型能够较好地描述复杂系统的结构、动态和语义。



21. 利用语境维度对社交

媒体上的伊斯兰极端主义传播进

行建模:宗教、意识形态和仇恨


原文标题: 

Modeling Islamist Extremist Communications on Social Media using Contextual Dimensions: Religion, Ideology, and Hate

地址: 

http://arxiv.org/abs/1908.06520

作者: 

Ugur Kursuncu, Manas Gaur, Carlos Castillo, Amanuel Alambo, K. Thirunarayan, Valerie Shalin, Dilshod Achilov, I. Budak Arpinar, Amit Sheth


摘要:恐怖袭击在一定程度上与网络极端主义内容有关。尽管数以万计的伊斯兰极端主义支持者消费此类内容,但与爱好和平的穆斯林相比,他们只是一小部分。遏制社交媒体平台上不断演变的极端主义努力仍然不够,而且大多是无效的。极端主义和主流语境的分化对机器解释提出了挑战,尤其对分类算法的精度构成了威胁。我们分析Twitter极端主义内容的上下文感知计算方法将这种说服过程分解为几个构件,这些构件承认固有的模糊性和稀疏性,可能会挑战手工和自动分类。我们使用三个上下文维度(宗教、意识形态和仇恨)的组合对这一过程进行建模,每个维度都阐明了一定程度的激进化,并强调了独立的特性,以使它们在计算上可访问。我们利用特定领域的知识资源来处理每个上下文维度,比如用于宗教的《古兰经》、用于政治意识形态的极端主义理论家和传教士的书籍,以及用于仇恨的社交媒体仇恨言论语料库。根据可靠的分析我们的研究有三个贡献: (1). 计算方法的发展植根于宗教的语境维度,意识形态,和反应在线伊斯兰极端主义组织战略的仇恨; (2).对这些维度深入分析相关的微博数据集排除可能贴错了标签的用户; (3). 作为一种框架按照流程了解网激进内容协助反向的程序设计。考虑到潜在的重大社会影响,我们评估了我们算法的性能使用最小化错误标记方法,结果是我们的方法在精度上比其它竞争基准高出10.2%。



22. 图嵌入评估的基准


原文标题: 

Benchmarks for Graph Embedding Evaluation

地址: 

http://arxiv.org/abs/1908.06543

作者: 

Palash Goyal, Di Huang, Ankita Goswami, Sujit Rokka Chhetri, Arquimedes Canedo, Emilio Ferrara


摘要:图嵌入是一种在低维空间中表示图的节点值的任务,图任务的应用在学术界和工业界都得到了很大的发展。最近提出的许多图嵌入方法主要区别在于它们保持图的固有属性的方式。然而,在实践中比较这些方法是非常具有挑战性的。大多数方法报告了对少数选定的真实图性能的提升。因此很难将这些性能改进推广到其他类型的图。根据给定一个图表,目前不可能量化一种方法相对于另一种方法的优势。在本文中,我们介绍了一个比较图嵌入方法的原则框架。我们的目标有三:(i)提供一个统一的框架来比较各种图嵌入方法的性能;(ii)为显示不同结构属性的真实图建立基准,(iii)为用户提供一个工具,以确定数据的最佳图嵌入方法。本文针对100个具有不同性质真实网络语料库,评估了4种最具影响力的图嵌入方法和4种传统的链接预测方法。根据100个网络的特性来组织图形,以便更好地理解这些流行方法的嵌入性能。我们使用100个基准图比较来定义GFS-score,它可以应用于任何嵌入方法来量化其性能。并使用GFS-score对目前最先进的嵌入方法进行了排名,表明它可以用来理解和评估新的嵌入方法。我们设想所提议框架(https://www.github.com/palash1992/GEM-Benchmark)将作为基准平台服务于社区,以测试和比较未来图嵌入技术的性能。




23. 连续时间网络中对

相关事件一致的社区检测


原文标题: 

Consistent Community Detection in Continuous-Time Networks of Relational Events

地址:

http://arxiv.org/abs/1908.06940

作者:

Makan Arastuie, Subhadeep Paul, Kevin S. Xu


摘要: 在许多网络应用设置中,例如在线社交网络中使用者之间的短讯或是在金融市场中交易员之间的交易,观察数据是以带有时间戳的关系事件形式出现的,这些关系事件形成了一个连续时间网络。我们提出了基于社区霍克斯独立对(CHIP)模型分析时间戳关系事件数据。我们证明将谱聚类应用于由芯片模型生成的关系事件构建的邻接矩阵,可以为越来越多的节点提供一致的社区检测。特别地,我们得到了基于分离条件下精确的非渐近利率上界,要求模型参数持续的社区分类。我们还为模型的参数开发了一致且计算效率高的估计程序。我们证明了提出的芯片模型和估计程序度量可扩展到具有成千上万个节点的大型网络,并且在多个真实网络上与目前连续时间网络模型相比具有更好的拟合性。



来源:网络科学研究速递

审校:郭治青

编辑:张爽



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.me (提供RSS订阅)进行同步更新。


近期网络科学论文速递


非正式导师在学术合作中的作用 | 网络科学论文速递21篇

比特币反洗钱:利用图卷积神经网络进行金融取证试验 | 网络科学论文速递23篇

你的立场暴露了!社交媒体立场检测的可能因素分析 | 网络科学论文速递16篇

如何量化研究城市环境中的不平等 | 网络科学论文速递19篇

什么样的科学家更容易在国家之间流动 | 网络科学论文速递16篇

加入集智,一起复杂!






集智俱乐部QQ群|877391004

商务合作及投稿转载|swarma@swarma.org

◆ ◆ ◆

搜索公众号:集智俱乐部


加入“没有围墙的研究所”

让苹果砸得更猛烈些吧!


    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存