Arxiv网络科学论文摘要17篇(2020-11-30)

时间:2022-05-26 03:30 作者:ob欧宝体育在线官网
本文摘要:APAN:用于实时含时图嵌入的异步流传注意网络;使用Hawkes模型探究左右尾极端事件的非对称激励:金融收益应用;ODT流浏览器:提取、查询和可视化人员流动;接纳双管齐下的方法快速、准确地检测动态图中的异常;在SemEval-2019任务5上实现对Twitter中针对移民和妇女的愤恨言论的可解释性多语言检测;使用R语言分析社交媒体网络数据:用户、评论和交流模式的半自动筛选; 社交距离逆境中的振荡动力学;懦弱但具有弹性:公司协作网络中的适应性下降;基于自发对称破缺观点的在线回

ob欧宝体育官网入口

APAN:用于实时含时图嵌入的异步流传注意网络;使用Hawkes模型探究左右尾极端事件的非对称激励:金融收益应用;ODT流浏览器:提取、查询和可视化人员流动;接纳双管齐下的方法快速、准确地检测动态图中的异常;在SemEval-2019任务5上实现对Twitter中针对移民和妇女的愤恨言论的可解释性多语言检测;使用R语言分析社交媒体网络数据:用户、评论和交流模式的半自动筛选; 社交距离逆境中的振荡动力学;懦弱但具有弹性:公司协作网络中的适应性下降;基于自发对称破缺观点的在线回声室效应建模;迈向实时人口预计:在县一级引入Twitter的住民和非住民逐日预计;通过深度强化学习在时变图中举行有效的信息扩散;展现澳大利亚和美国现代都会演变中的结构吸引子;医疗众筹如何资助人们?水滴筹大型案例研究;都会Twitter网络和社区:以雅典微博为例;公布或推文:来自Facebook和Twitter使用情况研究的履历教训;两个相对公共媒体的噪声舆论形成模型;盛行病的路径依赖历程:两阶段隔离是否比一阶段好?;APAN:用于实时含时图嵌入的异步流传注意网络原文标题: APAN: Asynchronous Propagate Attention Network for Real-time Temporal Graph Embedding地址: http://arxiv.org/abs/2011.11545作者: Xuhong Wang, Ding Lyu, Mengjian Li, Yang Xia, Qi Yang, Xinwen Wang, Xinguang Wang, Ping Cui, Yupu Yang, Bowen Sun, Zhenyu Guo摘要: 由于在图数据库中查询k-hop邻人的时间庞大度受到限制,大多数图算法无法在线部署并执行毫秒级的推理。这个问题极大地限制了在某些领域中应用图算法的潜力,例如财政欺诈检测。因此,我们提出了异步流传注意网络,一种用于实时含时图嵌入的异步一连时间动态图算法。传统的图模型通常执行两个串行操作:首先举行图盘算,然后举行模型推断。

我们将模型推论和图盘算步骤解耦,以便繁重的图查询操作不会损害模型推论的速度。大量实验讲明,该方法可以到达较好的竞争性能,同时推理速度提高8.7倍。使用Hawkes模型探究左右尾极端事件的非对称激励:金融收益应用原文标题: Asymmetric excitation of left- and right-tail extreme events probed using a Hawkes model: application to financial returns地址: http://arxiv.org/abs/2011.12291作者: Matthew F. Tomlinson, David Greenwood, Marcin Mucha-Kruczynski摘要: 我们构建了一个两尾阈值峰值霍克斯模型,该模型描画一个时间序列内左尾和右尾极值之间以及之间的差池称自激和交织激励。

我们通过观察尺度普尔500股指逐日对数回报内的极端损益来证明其适用性。我们发现,极端损失和收益的到来是由配合的条件强度来形貌的,损失对收益的孝敬是收益的两倍。可是,前者的孝敬衰减速度险些是后者的五倍。

我们将这些差池称性归因于市场生意业务者对资产价钱的极端向上和向下运动的差别反映:一个消极偏见的例子,其中创伤比欣快感更为突出。ODT流浏览器:提取、查询和可视化人员流动原文标题: ODT Flow Explorer: Extract, Query, and Visualize Human Mobility地址: http://arxiv.org/abs/2011.12958作者: Zhenlong Li, Xiao Huang, Xinyue Ye, Xiaoming Li摘要: 明白所在之间的人员流动动力学可提供有关其交互重力的基础知识,从而有益于需要人类空间交互中的先验知识的广泛应用。

正在举行中的COVID-19大盛行奇特地强调了监视和丈量精致的人类空间相互作用的需求。为了应对大盛行期间人类流动性数据的飞速增长的需求,我们开发了一个交互式地理空间门户网站,该方法是从数十亿个带有地理标签的推文中提取全球逐日人口流量,并从SafeGraph流动性数据中提取美国(美国)人口流量。该门户网站名为ODT(原始目的时间)Flow Explorer。资源治理器的焦点是ODT数据多维数据集,再加上大数据盘算集群,可以有效地治理,查询和聚集数十亿个差别时空尺度上的OD流。

只管资源治理器仍处于早期开发阶段,可是快速生成的流动数据可以使需要实时会见细粒度的人类流动记载的广泛领域受益。可以通过此http URL会见ODT Flow Explorer接纳双管齐下的方法快速、准确地检测动态图中的异常原文标题: Fast and Accurate Anomaly Detection in Dynamic Graphs with a Two-Pronged Approach地址: http://arxiv.org/abs/2011.13085作者: Minji Yoon, Bryan Hooi, Kijung Shin, Christos Faloutsos摘要: 给定动态图流,我们如何检测异常模式的突然泛起,例如链接垃圾邮件,关注者提升或拒绝服务攻击?另外,我们可以对实际发生的异常类型举行分类,并从理论上分析每种类型引起的异常征兆吗?在这项事情中,我们提出了AnomRank,这是一种用于动态图异常检测的在线算法。

AnomRank使用两管齐下的方法界说两个新颖的异常怀抱。每个怀抱跟踪其自身版本的“节点得分”(或节点重要性)函数的派生形式。这使我们能够检测到任何节点重要性的突然变化。

我们在理论上和实验上都讲明,“两管齐下”的方法乐成地检测出两种常见的异常类型:沿边的突然重量变化和图的突然结构变化。AnomRank(a)快速准确:比最先进的方法快49.5倍,或比准确度高35%;(b)可扩展:输入图中的边数量呈线性,可处置惩罚数百万个边在普通条记本电脑/台式机上需要2秒钟,而且(c)从理论上讲是正确的:为“两管齐下”的方法提供了理论上的保证。在SemEval-2019任务5上实现对Twitter中针对移民和妇女的愤恨言论的可解释性多语言检测原文标题: Towards Interpretable Multilingual Detection of Hate Speech against Immigrants and Women in Twitter at SemEval-2019 Task 5地址: http://arxiv.org/abs/2011.13238作者: Alvi Md Ishmam摘要: 他的论文形貌了我们在多语种情况下(尤其是英语和西班牙语)检测Twitter上针对女性和移民的愤恨言论的技术。

挑战是由SemEval-2019任务5设计的,到场者需要设盘算法来检测具有给定目的(例如女性或移民)的英语和西班牙语的愤恨言论。在这里,我们使用语言特性开发了两个深度神经网络(双向门控递归单元(GRU),字符级卷积神经网络(CNN))和一个机械学习模型。

我们提出的模型划分以英语和西班牙语获得了任务A的57和75 F1分数。对于任务B,英语的F1分数是67,西班牙语的F1分数是75.33。在任务A(西班牙语)和任务B(英语和西班牙语)的情况下,F1分数划分提高了2、10和5分。

此外,我们提供了可视化可解释的模型,该模型可以通过观察带注释的数据集来解决议制设计的机械学习架构的普遍性问题。使用R语言分析社交媒体网络数据:用户、评论和交流模式的半自动筛选原文标题: Analysing Social Media Network Data with R: Semi-Automated Screening of Users, Comments and Communication Patterns地址: http://arxiv.org/abs/2011.13327作者: Dennis Klinkhammer摘要: 社交媒体平台上的交流不仅在文化和政治上相关,而且在整个社会中越来越广泛。用户不仅可以通过社交媒体平台举行交流,还可以专门搜索信息,流传信息或自己公布信息。

可是,虚假新闻,愤恨言论甚至激进因素都是这种现代交流形式的一部门:有时会对小我私家和社会发生深远的影响。对这些机制和相同模式的基本明白可以资助抵消负面的相同形式,例如儿童中的欺凌行为或极端政治看法。为此,将提出一种方法,以打破潜在的相同模式,追踪单个用户并检查他们的评论并在社交媒体平台上公布信息;或稍后通过定性研究举行对比。如果思量到框架式社会网络和主题,此方法可以以100%的准确性识别特别活跃的用户。

可是,方法论和对策方法必须越发动态和灵活,以确保流传愤恨言论,虚假新闻和激进分子的用户的敏感性和专一性。社交距离逆境中的振荡动力学原文标题: Oscillatory dynamics in the dilemma of social distancing地址: http://arxiv.org/abs/2011.13358作者: Alina Glaubitz, Feng Fu摘要: 远离社会作为主要的非药物干预措施之一,可以资助减缓疾病的流传,例如在COVID-19大盛行中。有效的社会疏离,除非通过严厉的封锁措施和强制性的警戒线卫生措施来实施,否则需要始终如一的严格团体遵守。可是,尚不清楚导致社会疏远的最终决议因素是什么及其对缓解疾病的影响。

在这里,我们通过控制社会疏远行为演变的演化博弈论模型将其纳入盛行病学历程。在我们的模型中,我们假设一小我私家的行为切合其最大利益,而且他们的决议是通过对社交实时熏染风险与社会疏远成本举行比力的适应性社会学习来驱动的。我们发现陪同着熏染浪潮的社会距离有趣的振荡动力。而且,振荡动力学受到控制决议的模型参数的非平凡依赖而削弱,并在累积熏染凌驾畜群免疫力时逐渐停止。

与没有社会距离的情况相比,我们量化了社会距离减轻盛行病的水平及其对小我私家行为改变的理性和理性的依赖。我们的事情为使用人类行为支持大盛行应对提供了新的看法。

懦弱但具有弹性:公司协作网络中的适应性下降原文标题: Fragile, yet resilient: Adaptive decline in a collaboration network of firms地址: http://arxiv.org/abs/2011.13369作者: Frank Schweitzer, Giona Casiraghi, Mario V. Tomasello, David Garcia摘要: 企业协作网络的动态遵循增长和衰退的生命周期。这并不意味着它们的弹性也削弱了。

相反,不停下降的协作网络仍可能具有减轻公司去职带来的打击并通过适应新的互助同伴来弥补这些损失的能力。为了证明这一点,我们分析了25年中六个差别工业领域的14.500家公司的21.500 R&D互助。我们盘算脱离网络的公司的时间依赖性概率,并模拟辍学级联,以确定下降的预期动力。

然后,我们讲明与这些期望的偏离是由网络的适应性导致的,这缓解了下降的趋势。这些偏差可以用作网络弹性的怀抱。基于自发对称破缺观点的在线回声室效应建模原文标题: Modeling of Online Echo-Chamber Effect Based on the Concept of Spontaneous Symmetry Breaking地址: http://arxiv.org/abs/2011.13372作者: Masaki Aida, Ayako Hashizume摘要: 在线回声室效应是一种现象,其中在在线社会网络内形成的相对较小的社区中,与知识相去甚远的信念获得了增强。

由于它严重破坏了现实世界中的社交运动,因此我们应该明白在实现对策技术的工程框架中回声腔效应是如何发生的。本文通过将自发对称性中断的观点引入用于形貌在线用户动态的振荡模型框架中,提出了一种在线回声腔效应模型。

ob欧宝体育在线官网

迈向实时人口预计:在县一级引入Twitter的住民和非住民逐日预计原文标题: Towards real-time population estimates: introducing Twitter daily estimates of residents and non-residents at the county level地址: http://arxiv.org/abs/2011.13482作者: Yago Martin, Zhenlong Li, Yue Ge摘要: 由于缺乏可靠的数据或可用数据的时间稀疏性,迁移和流动性的研究向来受到严重限制。使用地理空间数字跟踪数据,可以越发准确和动态地丈量人口运动的研究。我们的研究旨在开发近乎实时的(一日滞后)Twitter人口普查,以便在时间上更精致地描绘县一级的当地和非当地人口。

使用经由地理标志的推文来确定所有运动Twitter用户的住所,我们通过获取准确的逐日Twitter人口(住民和非住民)来为数字和盘算人口统计学领域做出孝敬。与用户自行陈诉的家庭位置相比,内部验证显示出80%以上的准确性。外部验证效果讲明,这些股票与县级住民/非住民的可用统计信息相关,而且可以准确反映定期(季节性旅游)和非定期事件,例如2017年美国大食。

引入人口预计中通常缺乏的动态身分的潜力。通过深度强化学习在时变图中举行有效的信息扩散原文标题: Efficient Information Diffusion in Time-Varying Graphs through Deep Reinforcement Learning地址: http://arxiv.org/abs/2011.13518作者: Matheus R. F. Mendonça, André M. S. Barreto, Artur Ziviani摘要: 网络播种对于在时变图上(TVG)举行有效的信息流传是许多现实应用中的一项困难任务。

有多种方法可以模拟此时空影响最大化问题,但最终目的是确定节点开始扩散历程的最佳时刻。在这种情况下,我们提出了“时空影响最大化”(STIM),该模型是通过在一组人工TVG上举行强化学习和图嵌入训练的,能够学习每个节点的时间行为和连通性模式,从而使其能够预测在TVG中开始流传的最佳时机。我们还开发了一套特殊的人工TVG,用于训练,以模拟TVG中的随机扩散历程,这讲明STIM网络甚至可以在不确定的情况中学习有效的计谋。STIM还在真实世界的TVG中举行了评估,在TVG中,它还设法通过节点有效地流传信息。

最后,我们还讲明STIM模型的时间庞大度为 O(| E |)。因此,STIM提出了一种在TVG中举行有效信息流传的新颖方法,具有高度的通用性,可以通过简朴地改变接纳的奖励函数来改变模型的目的。展现澳大利亚和美国现代都会演变中的结构吸引子原文标题: Revealing configurational attractors in the evolution of modern Australian and US cities地址: http://arxiv.org/abs/2011.13597作者: Bohdan Slavko, Kirill Glavatskiy, Mikhail Prokopenko摘要: 现代都会的空间结构出现出高度多样化的格式,而且在众多限制下不停生长。

最近,在表征这种多样性的历程中,有两个主要方面很突出:异质性和扩散。可是,现代住区并不能填补整个异质性扩散空间。

然而,导致视察到的结构泛起的动力学机制尚不清楚。在这里,我们评估了澳大利亚25个都会和美国175个都会中人口密度的异质性和漫衍。我们视察到较大的都会趋向于形成一个具有低水平的扩散和高度的异质性的集群,并将这种视察与这些都会中都会内部迁移的动态特性联系起来。

为此,我们引入了一个与迁移数据一致的模型,该模型凭据实际结构数据预测了大多数都会的高度紧凑且异构的结构。此外,我们针对流动性特征的变化(例如社会设置和处于平衡状态四周的搬迁阻抗)分析了都会设置恒久动态的稳定性。效果,我们陈诉了都会结构在质量上截然差别的三个阶段:统一,单中心和多中心。

这些阶段被示出为通过平滑或急剧的转变,在适当选择的构型参数的空间视察到分散。最后,该分析讲明,所有可能的平衡构型(“构型吸引子”)的荟萃在异质性扩展空间中形成了一个狭窄区域,从而解释了聚类模式的泛起。医疗众筹如何资助人们?水滴筹大型案例研究原文标题: How Medical Crowdfunding Helps People? A Large-scale Case Study on Waterdrop Fundraising地址: http://arxiv.org/abs/2011.13608作者: Junjie Huang, Huawei Shen, Qi Cao, Li Cai, Xueqi Cheng摘要: 只管在线医疗众筹取得了庞大的乐成,但关于医疗众筹是否以及如何资助人们的定量研究仍很少探索。

在本文中,我们通过履历研究了在线医疗众筹如何在Waterdrop Fundraising(中国最受接待的在线医疗众筹平台之一)中使用凌驾27,000个筹款案例的人们中获得资助。我们发现,募捐人获得的钱款漫衍广泛,即,大多数低筹款案件与少数很是乐成的案件并存。我们进一步伐查了可能与医疗筹款案例乐成相关的因素。筹款案例的简介信息(例如筹款者的地理信息)会影响捐赠金额,因为详细形貌可能会提高筹款案例的可信度。

一个重要的发现在于社会网络对筹款案例乐成的影响:筹款信息在社会网络上的流传是筹款乐成的关键因素,而筹款人的社会资本在筹款中起着重要的作用。最后,我们使用机械学习模型举行捐赠预测,验证潜在因素对医疗众筹乐成的影响。总而言之,这项事情在网络上出现了数据驱动的医疗筹款看法,并为明白医疗众筹打开了一扇门。都会Twitter网络和社区:以雅典微博为例原文标题: Urban Twitter Networks and Communities: A Case Study of Microblogging in Athens地址: http://arxiv.org/abs/2011.13785作者: Tasos Spiliotopoulos, Ian Oakley摘要: 本文研究了使用都会级别标签的Twitter用户组成的社区。

特别是,我们提供了有关希腊雅典市的网络透视图,如相关Twitter主题标签数据的分析和可视化所示,目的是对该地理当地网络的微博实践举行概述和更深刻的看法。进一步的分析讲明,由网络成员界说的Twitter社区显示出真实社区的强烈迹象。公布或推文:来自Facebook和Twitter使用情况研究的履历教训原文标题: Post or Tweet: Lessons from a Study of Facebook and Twitter Usage地址: http://arxiv.org/abs/2011.13802作者: Tasos Spiliotopoulos, Ian Oakley摘要: 该研讨会论文陈诉了正在举行的混淆方法研究,该研究针对相同的用户在两个可能最受接待的社交网站Facebook和Twitter上举行。

该研究的总体目的是通过将到场者念头的观察数据与通过API提取收集到的使用数据联合起来,展现社交媒体选择和跨平台使用的细微差异。我们形貌了研究的设置,并将讨论的重点放在与到场者招募和数据收集,处置惩罚和分类使用数据以及将各个站点的使用数据举行比力有关的挑战和看法。两个相对公共媒体的噪声舆论形成模型原文标题: A noisy opinion formation model with two opposing mass media地址: http://arxiv.org/abs/2011.13813作者: Hirofumi Takesue摘要: 小我私家态度形成的历程及其宏观结果已成为一个有趣的研究主题,并提出了基于主体的看法形成模型来明白这种现象。

这项研究举行了基于主体的模拟,并研究了公共媒体在嘈杂的意见形成历程中的作用,在该历程中,意见同质性被弱化的同化强度和陪同意见修改的错误所保留。在盘算模型中,主体在社会网络中切合邻人的意见。此外,每个行为者倾向于受到具有牢固看法的两个外部行为者之一的影响,即,在舆论谱上处于相反位置的公共媒体。

仿真效果讲明,纵然在极端公共媒体位置值的情况下,与公共媒体互动的可能性很小,也会降低看法异质性。可是,与公共媒体互动的频繁性增加了意见异质性。

因此,中等同化强度实现了最少的异质看法漫衍。公共媒体的影响削弱了网络拓扑的影响。我们的模拟讲明,公共媒体可以凭据其位置和影响强度在质上饰演差别的角色。

盛行病的路径依赖历程:两阶段隔离是否比一阶段好?原文标题: Path-dependent course of epidemic: are two phases of quarantine better than one?地址: http://arxiv.org/abs/2011.13826作者: Varun Nimmagadda, Oleg Kogan, Evgeniy Khain摘要: 纵然从纯粹的盛行病学角度来看,在COVID-19盛行期间严格检疫的重要性也受到了广泛的争论。阻挡严格锁定措施的一种论点是,一旦取消严格隔离,疫情便会重演,因此整个盛行期间的受熏染个体累计数量将保持稳定。我们思量网络上的SIR模型,并遵循疾病动态,通过更改节点度漫衍来对隔离阶段举行建模。我们凭据历史显示系统到达了差别的稳态:只管最终结点度漫衍相同,但盛行病的效果仍取决于路径。

效果讲明,到最终节点度漫衍的两阶段路由(严格阶段之后是软阶段)总是比一个阶段(相同的软阶段)要好,除非所有个体的末了毗连数均相同(同样的水平);在后一种情况下,熏染的总数确实与历史无关。该模型还讲明,排除隔离的最佳历程包罗按节点的顺序(最高优先)释放节点。声明:Arxiv文章摘要版权归论文原作者所有,机械翻译后由本人举行校正整理,未经同意请勿随意转载。

本系列在民众号“网络科学研究速递”(netsci)和小我私家博客举行同步更新。


本文关键词:Arxiv,网络,科学,论文,摘要,17篇,2020-11-30,ob欧宝体育在线官网,APAN

本文来源:ob欧宝体育官网入口-www.xyseaweed.com