- 追寻结构：图结构和半监督分类联合学习;
- 社会物联网基于海林格的信任管理的矩阵分解模型;
- 通过多路相互作用网络的非线性动力学冲突模型;
- 社区检测的新指标;
- PowNet：大规模水能耦合研究的电力系统分析模型;
- 一般排序分布的最大熵框架与社会经济应用;
- 意见动力学与记忆：社会怎么被自己的过去塑造;
- 暴政到无政府状态：有向层级图上的组织影响的模式;
- HateMonitors：社交媒体上语言无关的滥用检测;
- 时间尺度和复现流动模式对流行病扩散的影响;
- 一种新的数据驱动的算法，用于意外高流量非拥挤交通状态的自动化检测;
- 基于文本挖掘技术的股市预测：支持向量机方法;
追寻结构：图结构和半监督分类联合学习
原文标题： A Quest for Structure: Jointly Learning the Graph Structure and Semi-Supervised Classification
地址： http://arxiv.org/abs/1909.12385
作者： Xuan Wu, Lingxiao Zhao, Leman Akoglu
摘要： 半监督学习（SSL）被有效用于多种分类问题，这要归功于它的能力，充分利用丰富的未标记的数据。各种SSL算法的主要假设是对数据歧管附近的点可能共享的标签。基于图的SSL构建从点云数据作为近似底层歧管，接着标签推理的曲线图。这是毫不奇怪的是在捕获的数据的基本结构的构成的曲线图的质量是到后续推断步骤[6]的精度是至关重要的。应该如何构建从基于图的SSL输入点云数据的图表？在这项工作中，我们介绍了SSL的图化建设步伐的新的并行图学习框架（称为PG-学习）。我们的解决方案有两个主要成分：（1）基于一个验证损失函数的边权重（更具体地，在每个维度不同的内核带宽）的基于梯度的优化，并且具有自适应的资源（2）并行超参数搜索算法分配方案。从本质上说，（1）允许我们围绕一个（随机）初始配置超参数搜索更好的具有较低确认损失。由于超参数的搜索空间是巨大的高维问题，（2）让我们的基于梯度的搜索要经过许多不同的初始配置为可能的，其中运行相对没出息开始配置提前终止分配给别人的时候。这样，PG-学习是随机的和自适应搜索的精心设计的混合体。通过对多类分类问题的实验，我们发现显著PG-学习优于准确性各种现有的图施工方案（每个固定时间预算超参数调整），并更有效地扩展到高维问题。
社会物联网基于海林格的信任管理的矩阵分解模型
原文标题： A Matrix Factorization Model for Hellinger-based Trust Management in Social IoT
地址： http://arxiv.org/abs/1909.12432
作者： Soroush Aalibagi, Hamidreza Mahyar, Ali Movaghar, H. Eugene Stanley
摘要： 物联网的社会网络（SIoT），物联网和社会网络范式互联网的融合，已被引入到构建它们能够建立社会联系的智能节点的网络。为了应对misbehavioral服务提供商节点，服务请求者节点必须评估他们的信任级别。在本文中，我们提出了一种新的信任管理机制在SIoT来预测服务请求，导致减少暴露给恶意节点的风险的最可靠的服务提供商。我们的SIoT具有柔性二部图（包含两组节点：服务提供者和请求者）建模，然后生成服务请求者节点之间的相应的社会网络，采用海林格距离。在那之后，我们开发了一个社会信任模型，通过节点的中心性和相似性的措施，来提取网络节点之间的行为信任。最后，矩阵分解技术被设计成提取SIoT节点的潜特征，以减轻数据稀疏和冷启动问题。我们分析在预测的准确性提出的信任预测机制参数的影响。结果表明，从我们的机制，高海灵格相似的特定服务请求者的邻居节点反馈优于现有的最佳方法。我们还表明，利用社会信任模型，只考虑了相似的措施，显著提高了预测机制的准确性。此外，我们评价所提出信任管理系统，通过一个真实的SIoT应用程序的有效性。我们的研究结果表明，该机制是有弹性的，以不同类型的网络攻击，并能准确地找到高可信度适当的服务提供商。
通过多路相互作用网络的非线性动力学冲突模型
原文标题： Nonlinear Dynamic Models of Conflict via Multiplexed Interaction Networks
地址： http://arxiv.org/abs/1909.12457
作者： Gerardo Aquino, Weisi Guo, Alan Wilson
摘要： 冲突的风险是由内部和外部多种因素激怒。当前多因素分析的喷漆随时间变化多样的因果风险状况。然而，这些配置文件演变和通用模型，以了解这种演变依然缺席。目前大多数冲突分析是数据驱动的，并进行在各个国家或地区的水平，往往孤立。多尺度的相互作用及其非线性动力学的一致审议缺失。在这里，我们开发了一个多路网络模型，其中每个城市建模为非线性双稳系统，无论是在战争还是和平稳定状态。其恶化冲突的风险的致病因素的类别分别建模为网络层。我们认为3层：（1）核心交互反映地面互动的城市地理空间网络，（2）交互反映国家文化集团的文化网络，以及（3）相互作用的反映国家联盟的政治网络。他们一起充当司机推向城市或战争拉离开城市。采用多种相对于2002-2016的数据源，我们表明，我们的模型正确地预测过渡从战争到和平，和平与世界各地在城市尺度分辨率的0.78〜0.92 F1比分战。在此期间，由于许多冲突是自回归（例如在阿富汗和伊拉克的反恐战争，在战争麻醉品横跨美洲），我们可以预测新的战争或新的和平的出现。我们证明在广泛的冲突风格的成功预测，我们通过识别模型组件导致了正确的预测进行因果发现。在索马里（2008-13），缅甸（2013-15），哥伦比亚（2011-14），利比亚（2014-16），和也门的情况下（2011-13），我们确定了一组最有可能的偶然因素，以及如何它可以在一个国家不同，随着时间的推移而改变。
社区检测的新指标
原文标题： A novel metric for community detection
地址： http://arxiv.org/abs/1909.12467
作者： Ke-ke Shang, Michael Small, Yan Wang, Di Yin, Shu Li
摘要： 研究发现人口密集的社区最近已吸引了越来越多的网络内科学的重视，检测这些社区的各种指标已被提出。最流行的指标 - 模块化 - 基于所谓的规则，即在社区内的联系比社区的外部链接密集，已经成为了默认。但是，这个默认的不确定性的度量受到影响，更糟的是，模块化的所有扩充和基础上，这是什么意思，形成“社区”狭窄的直觉。我们认为，在特定的，但相当普遍的系统，社区内的联系也不见得比社区之间的联系更为常见。相反，我们提出一个社区的定义特征是链接更可预见的一个社区内，而不是社区之间。在本文中，基于链路预测社区的作用，我们提出了直接基于此功能的社区发现了一种新的度量。我们发现，我们的指标比传统的模块化更强的鲁棒性。因此，我们可以实现算法的稳定性的评价在不同的网络相同的检测算法。我们的指标也可以直接发现虚假社区发现，并推断出更多的统计特性检测算法。
PowNet：大规模水能耦合研究的电力系统分析模型
原文标题： PowNet: a power systems analysis model for large-scale water-energy nexus studies
地址： http://arxiv.org/abs/1909.12529
作者： AFM Kamal Chowdhury, Jordan Kern, Thanh Duc Dang, Stefano Galelli
摘要： PowNet是模拟机组/大型电力系统的经济调度的自由建模工具。 PowNet是专门设想在水能源关系领域的应用，其调查的水资源供应对电力供应的影响。为此，PowNet配备了保证精度，可重用性和计算效率在大空间和时间域的功能。具体地，模型（ⅰ）占两个机组和传输网络的技术经济制约，（ⅱ）可被容易地与该估计产生单元作为的气候条件的函数的状态的模型，以及（iii）明确包括进口/出口节点，这往往是在跨境系统中。 PowNet是用Python实现与任何标准的优化求解器（例如，Gurobi，CPLEX）的帮助下运行。它的功能是充分显示了柬埔寨电力系统。
一般排序分布的最大熵框架与社会经济应用
原文标题： Maximum Entropy Framework for a Universal Rank Order distribution with Socio-economic Applications
地址： http://arxiv.org/abs/1909.12542
作者： Abhik Ghosh, Preety Shreya, Banasri Basu
摘要： 在本文中，我们得出一个具体的排名顺序分布，即离散广义Beta分布，最近已观察到在艺术和科学建模，从不同方面多几个等级规模分布非常有用的最大熵特征，作为齐普夫定律的双参数概括。虽然已经看到几个现实世界的经验数据集提供了出色的配合，负责这个特殊的排列顺序分布成功的基本理论没有正确的探讨。在这里，我们，对于第一次，提供其描述为合适的二元工具约束下的自然最大熵分布其生成处理。此外，考虑到与经济文献通常对数效用函数所提出的效用函数的相似性，我们也探讨了其可接受不同类型的社会经济因素的通用建模一个国家内部以及整个国家。通过严格的统计估计方法估算，用 熵值一起分布参数的值，用于表征多年来所有这些社会经济因素的分布。
意见动力学与记忆：社会怎么被自己的过去塑造
原文标题： Opinion dynamics with memory: how a society is shaped by its own past
地址： http://arxiv.org/abs/1909.12590
作者： Gioia Boschi, Chiara Cammarota, Reimer Kühn
摘要： 为了了解意见共同的方向发展，在现代世界中，我们提出了描述为一个大集合，他们的相互交互和外部事件的影响下，交换他们表达的意见主体人是社会的典范。特别是我们引进这将创建一个集体记忆效应，使得社会能够存储和调用几个外部信号来信息的交互偏差。我们的模型显示了如何将社会和内部结构及其未来的反应可以通过自己的历史的形状。我们将提供的这个事是怎么发生的分析解释，我们将展示以这种方式和机制的Hopfield信息检索模型化社会的反应之间的紧急相似。
暴政到无政府状态：有向层级图上的组织影响的模式
原文标题： Tyranny to Anarchy: Regimes of Organisational Influence on Directed Hierarchical Graphs
地址： http://arxiv.org/abs/1909.12603
作者： Charlie Pilgrim, Weisi Guo, Samuel Johnson
摘要： 社会组织是一个多元化的管理结构的协调行为的关键。在几乎所有的组织中，权力结构存在与管理者和下属。通常在一个零件的改变可以在整个组织造成长期的级联，导致效率低下和混乱。随着组织的发展在规模和复杂性，以及改变他们分享信息和权力的方式，我们分析他们如何抵御干扰受到影响。在这里，我们考虑建模为分层有向图，其中的方向表示任务流程组织多数规则动态。我们利用所谓的营养不协调参数， Q 拓扑措施，从而有效地计权力结构的分层中的组织。这显示出行为的约束机制。有一个在低 Q （例如暴政），在中间 Q （如民主）慢共识快共识，并在高 Q （例如无政府状态）没有达成共识。这些制度与罗马军队，美国政府和医疗机构不同的案例分析和实证研究。我们的工作在组织的设计中广泛应用以及分析如何成为一些低效和停滞。
HateMonitors：社交媒体上语言无关的滥用检测
原文标题： HateMonitors: Language Agnostic Abuse Detection in Social Media
地址： http://arxiv.org/abs/1909.12642
作者： Punyajoy Saha, Binny Mathew, Pawan Goyal, Animesh Mukherjee
摘要： 在在线社交媒体减少仇恨和攻击性内容构成的双重问题的主持人。在一方面，在社会化媒体刚性审查不能强加于人。另一方面，这种内容的自由流动不能被允许的。因此，我们需要有效的侮辱性的语言侦测系统，社交媒体等有害内容。在本文中，我们提出我们的机器学习模型，HateMonitor，为仇视言论，在印欧语系（HASOC）令人反感的内容识别的发展，在2019年FIRE我们已经使用了梯度推进模式共享任务，与BERT和激光沿的嵌入，使系统语言无关。我们的模型来在为德国子任务A.我们还在https://github.com/punyajoy/HateMonitors-HASOC使我们的模型公开第一的位置。
时间尺度和复现流动模式对流行病扩散的影响
原文标题： Impact of temporal scales and recurrent mobility patterns on the unfolding of epidemics
地址： http://arxiv.org/abs/1909.12731
作者： David Soriano-Paños, Gourab Ghoshal, Alex Arenas, Jesús Gómez-Gardeñes
摘要： 人才流动起到对当地疾病爆发转变为全球性传染病的关键作用。因此，包括人类活动纳入传染病模型已成为强制性的了解当前流行的情节，并设计有效的预防政策。在此之后的挑战，在这里我们开发了一个马尔可夫架构，使解决经常性流动模式的疫情发生在不同时间尺度的影响。这种形式主义是由他们的预测与机械模拟的结果进行比较验证。理论和模拟之间的公平协议能够得到捕捉触发疫情的临界条件流行阈值的解析表达式。最后，通过执行这个流行阈值的详尽分析，我们揭示了人类微调流动性对出现疾病的影响是很大程度上受到相关联的流行病学和流动过程的时间尺度。
一种新的数据驱动的算法，用于意外高流量非拥挤交通状态的自动化检测
原文标题： A novel data-driven algorithm for the automated detection of unexpectedly high traffic flow in uncongested traffic states
地址： http://arxiv.org/abs/1909.12782
作者： Bo Klaasse, Rik Timmerman, Tessel van Ballegooijen, Marko Boon, Gerard Eijkelenboom
摘要： 我们提出了一个算法来识别表现出高流量的看似矛盾的行为，同时，一个引人注目的缺席交通拥堵，这样的日子里，我们命名的高性能天天。所开发的算法包括三个步骤：步骤1，基于所述基本图上（即，业务流和交通密度之间的经验关系），我们估计的临界速度;步骤2，基于该数据的标记，击穿概率可以被估计（即，平均速度低于临界速度的可能性）;步骤3中，我们确定未扰动的时刻（当击穿预计即时刻，但不发生），并随后识别基于未扰动力矩的数高性能天。该算法依赖于估计的临界速度的新方法;我们使用稳定回归作为用于标记的工具利用交通流量与密度之间的大致的线性关系在没有拥塞的情况下此外，我们引进的高性能天的概念。识别高性能的日子可能是在追求堵车减少的基石;使用更详细的数据人们可能能够识别的高性能天具体特点。该算法适用于个案研究为特色在荷兰的高度拥挤A15高速公路。
基于文本挖掘技术的股市预测：支持向量机方法
原文标题： Stock Market Forecasting Based on Text Mining Technology: A Support Vector Machine Method
地址： http://arxiv.org/abs/1909.12789
作者： Yancong Xie, Hongxun Jiang
摘要： 新闻项目对股市一个显著影响，但该方法是模糊的。许多以前的作品都旨在寻找准确的股市预测模型。在本文中，我们使用文本挖掘和情绪分析对中国在线金融新闻，预测基于支持向量机（SVM）对中国股市的趋势和股票价格。首先，我们收集2302692个新闻，内容上起1/1/2008到1/1/2015。其次，在此基础上的数据集，特定域停止字字典和精确的情绪字典形成。第三，我们建议使用SVM预测模型。支持向量机实现的算法，我们还提出了两个参数的优化算法来寻找最佳的初始参数设置。结果表明，参数G具有主要作用，而参数C的效果并不明显。此外，支持向量回归（SVR）模型不同的中国概念股都在支持向量分类相似，而（SVC）模型最佳参数都相当差。对比实验系列表明：1）新闻有股市显著的影响;当这一天没有消息数据比SVR正常输入更好地为更多的情况下，b）扩大输入向量，但在SVC差; c）中示出了SVR嵌合在预测股票波动而这样的结果有一定的时间滞后一个奇妙的程度; d）对于股市新闻效应时滞不到两天的时间; e）在SVC，历史股票数据具有最高效的时间差大约是10天，而在这SVR效果并不明显。此外，基于输入向量的特殊结构，我们还设计计算资金来源影响因子的方法。结果表明，新闻的质量和观众人数都对源影响因子显著的效果。此外，对于中国投资者来说，传统媒体比数字媒体更大的影响力。
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。