- 市场法非正常股票回报和最高法院决策;
- 一种用于在线社交网络中谣言阻塞的高效随机算法;
- 贝叶斯集团决策：算法和复杂性;
- 性别的社会结构的偏差和差异;
- 实现增强现实第四代社交网络;
- 计算机病毒与补丁之间的分布式交互：建模研究;
- 通过边缘加权方案的自适应模块化最大化;
- 属性社交网络嵌入;
- PrivacyScore：通过网络资源的基准来改善隐私和安全;
- 驳斥“影响最大化的神话：深层次的基准研究”;
- 随机块模型的最优假设检验;
- 比特币并不孤单：量化和建模加密货币市场的长期动力;
市场法非正常股票回报和最高法院决策
地址： http://arxiv.org/abs/1508.05751
作者： Daniel Martin Katz, Michael J Bommarito II, Tyler Soellinger, James Ming Chen
摘要： 当美国最高法院决定影响一个或多个上市公司的案件会发生什么情况？虽然许多人观察到将决策或口头论据与异常股票收益联系起来的轶事证据，但很少有人严格或系统地调查了最高法院行为周围的股票行为。在这项研究中，我们提出了关于这个话题的第一次全面纵向研究，跨越15年，数百个案例和企业。使用围绕决策和口头辩论的内部和外部数据，我们评估最高法院行动后统计学上显着的异常回报事件的频率和幅度。按期计算，我们发现5.3个案件和7.8个股票在作出决定后表现出异常回报。总共来看，在我们审查的案件中，我们发现211个案件中有79个（37％）在两会议期间平均出现4.4％的平均异常回报，平均$ | t | $ - 统计数据为2.9。最后，我们观察到，最高法院的决定是在数小时和数天的时间内实现的，而不是几分钟，从而在这种情况下对市场效率产生强烈的影响。虽然我们不能将实质的法律影响与仅仅修改信仰的因果关系分开，但是我们确实发现了有力的证据，确实存在“异常回报事件”频率衡量的“市场法则”效应，而且这些异常收益并不立即纳入成价格。
一种用于在线社交网络中谣言阻塞的高效随机算法
地址： http://arxiv.org/abs/1701.02368
作者： Guangmo Tong, Weili Wu, Ling Guo, Deying Li, Cong Liu, Bin Liu, Ding-Zhu Du
摘要： 社会网络允许思想和创新的快速传播，而负面信息也可以广泛传播。当具有不同意见的级联到达同一用户时，首先到达的级联最有可能被用户占用。因此，一旦发现了错误信息或谣言，自然的遏制方法就是引入一个正面的阶级与谣言进行竞争。假设一个预算$ k $，传闻阻止问题要求$ k $种子用户触发积极级联的传播，这样可以最大限度地发挥不受谣言影响的用户数量。以前的工作已经表明，传统的阻塞问题可以通过与蒙特卡罗模拟结合的经典贪婪算法在$ 0（\ frac { k ^ 3mn \ ln n} {\ delta ^ 2}）$，其中$ n $和$ m $分别是用户和边的数量。不幸的是，基于蒙特卡罗模拟的方法是非常耗时的，现有的算法可以实现实际效率的交易性能保证，反之亦然。在本文中，我们提出了一个随机算法，它运行在$ O（\ frac {km \ ln n} {\ delta ^ 2}）$预期时间，并提供$（1-1 / e- \ delta）$近似概率很高。现实世界和综合社会网络的实验结果表明，所提出的随机谣言阻塞算法比现有技术的方法更有效，并且能够找到有效限制的种子节点谣言传播。
贝叶斯集团决策：算法和复杂性
地址： http://arxiv.org/abs/1705.04770
作者： Ali Jadbabaie, Elchanan Mossel, M. Amin Rahimian
摘要： 许多重要的现实世界的决策问题涉及个人与纯信息外部性的交互，例如陪审团审议，专家委员会等。我们模拟了一组中理性代理人的这种互动，在那里他们收到私人信息，并基于这些信息同时也是观察别人的信仰或行为。贝叶斯经纪人试图从她对自己的私人信号的观察序列中推断出真相，她递归地提炼出对其他玩家可能观察到的信号的信念，以及他们可以采取的行动，因为其他玩家是也理性现有文献阐述了贝叶斯群体决策的渐近性质（重要问题，如趋同共识和学习）。在这项工作中，我们讨论了贝叶斯代理人在每个决策时代应该采取的计算方式来实现最佳的行动。我们使用迭代消除不可行信号（IEIS）来模拟思维过程以及在组决策场景中对贝叶斯代理的计算。我们显示IEIS算法以指数时间运行;然而，当组结构是部分有序集合时，贝叶斯计算简化，贝叶斯推荐的多项式时间计算是可能的。我们接下来转移注意力，在每个决策时代，代理人都会透露自己的信仰（而不是行动）。我们分组分析贝叶斯信念形成的计算复杂度，并表明它是NP-硬的。我们还研究了这种计算复杂性的因素，并展示了信念计算如何在特殊网络结构中简化，或者具有强固有对称性的情况。我们终于深入了解信念的统计效率（最优）及其与计算效率的关系。
性别的社会结构的偏差和差异
地址： http://arxiv.org/abs/1705.04774
作者： Kristen M. Altenburger, Johan Ugander
摘要： 个人倾向于与自己相似的人（通常被称为同性恋者）倾向于成为朋友的观察是社会网络的突出和研究深入的特征。许多机器学习方法根据朋友的属性利用同事来预测个人的属性。同时，最近的工作表明，性别同质性在实践中可能很弱或不存在，使得性别预测特别具有挑战性。在这项工作中，我们确定了预测性别的另一个有用的结构特征，对于对特定性别有极端偏好的个人而言，性别偏好过度分散，而不考虑自己的性别。我们把这个属性称为“爱的一个”，并且在偏好偏好和偏好偏差方面共同描述社会网络中的同性恋和单身人士的统计结构。为了预测，我们发现这种极端性别偏好模式引入了朋友之间的相关性，个人与朋友的朋友相似，而不一定与朋友相似。我们分析美国高校的在线友情网络人数和离线友谊网络，并观察到基于朋友的“预测公司”的预测方法的成功之间的根本区别，与基于朋友的方法相比，朋友，“你所在的公司”。这些发现提供了一般的属性预测和性别的替代观点，使已经困难的保护属性隐私的任务复杂化。
实现增强现实第四代社交网络
地址： http://arxiv.org/abs/1705.04798
作者： Andres Montero, Borja Belaza
摘要： 描述了第四代社交网络的概念，其基于增强现实（AR）的特征，能够实现在人类增强现实（PAR）设备中显示的丰富的数字信息层，用户在社会中共享的数据网络。当通过手机将用户定位到具有AGPS的移动设备的用户和在社交媒体中的个人资料时，通过照相机效果来访问该PAR层。第四代的社交网络将是Facebook和Pokemon Go之间的组合。
计算机病毒与补丁之间的分布式交互：建模研究
地址： http://arxiv.org/abs/1705.04818
作者： Lu-Xing Yang, Pengdeng Li, Xiaofan Yang, Yuan Yan Tang
摘要： 分散式补丁分发机制作为其集中对手的替代品具有重大前景。为了准确评估分布式补丁分发机制的性能，并且基于准确地捕获病毒和补丁之间的相互作用的平均动态的精确SIPS模型，新的病毒 - 补丁交互模型被称为通用SIPS模型，被提出。该模型包含线性SIPS模型。全面研究了通用SIPS模型的动力学。特别地，提出了病毒或/和补丁的最终灭绝或/和长期存活的一套标准。经验发现线性SIPS模型准确捕获病毒 - 斑块相互作用的平均动态的一些条件。因此，如果满足适当的条件，则可以采用线性SIPS模型作为评估分布式补丁分配机制的性能的标准模型。
通过边缘加权方案的自适应模块化最大化
地址： http://arxiv.org/abs/1705.04863
作者： Xiaoyan Lu, Konstantin Kuzmin, Mingming Chen, Boleslaw K. Szymanski
摘要： 模块化优化是社区检测的最先进的方法之一，在过去十年中已经普及。然而，在许多实际应用中，模块化最大化算法受到分辨率限制问题的困扰，因为它们对小社区的大社区有偏见。为了解决这个问题，我们提出了一种新的回归模型，它根据它们的局部拓扑特征向图的边缘分配权重，以提高模块化最大化算法的准确性。给定一个大的未加权网络，我们基于从网络采样的参数构建人工图，并以监督方式与这些人造图的地面真实社区一起训练回归模型。由于可以有效地提取边缘的局部拓扑特征，所以该方法在线性时间内为边缘分配权重。实际和合成网络的实验结果表明，当我们的模型应用于加权图时，最先进的社区检测算法可以显着提高其性能。
属性社交网络嵌入
地址： http://arxiv.org/abs/1705.04969
作者： Lizi Liao, Xiangnan He, Hanwang Zhang, Tat-Seng Chua
摘要： 将网络数据嵌入到低维向量空间中已经显示出许多现实应用的有希望的性能，例如节点分类和实体检索。然而，大多数现有的方法只集中在利用网络结构。对于社交网络，除了网络结构之外，还存在关于社会参与者的丰富信息，如友情网络的用户个人资料和引文网络的文本内容。社会行为者的这些丰富的属性信息揭示了同质性的影响，对社会网络的形成产生了巨大的影响。在本文中，我们探索了社交网络中丰富的属性证据来改善网络嵌入。我们提出了一个通用的社交网络嵌入框架（SNE），它通过保留结构接近度和属性邻近度来学习社会行为者（即节点）的表示。虽然结构邻近捕捉全球网络结构，但属性接近度则表示了同质性效应。为了证明我们的建议，我们对四个现实社会网络进行了广泛的实验。与最先进的网络嵌入方法相比，SNE可以学习更多的信息表达，实现链路预测和节点分类任务的实质性收益。具体来说，SNE显着优于node2vec，相对于链路预测任务相对改善了8.2％，节点分类任务获得了12.7％的增益。
PrivacyScore：通过网络资源的基准来改善隐私和安全
地址： http://arxiv.org/abs/1705.05139
作者： Max Maass, Dominik Herrmann
摘要： 网站所有者进行有意识和无意识的决定，影响用户，可能会使他们面临隐私和安全风险。在本文中，我们介绍了PrivacyScore，一个自动化的网站扫描门户，允许任何人对多个网站的安全和隐私功能进行基准测试。与现有项目相比，PrivacyScore实施的检查涵盖了更广泛的潜在隐私和安全问题。此外，用户可以控制排名和分析方法。因此，数据保护机构也可以使用PrivacyScore来执行定期的合规性检查。从长远来看，我们希望通过公布的基准测试得出的透明度，为网站所有者提供改进网站的动机。我们计划在2017年6月的“年度隐私权论坛”上公布第一版PrivacyScore的公开资料。
驳斥“影响最大化的神话：深层次的基准研究”
地址： http://arxiv.org/abs/1705.05144
作者： Wei Lu, Xiaokui Xiao, Amit Goyal, Keke Huang, Laks V.S. Lakshmanan
摘要： 在最近的SIGMOD论文题为“脱离影响最大化的神话：深入的基准研究”中，Arora et al。 [1]对影响最大化的几种众所周知的算法进行绩效基准研究。在这个过程中，它们与几个发表的结果相矛盾，并声称发掘和揭露了影响力最大化研究中存在的几个“神话”。本文的目的是客观，批判地审视他们的主张，反驳错误的声明。我们的调查发现，首先，Arora等人的整体实验方法。 [1]有缺陷，导致科学不正确的结论。第二，本文[1]充分考虑了各种影响最大化算法的问题，包括错误实验，并对这些算法提出了许多误导性的结论。重要的是，他们不能理解运行时间和解决方案质量之间的权衡，并没有将其正确地纳入其实验方法。在这篇文章中，我们系统地指出了[1]中存在的问题，反驳了他们的误会。
随机块模型的最优假设检验
地址： http://arxiv.org/abs/1705.05305
作者： Debapratim Banerjee, Zongming Ma
摘要： 本文考虑在渐近状态下对随机块模型进行鄂尔多斯 - 仁义随机图模型的测试，其中图的平均程度随图大小n而增长。我们的主要兴趣在于信噪比处于恒定水平的情况。针对对称二块替代方案，我们首先在零和局部替代假设下，为适当的重新标定的图邻接矩阵得到功率函数的线性谱统计的联合中心极限定理。允许线性谱统计中的能量与图大小一起增长到无穷大。此外，我们显示一类特殊多项式的线性谱统计与生长长度的签名周期密切相关，以确定感兴趣的假设检验问题的渐近似然比检验。这使得我们能够构建一系列的测试统计数据，这个序列可以在连续的方案中达到$ O（n ^ 3 \ log n）$时间复杂度内的精确最优渐近幂，当$ n ^ 2 p_ {n，av} ^ 3 \ infty $其中$ p_ {n，av} $是平均连接概率。我们进一步提出了几种计算容易和完全数据驱动的自适应测试。他们在连续的政权中实现非常重要的权力，并且在$ n p_ {n，av} \到\ infty $时，在单数制度中是一致的。当替代方案成为具有多个块的更一般的随机块模型时，这些测试仍然很强大。
比特币并不孤单：量化和建模加密货币市场的长期动力
地址： http://arxiv.org/abs/1705.05334
作者： Abeer ElBahrawy, Laura Alessandretti, Anne Kandler, Romualdo Pastor-Satorras, Andrea Baronchelli
摘要： 2017年数月稳定增长之后，加密货币市场已达到540亿美元的纪录。然而，迄今为止，对整个系统的全面分析一直缺乏，因为大多数研究集中在一个（比特币）或几个加密货币的行为上。在这里，我们考虑整个市场，并分析自2013年4月以来引入的$ \ sim $ 1,500加密货币的行为。我们透露，虽然新的加密货币不断出现，而且Bitcoin的市场份额一直在下降，市场的几个统计属性多年稳定其中包括主动加密货币的数量，市场份额分配和加密货币的周转量。最后，我们采取生态学的观点，并表明所谓的“进化的”中立模式“，尽管它的简单，再现了一些关键的实证观察。我们预期我们的研究结果将对研究和建模隐形货币市场的结构性质感兴趣的研究者感兴趣。
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。本系列在个人博客网络科学研究速递 进行同步更新，并提供RSS订阅。