- BIRDNEST：评级欺诈检测的贝叶斯推断;
- 通过图分解聚类和共正则多视图一致的多视图网络嵌入;
- 季节性流行病期间的主动呼叫调度;
- 个体层面的社会网络与意见动态建模;
- SocialGCN：一种基于高效图卷积网络的社会推荐模型;
- 权力与领导：复杂系统科学方法第一部分 - 表征与动力学;
- 通过卢浮宫博物馆的随机游走分析游客的流动模式;
- 无标度协作网络：作者名称消歧视角;
- 具有有限谱维数的网络几何同步;
BIRDNEST：评级欺诈检测的贝叶斯推断
原文标题： BIRDNEST: Bayesian Inference for Ratings-Fraud Detection
地址： http://arxiv.org/abs/1511.06030
作者： Bryan Hooi, Neil Shah, Alex Beutel, Stephan Gunnemann, Leman Akoglu, Mohit Kumar, Disha Makhija, Christos Faloutsos
摘要： 审查欺诈是在线商务中普遍存在的问题，其中欺诈性卖家编写或购买虚假评论来操纵对其产品和服务的感知。假冒伪劣评论通常基于几个标志来检测，包括1）它们在短时间内发生; 2）欺诈性用户帐户的评级分布偏差。但是，在任何给定的数据集中，这些都可能都是正确的。因此，在本文中，我们提出了一种检测欺诈性审查的方法，该方法以原则性方式结合这两种方法，即使不存在这些标志中的一种，也允许成功检测。为了结合这两种方法，我们制定了贝叶斯推荐评级数据（BIRD）模型，这是一种灵活的贝叶斯用户评级行为模型。基于我们的模型，我们制定了基于可能性的可疑度量标准，归一化预期惊喜总数（NEST）。我们提出了一种线性时间算法，用于使用我们的模型执行贝叶斯推理并计算度量。对实际数据的实验表明，BIRDNEST成功地在大型真实世界图表中发现了审查欺诈：我们的算法标记的Flipkart平台的50个最可疑用户被调查，并且所有被Flipkart的领域专家认定为欺诈。
通过图分解聚类和共正则多视图一致的多视图网络嵌入
原文标题： Multi-View Network Embedding Via Graph Factorization Clustering and Co-Regularized Multi-View Agreement
地址： http://arxiv.org/abs/1811.02616
作者： Yiwei Sun, Ngot Bu, Tsung-Yu Hsieh, Vasant Honavar
摘要： 真实世界的社会网络和数字平台由通过多种类型的关系（链接）链接到其他个体或实体的个体（节点）组成。基于每种类型的链路的这种网络的子网络对应于底层网络的不同视图。在实际应用中，每个节点通常仅链接到其他节点的一小部分。因此，诸如节点标记之类的问题的实际方法必须应对所产生的稀疏网络。虽然低维网络嵌入提供了解决该问题的有希望的方法，但是大多数当前的网络嵌入方法主要关注于单视图网络。我们介绍了一种新颖的多视图网络嵌入（MVNE）算法，用于从多视图网络构建低维节点嵌入。 MVNE使用图分解聚类（GFC）使用图分解设置（一种基于底层多边形的局部和全局结构最大化视图之间的一致性的目标函数）来适应和扩展单视图网络嵌入（SVNE）的方法。查看图。我们对几个基准实际单视图网络的实验表明，当嵌入用于标记时，基于GFC的SVNE产生的网络嵌入与最先进的单视图网络嵌入方法产生的网络嵌入相比或更优。网络中未标记的节点。我们对几个多视图网络的实验表明，MVNE在集成视图和最先进的多视图方法上基本上优于单一视图方法。我们进一步表明，即使目标是预测单个目标视图中的节点标签，MVNE也优于其单视图对应方，表明MVNE能够提取对于标记目标视图中的节点有用的信息。的意见。
季节性流行病期间的主动呼叫调度
原文标题： Proactive On-call Scheduling during a Seasonal Epidemic
地址： http://arxiv.org/abs/1811.02681
作者： Omar El-Rifai (CIS-ENSMSE), Thierry Garaix (LIMOS), Xiaolan Xie (DIELM)
摘要： 在季节性流行病危机期间，紧急部门（ED）过度拥挤尤其成问题。在此期间，教育署每年都会采取追索行动，以应付工作量的增加。流行病的长度和幅度的不确定性使管理决策变得困难。我们在本研究中建议使用人员分配模型来管理使用随叫随到的情况。建议采用随叫随到的调度策略，以在工作时间的法律约束下最佳地平衡需求覆盖和劳动力成本。该问题被建模为两阶段随机整数线性程序（ILP）并使用样本平均近似（SAA）方法求解。法国里尔的ED数据定义了几种流行情景。
个体层面的社会网络与意见动态建模
原文标题： Modeling Dynamics of Social Network and Opinion at Individual Level
地址： http://arxiv.org/abs/1811.02791
作者： Xi Chen, Jie Tang, Yizhou Sun
摘要： 网络动态一直是一个值得探讨的学术领域的有意义的话题。以前的网络模型包含两部分：（1）根据用户属性生成结构; （2）根据网络结构改变财产。然而，这些模型中的属性不能被解释为流行的社会理论或经验真理中的概念。而且，他们通常以统一的方式对待每个人。虽然这种假设是非常误导的，因此显著地限制了它们的表现。为了克服这些缺陷，我们为社会网络和意见（PENO）设计了一个个性化的演化模型，其中公民的意识形态通过不同的观点来揭示，并且每个实体都考虑了人格的四个维度 - 领导力，开放性，宜人性和神经质。意见通过社会关系传播，领带产生于意见亲和力，个性与意见和整个演化相结合。据我们所知，PENO是第一次尝试在网络动力学中引入人格影响，并在模拟过程中通过合理的可视化验证社会科学。我们还提出了它的概率图和构思迭代学习算法。实验表明PENO在两个典型的预测任务上优于几个最先进的基线 - 议会投票预测立法账单和友情预测在书评评网站上。最后，我们讨论了它在日常场景中进行多任务学习和转移学习的可扩展性。
SocialGCN：一种基于高效图卷积网络的社会推荐模型
原文标题： SocialGCN: An Efficient Graph Convolutional Network based Model for Social Recommendation
地址： http://arxiv.org/abs/1811.02815
作者： Le Wu, Peijie Sun, Richang Hong, Yanjie Fu, Xiting Wang, Meng Wang
摘要： 协同过滤（CF）是推荐系统最成功的方法之一。随着在线社会网络的出现，社交推荐已成为一种流行的研究方向。大多数这些社交推荐模型利用每个用户的本地邻居的偏好来减轻CF中的数据稀疏性问题。然而，他们只考虑每个用户的本地邻居，而忽略了当社会网络中信息扩散时用户偏好受到影响的过程。最近，图卷积网络〜（GCN）通过在图中利用图结构和节点特征信息对信息扩散过程进行建模，显示了有希望的结果。为此，本文提出了一种基于有效图卷积神经网络的社会推荐模型。基于经典的CF模型，我们提出的模型的关键思想是我们借用GCN的优势来捕捉用户的偏好如何受社会网络中社会扩散过程的影响。用户偏好的扩散建立在分层扩散方式上，初始用户嵌入作为当前用户特征的函数，并且用户特征中不包含自由基本用户潜在向量。类似地，每个项目的潜在向量也是项目的自由潜在向量及其特征表示的组合。此外，我们表明，当用户和项目功能不可用时，我们提出的模型是灵活的。最后，对两个真实世界数据集的广泛实验结果清楚地表明了我们提出的模型的有效性。
权力与领导：复杂系统科学方法第一部分 - 表征与动力学
原文标题： Power and Leadership: A Complex Systems Science Approach Part I - Representation and Dynamics
地址： http://arxiv.org/abs/1811.02896
作者： Yaneer Bar-Yam
摘要： 历史叙事主要是强大的个人行为以及权力竞争。表征不同类型的权力的起源，类型和竞争力可以产生用于理解赢得或避免冲突的历史过程和机制的脚手架。迈克尔·曼（Michael Mann）区分了四种权力：政治，军事，经济和意识形态。我们通过个人将决策转移给领导者的四种动机来证明这个框架是合理的：渴望成为集体的成员，避免因威胁造成的伤害，获得因支付而获得的利益，获得价值体系。基于这些类型的权力构建社会模型能够区分社会系统并描述其动态。动力学包括（a）电力系统之间的竞争，（b）强大个体之间的竞争，以及（c）强大个体内的价值观动态。历史趋势是将权力类型逐渐分离到不同的个人群体。在古代帝国中，所有形式的权力都集中在一个人身上，例如在Pax Romana时期的凯撒。在一个理想化的现代民主国家中，四种权力集中在不同的个人群体中。渐进式分离表明，在某些情况下，这在类似于生物有机体的选择的演化过程中赋予“适应性”优势。但是，各个国家可能不会完全分开电力。财富在政治和监管俘获中的影响是经济领导者支配地位的标志，例如：美国。政治领导人在经济和腐败中的重要作用是政治领导者支配地位的标志，例如：中国。意识形态领袖在民主中占主导地位，例如：伊朗。军事领导人在独裁统治中占主导地位，或军事领导人选择领导者，例如埃及。
通过卢浮宫博物馆的随机游走分析游客的流动模式
原文标题： Analysis of visitors' mobility patterns through random walk in the Louvre museum
地址： http://arxiv.org/abs/1811.02918
作者： Yuji Yoshimura, Roberta Sinatra, Anne Krebs, Carlo Ratti
摘要： 本文提出了一种随机游走模型来分析大型博物馆中游客的流动模式。访客的可用时间使他们的访问风格不同，导致访问地点的顺序和数量以及路径序列长度的不同。我们通过比较模拟模型和观察数据来分析所有这些，这为我们提供了访客移动模式的强度。得到的结果表明，较短的停留型游客表现出比较长停留型游客更强的模式，证实前者在他们的访问类型方面比后者更具选择性。
无标度协作网络：作者名称消歧视角
原文标题： Scale-free collaboration networks: An author name disambiguation perspective
地址： http://arxiv.org/abs/1811.03030
作者： Jinseok Kim
摘要： 一些研究发现协作网络是无标度的，提出这种网络可以通过特定网络演进机制（如优先附着）建模。本研究认为，协作网络可以或多或少地具有无标度，具体取决于解决书目数据中作者姓名歧义的方法。分析由包含3.4M~9.6M发布记录的多个数据集构建的网络，本研究表明，通过常用启发式（即基于名称 - 初始的名称匹配）消除作者姓名歧义的协作网络倾向于产生更适合的度分布与通过更精确的基于算法的方法消除歧义的网络相比，具有典型尺度参数（2 <{\ alpha} <3）的幂律斜率。在各种条件下产生的协作网络中观察到这种趋势，例如累积年份，5年和1年滑动窗口，以及随机抽样，并且通过模拟发现主要由于由不准确的消歧产生的人工实体而产生。这项警示性研究要求学者特别关注分析网络数据，其中人，组织和基因等实体可以通过不正确的消歧来合并或分割。
具有有限谱维数的网络几何同步
原文标题： Synchronization in Network Geometries with Finite Spectral Dimension
地址： http://arxiv.org/abs/1811.03069
作者： Ana P. Millán, Joaquín J. Torres, Ginestra Bianconi
摘要： 最近，人们对网络几何和拓扑结构产生了浓厚的兴趣。在这里，我们表明谱维度在建立网络的拓扑和几何属性及其动态之间的明确关系中起着重要作用。具体来说，我们探索谱维度在确定Kuramoto模型的同步属性中的作用。我们表明，对于大于4的谱尺寸，同步相位只能是热力学稳定的，并且只有大于2的谱尺寸才能找到振荡器的相位夹带。我们对最近推出的称为复杂网络流形的网络几何模型进行了数值测试，该模型显示了可调谐谱尺寸。
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。