- 从节点嵌入到社区嵌入;
- 通过最大熵减轻复杂交通网络中的拥塞;
- 网络分类与归类;
- 重新生成社区模型的谱图聚类;
- 基于图表示学习方法的框架;
- 扩展corona积作为加权异构网络的完美解决模型;
- 关于潜在人口博弈的模仿动态;
- 审查隐私价值的方法;
- 更新规则对共同犯人困境的影响;
- 种子缓冲信息传播过程;
- 通过土地价格多元化揭示不平等：1912年京都议案;
从节点嵌入到社区嵌入
地址： http://arxiv.org/abs/1610.09950
作者： Vincent W. Zheng, Sandro Cavallari, Hongyun Cai, Kevin Chen-Chuan Chang, Erik Cambria
摘要： 大多数现有的图嵌入方法都集中在节点上，其目标是为图中的每个节点输出一个矢量表示，使得图中两个“关闭”的节点在低维空间中也是接近的。尽管嵌入单个节点用于图分析的成功，但是我们注意到嵌入社区（即，节点组）的重要概念是丢失的。嵌入社区不仅用于支持各种社区级应用程序，而且有助于保持图嵌入中的社区结构。事实上，我们将社区嵌入视为提供更高阶的邻近度来定义节点的接近度，而大多数流行的图嵌入方法集中于一阶和/或二阶近似。为了学习社区嵌入，我们依靠社区嵌入和节点嵌入相互加强的洞察力。结果，我们提出了ComEmbed，第一个社区嵌入方法，共同优化了社区嵌入和节点嵌入。我们对现实世界数据集进行ComEmbed评估。我们在节点分类和社区预测的任务中显示出优于最先进的基线。
通过最大熵减轻复杂交通网络中的拥塞
地址： http://arxiv.org/abs/1701.04974
作者： Yuhang Fan, Hanyuan Liu, Shibo He
摘要： 在本文中，我们揭示了熵值与复杂网络拥塞之间的关系，并对特殊情况进行了解析。寻找最大熵速率将导致流量效率的提高，我们提出一种通过合理分配有限流量对网络节点来减轻拥塞的方法。与以前的策略不同，我们的方法只需要局部和可观察到的网络信息，成本低，在实践中广泛适用。在模拟各种网络模型的相变过程中，我们的方法在减轻本地和全球的拥塞方面表现良好。相比之下，我们也揭示了以前的度量偏差方法的不足。由于交通网络的快速发展，我们的方法可能有助于现代社会。
网络分类与归类
地址： http://arxiv.org/abs/1709.04481
作者： James P. Canning, Emma E. Ingram, Sammantha Nowak-Wolff, Adriana M. Ortiz, Nesreen K. Ahmed, Ryan A. Rossi, Karl R. B. Schmitt, Sucheta Soundarajan
摘要： 据我们所知，本文提出了第一个大型研究，测试网络类别（例如，社会网络与网络图）是否可以彼此区分（使用两种类型的真实世界网络和合成图表）。使用具有真实网络和合成网络的随机森林分类器，实现了分类精度为$ 94.2 \％$。这项工作有两个重要的发现。首先，来自不同领域的现实网络具有不同的结构性质，使我们可以高精度地预测任意网络的类别。第二，分类合成网络是微不足道的，因为我们的模型可以很容易地区分合成图和他们应该建模的真实网络。
重新生成社区模型的谱图聚类
地址： http://arxiv.org/abs/1709.04594
作者： Pin-Yu Chen, Lingfei Wu
摘要： 社区检测的方法可以分为两个原则：在给定的图上施加网络模型，或优化设计的目标函数。前者提供了对理论可检测性的保证，但当图与底层模型不一致时，它们将不复存在。后者是无模型的，但未能为检测到的社区提供质量保证。在本文中，我们提出了一个新的统一框架来结合这两个原则的优点。所提出的方法SGC-GEN不仅考虑到给定图对应的模型不匹配引起的检测误差，而且还通过分析生物群落模型（GCM）下的谱图聚类（SGC），为社区检测提供了理论保证。 SGC-GEN结合了正确的社区检测的可预测性，以及对GCMs的社区适应度的度量。它类似于通过实现各种社区检测损失函数和模型不匹配度量来监督学习问题的形成。我们进一步建立了正确的社区检测的理论条件，使用GCM下的归一化图拉普拉斯矩阵，为SGC-GEN提供了一种新颖的数据驱动损失函数。此外，我们提出了一种实现SGC-GEN的有效算法，并表明SGC-GEN的计算复杂度与基线方法相当。我们对18个现实世界数据集的实验表明，与7种代表性聚类度量下的6种基线方法相比，SGC-GEN具有优异和可靠的性能。
基于图表示学习方法的框架
地址： http://arxiv.org/abs/1709.04596
作者： Nesreen K. Ahmed, Ryan A. Rossi, Rong Zhou, John Boaz Lee, Xiangnan Kong, Theodore L. Willke, Hoda Eldardiry
摘要： 随机游走是许多现有的图数据深度学习算法的核心。然而，这样的算法具有由使用随机游走产生的许多限制，例如，由于这些方法产生的特征在与节点身份相关联时不能传递到新的节点和图。在这项工作中，我们介绍了归因随机游走的概念，作为泛化现有方法的基础，如DeepWalk，node2vec以及许多利用随机游走的其他方法。我们提出的框架使这些方法更广泛地适用于转换和归纳学习以及用于具有属性的图（如果有的话）。这是通过学习将新概念化到新节点和图的功能来实现的。我们表明，我们提出的框架是有效的，平均AUC提高了16.1％，同时需要几个领域的各种图表上现有方法的平均空间比平均减少853倍。
扩展corona积作为加权异构网络的完美解决模型
地址： http://arxiv.org/abs/1709.04739
作者： Yi Qi, Huan Li, Zhongzhi Zhang
摘要： 各种图产品和操作已被广泛用于构建具有现实系统共同性质的复杂网络。然而，目前的工作主要集中在设计二进制网络的模型，尽管许多真实网络可以被异构加权网络更好地模仿。在本文中，我们开发了两个加权图的corona积，基于此，并且观察到实际网络中边权重的更新机制，我们提出了一种用于非均匀加权网络的最小生成模型。我们得到加权网络模型的分析相关属性，包括强度，权重和度数分布，聚类系数，程度相关性和直径。这些属性与在不同的现实世界加权网络中观察到的这些特性非常一致。然后，我们确定加权网络上随机游走的所有特征值及其相应的多项式转移概率矩阵。最后，我们应用所获得的谱来导出在加权网络上的随机散射的平均击打时间和生成树的加权计数的显式表达。我们的模型是一个完全可以解决的模型，允许分析地处理其结构和动力学特性，因此这是一个很好的测试台和理想的基板网络，用于研究不同的动态过程，以便探索不均匀重量分布对这些过程的影响。
关于潜在人口博弈的模仿动态
地址： http://arxiv.org/abs/1709.04748
作者： Lorenzo Zino, Giacomo Como, Fabio Fagnani
摘要： 研究人口博弈的模拟动力学，并分析其渐近性质。在所考虑的模仿动力学类别中，包括复制者方程式以及以前在进化生物学中考虑的其他模型，球员没有关于博弈结构的全球信息，他们知道的只是他们自己当前的实用工具，并且与其他玩家联系通过成对互动。对于潜在的人口博弈，证明了子博弈的Nash均衡集合的全局渐近稳定性限于初始人口配置的支持。这些结果强化了（从局部到全局渐近稳定）现有的，并将其推广到更广泛的动力类。开发的技术突出了问题的某种结构，并提出了从完全混合的人口情况到仿制动力学的可能概括，其中代理人在复杂的通信网络上进行交互。
审查隐私价值的方法
地址： http://arxiv.org/abs/1709.04767
作者： Miltiades E. Anagnostou, Maria A. Lambrou
摘要： 在本文中，我们从以价值为中心的角度来研究信息隐私。我们审查和比较不同的个人数据估值方法。我们在不久的将来会考虑个人资料的价值，我们发现个人资料的持久部分很快就会成为常识，价格和价值将大幅下降。因此，基于个人数据提取的行业将需要关注新的货币化方式和个人信息的动态部分。
更新规则对共同犯人困境的影响
地址： http://arxiv.org/abs/1709.04784
作者： Hirofumi Takesue
摘要： 我们研究了三种策略更新规则在克服囚徒困境博弈中的作用，其中代理（节点）可以切换战略和社会伙伴。在两个基于节点的策略更新规则下，策略更新发生在随机选择的焦点节点与其随机选择的邻居之间。焦点代理人成为战略接受者，可以根据收益差异模仿邻居的策略，即选民模式动态（VMLD），或者成为战略捐助者，因此可能被邻居模仿，即入侵过程类动态（IPLD）。对于基于边的更新规则，选择一个边，并且随机地决定两个连接节点（供体或接收者）的角色，即基于边的动态（EBD）。计算机模拟显示，合作伙伴切换支持VMLD下的合作演进，已经在许多空间进化博弈研究中得到应用，而合作者在IPLD下经常消失。 EBD结果在这两个过程之间。这种差异在很大程度上是显着的，根据更新规则，得出的程度异质性有所不同。此外，合作伙伴转换导致合作者分数与VMLD和EBD之间的选择强度之间的非单调关系，以及弱或强选择支持的合作。相比之下，只有强有力的选择支持IPLD下的合作者。我们的结果意味着模仿的方向对于了解合作的进化过程是非常重要的。
种子缓冲信息传播过程
地址： http://arxiv.org/abs/1709.04863
作者： Jarosław Jankowski, Piotr Bródka, Radosław Michalski, Przemysław Kazienko
摘要： 十多年来，社会网络影响最大化的做种策略已被研究。他们主要依靠开始同时激活所有资源（种子）;然而，已经表明，顺序做种策略通常更好。本研究重点研究了缓冲顺序做种，这是基本做种概念的延伸。所提出的方法避免选择将通过自然扩散过程激活的节点，这导致更好地利用在社会影响过程中激活种子节点的预算。将该方法与无缓冲和单阶做种的顺序做种进行比较。实际和人为的社会网络的结果证实，基于缓冲区的连续种子做种是最终报道与达到目标的时间之间的良好平衡。它的表现明显优于其竞争对手的固定预算。通过动态排名获得增益，以及检测具有尚未激活的节点并具有激活其邻居的高潜力的网络区域的能力。
通过土地价格多元化揭示不平等：1912年京都议案
地址： http://arxiv.org/abs/1709.04868
作者： Hadrien Salat, Roberto Murcio, Keiji Yano, Elsa Arcaute
摘要： 多分形分析提供了衡量空间经济隔离和不平等的许多优点，因为它没有类别和边界定义问题，并且对变量分布中的一些形状保持变化不敏感。我们在1912年和2012年使用两个描述京都地价的数据集，并从这些数据中得出城市模型，表明多重分形分析适用于描述地价异质性。我们特别发现，旧京都和现在的京都之间的多元化，同质化的特征急剧下降，以及现在的京都和现在的伦敦之间以及在一个世纪前的京都和曼哈顿之间的相似之处。此外，我们启发了空间分布在可变分布中的优势，从而形成了多重分形谱。根据经典的隔离和不平等指标对结果进行了测试，发现提供了一些改进。
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 https://www.complexly.me 进行更新，并提供RSS订阅。