- 使用个性化的PageRank进行大规模块模型图的针对性取样;
- 层级位置神经网络预测Twitter的用户地理位置;
- 通过选择领导者改变社会网络观点;
- 高效近似算法自适应目标利润最大化;
- 符号网络的双曲节点嵌入;
- 用户中心性分析用于家庭位置估计;
- 超密集网络二模欧几里德匹配的SIR元分布;
- 使用属性选择优化实时出价广告;
- 分析比特币交易图中的黑客子网;
使用个性化的PageRank进行大规模块模型图的针对性取样
原文标题： Targeted sampling from massive Blockmodel graphs with personalized PageRank
地址： http://arxiv.org/abs/1910.12937
作者： Fan Chen, Yini Zhang, Karl Rohe
摘要： 本文提供的统计理论和直觉进行个性化的PageRank（PPR），一种流行的技术，从海量的网络样本的一个小社区。我们研究了一个平台，整个网络是昂贵的彻底获得或保持，但我们可以从目标和“爬行”网络种子节点开始通过其连接找到其他节点。通过抓取在设计方式的曲线图中，PPR载体可以在不查询整个大规模图，使得它的替代雪球采样来近似。使用度校正随机块模型，我们研究了PPR矢量是否可以选择属于同一个块作为种子节点的节点。我们提供了PPR矢量的简单且可解释的形式，突出目标块外它对高度的节点的偏差。我们研究基于节点度的简单调整，建立PPR集群，允许向图的一致性结果。我们示出了与Twitter的友谊图的方法，并发现（i）所述调节和未经调整的PPR技术是互补的方法，其中所述调整使所述种子节点及（ii）所述偏置调整大大从度正则化的好处周围尤其局部结果。
层级位置神经网络预测Twitter的用户地理位置
原文标题： A Hierarchical Location Prediction Neural Network for Twitter User Geolocation
地址： http://arxiv.org/abs/1910.12941
作者： Binxuan Huang, Kathleen M. Carley
摘要： 用户位置的精确估计是许多在线服务的重要。上一页基于神经网络的方法在很大程度上忽略的位置之间的层次结构。在本文中，我们提出了Twitter的用户地理位置的分层位置预测的神经网络。我们的模型首先预测本国的用户，然后使用该国的结果，指导市级预测。此外，我们采用一个字符感知字嵌入层克服鸣叫嘈杂的信息。与特征融合层，我们的模型可容纳各种特征组合和实现先进的最先进的结果超过下不同的功能设置三个常用基准。这不仅提高了预测精度，而且还大大降低了平均误差距离。
通过选择领导者改变社会网络观点
原文标题： Shifting Opinions in a Social Network Through Leader Selection
地址： http://arxiv.org/abs/1910.13009
作者： Yuhao Yi, Timothy Castiglia, Stacy Patterson
摘要： 我们有两个偏光方学习法语，德格鲁特认为动态的社会网络。我们认为，其中一个政党的领导人都给予了网络，我们提出选择领导者设定的对方当事人，以平均意见转换到需要的值的问题。这个问题概括影响最大化的深入研究的问题。当每一方只有一个领导者，我们表示在网络的拉普拉斯矩阵方面的平均意见。分析表明，这两个领导人节点之间的影响力平衡。我们表明，在最ķ完全固执的领导人选择转移的平均意见的问题是 mathbf NP - 难。然后，我们减少的问题与子模块背包约束和额外的基数约束子模最大化的问题，并提出一个贪心算法上界搜索近似最优的解决方案。我们还进行随机网络和现实世界的网络实验表明，该算法的有效性。
高效近似算法自适应目标利润最大化
原文标题： Efficient Approximation Algorithms for Adaptive Target Profit Maximization
地址： http://arxiv.org/abs/1910.13073
作者： Keke Huang, Jing Tang, Xiaokui Xiao, Aixin Sun, Andrew Lim
摘要： 鉴于社会网络 G ，利润最大化（PM）的问题询问一组种子节点，以实现利润最大化，即，影响收入蔓延选种的成本更低。目标利润最大化（TPM）的问题，推广了PM的问题，目的是从目标用户组 T 选择种子节点的一个子集，以实现利润最大化。对于PM现有算法大多考虑非自适应设置，所有的种子节点在一个批次选择，没有任何知识，他们可能会如何影响其他用户。在本文中，我们在适应环境，那里的种子用户通过多批次选择，使得批次的选择利用在前面的批次实际影响的知识学习TPM。为了获得一个全面的了解，我们研究下这两个预言模型和噪声模型自适应TPM的问题，并提出ADG和AddATP算法分别与强大的理论保证解决这些问题。此外，为了更好地处理噪声模型下，抽样误差，我们提出了混合误差的基础上，我们设计了一种新的算法HATP是显著提升AddATP效率的想法。我们进行了真实的社会网络广泛的实验，以评估性能，实验结果有力地证实了优势和我们的解决方案的有效性。
符号网络的双曲节点嵌入
原文标题： Hyperbolic Node Embedding for Signed Networks
地址： http://arxiv.org/abs/1910.13090
作者： Wenzhuo Song, Shengsheng Wang
摘要： 快速演变万维网已经产生了大量的复杂的和异构网络的数据。为了便于网络分析算法，签订网络嵌入方法自动学习节点的特征向量登录网络。然而，现有的算法只设法网络嵌入到欧氏空间，尽管报道签网络的许多功能都更适合于非欧几里得空间。此外，以前的作品也不用考虑网络的分层组织，这是在真实网络中广泛存在。在这项工作中，我们调查的双曲空间是否是一个更好的选择代表签署的网络问题。我们开发了一个非欧几里德签署网络基础结构平衡理论和黎曼优化嵌入方法。我们的方法中嵌入符号网络转换为庞加莱'E球，这是一个双曲线空间可以被看作是一个连续的树。此功能使我们的方法来捕捉潜在的分层结构签约网络。我们经验有三个基于欧几里德基线可视化比较我们的方法，签署预测，并在六个真实世界的数据集重建任务。结果表明，我们的双曲嵌入性能比欧式的同行更好，可以从签订网络中提取有意义的潜在的分层结构。
用户中心性分析用于家庭位置估计
原文标题： User's Centrality Analysis for Home Location Estimation
地址： http://arxiv.org/abs/1910.13195
作者： Shiori Hironaka, Mitsuo Yoshida, Kyoji Umemura
摘要： 用户属性，如家庭地址，是用于许多应用。许多研究者已经解决了如何使用用户之间的关系来估计用户的家的位置。据了解，某些用户，如名人的家的位置，很难用关系来估算。但是，由于估计所有名人的家位置实际上并不难，它阐明用户谁家的位置是很难估计的特点是非常重要的。我们分析中心性，它代表用户的特点和趋势，是否具有相同的原始位置的朋友有关系。结果表明，PageRank和HITS得分都涉及到用户是否具有相同的归属位置为好友，并以为用户提供更高的分数HITS往往具有大致相同的归属位置当成自己的朋友。这一结果表明，有两种类型的用户，其家的位置是难以估算的：谁遵循许多名人，谁是名人权限的用户中心的用户。
超密集网络二模欧几里德匹配的SIR元分布
原文标题： Meta Distribution of SIR in Ultra-Dense Networks with Bipartite Euclidean Matchings
地址： http://arxiv.org/abs/1910.13216
作者： Alexander P. Kartun-Giles, Konstantinos Koufos, Sunwoo Kim
摘要： 超密集网络最大化通过空间复用的空间谱效率。在其密集的限制采取的方式是很难数学理解的，因为欧几里德组合理论，尽管是简单的状态，往往难以处理，往往涉及到一个随机模型。小的变化在这些模型中定义可以显著差异，其预测的定性性质，如关于SIR，数据容量，或它们的效率元分配的方式。在本文中，我们专注于三角形的相关性，并在欧氏空间可变的连接距离，解决其在比较初级的车型的推出关键假设。我们为了研究如何结合几何不稳定性导致变化相比，这些简化模型的信号干扰比的元分布的统计，与Haenggi并研究了双极或下行蜂窝网络比较研究二部欧几里德匹配其他。
使用属性选择优化实时出价广告
原文标题： Real-time Bidding campaigns optimization using attribute selection
地址： http://arxiv.org/abs/1910.13292
作者： Luis Miralles, M. Atif Qureshi, Brian Mac Namee
摘要： 即时出价是时下在网络广告生态系统中最有前途的系统之一。在所提出的研究中，RTB广告活动的成效是通过优化的用户的配置文件和发布商的网站的参数提高。有关优化RTB广告大多数研究都集中在投标策略。相比之下，我们的研究目的在于通过发现配置，最大化的展示数量和它们的平均盈利能力优化RTB广告系列。实验证明，当需要访问的广告商数量少，很容易找到与高的平均盈利能力的配置，但所需数量的访问增加，平均利润率趋于下降。此外，配置的优化已经与其他有趣的策略来增加，甚至更多，在活动的盈利能力。随着参数配置的研究认为以下互补策略来增加盈利：i）选择具有小数目的访问，而不是用大量的唯一配置的多个配置，ⅱ）根据成本和收益性的阈值丢弃访问，三）分析所述数据集的减小的空间并外推该溶液中，和iv）通过包括下面所要求的访问次数的解决方案增加了搜索空间。所开发的运动优化方法可以通过RTB平台上提供给广告商，使他们的活动更加有利可图。
分析比特币交易图中的黑客子网
原文标题： Analyzing Hack Subnetworks in the Bitcoin Transaction Graph
地址： http://arxiv.org/abs/1910.13415
作者： Daniel Goldsmith, Kim Grauer, Yonah Shmalo
摘要： 黑客是最具破坏性的类型cryptocurrency有关的犯罪之一，占数十亿美元的资金被盗，因为在2009年Chainalysis专业调查员在交易所追溯到从最初的违反这些偷来的资金，出口匝道，即服务犯罪分子是能够将被盗资金转化为法定或其他cryptocurrencies。我们分析已知属于两个突出的黑客团体比特币交易六个黑客子网。我们分析每一个黑客根据八个网络功能，包括静态和时间，并成功地通过分类我们新提出的方法破解每一个到其各自的黑客团体。我们发现，静态特性，如节点的平衡，在程度和出度不在黑客分成黑客团体作为与犯罪分子如何迅速兑现时间特征是有用的。我们验证了我们的工作假设这两个黑客团体之间的主要区别是在加速与资金退出穿过子网终端节点。
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。