- 维基数据:人-机器人协作的新范式?;
- 在均匀依附树中发现种子;
- 用于计算含时模体的抽样框架;
- 分布式语义方法探讨Twitter性侵对话中的意图;
- AI值得信赖!灾害响应机构社交网站上的可靠用户识别;
- 链路预测对抗攻击;
- 空间二氧化碳排放的基尼系数;
- 弱相互作用网络的脆弱性和异常敏感性;
- 网络的谱;
- 人类决策者对网络化SIS流行病治愈率的博弈论选择;
- 基于抽样的入度分布估计及其在有向复杂网络中的应用;
维基数据:人-机器人协作的新范式?
原文标题: Wikidata: A New Paradigm of Human-Bot Collaboration?
地址: http://arxiv.org/abs/1810.00931
作者: Alessandro Piscopo
摘要: 维基数据是一个协作知识图谱,已经引起了从业者和研究人员的注意。这是志愿者社区的工作,由政策,指南和自动程序(机器人)支持,这些程序执行广泛的任务,在平台上完成大部分工作。在本文中,我们重点介绍了维基数据中人机器人协作的一些最突出的方面。我们认为,自动化和半自动化工作的结合对其他在线协作平台产生了新的挑战。
在均匀依附树中发现种子
原文标题: On the discovery of the seed in uniform attachment trees
地址: http://arxiv.org/abs/1810.00969
作者: Luc Devroye, Tommy Reddad
摘要: 我们研究顶点置信度的大小,包括种子均匀附着树中种子的一部分(或全部),给出一些种子属性的知识,并具有规定的失败概率。我们还研究了在种子的所有内部节点的位置知识的情况下在种子均匀附着树中识别种子叶子的问题。
用于计算含时模体的抽样框架
原文标题: A sampling framework for counting temporal motifs
地址: http://arxiv.org/abs/1810.00980
作者: Paul Liu, Austin Benson, Moses Charikar
摘要: 图中的模式计数是网络科学任务的基础,并且在大图中有许多可尺度的方法用于近似小模式的计数,通常称为图案。但是,现代图数据集现在包含更丰富的结构,特别是并入时间信息已成为网络分析的关键部分。时间主题是包含边时间排序的小子图模式的概括,是网络分析工具箱的新兴部分。然而,没有用于快速估计时间基序计数的算法;此外,我们表明,即使计算简单的时间星形图案也是NP完全的。因此,需要快速和近似算法。在这里,我们提出了第一个用于计算含时图案的频率估计算法。更具体地说,我们开发了一个采样框架,它作为现有精确计数算法的一层,可以快速准确地记忆时间主题计数。我们的结果表明,我们可以实现一到两个数量级的加速,在许多数据集上具有最小和可控的精度损失。
分布式语义方法探讨Twitter性侵对话中的意图
原文标题: Distributional Semantics Approach to Detect Intent in Twitter Conversations on Sexual Assaults
地址: http://arxiv.org/abs/1810.01012
作者: Rahul Pandey, Hemant Purohit, Bonnie Stabile, Aubrey Grant
摘要: 最近报道性侵犯和性骚扰的女性人数激增(例如,#metoo活动)突显了长期存在的社会危机。这种不公正的部分原因在于一种诋毁报告此类罪行的妇女的文化,以及强奸神话(例如,“妇女谎言强奸”)。社会网络可以通过恶意行为者的故意消息来促进欺骗性信仰和强奸神话文化的进一步扩散。这项多学科研究调查了与性侵犯和强奸神话相关的推特帖子,以表征恶意意图的类型,这导致了对诋毁女性和强奸神话的信念。具体来说,我们首先使用政策文献中的社会建构理论指导为社交媒体提出一种新颖的恶意意图类型,包括指控,验证或耸人听闻的意图类别。然后,我们使用在卷积神经网络的帮助下学习的意图感知的语义特征来呈现和评估Twitter帖子的恶意意图分类模型。最后,我们使用意图分类模型分析了四个月的Twitter数据集,以研究表达恶意意图的叙事背景,并讨论它们对性别暴力政策设计的影响。
AI值得信赖!灾害响应机构社交网站上的可靠用户识别
原文标题: AI for Trustworthiness! Credible User Identification on Social Web for Disaster Response Agencies
地址: http://arxiv.org/abs/1810.01013
作者: Rahul Pandey, Hemant Purohit, Jennifer Chan, Aditya Johri
摘要: 虽然社交媒体提供了一个充满活力的平台来讨论现实世界的事件,但所产生的信息量可能会超过基于该信息的决策。通过更好地了解谁参与信息共享,我们可以在事件展开时更有效地过滤信息。对可靠来源的细致理解甚至可以帮助为特定事件或情况开发可信赖的用户网络。鉴于依赖可信赖的参与者在人道主义和灾难响应领域的工作实践的文化,我们建议实时识别潜在的可信用户作为社交媒体上的组织和组织附属用户帐户,以便有效地收集和传播信息。因此,我们在三种类型的人道主义或灾难事件中使用AI和机器学习方法检查社交媒体,并确定响应社交媒体对话的关键角色,如组织(业务,团体或机构),组织附属(具有组织从属关系的个人) ,以及非附属(没有组织从属关系的)个人身份。我们提出了一种可靠的用户分类方法,该方法使用从用户简档元数据中提取的各种社交,活动和描述性表示特征。我们的广泛实验表明,用户身份通过其内容实践形成了鲜明对比的参与行为,例如组织和组织附属用户使用更高权威的内容。本研究为人道主义和灾害响应机构设计实时可靠的内容分析系统提供了方向。
链路预测对抗攻击
原文标题: Link Prediction Adversarial Attack
地址: http://arxiv.org/abs/1810.01110
作者: Jinyin Chen, Ziqiang Shi, Yangyang Wu, Xuanheng Xu, Haibin Zheng
摘要: 深度神经网络在解决计算机视觉和一些图演化任务(如节点分类和链路预测)方面表现出了卓越的性能。然而,深层模型的脆弱性也通过精心设计的各种对抗性攻击方法产生的对抗性例子得以揭示。随着深模型在复杂网络分析中的广泛应用,本文定义并制定了链路预测对抗性攻击问题,并在训练图自动编码器(GAE)中基于梯度信息提出了一种新的迭代梯度攻击(IGA)。 。据我们所知,这是第一次定义链路预测对抗性攻击问题并提出攻击方法。毫不奇怪,GAE很容易被对抗性网络所愚弄,只有少数链接在干净的网络上被扰乱。通过对不同的真实世界数据集进行综合实验,我们可以得出结论,大多数基于深度模型和其他现有技术的链路预测算法都无法像GAE那样逃避对抗性攻击。我们可以将攻击作为链路预测未知违规的有效隐私保护工具受益,另一方面,链路预测攻击可以是当前链路预测算法在攻击防御性方面的鲁棒性评估度量。
空间二氧化碳排放的基尼系数
原文标题: A Gini approach to spatial CO2 emissions
地址: http://arxiv.org/abs/1810.01133
作者: Bin Zhou, Stephan Thies, Ramana Gudipudi, Matthias K. B. Lüdeke, Jürgen P. Kropp, Diego Rybski
摘要: 结合全球网格化人口和基于化石燃料的1公里规模的二氧化碳排放数据,我们调查了与各国内人口分布相关的二氧化碳排放的空间来源。我们通过准洛伦兹曲线描述了这两个数据集之间的相关性,这使我们能够辨别出人口密集和人口稀少地区对国家二氧化碳排放的个体贡献。我们观察到明显的国家特征,并使用类似基尼指数的指标对其进行量化。将这些指数与社会经济发展程度联系起来,我们发现在发展中国家,人口众多的地区往往会排放相对较多的二氧化碳,而在发达国家则情况恰恰相反。基于与城市规模的关系,我们讨论了与城市二氧化碳排放的关系。我们的研究结果表明,应该避免关于大城市(效率)的一般性陈述,因为它受各国的社会经济发展的影响。关于政治相关性,我们的研究结果表明,在发达国家和发展中国家城市部署气候变化缓解措施方面存在差异化的空间优先顺序。
弱相互作用网络的脆弱性和异常敏感性
原文标题: Fragility and anomalous susceptibility of weakly interacting networks
地址: http://arxiv.org/abs/1810.01250
作者: Giacomo Rapisardi, Alex Arenas, Guido Caldarelli, Giulio Cimini
摘要: 渗透是一个基本概念,它为复杂系统的鲁棒性带来了新的理解。在这里,我们考虑弱互动网络上的渗透,即,通过比每层内的连接少得多的互连链接在一起的网络层。对于这些类型的结构,在巨大组件的尺寸中观察到连续和突然的相变。连续(二阶)过渡对应于在一层内形成巨簇,并且具有明确定义的逾渗阈值。相反,突然转变对应于不同层之间共存的巨型聚类的合并,其特征在于逾渗阈值的显著不确定性,这反过来导致观察到的易感性的异常趋势。我们开发了一个简单的数学模型,能够描述这种现象并估计突然转变更可能发生的临界阈值。值得注意的是,突然区域中的有限大小尺度分析支持真正的一阶相变的假设。
网络的谱
原文标题: Spectra of networks
地址: http://arxiv.org/abs/1810.01254
作者: Camellia Sarkar, Sarika Jalan
摘要: 本综述介绍了在网络的邻接矩阵谱的主要工作以及迄今为止所取得的基本理解。我们将评论分为三个部分:(a)极值特征值,(b)谱的大部分和(c)退化特征值,基于特征值的内在属性和它们捕获的现象。我们已经回顾了各种流行模型网络的谱所做的工作,例如Erd \ H {o} sR 'enyi随机网络,无标度网络,1-d网格,小世界网络和各种不同的实际网络。世界网络。此外,还审查了谱特性在自然过程中的潜在应用。
人类决策者对网络化SIS流行病治愈率的博弈论选择
原文标题: Game-Theoretic Choice of Curing Rates Against Networked SIS Epidemics by Human Decision-Makers
地址: http://arxiv.org/abs/1810.01293
作者: Ashish R. Hota, Shreyas Sundaram
摘要: 我们研究人类决策者的网络,他们独立决定如何保护自己免受易感染 - 易感(SIS)流行病的侵害。通过行为经济学研究表明人类以非线性方式感知概率,我们研究了这种误解对均衡保护策略的影响。在我们的环境中,节点选择其固化速率,以最小化在SIS流行病的基于程度的平均场近似下的感染概率加上其选择的固化速率的成本。我们在感染概率的真实和非线性感知(在适当的假设下)下建立了基于度的均衡的存在。当固化速率的单位成本足够高时,我们表明真正的期望最小化器在平衡时选择固化速率为零,而在非线性概率加权下固化速率为非零。
基于抽样的入度分布估计及其在有向复杂网络中的应用
原文标题: Sampling-based Estimation of In-degree Distribution with Applications to Directed Complex Networks
地址: http://arxiv.org/abs/1810.01300
作者: Nelson Antunes, Shankar Bhamidi, Tianjian Guo, Vladas Pipiras, Bang Wang
摘要: 这项工作的重点是估计来自采样网络节点或边的有向网络中的度内分布。考虑了许多采样方案,包括使用和不使用替换的随机采样,以及基于可能跳转的随机游走的几种方法。在对节点进行采样时,假设仅该节点的外边是可见的,即,未观察到该节点的入度。建议的度内分布估计基于两种方法。反演方法利用原始和样本度内分布之间的关系,并且可以估计度内分布的大部分,但不能估计分布的尾部。度数分布的尾部是通过渐近方法估计的,渐近方法本身有两个版本:一个假设一个幂律尾,另一个假定为一般形式的尾。这两种估计方法在合成网络和实际网络上进行了检验,具有良好的性能结果,尤其是渐近方法的显著性。
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。