- 具有离散年龄结构的人群中COVID-19大流行的最佳隔离策略;
- 空间异质性可能导致COVID-19时机和严重性发生较大的局部变化;
- 对流行病，社会动荡和其他集体行为的传播进行建模;
- 小世界网络上SARS-CoV-2的相变和社会疏远控制措施;
- PeopleTraffic：协调隐私和流行病风险的通用框架;
- 控制COVID-19的隐藏增长;
- 对COVID-19近期工作的关键评估;
- 使用智能手机方法来管理COVID-19锁定和经济危机;
- 控制论城市：设计和控制适应性强的城市系统;
- 探测量子网络几何结构的谱维数;
- 静态和时间网络中的主题发现算法综述;
- 自激伊辛博弈;
- 在图上使用谱偏向随机游走的表示学习;
- 政治团体中的图像和错误信息：来自印度WhatsApp的证据;
- p-范数扩散用于局部图聚类;
- 平衡的多重面孔：符号有向社会网络的多层次结构评估;
- 社会影响模型中的异质敏感性;
- 在Twitter上宣传网络的特征：一个案例研究;
- 通过城市科学增强城市治理：全球城市系统的多尺度动态;
- 随机性对节点嵌入稳定性的影响;
- 个性化的聊天机器人可信度等级;
- 基于GCN的用户表示学习，用于统一鲁棒推荐和欺诈者检测;
- 网络核心边缘结构的类型分辨;
- 鲁棒图神经网络的图结构学习;
具有离散年龄结构的人群中COVID-19大流行的最佳隔离策略
原文标题： Optimal quarantine strategies for the COVID-19 pandemic in a population with a discrete age structure
地址： http://arxiv.org/abs/2005.09786
作者： João A. M. Gondim, Larissa Machado
摘要： 这项工作的目的是研究巴西COVID-19流行病的最佳控制方法。我们考虑带有隔离区隔的年龄结构SEIRQ模型，其中的控件是隔离区入口参数。然后，我们通过评估与没有隔离的同一时期相比，各自减少的死亡人数，比较了不同隔离长度和最佳控制总成本分配的最佳控制。最佳策略为每个年龄组的放松时间提供了时间表。最后，我们分析了隔离开始时的延迟如何通过更改初始条件来影响此日历。
空间异质性可能导致COVID-19时机和严重性发生较大的局部变化
原文标题： Spatial Heterogeneity Can Lead to Substantial Local Variations in COVID-19 Timing and Severity
地址： http://arxiv.org/abs/2005.09850
作者： Loring J. Thomas, Peng Huang, Fan Yin, Xiaoshuang Iris Luo, Zack W. Almquist, John R. Hipp, Carter T. Butts
摘要： COVID-19的标准流行病学模型采用局部规模的隔室（SIR）模型的变体，隐式地假设空间上是均匀的局部混合。在这里，我们检查基于人际网络的已知空间特征，尤其是存在长尾但单调下降的，与距离相互作用的概率，对疾病扩散的影响，采用更详细的地理分布模型对人的传播的影响。基于在19个美国城市中不受限制的COVID-19扩散的模拟，我们得出结论，即使较大规模的总体行为反映了经典的SIR样态，人口分布的异质性也可能对当地的大流行时间和严重程度产生重大影响。所观察到的影响包括严重的局部暴发，相对于总体感染曲线而言，其滞后时间较长，并且存在许多地区，其疾病轨迹与邻近地区的相关性很差。一个简单的医院需求流域模型说明了对卫生保健利用的潜在影响，即使没有扩大干预措施，影响的时机和极端情况也存在巨大差异。同样，对社会暴露于病态或死者的社会暴露的分析表明，该流行病在当地人身上的表现方式也存在很大差异，可能会影响风险评估和缓解措施的依从性。这些结果表明，即使在城市规模下，空间网络结构也可能产生高度不均匀的扩散行为，并表明在设计模型以告知医疗保健计划，预测社区结果或识别潜在差异时，纳入这种结构的重要性。
对流行病，社会动荡和其他集体行为的传播进行建模
原文标题： Modeling propagation of epidemics, social unrest and other collective behaviors
地址： http://arxiv.org/abs/2005.09865
作者： Henri Berestycki (CAMS), Samuel Nordmann, Luca Rossi (CAMS)
摘要： 大量文献致力于介绍和分析SI流行病学模型的变体。还提出了类似的模型来描述暴乱的蔓延，更广泛地描述各种社会环境中集体行为的蔓延。使用流行病学模型描述这种社会现象是基于传染机制和社会模仿之间的类比。反过来，这种类比也指出了流行病的社会性质。本文涉及[17]中引入的一系列反应扩散系统，旨在统一，归纳和扩大流行病学和集体行为模型的应用领域。在本文中，我们以社会动荡的动态为例，提出了一种针对这些显然各种现象的建模方法。该模型涉及两个数量，即社会动乱程度，或更一般而言，是活动u，和社会紧张程度v，它们起着不对称的作用：u被视为实际观察到的量或显式量，而v是周围环境，有时是隐性的易感性领域，可调节u的增长。在本文中，我们探索此类模型，并基于[17]中开发的框架证明了一些理论结果，其中目前的工作是伴随论文。在这里，我们将重点放在[17]中定义的系统的两个子类上：张力抑制和张力增强。这些特点是动荡分别对社会紧张有消极或积极的反馈（尽管没有假定单调性条件）。在[17]中，我们根据社会紧张程度的初始水平得出一个阈值现象：低于临界值时，一个小的触发事件会迅速恢复平静，而高于该值时，则会引发社会动荡的爆发。以渐近恒定的速度在太空中传播。我们在本文中得出的新结果关注的是远离传播边的解的行为，即，我们对活动的初始激增之后的新系统状态进行了描述。我们特别表明，该模型可以引起许多不同的定性动态：在抑制紧张的情况下，短暂的或有限持续时间的社会运动（称为“暴动”），在紧张加剧的情况下，持续的社会运动（持续动荡） ，以及某些情况下其他更复杂的行为。我们还通过数值模拟来研究此模型，以突出该框架的丰富性。最后，我们提出并研究了模型的扩展，例如空间异构系统。
小世界网络上SARS-CoV-2的相变和社会疏远控制措施
原文标题： Phase transitions and social distancing control measures for SARS-CoV-2 on small world networks
地址： http://arxiv.org/abs/2005.09751
作者： Benjamin Braun, Başak Taraktaş, Brian Beckage, Jane Molofsky
摘要： 我们使用小世界网络结构上的基于主体的SIR模型，研究了三种社会疏远控制措施对SARS-CoV-2传播的功效：1）具有固定依从性的全球社交疏远。 2）当接触的接触者数量达到阈值时，个人发起社会隔离。 3）使用个人防护设备（PPE）减少病毒脱落和由此引起的传染性。感染总数的主要驱动因素是病毒的脱落率，而远离社会的可能性是下一个关键因素。这些结果表明，对PPE使用和个人卫生的更高依从性有可能减少感染数量并缩短流行持续时间。当对单个感染的接触者发起响应时，个人发起的社会隔离是有效的。社会隔离和个人防护装备的结合导致极低的感染水平。我们的模型表明，通过政府控制广泛使用社会隔离可以大大减少病毒传播。即使没有广泛采用的社会隔离协议，大量使用PPE也会大大减少病毒传播，而接触受感染个体后的短期隔离则效果不佳。
PeopleTraffic：协调隐私和流行病风险的通用框架
原文标题： PeopleTraffic: a common framework for harmonizing privacy and epidemic risks
地址： http://arxiv.org/abs/2005.10061
作者： Ruggero Caravita
摘要： PeopleTraffic是一项拟议的计划，旨在开发一种对公共机构，私人公司和民间社会开放的实时，开放数据的人口密度绘图工具，为预防感染传播提供了一个通用框架。该系统基于来自可用2G，3G和4G移动网络运营商的实时人员位置收集和地图绘制系统，通过采用受量子信息去本地化过程启发的创新数据匿名化算法，增强了设计隐私性。 。除了最初的目标是在COVID-19大流行的第二阶段期间帮助平衡社会疏远法规外，PeopleTraffic对于任何感染传播的预防事件（例如传染病）也将是有益的。支持决策者进行战略决策。
控制COVID-19的隐藏增长
原文标题： Controlling the Hidden Growth of COVID-19
地址： http://arxiv.org/abs/2005.09769
作者： Xiubin Bruce Wang, Chaolun Ma
摘要： COVID-19大流行已困扰世界数月。美国已采取措施对此予以反击。每天都有新确诊的病例报告。在早期，这些数字呈上升趋势。最近，数字已基本趋于平稳。该报告试图通过使用已确诊的病例来估计人口中目前还活着的感染的隐藏数量。一个主要结果表明，现有的感染估计约为每日确诊的新病例的10至50倍，而严格的社会隔离政策则达到了该范围的上限。它阐明了感染率和检测率之间的关系，以控制流行病，这表示检测率应与感染率保持同步，以防止爆发。在美国和全球业务重新开放之后，这种关系意义重大。该报告还揭示了所采取的所有措施与流行病的传播之间的联系。建议将分层抽样方法添加到当前的流行病控制工具包中。同样，该报告是对一些直接观察和想法的总结，而不是通过对实地数据的全面研究而得出的。结果似乎很明显，适合感兴趣的决策者和公众进行通识教育。
对COVID-19近期工作的关键评估
原文标题： A Critical Assessment of Some Recent Work on COVID-19
地址： http://arxiv.org/abs/2005.10237
作者： Jörg Stoye
摘要： 我尝试从预印本中获得的信息，重新分析两项广为流传的有关COVID-19的研究数据，即Charit'e“儿童的病毒载量”和Bonn“ Heinsberg / Gangelt的血清阳性率”研究。这些研究具有以下共同点：-它们受到了全世界的关注，并且可以说对政策产生了影响。 -研究结果的重点与相应主要作者对COVID-19做出适当反应的（不同）公共立场相一致。 -暂时，我对Gangelt研究的阅读抵消了它的推力，而我对Charit 'e研究的阅读则将其推翻了。该练习可能有助于将这些研究纳入文献中。在适用于所有基于预印本的 n = 2 快速射击分析的警告的同时，人们还想知道它是否说明了“研究者自由度”的无意影响。
使用智能手机方法来管理COVID-19锁定和经济危机
原文标题： A Smartphone enabled Approach to Manage COVID-19 Lockdown and Economic Crisis
地址： http://arxiv.org/abs/2004.12240
作者： Halgurd S. Maghdid, Kayhan Zrar Ghafoor
摘要： 新型COVID-19的出现导致卫生系统超负荷和高死亡率。关键优先事项是控制流行病并防止感染率。在这种情况下，许多国家目前处于某种程度的封锁之下，以确保整个人口的极端社会隔离，从而减缓流行病的传播。此外，当局使用病例隔离策略和手动的第二/第三次接触追踪来控制COVID-19疾病。但是，手动联系人跟踪是耗时且劳动密集的任务，极大地使公共卫生系统超负荷。在本文中，我们开发了一种基于智能手机的方法来自动广泛地跟踪已确认的COVID-19病例的联系人。特别是，联系追踪方法会创建附近人员名单，并将已确认的COVID-19病例通知联系人或官员。这种方法不仅可以提高人们对感染区域附近人员的认识，还可以跟踪COVID-19携带者可能不记得的偶然接触。此后，我们开发了一个仪表板，为政府官员提供了有关如何安全解除锁定/大规模隔离的计划，从而解决了经济危机。仪表板用于根据收集的位置和附近注册用户的距离测量来预测锁定区域的级别。该预测模型使用K-means算法作为用于锁定管理的无监督机器学习技术。
控制论城市：设计和控制适应性强的城市系统
原文标题： Cybernetic Cities: Designing and controlling adaptive and robust urban systems
地址： http://arxiv.org/abs/1609.02000
作者： Carlos Gershenson, Paolo Santi, Carlo Ratti
摘要： 城市在不断变化。所有城市系统每天都面临着不同的条件。即使可以找到平均规律性，只要城市系统能够适应发生变化的相同时间尺度，它们也将更加高效。尽管如此，城市系统的功能必须对因适应或其他因素引起的变化具有鲁棒性。技术可以帮助人类设计和调节这种适应性和鲁棒性。为了实现这一目标，我们建议将城市描述为控制论系统。我们确定了三个主要组件：信息，算法和主体，我们将通过当前和将来的示例进行说明。控制论城市的含义是多方面的，直接影响着交通，可持续性，复原力，治理和社会。尽管如此，对城市进行控制论观点的潜力并不仅取决于技术，还取决于我们如何使用它。
探测量子网络几何结构的谱维数
原文标题： Probing the spectral dimension of quantum network geometries
地址： http://arxiv.org/abs/2005.09665
作者： Johannes Nokkala, Jyrki Piilo, Ginestra Bianconi
摘要： 我们考虑一个开放量子系统的环境，该环境由“带有味道的量子网络几何体”（QNGF）描述，其中的节点是耦合的量子振荡器。 QNGF的几何性质反映在网络的拉普拉斯矩阵的谱特性中，该谱特性显示有限的谱尺寸，还确定了QNGF的正常模式的频率。我们表明，可以通过将辅助开放式量子系统耦合到网络并在低频范围内探测正常模式频率来间接估算先验未知谱尺寸。我们发现网络参数不会影响估计值。从这个意义上讲，它是网络几何形状的一个属性，而不是例如振荡器裸频率或恒定耦合强度的值。数值证据表明，该估计值对于高频截止频率的细微变化以及嘈杂的或丢失的正常模式频率都具有鲁棒性。我们建议将辅助系统耦合到具有随机耦合强度的网络节点子集，以揭示和解析足够大的正常模式频率子集。
静态和时间网络中的主题发现算法综述
原文标题： Motif Discovery Algorithms in Static and Temporal Networks: A Survey
地址： http://arxiv.org/abs/2005.09721
作者： Ali Jazayeri, Christopher C. Yang
摘要： 母题是复杂系统的基本组成部分。代表复杂系统的网络拓扑结构与这些网络中主题的频率和分布相互交织。作为频繁的子图挖掘的核心，与图和子图同构问题相关的复杂性直接影响了主题发现算法的性能。为了应对这些复杂性，研究人员针对候选人的生成和枚举以及频率计算采用了不同的策略。在过去的几年中，人们对时态网络的分析和挖掘越来越感兴趣。与它们的静态对应物相反，这些网络以插入，删除或替换边或顶点或其属性的形式随时间变化。在本文中，我们对文献中提出的用于挖掘静态和时态网络的主题发现算法进行了概述，并根据其采用的候选生成和频率计算策略对相应的算法进行了综述。当我们目睹社交媒体平台，生物信息学应用，通信和运输网络中大量网络数据的生成以及分布式计算和大数据技术的进步时，我们还对提出的解决CPU问题的算法进行了调查。挖掘静态和时间网络时的绑定和I / O绑定问题。
自激伊辛博弈
原文标题： Self-Excited Ising Game
地址： http://arxiv.org/abs/2005.09735
作者： A. Antonov, A. Leonidov, A. Semenov
摘要： 研究了有噪声的二元选择博弈（Ising博弈）在完整图上来自相邻主体的活动溢出的影响。二元选择博弈对于经济学和统计物理学都非常重要。在这里，我们研究应用于噪声二元选择博弈的自激式霍克斯活动。特别要注意影响决策率的问题。
在图上使用谱偏向随机游走的表示学习
原文标题： Learning Representations using Spectral-Biased Random Walks on Graphs
地址： http://arxiv.org/abs/2005.09752
作者： Charu Sharma, Jatin Chauhan, Manohar Kaul
摘要： 几种最先进的神经图嵌入方法基于短随机游走（随机过程），这是因为它们易于计算，易于捕获复杂的局部图属性，可伸缩性和可解释性。在这项工作中，我们感兴趣的是研究这种随机过程中的概率偏差在多大程度上会影响该过程选择的节点的质量。特别是，我们的偏向步行有一定的可能性偏向朝向其邻域与当前节点的邻域具有结构相似性的节点移动。我们基于表示为归一化拉普拉斯矩阵的节点邻域子图的谱，将该邻域作为概率度量进行简洁地捕获。我们建议使用带有新颖Wasserstein正则化项的段落矢量模型。我们在多种现实世界的数据集上针对几种最先进的节点嵌入技术进行了经验评估，并证明了我们提出的方法在链接预测和节点分类任务方面都大大改进了现有方法。
政治团体中的图像和错误信息：来自印度WhatsApp的证据
原文标题： Images and Misinformation in Political Groups: Evidence from WhatsApp in India
地址： http://arxiv.org/abs/2005.09784
作者： Kiran Garimella, Dean Eckles
摘要： WhatsApp是新闻和谣言传播的主要媒介，通常以图片形式共享。我们研究了印度众多以政治为导向的WhatsApp团体，重点关注了2019年印度全国大选之前的时期。通过标记随机和流行图像的样本，我们发现大约13％的共享图像是已知的错误信息，并且大多数属于三种类型的图像。机器学习方法可用于预测病毒图像是否是错误信息，但对内容随时间的变化不敏感。
p-范数扩散用于局部图聚类
原文标题： p-Norm Flow Diffusion for Local Graph Clustering
地址： http://arxiv.org/abs/2005.09810
作者： Shenghao Yang, Di Wang, Kimon Fountoulakis
摘要： 局部图聚类和与之密切相关的种子集扩展问题是图上的基元，它们对于广泛的分析和学习任务（如局部聚类，社区检测，节点排名和特征推断）至关重要。先前关于局部图聚类的工作主要分为两类，分别具有数字根和组合根。在这项工作中，我们从这两个领域吸取了灵感，并基于 p in（1， infty）的具有p范数网络流的扩散思想，提出了一系列凸优化公式。在局部聚类的背景下，我们描述了这些优化问题的最佳解决方案，并展示了它们在寻找围绕输入种子集的低电导率削减方面的有用性。特别是，在类似于谱方法的Cheeger型边界的 p = 2 的情况下，我们实现了电导的二次逼近；当 p rightarrow infty 类似于基于最大流的方法时，我们实现了常数因子逼近，并且介于两者之间的一般 p 值的平滑过渡。因此，我们的优化公式可以看作是数值和组合方法的桥梁，在速度和噪声鲁棒性方面，我们可以达到两全其美。我们表明，提出的问题可以在 p ge 2 的强烈局部运行时间内解决，并通过对合成图和实际图进行实证评估，以说明我们的方法与现有方法相比具有优势。
平衡的多重面孔：符号有向社会网络的多层次结构评估
原文标题： The Many Faces of Balance: Multilevel Structural Evaluation of Signed Directed Social Networks
地址： http://arxiv.org/abs/2005.09925
作者： Samin Aref, Ly Dinh, Rezvaneh Rezapour, Jana Diesner
摘要： 平衡理论解释了通常被建模为静态无向符号网络的社会系统结构背后的力量。我们扩展了建模以合并边的方向性，并考虑了三个层次的分析：三合会，子组和整个网络。对于三合会级别的平衡，我们使用满足传递性条件的半周期。对于子组级别的平衡，我们使用最合适的节点分为两组将内聚性（内部团结）和分裂性（外部对抗）的量度来捕获子组中的平衡。对于网络级平衡，我们使用归一化线索引，该索引取决于位置适合平衡的边的比例。通过广泛的计算分析，我们记录了从大学生和Wikipedia用户到哲学家和比特币交易者的一系列社会环境中，三合会，子群体和整个网络中频繁重复的社会结构模式。然后，我们将应用多层框架来检查时间网络和多层网络中的平衡，这证明了我们方法的可推广性，并得出了关于时间和层尺寸方面的平衡的新观察结果。我们在各种社会网络上的补充研究结果突显了评估不同层次平衡的需求，为此我们提出了一种全面而简约的方法。
社会影响模型中的异质敏感性
原文标题： Heterogeneous Susceptibilities in Social Influence Models
地址： http://arxiv.org/abs/2005.09996
作者： Daniel K. Sewell
摘要： 网络自相关模型被广泛用于评估社会影响力对某些利益变量的影响。这是一大类模型，通过将网络邻接矩阵合并到数据的联合分布中，来简化地说明邻居如何影响自己的行为或观点。这些模型假定对社会影响具有同质敏感性，但是，在许多情况下这可能是一个强有力的假设。本文提出了一种层次模型，该模型允许影响参数成为单个属性和/或本地网络拓扑特征的函数。我们在适用于Durbin，网络效应，网络干扰或网络移动平均自相关模型的通用框架中得出后验分布的近似值。所提出的方法还可以用于研究以自我为中心的网络数据环境中社会影响的决定因素。我们将我们的方法应用于通过手机收集的数据集，在其中确定社会影响对体育活动水平的影响，以及在课堂数据中调查同伴对学生反抗的影响。利用最后的数据集，我们还研究了提出的以自我为中心的网络模型的性能。
在Twitter上宣传网络的特征：一个案例研究
原文标题： Characterizing networks of propaganda on Twitter: a case study
地址： http://arxiv.org/abs/2005.10004
作者： Stefano Guarino, Noemi Trino, Alessandro Celestini, Alessandro Chessa, Gianni Riotta
摘要： 社交媒体用户每天在宣传和虚假信息宣传活动中的接触重新激发了对调查社交媒体上不同（错误）信息内容的本地和全球传播模式的需求的需求。回声室和影响者通常被认为既负责在线社会网络中用户的两极分化，也负责宣传和虚假宣传活动的成功。本文采用一种数据驱动的方法来调查Twitter上社区和宣传网络的结构，以便评估这些估算的正确性。尤其是，这项工作旨在通过结合三种不同分类方法获得的信息来表征从Twitter数据集提取的宣传网络，这些方法分别侧重于（i）使用Tweets内容来推断用户围绕特定主题的“两极分化”，（ ii）识别在不同的宣传和虚假信息的传播中起积极作用的用户，以及（iii）分析社会联系以识别拓扑集群和在网络中扮演“中心”角色的用户。这项工作确定了沿政治方向高度党派的社区结构；此外，中心度度量标准被证明对于检测网络中最活跃的用户并区分扮演不同角色的用户非常有用。最后，转推图的极化和聚类结构为用户暴露，交互和参与不同宣传项目的相关属性提供了有用的见解。
通过城市科学增强城市治理：全球城市系统的多尺度动态
原文标题： Empowering Urban Governance through Urban Science: Multi-scale Dynamics of Urban Systems Worldwide
地址： http://arxiv.org/abs/2005.10007
作者： Juste Raimbault, Eric Denis, Denise Pumain
摘要： 当前的城市科学可以为未来的城市政策提供有用的基础，前提是这些建议已通过对世界情况多样性的正确观察得到验证。但是，由于国家领土框架并不总是与城市系统的动态保持严格对应，因此国际上对城市发展的比较经常会产生不确定的结果。我们建议提供各种组成的城市系统，以更好地考虑超越区域和国家领土边界的城市的动态网络。当在城市水平和城市系统上观察时，为解释城市规模和城市增长分布而设想的不同模型能够在城市轨迹之间建立对应关系。我们在城市系统的宏观尺度上测试了复杂城市系统的几种动态模型及其在世界各地的变化的有效性和代表性。该方法的独创性在于将空间相互作用和演化路径依赖性视为城市实体总体行为的主要特征。研究的模型包括各种互补过程，例如经济交流，创新扩散和物理网络流动。复杂系统的动力学原理上是无法预测的，但是将其与人口统计，收入和资源成分相关联进行上下文化可以帮助最大程度地减少预测误差。
随机性对节点嵌入稳定性的影响
原文标题： The Effects of Randomness on the Stability of Node Embeddings
地址： http://arxiv.org/abs/2005.10039
作者： Tobias Schumacher, Hinrikus Wolf, Martin Ritzert, Florian Lemmerich, Jan Bachmann, Florian Frantzen, Max Klabunde, Martin Grohe, Markus Strohmaier
摘要： 我们系统地评估了由于随机性导致的最新节点嵌入算法的（不稳定性），即在给定相同算法和图的情况下其结果的随机变化。我们将五种节点嵌入算法-HOPE，LINE，node2vec，SDNE和GraphSAGE-应用于合成图和经验图，并针对（i）嵌入空间的几何形状以及（ii）评估它们在随机性下的稳定性他们在下游任务中的表现。我们发现与节点的中心点无关的嵌入空间几何形状的重大不稳定性。在评估下游任务时，我们发现节点分类的准确性似乎不受随机播种的影响，而节点的实际分类可能会发生很大变化。这表明在处理节点嵌入时需要考虑不稳定性的影响。我们的工作与对节点嵌入方法的有效性，可靠性和可重复性感兴趣的研究人员和工程师相关。
个性化的聊天机器人可信度等级
原文标题： Personalized Chatbot Trustworthiness Ratings
地址： http://arxiv.org/abs/2005.10067
作者： Biplav Srivastava, Francesca Rossi, Sheema Usmani, and Mariana Bernagozzi
摘要： 会话主体程序（通常称为聊天机器人）越来越多地部署在许多域中，以使人们在尝试解决特定问题时能够自然互动。考虑到它们的广泛使用，为他们的用户提供方法和工具以提高用户对聊天机器人各种属性（包括用户认为对信任特定聊天机器人可能认为重要的非功能性属性）的意识非常重要。例如，用户可能想要使用没有偏见的聊天机器人，不使用辱骂性语言，不向其他用户泄漏信息，并且以适合用户认知水平的方式进行响应。在本文中，我们解决了无法修改聊天机器人，无法访问其训练数据的设置，但是中立的一方希望根据用户在各种信任问题上的优先级来评估和向用户传达其信任度。这样的评级可以帮助用户在其他聊天机器人中进行选择，开发人员测试他们的系统，商业领袖为其产品定价以及监管机构制定政策。我们设想了一种针对聊天机器人的个性化评分方法，该方法依赖于每个问题的单独评分模块以及用户在相关信任问题中检测到的优先级排序，从而为聊天机器人的可信度生成汇总的个性化评分。该方法与特定的信任问题无关，并且与聚合过程相关，因此可以实现无缝概括。我们将说明它的一般用法，将其与实时聊天机器人集成，并在四个对话框数据集和具有代表性的用户个人资料上进行评估，并通过用户调查进行验证。
基于GCN的用户表示学习，用于统一鲁棒推荐和欺诈者检测
原文标题： GCN-Based User Representation Learning for Unifying Robust Recommendation and Fraudster Detection
地址： http://arxiv.org/abs/2005.10150
作者： Shijie Zhang, Hongzhi Yin, Tong Chen, Quoc Viet Nguyen Hung, Zi Huang, Lizhen Cui
摘要： 近年来，推荐系统已成为所有电子商务平台中必不可少的功能。推荐系统的评论评分数据通常来自开放平台，开放平台可能会吸引一群恶意用户故意插入虚假反馈，以使推荐系统偏向他们的偏爱。此类攻击的存在可能会违反以下建模假设：高质量的数据始终可用，而这些数据确实反映了用户的兴趣和偏好。因此，构建一个健壮的推荐系统，即使在出现先令攻击的情况下，也能够生成稳定的推荐，具有重要的现实意义。在本文中，我们提出了GraphRfi-一种基于GCN的用户表示学习框架，以统一的方式执行可靠的推荐和欺诈者检测。在其端到端学习过程中，在欺诈者检测组件中将用户识别为欺诈者的可能性自动确定了该用户的评分数据在推荐组件中的贡献；在推荐组件中输出的预测错误是欺诈者检测组件中的重要特征。因此，这两个组件可以相互增强。已经进行了广泛的实验，实验结果表明了GraphRfi在两项任务中的优势-稳健的评级预测和欺诈者检测。此外，经过验证的拟议GraphRfi在最新的推荐器系统上对各种类型的先令攻击具有更强的鲁棒性。
网络核心边缘结构的类型分辨
原文标题： A Clarified Typology of Core-Periphery Structure in Networks
地址： http://arxiv.org/abs/2005.10191
作者： Ryan J. Gallagher, Jean-Gabriel Young, Brooke Foucault Welles
摘要： 核心-边缘结构，即将网络布置成密集的核心和稀疏的外围，是各种社会，生物和技术网络的通用描述。在实践中，尽管不同的核心-外围算法可能产生对核心-外围结构的不一致描述，但它们经常互换使用。例如，k-cores分解和Borgatti和Everett的经典两块模型是两种使用最广泛的算法，它们提取的是根本不同的结构：前者将网络划分为二进制的中心辐射状布局，而后者将其分为层次结构。我们将介绍一种核心外围类型，以阐明这些差异，以及贝叶斯随机块建模技术，以根据这种类型对网络进行分类。从经验上，我们发现网络之间核心外围结构的丰富多样性。通过详细的案例研究，我们证明了进行领域特定的分析时，认识到这种多样性并在核心外围类型学中定位网络的重要性。
鲁棒图神经网络的图结构学习
原文标题： Graph Structure Learning for Robust Graph Neural Networks
地址： http://arxiv.org/abs/2005.10203
作者： Wei Jin, Yao Ma, Xiaorui Liu, Xianfeng Tang, Suhang Wang, Jiliang Tang
摘要： 图神经网络（GNN）是图表示学习中的强大工具。但是，最近的研究表明，GNN容易受到精心设计的扰动（称为对抗攻击）的攻击。对抗性攻击很容易愚弄GNN来预测下游任务。对抗攻击的脆弱性使人们越来越关注在安全关键型应用中应用GNN。因此，开发健壮的算法来对抗对抗攻击具有重要意义。防御对抗攻击的自然想法是清除受干扰的图。显然，现实世界的图具有一些内在属性。例如，许多现实世界中的图是低秩和稀疏的，并且两个相邻节点的特征往往相似。实际上，我们发现对抗性攻击很可能会违反这些图属性。因此，在本文中，我们探索了这些特性来防御对图的对抗攻击。特别是，我们提出了一个通用框架Pro-GNN，该框架可以从受这些特性指导的扰动图联合学习结构图和鲁棒图神经网络模型。在现实世界的图上进行的大量实验表明，即使在图受到严重干扰的情况下，与最新的防御方法相比，所提出的框架也可以实现明显更好的性能。我们将Pro-GNN的实现发布到我们的DeepRobust存储库中，以进行对抗性攻击和防御（脚注：https：//github.com/DSE-MSU/DeepRobust）。重现我们结果的特定实验设置可以在https://github.com/ChandlerBang/Pro-GNN中找到。
声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，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。