- 州际战争的频率和严重程度;
- 超越均匀反向采样：一种用于预防错误信息的混合采样技术;
- 基于局部边度的加权标签传播算法;
- 推特上基于位置、职业和语义的社会经济地位推理;
州际战争的频率和严重程度
原文标题： On the frequency and severity of interstate wars
地址： http://arxiv.org/abs/1901.05086
作者： Aaron Clauset
摘要： Lewis Fry Richardson认为，各种致命冲突的频率和严重程度，从杀人到州际战争以及其间的一切，遵循普遍的统计模式：它们的频率遵循简单的泊松到达过程，其严重性遵循简单的幂律分布。虽然他在20世纪中叶的方法和数据既不严谨也不全面，但他对暴力冲突的见解已经持续存在。在本章中，我们使用现代统计方法和数据，证明Richardson的原始主张在很大程度上是正确的，但有一些注意事项。这些事实严重限制了我们对产生个别战争和和平时期的潜在机制的理解，并阐明了对冲突趋势的持续辩论。
超越均匀反向采样：一种用于预防错误信息的混合采样技术
原文标题： Beyond Uniform Reverse Sampling: A Hybrid Sampling Technique for Misinformation Prevention
地址： http://arxiv.org/abs/1901.05149
作者： Gunagmo Tong, Ding-Zhu Du
摘要： 在线错误信息被认为是全球最大的风险之一，因为它可能导致严重后果，如经济损失和公众恐慌。错误信息预防问题旨在产生具有适当种子节点的正级联，以便与错误信息竞争。在本文中，我们研究了突出的独立级联模型下的错误信息预防问题。由于计算影响中的\＃P-硬度，核心问题是设计有效的采样方法来估计功能值。本文的主要贡献是一种新颖的抽样方法。与平均处理所有节点并均匀地对节点进行采样的经典反向采样技术不同，所提出的方法采用混合采样过程，其能够将高权重附加到易于被错误信息影响的用户。因此，新的采样方法在生成用于计算正级联的种子节点的有效样本方面更加强大。基于新的混合样本技术，我们设计了一种算法，提供（1-1 / e- epsilon） - 近似值。我们通过实验评估所提出的方法在广泛的数据集上，并表明它明显优于最先进的解决方案。
基于局部边度的加权标签传播算法
原文标题： Weighted Label Propagation Algorithm based on Local Edge Betweenness
地址： http://arxiv.org/abs/1901.05359
作者： Hamid Shahrivari Joghan, Alireza Bagheri, Meysam Azad
摘要： 在复杂网络中，尤其是社会网络中，网络可以被划分为不相交的分区，内部边的数量（相同分区内的顶点之间的边）与外边的数量（不同分区的两个顶点之间的边）之间的比率是高。通常，这些分区称为社区。检测这些社区有助于数据科学家从图表中提取有意义的信息并对其进行分析。在过去的几十年中，已经提出了各种算法来检测图中的社区，并且每个算法都从不同的角度检查了这个问题。然而，这些算法中的大多数具有显著的时间复杂度和昂贵的计算，这使得它们不适合于检测具有数百万个边和节点的大图中的社区。在本文中，我们尝试通过使用边中介度量来改进标签传播算法，以便能够以接近线性的时间复杂度以可接受的准确度识别现实世界和人工网络中的不同社区。此外，该算法可以检测加权图中的社区。经验实验表明，该算法的准确性和速度是可以接受的;另外，所提出的算法是可扩展的。
推特上基于位置、职业和语义的社会经济地位推理
原文标题： Location, Occupation, and Semantics based Socioeconomic Status Inference on Twitter
地址： http://arxiv.org/abs/1901.05389
作者： Jacobo Levy Abitbol, Márton Karsai, Eric Fleury
摘要： 人们的社会经济地位取决于个人特征和环境变量的组合，因此从在线行为数据中推断出来是一项艰巨的任务。众所周知，通信，栖息地，职业或社会网络中的用户语义等属性都是此功能的决定性预测因子。在本文中，我们提出了三种不同的数据收集和组合方法来首先估计，然后从他们的在线语义推断法国Twitter用户的社会经济状况。我们的方法基于开放式人口普查数据，爬行专业档案，以及关于生活环境的遥感，专家注释信息。我们的推理模型达到了与早期结果类似的性能，其优势在于依赖广泛可用的数据集，并提供了一个可推广的框架来估计大量Twitter用户的社会经济状况。这些结果可能有助于对社会分层和不平等的科学讨论，并可能推动一些应用。
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。
网友评论