- 推荐系统的链路预测方法;
- 高阶循环渗流的精确公式;
- 复杂社会系统中意见动态和集体决策共同演化的两层模型;
- 面对COVID-19大流行，激励路线选择以实现安全高效的运输;
- 通过在线和代表性调查中重建的联系矩阵，监测大流行期间的行为反应;
- 在社交媒体中发现有趣子图的查询驱动系统;
- 具有先验信念和市场反馈的有限理性决策的最大熵模型;
- 多语言，含时和情感上的城市事件远距离解读;
- 隐网络模型中的相关复制;
- 快速响应COVID-19文本分类的正则表达式;
推荐系统的链路预测方法
原文标题： Link Prediction Approach to Recommender Systems
地址： http://arxiv.org/abs/2102.09185
作者： T. Jaya Lakshmi, S. Durga Bhavani
摘要： 推荐系统的问题在众多可用解决方案中非常流行。在文献中已经提出了一种在社会网络中使用链路预测问题的新颖方法，该方法将典型的用户项目信息建模为双向网络，其中链路预测实际上意味着向用户推荐商品。标准推荐器系统方法存在稀疏性和可伸缩性的问题。由于链路预测措施涉及与网络中较小邻域有关的计算，因此这种方法将导致可扩展的推荐解决方案。此转换中的问题之一是将链路预测问题建模为二进制分类任务，而将推荐系统的问题解决为回归任务，在该回归任务中要预测链接的等级。我们通过预测排名靠前的k个链接作为具有较高评级的推荐来解决此问题，而无需预测实际评级。我们的工作通过集中于利用概率测度进行链路预测来扩展文献中的类似方法。此外，在所提出的方法中，利用链接上可用的时间信息的预测措施被证明在提高预测的准确性方面更为有效。在基准“电影”数据集上评估了这种方法。我们表明，使用时间概率测度有助于提高建议的质量。与基于项目的协作过滤方法相比，基于时间的随机游走量度T_Flow将推荐准确度提高了4％，而时间共现概率量度将预测准确度提高了10％。
高阶循环渗流的精确公式
原文标题： An exact formula for percolation on higher-order cycles
地址： http://arxiv.org/abs/2102.09261
作者： Peter Mann, V Anne Smith, John Mitchell, Christopher Jefferson, Simon Dobson
摘要： 我们给出了由键渗流后的高阶齐次循环（包括弱循环和团）组成的图的巨型连通分量（GCC）大小的精确解。我们使用理论结果来找到模型的渗漏阈值的位置，并在可能的情况下提供分析解决方案。我们希望此处得出的结果可用于多种应用，包括图论，流行病学，渗滤和晶格气模型以及碎片理论。我们还检查了Erd H o s-Gallai定理，这是对包含高阶集团子图的配置模型网络进行图化处理的必要条件。
复杂社会系统中意见动态和集体决策共同演化的两层模型
原文标题： A two-layer model for coevolving opinion dynamics and collective decision-making in complex social systems
地址： http://arxiv.org/abs/2102.09285
作者： Lorenzo Zino, Mengbin Ye, Ming Cao
摘要： 受关于意见动力学和演化博弈论的文献的启发，我们提出了一个新颖的数学框架，以建模复杂社会系统中意见和决策的相互协同演化。在提议的框架中，社会团体的成员在理解通过交流渠道分享的他人观点时，会更新自己的观点并修改其行为，并通过影响力渠道观察他人的行为；这些相互作用确定了两层网络结构。通过为研究一种新的社会规范而采用的框架进行调整，我们提供了该框架的应用，表明该模型能够刻画几种现实世界的集体现象的出现，例如范式转换和不受欢迎的规范。通过建立分析条件和蒙特卡洛数值模拟，我们阐明了意见动态与决策之间的耦合以及网络结构在塑造社会系统中复杂的集体行为的形成中的作用。
面对COVID-19大流行，激励路线选择以实现安全高效的运输
原文标题： Incentivizing Routing Choices for Safe and Efficient Transportation in the Face of the COVID-19 Pandemic
地址： http://arxiv.org/abs/2012.15749
作者： Mark Beliaev, Erdem Bıyık, Daniel A. Lazar, Woodrow Z. Wang, Dorsa Sadigh, Ramtin Pedarsani
摘要： COVID-19大流行严重影响了人们的日常生活。尽管许多国家都处于重新开放阶段，但大流行对人们行为的某些影响预计将持续更长时间，包括他们在不同交通方式之间的选择方式。专家预测，随着人们试图避开拥挤的地方，公共交通选择的恢复将大大延迟。反过来，由于人们可能更喜欢使用自己的车辆或出租车，而不是诸如铁路这样的高风险和拥挤的选择，因此预计交通拥堵将大大增加。在本文中，我们建议使用经济激励措施在感染风险和交通拥堵之间进行权衡，以实现安全高效的交通网络。为此，我们制定了一个网络优化问题来优化出租车票价。为了使我们的框架能够在一天的不同城市和时间使用而无需花费很多设计人员的精力，我们还提出了一种数据驱动的方法来理解人类对交通选择的偏好，然后将其用于我们的出租车费用优化中。我们的用户研究和模拟实验表明，我们的框架能够最大程度地减少拥塞和感染风险。
通过在线和代表性调查中重建的联系矩阵，监测大流行期间的行为反应
原文标题： Monitoring behavioural responses during pandemic via reconstructed contact matrices from online and representative surveys
地址： http://arxiv.org/abs/2102.09021
作者： Júlia Koltai, Orsolya Vásárhelyi, Gergely Röst, Márton Karsai
摘要： 社会前所未有的行为反应显然已经在塑造COVID-19大流行，但是，要准确地实时监控不断变化的社会混合模式，这是一个巨大的挑战。接触矩阵通常按年龄分层，可以有效地汇总交互作用模体，但它们的收集依赖于常规的代表性调查技术，这种技术昂贵且获取缓慢。在这里，我们报告了一项数据收集工作，涉及超过2.3％的匈牙利人口，以通过纵向在线和有代表性的电话调查序列来同时记录联系矩阵。为了纠正表征在线数据的非代表性偏差，通过使用普查数据和代表性样本，我们开发了一种重构方法，以提供可扩展，便宜且灵活的方式来动态获取更接近代表性的联系矩阵。我们的结果表明，结合在线-离线数据收集来理解不断变化的行为反应，确定暴发的未来发展趋势，并为流行病模型提供关键数据的潜力。
在社交媒体中发现有趣子图的查询驱动系统
原文标题： A Query-Driven System for Discovering Interesting Subgraphs in Social Media
地址： http://arxiv.org/abs/2102.09120
作者： Subhasis Dasgupta, Amarnath Gupta
摘要： 社交媒体数据通常被建模为具有多种类型的节点和边的异构图。我们提出了一种发现算法，该算法首先根据用户的分析兴趣选择一个“背景”图，然后自动发现在结构和内容方面与背景图明显不同的子图。该技术将图上 texttt group-by操作的概念与主观兴趣的概念结合在一起，从而自动发现了有趣的子图。我们在社会政治数据库中进行的实验表明了我们技术的有效性。
具有先验信念和市场反馈的有限理性决策的最大熵模型
原文标题： A maximum entropy model of bounded rational decision-making with prior beliefs and market feedback
地址： http://arxiv.org/abs/2102.09180
作者： Benjamin Patrick Evans, Mikhail Prokopenko
摘要： 有限的合理性是一个重要的考虑因素，其源于这样的事实，即主体人通常对其处理能力有限制，这使得完全理性的假设不适用于许多实际任务。我们提出了一种信息论的方法来推断史密斯竞争下的主体决策。该模型明确地刻画了主体的边界（受其信息处理能力的限制），作为扩展其先前信念的信息获取成本。扩展的度量是后验决策和先验信念之间的Kullblack-Leibler差异。当免费获取信息时，将恢复 主体，而在信息获取成本高昂的情况下，主体将恢复其先前的信念。基于在量子响应统计平衡框架内形式化的史密斯竞争的概念，最大熵原理用于推断最小偏见的决策。将先验信念合并到这样的框架中，使我们能够在存在市场反馈的情况下系统地探索先验信念对决策的影响。我们使用澳大利亚住房市场数据验证了提议的模型，该模型显示了先验知识的纳入如何改变最终的主体商决策。具体来说，它允许分离（和分析）过去的信念和主体的效用最大化行为。
多语言，含时和情感上的城市事件远距离解读
原文标题： Multilingual, Temporal and Sentimental Distant-Reading of City Events
地址： http://arxiv.org/abs/2102.09350
作者： Mehmet Can Yavuz
摘要： 莱布尼兹的《 Monadology》提到了城市中个体的感知和情感变化。这是人与人和事件的互动。电影节是多文化城市的高度情感活动。每部电影都有不同的情感效果，与电影的互动具有可以在社交媒体上观察到的反射。该分析旨在对电影节期间收集的Berlinale推文进行远距离阅读。与近距离阅读相反，远距离阅读使作者可以观察大量数据中的模式。该分析在多语言领域是时间性和情感性的，并且分析了正负时间间隔。为此，我们训练了具有多语言嵌入的深度情感网络。这些多语言嵌入在潜在空间中对齐。我们使用英语，德语和西班牙语三种语言的多语言数据集训练了网络。经过训练的算法的测试分数为0.78，并在音乐节期间应用于带有Berlinale标签的推文。尽管情感分析无法反映获奖影片，但我们每周观察例行的情感关系，这可能会误导近距离阅读分析。我们也谈到导演或演员的受欢迎程度。
隐网络模型中的相关复制
原文标题： Correlated copying in a hidden network model
地址： http://arxiv.org/abs/2102.09489
作者： Max Falkenberg
摘要： 我们介绍了隐网络模型的概念-生成的两层网络，其中观察到的网络根据基础隐藏层的结构而发展。我们将该概念应用于相关节点复制的简单，易分析的模型。与随机均匀地复制节点的模型相比，我们考虑复制的节点集受底层隐藏网络影响的情况。在社会网络的上下文中，可以将此复制集视为个人的内部社交圈，而其余节点是更广泛社交圈的一部分。相关复制导致拉伸指数级分布，抑制在均匀复制中观察到的幂律尾部，生成具有显著聚类的网络，并且与均匀复制相比，展现出不寻常的性质，即大小为 n 的集团数量独立于 n 增长。我们建议隐藏网络模型为网络比较提供替代的空模型系列，并可能为理解网络异构性提供有用的概念框架。
快速响应COVID-19文本分类的正则表达式
原文标题： Regular Expressions for Fast-response COVID-19 Text Classification
地址： http://arxiv.org/abs/2102.09507
作者： Igor L. Markov, Jacqueline Liu, Adam Vagner
摘要： 文本分类器是许多NLP应用程序的核心，并使用各种算法方法和软件。本文描述了Facebook如何确定给定的文本（从标签到帖子的任何内容）是否属于一个狭窄的主题，例如COVID-19。为了完全定义主题并评估分类器性能，我们采用了人工指导的关键字发现迭代，但不需要标记数据。对于COVID-19，我们构建了两组正则表达式：（1）用于66种语言，精度为99％，调用率> 50％；（2）用于11种最常见的语言，精度为> 90％，调用率> 90％ 。正则表达式支持从多个平台进行低延迟查询。 hush PHP，Python，Java和SQL代码快速响应诸如COVID-19之类的挑战，修订版也是如此。与DNN分类器的比较显示出可解释的结果，更高的精度和召回率以及更少的过拟合。我们的学习可以应用于其他窄主题分类器。
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。
网友评论