- 使用对抗性学习保护隐私属性的考虑隐私的推荐;
- 少数族裔选民分布和党派改划选区;
- 知识网络及其案例;
- 南极洲是否可以触发气候政策？;
- 高斯信息网络中的理性社会学习的速度;
- 空间相互作用模型的动态分析;
使用对抗性学习保护隐私属性的考虑隐私的推荐
原文标题： Privacy-Aware Recommendation with Private-Attribute Protection using Adversarial Learning
地址： http://arxiv.org/abs/1911.09872
作者： Ghazaleh Beigi, Ahmadreza Mosallanezhad, Ruocheng Guo, Hamidreza Alvari, Alexander Nou, Huan Liu
摘要： 建议是，帮助用户找到与他们的利益信息的关键应用之一。但是，恶意攻击者可以通过推断用户的建议的私人信息。以前的工作与推荐系统共享之前，混淆用户项目数据。这种方法在执行数据混淆并没有明确解决建议的质量。此外，它不能防止基于建议私人属性的推理攻击用户。这项工作是建立与属性保护（RAP）模型，同时建议相关项目和计数器私人属性的推理攻击建议的首次尝试。我们的方法的核心思想是提出这个问题作为一个敌对的学习问题，两个主要组件：私有属性推断攻击者，以及贝叶斯个性化推荐。攻击者根据自己的项目清单及建议力求推断用户的私有属性信息。推荐目标提取用户的利益，采用攻击者正规化推荐过程同时。实验证明，推荐服务的提出的模型既保留了质量，防止私人属性的推理攻击用户。
少数族裔选民分布和党派改划选区
原文标题： Minority Voter Distributions and Partisan Gerrymandering
地址： http://arxiv.org/abs/1911.09792
作者： Jiahua Chen, Aneesha Manne, Rebecca Mendum, Poonam Sahoo, Alicia Yang
摘要： 许多人认为，这是不利的成员与少数党到集群中的城市对齐，因为这使得它更容易为多数党gerrymander区界，以减少少数人的代表。我们审查详尽计算人口安置和区界的每一个可能的 5 次5 电网平均表示这种效果。我们发现，事实上，它有利的是，少数集群自行安排的，因为它是积极与相关代表。我们考虑地区的偶图这个结果扩展到更一般的情况下，我们也提出并分析启发式算法，让我们找到了最大预期表示强烈的下限。
知识网络及其案例
原文标题： Knowledge Network and a Knowledge Network Example
地址： http://arxiv.org/abs/1911.09899
作者： Hilmi Bahadır Temur, Ahmet Serdar Yılmaz, Mehmet Tekerek
摘要： 知识网络可以被定义为社会网络，使知识，其被定义为形成为人类智能的工作的结果的知识产品的转移，被转移到通信的任何其他装置。一个知识网络代表了大量的人力，资源和它们之间的关系，通过产生和传播知识的过程中创造最高的价值，主要是为了积累和利用知识。知识网络的一般结构;它包括三个基本阶段：收集，整理和传播知识。第一步，知识的收集，机构和组织，以输入存在知识的网络结构。的组织相是根据一定的标准和在该结构中定期记录他们在网络结构的不规则化和非结构化知识结构化。知识传播可以表示为有组织的知识根据用户的知识和需求的转移。培训知识网络的目的是为了确保学生，教师和导之间的沟通，并存储在一个过程形成的知识，以便能够被记录在一个系统的方式，系统，根据其传播用户和需要更新知识。一个动态的网站和内容管理系统已经开发了培训知识网络。培训知识网络具有灵活的结构，支持的网络技术。通过使特定的需求范围内的生产，管理和知识的刊物，它提供了知识网络针对不同的问题，不同的生产和定制的解决方案。随着教育知识网络，能够根据创新的知识网络结构的设计来开发一个知识网络的例子。
南极洲是否可以触发气候政策？
原文标题： Can Antarctica tip climate policy?
地址： http://arxiv.org/abs/1911.10063
作者： Marc Wiedermann, Ricarda Winkelmann, Jonathan F. Donges, Christina Eder, Jobst Heitzig, Alexia Katsanidou, E. Keith Smith
摘要： 如南极西部冰盖对气候系统的重要部件在甚至在巴黎协定的向往目标的风险，以限制全球气温上升到1.5 度 -2- 度℃。严格实施有效的气候政策依赖于从级联通过社会引爆（预期）气候影响到减排的效果。
高斯信息网络中的理性社会学习的速度
原文标题： Speed of Rational Social Learning in Networks with Gaussian Information
地址： http://arxiv.org/abs/1911.10116
作者： Krishna Dasaratha, Kevin He
摘要： 我们认为与理性的主体人和高斯私人信号顺序社会学习环境，重点观察网络如何影响学习的速度。主体商了解一个二进制状态，轮流选择根据自己的信号和网络邻居行为的观察行动。观测网络通常呈现阻塞信号聚集的有效速率，为结合所观察到的邻居的信号，而不是过度计数未观察到的早期移动器的信号之间的折衷剂。我们表明，任何网络上的，平衡的行动是观察对数线性函数和每个主体的准确性承认的信号计数的解释。然后，我们考虑网络结构，其中主体代移动并观察了上一代的所有成员。由每个代聚集附加信息是渐近相当于少于两个独立的信号，即使当世代是任意大的。
空间相互作用模型的动态分析
原文标题： Dynamical Analysis of Spatial Interaction Models
地址： http://arxiv.org/abs/1911.10123
作者： James Wilkinson, Theodore Emms, Tim S. Evans
摘要： 我们开发了一种新的动态的方法来检验空间交互模型（SIM卡）。对于每一个SIM卡，我们用我们的模型移民模式动力框架。我们来看一下造成人口分布，看看他们是现实的或没有。我们使用2010年及不同空间统计美国人口普查数据来访问每个模式的成功或失败。当我们看着年过八旬不同的SIM卡，我们将在这里集中在两个例子：生产约束引力模型和辐射模型。结果表明，所有这些模型不能产生现实的人口分布和我们确定现有模型中的缺陷。这使我们认为，我们应该在第二个短程SIM导致了新的空间交互模型来定义网站的吸引力 - 对两旅行模式 - 其报价显著的改善时，通过我们的方法检查。我们还注意到，我们的两个行程可以适应任何空间建模环境中，不只是移民使用。
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.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