- 信息社区建模与分析;
- 仍在那里：在Twitter上建模和识别俄罗斯巨魔帐户;
- Multi-GCN：用于多视图网络的图卷积网络，及其在全球贫困的应用;
- 自动在线审核的会话网络;
- 小型无序状态下小世界网络中异常扩散的马尔可夫链研究;
- 从网络中分布稳健地删除恶意节点;
信息社区建模与分析
原文标题： Modeling and Analysis of Information Communities
地址： http://arxiv.org/abs/1511.08904
作者： Peter Marbach
摘要： 社区是社会网络的重要特征。事实上，社区似乎是社会网络高效的必要条件。然而，很少有关于社区在社会网络中的实际作用，它们如何出现以及如何构建的正式研究。本文的目的是提出一个数学模型来研究社会网络中的社区。为此，我们考虑社会网络的特定情况，即信息网络。我们假设有一群代理商有兴趣获取内容。代理商对他们感兴趣的内容类型不同。代理商的目标是形成社区，以便最大化其获取和生成内容的效用。我们使用此模型来描述在此环境中出现的社区结构。虽然提出的模型非常简单，但获得的结果表明它确实能够捕获信息社区的关键属性。
仍在那里：在Twitter上建模和识别俄罗斯巨魔帐户
原文标题： Still out there: Modeling and Identifying Russian Troll Accounts on Twitter
地址： http://arxiv.org/abs/1901.11162
作者： Jane Im, Eshwar Chandrasekharan, Jackson Sargent, Paige Lighthammer, Taylor Denby, Ankit Bhargava, Libby Hemphill, David Jurgens, Eric Gilbert
摘要： 有证据表明，俄罗斯互联网研究机构试图通过在Twitter上运行虚假账户来干涉2016年的美国大选 - 通常被称为“俄罗斯巨魔”。在这项工作中，我们：1）开发机器学习模型，预测Twitter账户是否是一组170K控制账户中的俄罗斯巨魔;并且，2）证明可以使用此模型在Twitter上查找仍然可能代表俄罗斯国家行事的活动帐户。使用行为和语言特征，我们表明，在交叉验证下，可以区分巨魔和非巨魔，精度为78.5％，AUC为98.9％。将模型应用于今天仍然活跃的样本外帐户，我们发现高达2.6％的顶级记者提到了俄罗斯巨魔。这些调查结果暗示俄罗斯巨魔今天很可能仍然活跃。其他分析表明，它们不仅仅是软件控制的机器人，而且以各种复杂的方式管理其在线身份。最后，我们认为，如果可以使用外部可访问的数据发现这些帐户，那么平台 - 可以访问各种私有内部信号 - 应该以相似或更好的速率成功。
Multi-GCN：用于多视图网络的图卷积网络，及其在全球贫困的应用
原文标题： Multi-GCN: Graph Convolutional Networks for Multi-View Networks, with Applications to Global Poverty
地址： http://arxiv.org/abs/1901.11213
作者： Muhammad Raza Khan, Joshua E. Blumenstock
摘要： 随着发展中国家移动电话网络的快速发展，大规模图机器学习在全球贫困研究中突然变得越来越重要。最近的应用范围从人道主义反应和贫困估计到城市规划和流行病控制。然而，这些应用程序中使用的绝大多数计算工具和算法都没有考虑到社会网络的多视图特性：人们以各种方式相关，但大多数图学习模型将关系视为二元。在本文中，我们开发了一个基于图的卷积网络，用于在多视图网络上进行学习。我们表明，该方法使用来自三个不同发展中国家的移动电话数据集，在三种不同的预测任务上优于最先进的半监督学习算法。我们还表明，虽然专门设计用于贫困研究，但该算法在多视图网络上的更广泛的学习任务上也优于现有的基准，包括引文网络中的节点标记。
自动在线审核的会话网络
原文标题： Conversational Networks for Automatic Online Moderation
地址： http://arxiv.org/abs/1901.11281
作者： Etienne Papegnies (LIA), Vincent Labatut (LIA), Richard Dufour (LIA), Georges Linares (LIA)
摘要： 在线社区中对用户生成内容的审核是一项具有巨大社会经济后果的挑战。但是，将这项工作委托给人类代理人所产生的费用很高。出于这个原因，能够检测用户生成的内容中的滥用的自动系统是非常感兴趣的。有许多方法可以解决这个问题，但在实践中最常见的是文字过滤或正则表达式匹配。主要限制是它们易受用户的故意混淆，以及它们对上下文不敏感的性质。此外，它们依赖于语言，可能需要适当的语料库进行培训。在本文中，我们提出了一种完全忽视消息内容的自动滥用检测系统。我们首先从原始聊天记录中提取会话网络，并通过拓扑测量来表征它。然后，我们将这些作为功能来训练我们的滥用检测任务的分类器。我们在源自法国大型多人在线博弈的用户评论数据集上彻底评估我们的系统。我们确定最合适的网络提取参数，并讨论我们的特征的判别能力，相对于它们的拓扑和时间性质。当使用完整的特征集时，我们的方法达到了83.89的F-度量，改进了现有的方法。通过选择最具辨别力的功能，我们大大缩短了计算时间，同时保留了大部分性能（82.65）。
小型无序状态下小世界网络中异常扩散的马尔可夫链研究
原文标题： Markov chain study of anomalous diffusion in small-world networks in the small disorder regime
地址： http://arxiv.org/abs/1901.11346
作者： Alfonso Allen-Perkins, Alfredo Blanco Serrano, Thiago Albuquerque de Assis, Juan Manuel Pastor, Roberto F. S. Andrade
摘要： 马尔可夫链（MC）形式主义用于研究具有弱无序的纽曼 - 瓦特网络上的随机游走者的均方位移（MSD）。形式主义只要求对等效基板进行平均，而不是从大量独立运行中收集平均值。它提供了对模型动态的强大描述，尽管高计算成本将我们的网络规模限制为 N \ leq1500 节点。获得了对异常亚扩散或超扩散方案出现的条件的精确分析，这个问题主要在通常的数值模拟中得到解决。所选模型允许控制地增加网络的复杂性，其从具有 2k 最近邻居连接的简单循环图开始，为此可以导出一系列精确的解析表达式。详细讨论了MSD行为对 k ，添加链接数 x 以及 N 的依赖性。 MC结果阐明了瞬态机制和有限尺寸效应的影响。提出了一种新的MSD尺度方法，它可以应用于比文献中更广泛的条件。
从网络中分布稳健地删除恶意节点
原文标题： Distributionally Robust Removal of Malicious Nodes from Networks
地址： http://arxiv.org/abs/1901.11463
作者： Sixie Yu, Yevgeniy Vorobeychik
摘要： 网络系统中的一个重要问题是检测和删除可疑的恶意节点。在这种情况下，一个关键的考虑因素是检测中的不确定性，加上网络连接的考虑因素，这会导致错误地移除良性节点以及无法移除恶意节点而产生间接成本。最近提出的解决这个问题的方法直接解决了这些问题，但是有一个很大的局限性：它假设决策者准确了解网络上节点的联合恶意概率。实际情况显然不是这种情况，这种分布充其量只是有限证据的估计。为了解决这个问题，我们提出了一个用于最佳节点删除的分布式健壮框架。虽然问题是NP-Hard，但我们提出了一种原理算法技术来解决它，大致基于二元性与半定规划松弛相结合。理论和实证分析的结合，后者使用合成和实际数据，提供了强有力的证据，证明我们的算法方法是高效的，特别是比现有技术更强大。
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