- 通过图注意力网络进行链路预测;
- 评估物理环境空间信息;
- 空间数据科学：人-空间计算-环境闭环;
- 反向效应和意见动态回声室形成;
- 通过自愿提供的地理数据和新的指标理解人口波动：Rakiura，斯图尔特岛，新西兰的经验;
- RiWalk：利用角色识别的快速结构节点嵌入;
- FacTweet：假新闻Twitter账户档案;
- 网络推理迭代过程;
- Eva：属性感知网络分割;
- 不同城市不同时间的悖论性城市尺度律;
- 使用注意力机制卷积神经网络对海量短消息数据集进行语言识别;
- 随机树上接触追踪的精确和近似公式;
通过图注意力网络进行链路预测
原文标题： Link Prediction via Graph Attention Network
地址： http://arxiv.org/abs/1910.04807
作者： Weiwei Gu, Fei Gao, Xiaodan Lou, Jiang Zhang
摘要： 链路预测的目标来推断基于当前观测的部分网络上的缺失环节或预测未来的。它是在网络科学的一个基本问题，因为不仅问题有广泛的应用如社会网络的推荐和信息检索，还包含关联节点属性和网络结构的丰富的隐藏信息。然而，常规的链路预测方法既不具有高的预测精度也不能够露出后面链接的隐藏信息的。为了解决这个问题，我们推广了深度学习上图的最新技术，并提出了一种新的链路预测模型 - 通过整合在GraphSAGE成批图卷积技术和图注意网络的注意机制（GAT）DeepLinker。五个图表实验表明，我们的模型不仅可以达到国家的最先进的准确性链路预测，而且还有效的排名和节点表示作为链路预测任务的副产品。虽然没有任何节点标签信息中获得的低维表示节点，它们可以在下游的任务，如节点排名和分类表现非常好。因此，我们主张在图上的链路预测任务，就像是自然语言处理的语言模型，因为它揭示了从图结构在无人监督的方式隐藏的信息。
评估物理环境空间信息
原文标题： Assessing Spatial Information in Physical Environments
地址： http://arxiv.org/abs/1910.06367
作者： Vinicius M. Netto, Edgardo Brigatti, Caio Cacholas, Vinicius Gomes Aleixo
摘要： 许多方法处理，环境包含的信息，主要是着眼于人类如何从视觉感知，导航和空间决策环境对信息进行解码的假设。尚未得到充分探讨的一个问题是如何建立环境可编码的信息形式在自己的物理结构。本文探讨的空间信息的新措施，并将其应用到来自不同空间的文化和世界各地区二十个城市。研究结果表明，这种方法能够城市之间找出相似性，生成开辟了新的问题，您就是我们所说的“文化假说”分类方案：的想法，空间配置，发现文化和地区之间的一致的差异。
空间数据科学：人-空间计算-环境闭环
原文标题： Spatial Data Science: Closing the human-spatial computing-environment loop
地址： http://arxiv.org/abs/1910.06484
作者： Benjamin Adams
摘要： 在过去的十年中，术语空间计算已成长为拥有两个不同的，虽然不是完全无关，定义。空间计算的第一次定义从工业，它主要是指新种增强，虚拟，混合现实，和自然用户界面技术的茎。出来学术界的第二定义需要一个更广泛的角度，其包括在地理信息科学活跃的研究以及上述新颖UI技术。两种意义上反映了正在进行的走向增加互动转变与嵌入环境计算接口以及传感器和利用这些技术如何影响我们的行为，使的感觉，甚至改变我们生活的世界中，不管定义的，在空间研究计算是很好的哼着沿而不需要确定新的研究计划或新标签的研究人员社区。然而，作为一个研究领域，它可帮助查看空间数据的科学作为凝聚与现实世界中的问题解决和学习空间计算带入一个更全面的学科胶水。
反向效应和意见动态回声室形成
原文标题： Contrarian effects and echo chamber formation in opinion dynamics
地址： http://arxiv.org/abs/1910.06487
作者： Henrique Ferraz de Arruda, Alexandre Benatti, Filipi Nascimento Silva, Cesar Henrique Comin, Luciano da Fontoura Costa
摘要： 网络的拓扑结构和特定类型的动态展开它的之间的关系在网络科学进行了广泛研究。动态的一类已经吸引了越来越多，因为它几方面的含义关注的是，意见形成。的是已知发生在意见形成特别重要的一个现象是回声室的外观，也被称为社会气泡。在目前的工作中，我们处理这个现象，重点是逆势意见的影响，考虑在几个网络模型（Watts和斯托加茨，鄂尔多斯，仁义，Barabasi - 阿尔伯特，执行的意见形成的Sznajd动态的适应随机几何曲线图中，与随机块体模型）。为了考虑到现实世界的社会动态，我们实行重联方案，其中主体可以改变他们的意见后重新连接他们的联系人。舆论的多样性和网络模块：我们考虑两种测量分析拓扑结构和动力学观点之间的关系。两个特定的情况下已经考虑：（i）本剂可与他人分享的看法只有重新连接;和（ii）与在前面的情况，但与主体商仅在有限邻域重新连接。一些有趣的结果已经获得，包括案件的鉴定特征不仅在于高多样性/高度模块化，也通过低多样性/高度模块化。我们还发现，所述受限的重新连接的情况下减小回声室形成的可能性，并也导致了更小的回声室。
通过自愿提供的地理数据和新的指标理解人口波动：Rakiura，斯图尔特岛，新西兰的经验
原文标题： Understanding population fluctuations through volunteered geographic information and novel indicators: The experience of Rakiura, Stewart Island, New Zealand
地址： http://arxiv.org/abs/1910.06493
作者： Mathew Darling, Benjamin Adams, Caroline Orchiston, Thomas Wilson, Brendon Bradley
摘要： 在异构数据，新的方法和自愿的地理信息时代提供的机会，以了解人们如何与地方互动。然而，这是不够的，只是有这样的异构数据，而是需要承担其可用性和可靠性的理解。在这里，我们借鉴Rakiura，斯图尔特岛，其中跨福沃海峡表现乘客数量是已知的案例研究。我们已经建立了一个人口模型，地面实况这种新的指标。在我们的初步研究，我们发现，一些指标提供了机会，了解居民的波动。一些指标（诸如废水体积）可以建议在种群原始形式的相对变化。而其他指标（如TripAdvisor的评论或Instagram的职位）需要进一步的数据丰富，深入分析人口波动。这项研究形成了较大的研究项目，希望测试和应用这些新的指标，告知灾害风险评估的一部分。
RiWalk：利用角色识别的快速结构节点嵌入
原文标题： RiWalk: Fast Structural Node Embedding via Role Identification
地址： http://arxiv.org/abs/1910.06541
作者： Xuewei Ma, Geng Qin, Zhiyang Qiu, Mingxin Zheng, Zhe Wang
摘要： 在网络中执行不同的功能节点具有不同的角色，并且这些角色可以从网络的结构中收集。学习潜伏表示为节点的角色，有助于了解网络和跨网络知识转让。然而，大多数现有结构的嵌入方式从高计算和空间成本吃亏的还是依靠启发式功能的工程。在这里我们建议RiWalk，学习结构节点表示一个灵活的范例。它能够消除结构性嵌入问题转化为角色识别程序和网络嵌入程序。通过角色识别，结构性依赖根植内核保持在建造时，更好地整合网络嵌入方法。为了证明RiWalk的有效性，我们开发了一个名为RiWalk-SP和RiWalk-WL分别为两个不同的角色识别方法，并采用随机游走基于网络嵌入方法。在内部网络分类任务的实验表明，该算法实现与其他基线相当的性能，同时幅度更高效的订单。此外，我们也进行跨网络角色分类任务。结果表明，在迁移学习的嵌入结构的潜力。 RiWalk也可扩展性，使得它能够在大规模的网络捕获结构性的角色。
FacTweet：假新闻Twitter账户档案
原文标题： FacTweet: Profiling Fake News Twitter Accounts
地址： http://arxiv.org/abs/1910.06592
作者： Bilal Ghanem, Simone Paolo Ponzetto, Paolo Rosso
摘要： 我们提出的方法在使用神经复发模型以及各种不同的语义和文体功能的帐户级别检测Twitter的假新闻。我们的方法通过阅读自己的岗位上为块，而不是每个鸣叫独立处理抽取一组从新闻Twitter账户的时间轴功能。我们发现在宽范围的强基线的顺序模型模拟混合虚假和真实新闻的潜文体特征的实验好处。
网络推理迭代过程
原文标题： Iterative procedure for network inference
地址： http://arxiv.org/abs/1910.06593
作者： Gloria Cecchini, Bjoern Schelter
摘要： 当网络从数据重建，可能出现两种类型的错误：大约链接的存在或不存在假阳性和假阴性的错误。在本文中，真正的底层网络的顶点度分布是使用迭代过程分析重建。这样的程序是基于推断的网络上，并估计概率 阿尔法分别I型和II型错误的 公测。迭代过程包括为 阿尔法选择各种值来执行网络重建的迭代步骤。对于第一步骤，为0.05 阿尔法标准值可被选择，例如，这第一步的结果给出感兴趣的网络拓扑的第一估计。对于第二次迭代步骤是根据第一步骤的结果调整 阿尔法的值。此过程被迭代，最终导致针对其先前未知的网络拓扑结构的顶点度分布的重建。
Eva：属性感知网络分割
原文标题： Eva: Attribute-Aware Network Segmentation
地址： http://arxiv.org/abs/1910.06599
作者： Salvatore Citraro, Giulio Rossetti
摘要： 确定拓扑定义良好的社区，同时也是同质w.r.t.通过撰写他们是一个具有挑战性的社会网络分析任务的节点进行属性。我们通过引入伊娃，自底向上的低复杂度算法设计通过优化结构和属性的嗜同性聚类标准来识别网络隐藏尺度拓扑解决这样的问题。我们评估在异构真实世界的标记网络数据集，如共引，语言和社会网络所提出的方法，并与国家的艺术社区发现竞争对手进行比较。实验结果强调伊娃确保网络节点被分组为根据它们的属性的相似性的社区而不会显著降低分区模块性，无论是在单级和多节点属性的场景
不同城市不同时间的悖论性城市尺度律
原文标题： Paradoxical Urban Scaling Across Cities and Over Time
地址： http://arxiv.org/abs/1910.06732
作者： Gang Xu, Zhengzi Zhou, Limin Jiao, Ruiqi Li
摘要： 许多城市规模的指标随城市人口呈现幂律关系，但截面标度律是否适用于个别城市的时间增长目前还不清楚。在这里，我们首先发现2个悖论性的尺度关系，城市土地与整个城市的人口呈亚线性关系，但在单个城市时间上城市土地扩张比人口增长更快导致超线性关系。我们提出了概念模型，可以通过展示城市有城市土地随着时间的推移，除了通过截面标度律所预测的假定增长外还有额外增长调和这种冲突。不同规模城市之间的额外增长的差异改变截面标度指数。GDP等指标的进一步分析证实截面和时间尺度律之间的矛盾和概念模型的有效性。我们的研究结果可能为城市科学打开了新的途径。
使用注意力机制卷积神经网络对海量短消息数据集进行语言识别
原文标题： Language Identification on Massive Datasets of Short Message using an Attention Mechanism CNN
地址： http://arxiv.org/abs/1910.06748
作者： Duy Tin Vo, Richard Khoury
摘要： 语言识别（LID）是一项艰巨的任务，特别是当输入文字很短，嘈杂的，如在社交媒体帖子和状态或博弈论坛聊天记录。任务已经由任一设计特征集对于一个传统的分类器（例如朴素贝叶斯）或施加深神经网络分类解决（例如双向门控重复单元，编码器 - 解码器）。这些方法通常是训练有素，在一个巨大的私人数据量测试，然后由其他研究人员使用自己的数据集，使用和评价作为现成的，现成软件包，因此发表了不同的结果没有直接的可比性。在本文中，我们首先创建一个基于Twitter上一年的数据一个新的大规模的标记数据集。我们用这个数据集来测试一些现有的语言识别系统，以获得一组连贯的基准，我们使我们的数据公开，所以其他人可以加入到这套基准。最后，我们提出了一个浅而高效的神经系统LID，这是一个NGRAM区域卷积神经网络与注意机制增强。实验结果表明，我们的架构能够预测每秒采样数以万计并以5％的改善优于国家的最先进的所有系统。
随机树上接触追踪的精确和近似公式
原文标题： Exact and approximate formulas for contact tracing on random trees
地址： http://arxiv.org/abs/1910.06860
作者： Augustine Okolie, Johannes Muller
摘要： 我们考虑一个随机易受感染，恢复（SIR）与跟踪随机树和配置模型接触模型。在有根树，其中最初所有人都易感除了那些被感染的根，我们都能够找到确切的公式传染期的分布。于此，我们将展示如何扩展现有的理论追踪接触中均匀混合人群的树木。基于这些配方，我们讨论随机性的树和基本再生的影响。我们发现对于均匀混合的情况下作为本模型（树形接触图）的限制的公知结果。此外，我们开发了在树上的动态近似平均场方程，以及 - 使用方法传递消息 - 也为配置模型。的解释和结果的影响进行了讨论。
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