- 识别大规模电子支付网络中的非法账户——图表示学习方法;
- 一种SEIR流行病模型，其中潜伏期的经验分布通过Coxian分布近似;
- 具有不确定性的高压电网中线路突发事件的频率变化率;
- 非线性因果关系检测的信息论度量：应用于社交媒体情绪和加密货币价格;
识别大规模电子支付网络中的非法账户——图表示学习方法
原文标题： Identifying Illicit Accounts in Large Scale E-payment Networks -- A Graph Representation Learning Approach
地址： http://arxiv.org/abs/1906.05546
作者： Da Sun Handason Tam, Wing Cheong Lau, Bin Hu, Qiu Fang Ying, Dah Ming Chiu, Hong Liu
摘要： 移动/在线支付服务的快速和大规模采用给服务提供商和监管机构带来了新的挑战，以保障这些服务/系统的正确使用。在本文中，我们利用基于深度神经网络的图表表示学习的最新进展来检测现实世界电子支付网络中的异常/可疑金融交易。特别是，我们提出了一种基于端到端图卷积网络（GCN）的算法，用于学习大规模时间演化图的节点和边的嵌入。在电子支付交易图的上下文中，结果节点和边嵌入可以有效地表征用户背景以及个人账户持有者的金融交易模式。因此，我们可以使用图嵌入结果来驱动下游图挖掘任务（例如节点分类）以识别支付网络内的非法帐户。我们的算法优于最先进的方案，包括GraphSAGE，Gradient Boosting决策树和随机森林，在2个实际电子支付交易数据集中对用户帐户进行分类时，准确度更高（分别为94.62％和86.98％）。在仅使用与边相关的信息时，它还实现了另一个生物医学实体识别任务的出色准确度（97.43％）。
一种SEIR流行病模型，其中潜伏期的经验分布通过Coxian分布近似
原文标题： An SEIR Epidemic Model where Empirical Distribution of Incubation Period has Approximated by Coxian Distribution
地址： http://arxiv.org/abs/1906.05556
作者： Sungchan Kim, Jong Hyuk Byun, Il Hyo Jung
摘要： 在这项工作中，我们开发了一个Coxian分布式SEIR模型，结合了经验潜伏期，因为Coxian分布大致收敛于任何分布。从模型中找到基本的再现数。研究了使用经验潜伏期数据的Coxian分布式SEIR模型的应用。该模型可用于解决在经典流行病模型中引起现实内在部分的问题。
具有不确定性的高压电网中线路突发事件的频率变化率
原文标题： Rate of change of frequency under line contingencies in high voltage electric power networks with uncertainties
地址： http://arxiv.org/abs/1906.05698
作者： Robin Delabays, Melvyn Tyloo, Philippe Jacquod
摘要： 在具有快速发展的运行条件的现代电力网络中，评估突发事件的影响变得越来越重要。感兴趣的意外事件大致可分为节点功率扰动和线路故障。尽管它们具有较高的相关性，但是线性突发事件在分析上的研究明显少于节点扰动。其主要原因是节点功率扰动是加性扰动，而线路突发事件是乘法扰动，它修改了网络的交互图。因此，它们在分析上更具挑战性。在这里，我们通过系统产生的最大频率变化率（RoCoF）来评估线路损耗的直接影响。我们证明了RoCoF取决于被移除线路上的初始功率流以及测量它的总线惯性。我们进一步推导出最大RoCoF的期望和方差的解析表达式，就具有功率不确定性的电力系统的功率曲线的期望和方差而言。这提供了分析工具，以识别电网中最关键的线路。
非线性因果关系检测的信息论度量：应用于社交媒体情绪和加密货币价格
原文标题： Information-theoretic measures for non-linear causality detection: application to social media sentiment and cryptocurrency prices
地址： http://arxiv.org/abs/1906.05740
作者： Z. Keskin, T. Aste
摘要： 时间序列之间的信息传递是通过使用称为传递熵的非对称信息论度量来计算的。 Geweke的Granger因果关系的自回归公式用于寻找线性转移熵，而Schreiber的一般非参数信息论公式用于检测非线性转移熵。我们首先针对合成数据验证这些度量。然后我们应用这些措施来检测社会情绪和加密货币价格之间的因果关系。我们通过比较信息转移与零假设进行显著性检验，通过改组时间序列确定，并计算Z得分。我们还研究了在非参数密度估计中进行分区的不同方法，这可以提高结果的重要性。使用这些技术在截至2018年8月的48个月内的情绪和价格数据中，对于四种主要的加密货币，即比特币（BTC），纹波（XRP），莱特币（LTC）和以太坊（ETH），我们检测到重要的信息传递，在每小时的时间尺度上，在价格和价格情绪的方向上。我们将非线性因果关系的规模报告为比线性因果关系大一个数量级。
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