- 加权有向网络变体的权重预测;
- StratLearner：学习社会网络中防止错误信息的策略;
- 通过新闻、情感和叙述进行宏观经济预测;
- 几何矩阵补全：函数视角;
- 帕累托的80/20规则和高斯分布;
- 用户-项目匹配以确保推荐公平：项目提供者的观点;
- 携带耐药菌的医院患者运动的网络记忆;
- 退出权为合作开辟了复杂的途径;
- 从无监督式嵌入看人口因素对当代艺术的影响;
- 同构类在多关系数据集中的作用;
- 地理空间分析和地理加权泊松回归（Gwpr）：澳大利亚新南威尔士州（Nsw）的冠状病毒（Covid-19）爆发模型;
- COVID-19期间中国电子商务的扰动：以北店平台为例;
- 马里兰大学和卡内基梅隆大学与Facebook合作开展的COVID-19症状调查的权重和方法简介;
- 来自社交媒体文本的兴趣点类型推断;
加权有向网络变体的权重预测
原文标题： Weight Prediction for Variants of Weighted Directed Networks
地址： http://arxiv.org/abs/2009.14311
作者： Dong Quan Ngoc Nguyen, Lin Xing, Lizhen Lin
摘要： 加权有向网络（WDN）是一个有向图，其中每个边都与一个称为权重的唯一值相关联。这些网络非常适合于对现实世界中的社会网络进行建模，在该社会网络中，一个顶点朝向其他顶点的评估。本文研究的主要问题之一是此类网络中边权重的预测。我们首次引入度量几何方法来研究WDN中的边权重预测。我们修改了WDN的常规概念，并引入了一种新的WDN，我们将其称为 几乎加权有向网络（AWDN）。 AWDN可以从给定的训练集中刻画网络的权重信息。然后，我们为AWDN构造一类度量（或距离），为此类网络配备度量空间结构。使用AWDN的度量几何结构，我们提出了改进的 k 最近邻（kNN）方法和改进的支持向量机（SVM）方法，然后将其用于预测AWDN中的边权重。在许多现实世界的数据集中，除了边权重外，还可以将权重与刻画顶点信息的顶点相关联。权重与顶点的关联在图嵌入问题中尤其重要。通过采用类似的方法，我们介绍了两种新型的有向网络，其中权重与原始顶点的子集或终端顶点的子集相关联。我们首次在此类网络上构建新颖的度量标准类别，并基于这些新度量标准，提出了改进的 k NN和SVM方法来预测这些网络中始发地和终端的权重。我们使用几何方法在几个真实世界的数据集上提供实验结果。
StratLearner：学习社会网络中防止错误信息的策略
原文标题： StratLearner: Learning a Strategy for Misinformation Prevention in Social Networks
地址： http://arxiv.org/abs/2009.14337
作者： Guangmo Tong
摘要： 给定接受输入的组合优化问题，我们可以在不知道输入目标对的目标函数的情况下，从输入对结果对的示例中学习解决该问题的策略吗？在本文中，我们考虑了这种情况，并研究了防止错误信息的问题。给定攻击者-保护者对的示例，我们的目标是学习一种计算防御者以对抗未来攻击者的策略，而无需了解底层的扩散模型。为此，我们设计了一个结构化的预测框架，其主要思想是使用通过在随机采样的子图上通过距离函数构造的随机特征来对评分函数进行参数化，从而得出权重可通过大余量法学习的核化评分函数。通过实验证明，我们的方法无需使用扩散模型的任何信息即可生成接近最佳的保护器，并且明显优于其他可能的基于图和基于学习的方法。
通过新闻、情感和叙述进行宏观经济预测
原文标题： Macroeconomic forecasting through news, emotions and narrative
地址： http://arxiv.org/abs/2009.14281
作者： Sonja Tilly, Markus Ebner, Giacomo Livan
摘要： 这项研究利用全球报纸的叙述和情绪来预测工业生产和消费者价格。现有的研究包括正面和负面基调，只是为了改善宏观经济预测，主要集中在美国等大型经济体。这些作品主要使用英语的叙事来源，因此没有把握全球新闻文章所包含的多种情感的全部复杂性。这项研究通过将全球报纸，从事件，语言和口气全球数据库（GDELT）中摘录的各种情绪纳入宏观经济预测中，扩大了现有的研究范围。我们提出了一种基于双向长期短期记忆神经网络（Bi-LSTM）的主题数据过滤方法，用于从GDELT中提取情绪得分，并通过比较过滤数据和未过滤数据的结果来证明其有效性。我们使用自回归框架对各种经济体的工业生产和消费者价格进行建模，发现与自回归基准模型相比，包含全球报纸的情绪可以显著改善预测。我们通过对不同情绪类别的可解释性分析来补充我们的预测，发现与惊喜和幸福相关的情绪对我们预测的变量具有最强的预测能力。
几何矩阵补全：函数视角
原文标题： Geometric Matrix Completion: A Functional View
地址： http://arxiv.org/abs/2009.14343
作者： Abhishek Sharma, Maks Ovsjanikov
摘要： 我们提出了几何矩阵完成问题的全功能视图。与现有工作不同，我们从功能图文献中提出了一种新颖的正则化方法，该方法更具解释性和理论性。在具有强大的基础几何结构的合成任务上，我们的框架以极大的幅度（两个数量级）优于最新技术，这表明了我们方法的潜力。在真实的数据集上，我们只需花费很少一部分以前的方法即可获得最新的结果。我们的代码可在https://github.com/Not-IITian/functional-matrix-completion上公开获得。
帕累托的80/20规则和高斯分布
原文标题： Pareto's 80/20 Rule and the Gaussian Distribution
地址： http://arxiv.org/abs/2009.14378
作者： Katsuaki Tanabe
摘要： 已经发现经验帕累托80/20规则的统计状态对应于正态分布或高斯分布，其标准偏差是平均值的两倍。这一发现代表了我们社会和自然界的巨大特征差异。在此分布中，该规则也可以称为例如25 / 5、45 / 10、60 / 15或90/25规则。此外，我们的结果表明存在隐性负贡献者。
用户-项目匹配以确保推荐公平：项目提供者的观点
原文标题： User-item matching for recommendation fairness: a view from item-providers
地址： http://arxiv.org/abs/2009.14474
作者： Qiang Dong, Shuang-Shuang Xie, Xiaofan Yang, Yuan Yan Tang
摘要： 众所周知，用户和项目提供者是推荐系统中的两个主要参与者。本文的主要任务是显著提高覆盖范围的公平性（面向项目提供商的目标），同时保持较高的推荐准确性（面向用户的目标）。首先，提出了一种有效且完全鲁棒的改善覆盖范围公平性的方法，即将某项商品的允许推荐时间与过去购买该商品的频率成比例。其次，在这种受限的推荐方案中，提出了一系列用户项匹配优先级的启发式策略，以最大程度地减少推荐准确性的损失。相对于常规推荐方案中的基线算法，其中的参数化策略经验证可实现更好的推荐准确性，并且在覆盖范围公平性方面比常规算法具有压倒性的优势。第三，为了获得此用户项目匹配问题的最佳解决方案，我们设计了“最小成本最大流”模型，该模型与参数化启发式策略相比，可获得几乎相同的覆盖公平性值和更高的准确性。最后，我们凭经验证明，即使与几种最先进的基准算法增强版本相比，我们的受限推荐方案框架以及MCMF用户项匹配优先级策略仍然具有多对一的优势覆盖公平性方面的优势，而其推荐精度超过所有增强算法最佳值的90％以上。此外，我们提出的框架是无参数的，因此无需参数优化的时间成本即可实现此卓越性能，而上述所有现有的增强算法都必须遍历其固有参数以获得最佳性能。
携带耐药菌的医院患者运动的网络记忆
原文标题： Network memory in the movement of hospital patients carrying drug-resistant bacteria
地址： http://arxiv.org/abs/2009.14480
作者： Ashleigh C. Myall, Robert L. Peach, Andrea Y. Weiße, Frances Davies, Siddharth Mookerjee, Alison Holmes, Mauricio Barahona
摘要： 医院构成了高度相互联系的系统，这些系统使大量的传染性病原体和易感人群相互接触，从而使感染爆发既普遍又具有挑战性。近年来，在医疗保健相关的感染中，抗菌素耐药性的发病率急剧上升，许多国家现在都认为这种情况是地方性的。在这里，我们对数据集进行基于网络的分析，该数据集刻画了拥有耐药菌的患者在伦敦三所大型医院中的流动情况。我们表明，在耐药菌定植的医院患者的运动中存在大量记忆效应。这种记忆效应打破了一阶马尔可夫传递假设，并大大改变了分析得出的结论，特别是关于节点排名和扩散过程的演变。我们通过构建集总状态存储网络来刻画可变长度的存储效果，然后将其用于识别病房的重叠社区。我们发现这些病区社区在不同的粒度级别上显示出准分层结构，这与与医院位置和医学专科有关的患者流量的不同方面是一致的。
退出权为合作开辟了复杂的途径
原文标题： Exit rights open complex pathways to cooperation
地址： http://arxiv.org/abs/2009.14482
作者： Chen Shen, Marko Jusup, Lei Shi, Zhen Wang, Matjaz Perc, Petter Holme
摘要： 我们研究了囚徒困境博弈的演化动力学，其中合作者和叛逃者与另一种演员类型（称为“退出者”）互动。退出者并没有被叛逃者所利用，而是退出了博弈，只希望获得少量回报。我们发现，博弈的这种简单扩展使合作在相互依存的，直接或间接互惠的人群中蓬勃发展。但是，结合网络互惠性，退出选项不利于合作。相反，它通过周期性的支配地位使合作者，叛逃者和退出者并存。随着退出收益的增加或网络结构的变化，其他结果也是可能的，包括演员数量的网络范围内的振荡，这可能导致退出者的灭绝和叛逃者的统治，尽管博弈参数应该有利于退出。在退出博弈的简单选择之后出现的复杂动力意味着，即使我们的分析仅限于对理性行为的激励，细微差别也很重要。
从无监督式嵌入看人口因素对当代艺术的影响
原文标题： Demographic Influences on Contemporary Art with Unsupervised Style Embeddings
地址： http://arxiv.org/abs/2009.14545
作者： Nikolai Huckle, Noa Garcia, Yuta Nakashima
摘要： 通过依靠分类任务，计算艺术分析对历史数据集进行了优先排序，在这些历史数据集中，艺术品已经进行了必要的注释分类。另一方面，今天产生的艺术数量众多，可以通过互联网和社会网络轻松访问，专业和业余艺术家都可以通过互联网和社会网络来展示他们的作品。尽管这种艺术在风格和类型方面尚未分类，但不太适合进行监督分析，但是数据源带有新颖的信息，可以以同样新颖的方式帮助构建视觉内容。作为朝着这个方向迈出的第一步，我们介绍了contempArt，这是专门用于当代艺术品的多模式数据集。 contempArt是绘画和素描的集合，一个基于Instagram社交联系的详细图网络以及其他社会人口统计信息；在职业生涯的初期，所有这些都吸引了442位艺术家。我们评估了三种适用于生成图像的无监督样式嵌入的方法，并将它们与剩余数据相关联。我们一方面发现视觉风格与另一方面的社会接近度，性别和国籍之间没有任何联系。
同构类在多关系数据集中的作用
原文标题： The Role of Isomorphism Classes in Multi-Relational Datasets
地址： http://arxiv.org/abs/2009.14593
作者： Vijja Wichitwechkarn, Ben Day, Cristian Bodnar, Matthew Wales, Pietro Liò
摘要： 从胶体悬浮液到基因调控回路，自然界中存在多种多样的互动系统。这些系统可以产生复杂的动力学，并且已经提出了图神经网络作为提取基础交互作用并预测系统将如何发展的方法。但是，通过使用合成的多关系数据集，这些模型的当前训练和评估程序与交互网络同构类无关，而交互网络同构类可在初始条件下产生相同的动力学。我们广泛地分析了同构类意识如何影响这些模型，重点关注神经关系推理（NRI）模型，该模型在显式推断交互作用以预测无监督环境中的动力学方面具有独特性。具体而言，我们证明了同构泄漏会高估多关系推理的性能，并且多交互网络生成过程中存在的采样偏差会损害泛化。为了解决这个问题，我们提出了可知同构的综合基准用于模型评估。我们使用这些基准测试泛化能力并证明成功学习的同构类的阈值采样频率的存在。此外，我们证明了同构类可以通过简单的优先级排序方案来利用，以提高模型性能，训练过程中的稳定性并减少训练时间。
地理空间分析和地理加权泊松回归（Gwpr）：澳大利亚新南威尔士州（Nsw）的冠状病毒（Covid-19）爆发模型
原文标题： Geospatial Analysis and Geographically Weighted Poisson Regression (Gwpr): Coronavirus (Covid-19) Outbreaks Modeling in New South Wales (Nsw), Australia
地址： http://arxiv.org/abs/2009.14602
作者： Francelino A. Xavier Conceicao
摘要： 全球回归和地理加权泊松回归（GWPR）技术用于建模和研究冠状病毒（covid-19）爆发与澳大利亚新南威尔士州（NSW）的社会经济及既往健康状况之间的关系。基于地理空间数据分析和建立GWR模型的分步过程，最终选择了4（四个）自变量来研究因变量和自变量之间的关系。在R2范围介于45％至73％之间的GWPR模型校准结果显示，在新南威尔士州大部分州，冠状病毒（covid-19）暴发与总人口，癌症以及60至85岁之间的人群之间存在正相关关系。同时，冠状病毒（covid-19）与缺血性心脏病之间存在负相关关系。最后，该模型表明因变量和自变量之间的关系是不稳定的，因此GWPR模型校准在本地规模的地理建模中起着重要的作用。
COVID-19期间中国电子商务的扰动：以北店平台为例
原文标题： Disruption in the Chinese E-Commerce During COVID-19:A Case Study of the Beidian Platform
地址： http://arxiv.org/abs/2009.14605
作者： Yuan Yuan, Muzhi Guan, Zhilun Zhou, Sundong Kim, Meeyoung Cha, Yong Li
摘要： 最近爆发的新型冠状病毒（COVID-19）已感染全球数百万公民，并夺去了许多生命。这种流行病从许多方面改变了人类的生活，研究界正在努力了解各个领域的这些影响。本文通过分析大流行之前和期间在在线购物平台上看到的电子商务行为变化，来重点研究其对中国市场的影响。我们通过时间序列分析介绍该流行病如何影响消费者的行为。我们发现，在灾难期间可以利用灾难中所需的必需品供应中断来进行流行病预测，并进一步设计分层的注意力学习模型来预测新近确认的病例。实验结果表明，我们的预测优于现有基准，该基准还延伸到长期和省级预测。我们相信，像我们这样的模型可以通过赢得额外的时间来采取预防措施，为更好地为未来的流行做好准备。
马里兰大学和卡内基梅隆大学与Facebook合作开展的COVID-19症状调查的权重和方法简介
原文标题： Weights and Methodology Brief for the COVID-19 Symptom Survey by University of Maryland and Carnegie Mellon University, in Partnership with Facebook
地址： http://arxiv.org/abs/2009.14675
作者： Neta Barkay, Curtiss Cobb, Roee Eilat, Tal Galili, Daniel Haimovich, Sarah LaRocca, Katherine Morris, Tal Sarig
摘要： Facebook正在与学术机构合作，以支持COVID-19研究。目前，我们正在邀请美国的Facebook应用程序用户参加由卡耐基梅隆大学（CMU）德尔福研究中心收集的调查，并且我们邀请全球200多个国家的Facebook应用程序用户接受由调查人员收集的调查在马里兰大学（UMD）调查方法联合计划（JPSM）中获得博士学位。作为此计划的一部分，我们将运用调查统计数据的最佳做法来设计和执行两个组件：（1）抽样设计和（2）调查权重，这使样本更具代表性。本文介绍了我们在这些工作中使用的方法，以允许数据用户使用权重执行分析。
来自社交媒体文本的兴趣点类型推断
原文标题： Point-of-Interest Type Inference from Social Media Text
地址： http://arxiv.org/abs/2009.14734
作者： Danae Sánchez Villegas, Daniel Preoţiuc-Pietro, Nikolaos Aletras
摘要： 物理场所有助于塑造我们如何感知那里的体验。第一次，我们研究了社交媒体文本与发布位置的类型之间的关系，无论该类型是公园，餐厅还是其他地方。为了促进这一点，我们引入了一个新颖的 200,000美元的英语推文数据集，该推文来自美国2,761个不同的兴趣点，并提供了丰富的场所类型信息。我们训练分类器，以预测发来推文的位置类型，该推文在八个类别中达到43.67的宏F1，并揭示与每种地点类型相关的语言标记。从推文中预测语义位置信息的能力已在推荐系统，个性化服务和文化地理方面得到应用。
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