- 从信息级联利用贝叶斯推断网络结构;
- 优化相互连接网络中的传播动态;
- 社交媒体中视觉叙事的基准;
- 使用机器学习和城市指标重建通勤者网络;
从信息级联利用贝叶斯推断网络结构
原文标题： Bayesian inference of network structure from information cascades
地址： http://arxiv.org/abs/1908.03318
作者： Caitlin Gray, Lewis Mitchell, Matthew Roughan
摘要： 传染过程与它们传播的网络结构密切相关，学习这些结构对于理解和干预复杂网络过程（如流行病和（错误的）信息传播）至关重要。然而，使用传染数据来推断网络结构是一个具有挑战性的反问题。特别是，必须对网络结构估计中的不确定性进行适当的测量，但是在大多数机器学习方法中这些都被忽略了。我们提出了一个概率框架，该框架使用来自与观察到的动态相符的网络分布的样本来产生网络和不确定性估计。我们使用众所周知的独立级联模型来证明该方法从以一组感染C的观察条件的网络P（G）的分布中进行采样。我们通过使用每个边的边概率来评估方法的准确性。分布，并显示量化不确定性的好处，以改善估计和理解，特别是少量数据。
优化相互连接网络中的传播动态
原文标题： Optimizing spreading dynamics in interconnected networks
地址： http://arxiv.org/abs/1908.03406
作者： Liming Pan, Wei Wang, Shimin Cai, Tao Zhou
摘要： 在互连网络层之间添加边是优化扩散动态的重要方式。虽然以前的研究主要集中在添加单个边的情况，但仍需要研究添加多个边的理论最优策略。在这项研究中，基于易感染易感（SIS）模型，我们研究了最大化互联网络中固定扩散流行率的问题。对于两个隔离网络，我们通过选择多个互连边来最大化临界点附近的扩散普遍性。我们提出了一种基于离散时间马尔可夫链方法的理论分析，以推导出近似最优策略。该策略预测的最佳层间结构最大化扩散普遍性，同时最小化互连网络的扩散爆发阈值。合成和真实网络的数值模拟表明，在临界点附近，所提出的策略比连接大度节点和随机连接提供了更好的性能。
社交媒体中视觉叙事的基准
原文标题： A Benchmark of Visual Storytelling in Social Media
地址： http://arxiv.org/abs/1908.03505
作者： Gonçalo Marcelino, David Semedo, André Mourão, Saverio Blasi, Marta Mrak, João Magalhães
摘要： 新闻编辑室的媒体编辑经常被迫提供现场活动的“喜欢存在”。社交媒体提供了一组杂乱无章的图像和视频，媒体专业人员在发布最新新闻之前需要掌握这些图像和视频。使用社交媒体内容进行自动新闻视觉故事情节编辑可能非常具有挑战性，因为它不仅需要找到正确的内容，还要确保新闻内容随着时间的推移一致地发展。为了解决这些问题，本文提出了评估社交媒体视觉故事情节的基准。 SocialStories基准由40个包含体育和文化活动的策展故事组成，提供实验设置，并引入新颖的量化指标，对社交媒体数据进行严格的视觉叙事评估。
使用机器学习和城市指标重建通勤者网络
原文标题： Reconstructing commuters network using machine learning and urban indicators
地址： http://arxiv.org/abs/1908.03512
作者： Gabriel Spadon, Andre C. P. L. F. de Carvalho, Jose F. Rodrigues-Jr, Luiz G. A. Alves
摘要： 人口流动对社会的各个层面产生重大影响，从基础设施规划和经济学到疾病和犯罪的传播。将系统表示为复杂网络，其中节点被分配给区域（例如，城市），并且链接指示其中两个之间的人流，已经提出物理启发模型来量化从一个城市迁移的人数。到另一个。尽管这些模型取得了进步，但我们预测通勤者数量和重建移动网络的能力仍然有限。在这里，我们提出了一种使用机器学习和22个城市指标来预测人流和重建城际通勤者网络的替代方法。我们的研究结果表明，基于机器学习算法和城市指标的预测可以以90.4％的准确度重建通勤者网络，并描述城市间人流量中观察到的77.6％的方差。我们还确定了恢复网络结构的基本功能以及主要与通勤模式相关的城市指标。如前所述，距离在通勤方面起着重要作用，但其他指标，如国内生产总值（GDP）和失业率，也是人们上下班的动力。我们相信，我们的结果为移民模型提供了新的亮点，并加强了城市指标对通勤模式的作用。此外，由于链路预测和网络重建仍然是网络科学中的开放挑战，我们的结果在经济学，社会科学和生物学等其他领域也有影响，其中节点属性可以为我们提供有关连接实体的链接存在的信息。网络。
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