Arxiv網路科學論文摘要10篇(2018-03-29)

04-08

弱聚類組織中隨機網路的譜;
SybilFrame：基於結構的Sybil檢測的深度防禦框架;
Sharenting中的性別偏見：男性和女性在社交媒體上提到兒子往往比女兒多;
通過嵌入多人在線戰鬥競技場遊戲建模遊戲頭像協同和反對;
Graphite：圖的迭代生成建模;
謝林分離模型中利他主義者的巨大催化效應;
靈活的網路嵌入模型;
網路流行病學監測哨點的客觀度量;
基礎物理學的文獻排名;
在Twitter上使用表情皮膚顏色修飾符自我表現;

弱聚類組織中隨機網路的譜

原文標題： Spectra of random networks in the weak clustering regime

地址： http://arxiv.org/abs/1310.3389

作者： Thomas K. DM. Peron, Peng Ji, Jürgen Kurths, Francisco A. Rodrigues

摘要：網路中動態過程的漸近行為可以表示為相應鄰接矩陣和拉普拉斯矩陣的譜特性的函數。雖然許多理論結果對於傳統配置模型的譜已知，但通過這些模型生成的網路不能描述現實世界網路的許多拓撲特徵，特別是聚類係數的非空值。在這裡，我們研究了網路譜中三階（三角形）的周期的影響。通過使用隨機矩陣理論的最新進展，我們確定網路鄰接矩陣的譜分布作為連接到每個節點的平均三角形數的函數，其中網路沒有模塊化結構和程度相關性。討論對網路動態的影響。我們的發現可以揭示研究特定種類的子圖是如何影響網路動態的。

SybilFrame：基於結構的Sybil檢測的深度防禦框架

原文標題： SybilFrame: A Defense-in-Depth Framework for Structure-Based Sybil Detection

地址： http://arxiv.org/abs/1503.02985

作者： Peng Gao, Neil Zhenqiang Gong, Sanjeev Kulkarni, Kurt Thomas, Prateek Mittal

摘要： Sybil攻擊變得越來越普遍，並對在線社交系統構成重大威脅;一個單一的對手可以在系統中注入多個共謀身份以危及安全和隱私。最近的作品利用了基於社會網路的信任關係來抵禦Sybil攻擊。但是，現有的防禦措施是基於過於簡單的假設，而這些假設並不適用於現實世界的社會圖表。在這項工作中，我們提出了SybilFrame，這是一種縱深防禦框架，用於緩解Sybil攻擊問題，當過於簡單的假設被放寬時。我們的框架能夠將關於用戶和邊的先前信息合併到社交圖中。我們驗證了我們的合成和現實世界網路拓撲框架，包括一個具有20M節點和265M邊的大規模Twitter數據集，並且證明我們的方案比以前的基於結構的方法更好地執行一個數量級。

Sharenting中的性別偏見：男性和女性在社交媒體上提到兒子往往比女兒多

原文標題： Gender Bias in Sharenting: Both Men and Women Mention Sons More Often Than Daughters on Social Media

地址： http://arxiv.org/abs/1803.10329

作者： Elizaveta Sivak, Ivan Smirnov

摘要：性別不平等在出生之前就開始了。父母傾向於比男孩更喜歡男孩，這表現在生育行為，婚姻生活以及父母的逍遙時光和對子女的投資上。雖然社交媒體和分享有關兒童的信息（所謂的「羞辱」）已成為父母身份不可分割的一部分，但如何以及如何通過性別偏好塑造用戶的在線行為並不為人所知。在本文中，我們調查了在社交媒體上公開提及女兒和兒子的情況。我們使用來自635,665位用戶的公共帖子的熱門社交網站數據。我們發現男性和女性在職位上比女兒更經常提到兒子。我們還發現，兒子的帖子平均得到更多「喜歡」。我們的研究結果表明，女孩在父母關於孩子的數字敘述中代表性不足。這種性別失衡可能會傳達一個信息，即女孩不如男孩重要，或者不值得關注，從而加強性別不平等。

通過嵌入多人在線戰鬥競技場遊戲建模遊戲頭像協同和反對

原文標題： Modeling Game Avatar Synergy and Opposition through Embedding in Multiplayer Online Battle Arena Games

地址： http://arxiv.org/abs/1803.10402

作者： Zhengxing Chen, Yuyu Xu, Truong-Huy D. Nguyen, Yizhou Sun, Magy Seif El-Nasr

摘要：多人在線戰鬥競技場（MOBA）遊戲最近在全球範圍內受到越來越多的歡迎。在這樣的遊戲中，玩家通過控制選定的遊戲頭像來彼此競爭，每個遊戲頭像都被設計成具有不同的長處和短處。直觀地說，將相互補充（協同作用）的遊戲角色集合在一起並壓制對手（反對者）將會產生更強大的團隊。深入了解遊戲頭像之間的協同和對立關係有助於玩家在遊戲頭像製作中做出決定並獲得對比賽事件的更好預測。但是，由於遊戲頭像之間錯綜複雜的設計和複雜的相互作用，深入了解其關係並不是一件容易的事情。在本文中，我們提出了一個潛在變數模型，即遊戲頭像嵌入（GAE），以了解編碼對之間的協同作用和對立關係的化身數字表示。我們模型的優點是雙重的：（1）被捕獲的協同作用和對立關係對經驗豐富的人類玩家的感知是明智的; （2）遊戲頭像的學習數字表示允許許多重要的下游任務，諸如類似的頭像搜索，匹配結果預測和頭像挑選推薦者。據我們所知，沒有以前的模型能夠同時支持這兩個功能。我們對來自三個商業MOBA遊戲的實際匹配數據進行的定量和定性評估說明了我們模型的好處。

Graphite：圖的迭代生成建模

原文標題： Graphite: Iterative Generative Modeling of Graphs

地址： http://arxiv.org/abs/1803.10459

作者： Aditya Grover, Aaron Zweig, Stefano Ermon

摘要：圖是關係數據建模的基本抽象。然而，圖本質上是離散的和組合的，並且適合機器學習任務的學習表示會帶來統計和計算方面的挑戰。在這項工作中，我們提出了一個使用深潛變數生成模型的Graphite演算法框架，用於無監督學習圖表中節點上的表示。我們的模型基於變分自動編碼器（VAE），並且與圖，語音和文本等數據模態的現有VAE框架不同，它使用圖神經網路來生成生成模型（即解碼器）和推理模型（即編碼器）。由於直接在生成模型中的圖的空間局部結構，使用圖神經網路直接結合了感應偏差。此外，我們繪製圖神經網路與通過內核嵌入分布的近似推理之間的新連接。我們憑經驗證明，Graphite在密度估計，鏈路預測以及合成和基準數據集上的節點分類方面優於最先進的方法。

謝林分離模型中利他主義者的巨大催化效應

原文標題： Giant catalytic effect of altruists in Schellings segregation model

地址： http://arxiv.org/abs/1803.10505

作者： P. Jensen, T. Matreux, J. Cambe, H. Larralde, E. Bertin

摘要：我們研究引入利他主義代理的效果，類似謝林模式的住宅隔離。我們發現，即使是一小部分利他主義者，也會對該系統的集體效用產生巨大的催化作用。利他主義者提供了一些途徑，如果系統只包括利己主義代理人，使系統遠離其達到的次優平衡，從而使系統達到最佳穩定狀態。

靈活的網路嵌入模型

原文標題： Flexible model of network embedding

地址： http://arxiv.org/abs/1803.10572

作者： Juan Fernández-Gracia, Jukka-Pekka Onnela

摘要：最近，人們對描述複雜系統的興趣不僅僅是單一網路，而是作為以不同方式相互耦合的網路集合。這裡我們引入一個易於處理的模型來將一個網路（A）嵌入到另一個網路（B）中，重點關注網路A比網路B有更多節點的情況。在我們的模型中，網路A中的節點被分配或嵌入到網路B中的節點使用分配規則，其中節點定位的範圍由單個參數控制。我們首先將網路A中未分配的「源」節點映射到網路B中隨機選擇的「目標」節點。然後，我們使用基於隨機遊走的方法將源節點的鄰居分配到目標節點的鄰居。更具體地說，將源節點的每個鄰居分配給從目標節點開始並具有每步停止概率q的隨機遊走的停止節點。我們重複這個過程，直到網路A中的所有節點都嵌入到網路B中。通過改變參數q，我們能夠產生一系列從本地（q=1）到全局（q到0）。嵌入機制的簡單性使我們能夠以封閉的形式計算感興趣的關鍵量，使其成為更加真實的網路嵌入模型的有用起點。

網路流行病學監測哨點的客觀度量

原文標題： Objective measures for sentinel surveillance in network epidemiology

地址： http://arxiv.org/abs/1803.10637

作者： Petter Holme

摘要：在網路中優化哨點監測的問題是找到可以及早或可靠地發現新發疾病暴發的節點。重點應該放在早期還是可靠的檢測取決於所討論的情況。我們調查了量化哨點監視節點在檢測或消亡時間，檢測時間和檢測頻率方面的性能的三個客觀度量。作為比較的基礎，我們在人類接觸的靜態和時間網路上使用易感染 - 恢復模型（SIR）。我們表明，對於參數空間的一些區域，這三個客觀度量可以非常不同地對節點進行排名。與網路流行病學中的其他問題相反，我們發現靜態和時間網路的結果非常相似。此外，我們沒有發現一種預測客觀度量的網路結構 - 它既取決於數據集又取決於SIR參數。。

基礎物理學的文獻排名

原文標題： Biblioranking fundamental physics

地址： http://arxiv.org/abs/1803.10713

作者： Alessandro Strumia, Riccardo Torre

摘要：我們提出了改進現有研究的研究影響的措施，如計算論文數量，引文和h - index。由於不同論文和不同領域的合著者和參考文獻的平均數量大不相同，因此我們用共同作者共享的引用文獻替代引文。接下來，我們改進引用計數，將PageRank演算法應用於論文中的引文。按照時間順序，這減少到引用後裔的加權計數，我們稱之為PaperRank。同樣，我們計算AuthorRank將PageRank演算法應用於作者之間的引用。這些指標將作者或論文的影響量化為考慮到引用它的作者的影響。最後，我們通過定義一個封閉的引用硬幣市場來展示如何消除自我和循環引用。我們將這些指標應用於InSpire資料庫，該資料庫涵蓋了基礎物理學，排名論文，作者，期刊，研究機構，城鎮，國家，大陸，性別等最近的時間段。

在Twitter上使用表情皮膚顏色修飾符自我表現

原文標題： Self-Representation on Twitter Using Emoji Skin Color Modifiers

地址： http://arxiv.org/abs/1803.10738

作者： Alexander Robertson, Walid Magdy, Sharon Goldwater

摘要：自2015年以來，可以用膚色修改某些表情符號。引入了五種不同的膚色，旨在表現出更多的人類多樣性，但一些評論員擔心它們可能被用作否定其他用戶/群體的方式。本文介紹了在Twitter上使用膚色修飾符對膚色表情的定量分析，顯示膚色較淺的個人照片的用戶比膚色較淺的個人照片的用戶更頻繁地使用他們，絕大多數膚色使用情況與用戶個人資料照片的顏色 - 即音調代表自我，而不是其他。在少數情況下，用戶使用反色調錶情符號，我們發現沒有消極的種族情緒的證據。因此，膚色的引入似乎已經達到更好地代表人類多樣性的目標。

聲明：Arxiv文章摘要版權歸論文原作者所有，由本人進行翻譯整理，未經同意請勿隨意轉載。本系列在微信公眾號「網路科學研究速遞」（微信號netsci）和個人博客 https://www.complexly.me （提供RSS訂閱）進行同步更新。