在这项工作中，我们提出了IMINFECTOR（影响最大化与INFluencer vECTORs），一种渴望使用表示学来解决这两个问题的方法。它由两部分组成。第一种是基于多任务神经网络，该网络使用扩散级联的日志来嵌入节点之间的扩散概率以及节点创建大规模级联的能力。第二部分使用扩散概率将影响最大化重新形成为加权的二分匹配问题，并利用学的表示来使用贪婪的启发式方法找到种子集。我们将这种方法应用于伴随扩散级联的三个相当大的网络中，并使用未来时间步骤中看不见的扩散级联来评估它。我们观察到，我们的方法在预测精度和种子集质量方面优于影响最大化的多样化景观中的各种竞争算法和度量。
摘要：尽管过去已经广泛研究了影响最大化，但大多数工作都集中在问题的算法方面，忽略了可以通过数据驱动的观察或包含机器学得出的几个实际改进。主要挑战一方面在于限制可扩展性的算法解决方案的计算需求，另一方面在于预测影响扩散的质量。
George Panagopoulos, Michalis Vazirgiannis, Fragkiskos D. Malliaros
互联网创业的毕业论文模板免费下载
摘要：各种自然和社会现象中的动态过程已经通过显示非泊松农村自己小本创业干啥好，突发时间模式的一系列事件或事件序列来描述。这种突发时间序列中的时间相关性不仅可以通过异构的时间间隔（IET）来理解，而且可以通过 IET 之间的相关性来理解。建模和模拟各种动态过程需要我们在 IET 之间生成具有重尾 IET 分布和记忆效应的事件序列。
An Empirical Evaluation of Text Representation Schemes on Multilingual Social Web to Filter the Textual Aggression
基于主体的仿真模型可以在激励和推出策略实施之前深入了解激励和推出策略的效果，从而允许进行情景测试。本文描述了基于主体的模型的构建，使政策制定者能够预测充电基础设施的发展。该模型能够模拟单个用户的计费交易，并使用来自荷兰四大城市的公共计费基础设施的计费交易数据集进行校准和验证。
摘要：目前，世界各国政府和城市正面临电动汽车使用的快速增长，因此需要充电基础设施。对于这些城市而言，在成本和使用方面，仍然需要以最有效的方式进一步推广充电基础设施。预测模型无法预测更多的长期发展，因此更复杂的模拟模型提供了模拟各种情景的机会。
Jurjen R. Helmus, Seyla Wachlin, Igna Vermeulen, Mike H. Lees
SEVA: A Data driven model of Electric Vehicle Charging Behavior
在本文中，我们介绍了 Contropedia ，这是一个增加文章的工具，可以深入了解有争议话题的发展。Contropedia 使用基于编辑历史的高效语言无关测量，该编辑历史专注于维基链接，以便轻松识别文章中哪些主题最具争议性以及何时出现。
摘要：协作内容创建不可避免地会遇到不同观点导致冲突的情况。我们专注于，这是任何人都可以编辑的免费百科全书，其中有争议文章内容的争议往往反映出更大的社会争论。虽然对每篇文章都有公共编辑历史和讨论部分，但对于对文章开发感兴趣的用户以及查找哪些主题最具争议性，这些部分的内容很难实现。
Erik Borra, Andreas Kaltenbrunner (BMF), Michele Mauri, Esther Weltevrede, David Laniado, Richard Rogers (UvA), Paolo Ciuccarelli, Giovanni Magni, Tommaso Venturini (MEDIALAB, CIS)
第一个是领导者，他们试图通过选择最有影响力的节点来最大化影响力的传播，而第二个，即跟随者，试图通过停用其中一些节点来最小化它。通过小尺寸实例的完全枚举和大尺寸实例的数学解决方案来解决公式化的双层模型。在这两种情况下，作为随机优化问题的较低级问题通过样本平均近似方法来近似。
摘要：在本文中，我们考虑在社会网络中扩展众所周知的影响最大化问题，该社会网络处理寻找一组 k 个节点以启动扩散过程，以使得在过程结束时受影响的节点的总数最大化。该扩展侧重于竞争变体，其中涉及两个决策者。
node2bits 利用基于特征的时间遍历来封装异构 Web 网络中节点之间的短期和长期交互，并采用 SimHash 来获得紧凑的二进制表示，并避免相似性搜索的二次复杂度。在大规模真实网络上进行的大量实验表明，node2bits 优于传统技术和现有工作，在用户拼接的 F1 得分中产生实值嵌入高达5.16％，而存储空间仅高达1.56％。
为了以与应用无关的方式解决问题，我们采用基于异构网络的方法，其中用户（节点）与内容（例如，会话，网站）交互，并且可以具有属性（例如，位置）。我们提出了 node2bits ，这是一个有效的框架，用于表示具有二进制哈希码的节点上下文的多维特征。
摘要：身份拼接是在现实世界的 Web 服务中向同一用户识别和匹配各种在线参考（例如，通过不同设备和时间跨度的会话）的任务，对于个性化和推荐是至关重要的。然而，传统的用户拼接方法，例如分组或阻塞，需要在大量用户活动之间进行二次成对比较，从而带来计算和存储挑战。最近的作品通常是针对特定应用的，启发式地寻求减少比较的数量，但是它们的精度和召回率都很低。
例如，在具有 63M 时间边（超过12个时间步长）的真实世界网络上，我们的方法能够在1056秒内完成，比基线实现产生3倍的加速。除了展示性能优势之外，我们还展示了如何使用我们的方法来描述分析输入网络的时间分辨率的适当间隔。
摘要：社区检测是网络科学家用来分析现实世界网络结构的发现工具。它旨在识别输入网络中可能存在的自然划分，这些划分将顶点划分为连贯的模块（或社区）。虽然这个问题空间丰富了高效的算法和软件，但大多数文献都适用于底层网络不会发生变化的静态用例。但是，许多新兴的实际用例导致需要将动态图表作为输入。在本文中，我们提出了一种快速有效的增量方法，用于动态社区检测。
A Fast and Efficient Incremental Approach toward Dynamic Community Detection
首先，我们介绍了在同构网络中学节点表示的基本模型。同时，我们还将介绍基础模型的一些扩展，以解决更复杂的场景，例如分析归因网络，异构网络和动态网络。然后，我们介绍嵌入子图的技术。之后，我们介绍了网络表示学的应用。最后，我们讨论了未来工作的一些有希望的研究方向。
摘要：社会网络分析是数据挖掘中的一个重要问题。分析社会网络的基本步骤是将网络数据编码成低维表示，即网络嵌入，以便可以有效地保留网络拓扑结构和其他属性信息。网络表示倾向有助于进一步的应用，例如分类，链路预测，异常检测和聚类。此外，基于深度神经网络的技术在过去几年中引起了极大的兴趣。在本次调查中，我们利用神经网络模型对网络表示学中的当前文献进行了全面的回顾。
关于该主题的文献是大量纯粹的拓扑方法，用于识别网络中有影响的传播者。但是，尚不清楚这些方法在多大程度上不是最佳的。在这里，我们对多种启发式方法的性能进行系统测试，以识别有影响的传播者。我们量化了100个真实网络语料库中各种方法的性能;语料库由足够小的网络组成，用于应用贪婪优化，因此该算法的结果被用作分析同一网络语料库中其他方法的性能所需的基线。我们发现，相对简单的网络指标，如自适应度或接近度中心，能够实现非常接近基线值的性能，从而为在大规模问题设置中使用这些指标提供了良好的支持……
摘要：影响最大化是找到网络节点集合的问题，该节点集合最大化在网络上发生的扩散过程的爆发的大小。解决此问题对于营销和政治活动中的战略决策非常重要。典型设置包括识别非常大的网络中的小型初始传播者。此设置使得优化问题在计算上不可行，对于标准贪婪优化算法同时考虑有关网络拓扑和扩展动态的信息，仅基于依赖于网络几何的急剧近似的启发式方法留出空间。
摘要：本文开发了一种车道变换动力学模型，可应用于任意车辆跟随模型。如果没有车道变换动力学，汽车跟随模型通常会产生不切实际的轨迹，因为它们对车道变换操作引起的空间车头时距变化的反应过于强烈。随着车道变换动力学的增加，汽车跟随模型避免了这些不切实际的行为，并在校准经验数据时实现更好的拟合。可以使用具有物理意义的单个参数来应用车道变换动态，并且可以描述多种类型的车道变换。使用NGSim轨迹数据和三种不同的汽车跟随模型进行验证。
A formulation of the relaxation phenomenon for lane changing dynamics in an arbitrary car following model
Cultivating Online: Question Routing in a Question and Answering Community for Agriculture
我们设计了一种有效的近似算法，该算法在小负权重的情况下运行良好，并且对于更一般的情况也是有效的启发式算法。最后，我们对各种现实世界的不确定图进行了实验，并对爬行的 Twitter 多层图进行了验证，验证了所提出的图元的价值，以及我们提出的算法的实用价值。代码和数据可在 url
具体来说，我们提供了两种适用于各种应用的新颖图挖掘初步尝试。我们的初步尝试可以用来回答诸如“如何在 Twitter 上找到一个密集的子图，有很多回复和提及但没有跟随？”的问题，“我们如何提取一个具有高预期回报和低风险的密集子图图”？我们在数学上将这两个问题都表述为具有负权重的图中的密集子图发现的特殊实例。我们研究问题的硬度，并且我们证明了问题通常是 NP 难的。
Charalampos E. Tsourakakis, Tianyi Chen, Naonori Kakimura, Jakub Pachocki
Novel Dense Subgraph Discovery Primitives: Risk Aversion and Exclusion Queries
节点 ID 携带稀有信息，导致批评现有方法对噪声不稳健。为了解决这个问题，我们引入了组合网络嵌入，这是一种通用的归纳网络表示学框架，它通过基于组合原理组合节点特征来生成节点嵌入。我们不是直接优化基于任意节点 ID 的嵌入查找，而是学组合函数，通过基于图的损失组合相应的节点属性嵌入来推断节点嵌入。为了评估，我们在四种不同的设置下进行链路预测的实验。结果验证了组合网络嵌入的有效性和泛化能力，特别是对看不见的节点。
摘要：事实证明，网络嵌入在各种网络分析任务中非常有用，例如节点分类，链路预测和网络可视化。几乎所有现有的网络嵌入方法都学会将节点 ID 映射到它们对应的节点嵌入。然而，这种设计原则阻碍了现有方法在实际情况中的应用。节点 ID 不可推广，因此，现有方法必须在冷启动问题上付出巨大努力。异构网络通常需要额外的工作来编码节点类型，因为节点类型不能通过节点 ID 来识别。
我们用这种方式分析了21,631篇文章，并使用主成分分析来考虑它们的主题子图比率曲线之间的关系。结果表明，少数诱导三元组在表征编辑之间的关系中起着重要作用，有争议的文章具有聚类倾向。这为编辑行为和交互捕获反叙事提供了有用的见解，而无需借助语义分析。它还为将来预测有争议的文章提供了一个潜在有用的功能。
摘要：是编辑如何协作形成和维护文章的一个很好的例子。编辑器之间的关系源自其编辑活动序列，导致称为修订网络的有向网络结构，可能对编辑活动有宝贵的见解。在本文中，我们创建了修订网络，以评估有争议和无争议的文章之间的差异，如所标记的。源于复杂的网络，我们应用 motif 分析，它决定诱导子结构的不足或过度表示，在这种情况下是三元组的编辑。
James R. Ashford, Liam D. Turner, Roger M. Whitaker, Alun Preece, Diane Felmlee, Don Towsley
Understanding the Signature of Controversial Wikipedia Articles through Motifs in Editor Revision Networks
摘要：对于具有度数遵循幂指数 tau in（2,3）的无标度网络，模体（小子图）的结构尚不清楚。我们引入了一种方法，用于识别任何给定模体的主导结构，作为优化问题的解决方案。唯一优化器描述了共同跨越最可能的主题的顶点的度数，从而导致主题计数及其波动的显式渐近公式。然后，我们将所有模体分为两类：具有小波动和大波动的模体。
Clara Stegehuis, Remco van der Hofstad, Johan S. H. van Leeuwaarden
这里，对于任意给定的 N 无标度网络模型，我们报告了基于顶点排名的无标度特征和 Zipf 定律之间的等价关系。通过严格的数学推导，我们消除了缺口，缺乏 Zipf 定律的理论基础。因此可以确信，采用已经用于研究复杂网络的方法来制定 Zipf 定律是合理的。
可以很容易地注意到，上述两者具有相同类型的外观，即已知的幂律。与通过连续统理理论分析证明的无标度特征相比，到目前为止，后者在大多数情况下仍被认为是许多科学界的经验原则，特别是在社会科学中。由于这个原因，需要指出两者之间的内部连接或区分彼此的差异。
摘要：在本文中，我们研究了图神经网络的节点表示学问题。我们提出了一个名为递归图神经网络（RGNN）的图神经网络类，它解决了现有方法的缺点。通过使用循环单元来捕获跨层的长期依赖性，我们的方法可以在递归邻域扩展期间成功识别重要信息。在我们的实验中，我们展示了我们的模型类在三个基准测试中实现了最先进的结果：Pubmed，Reddit 和 PPI 网络数据集。我们的深入分析还表明，结合循环单元是一种简单而有效的方法，可以防止图中的噪声信息，从而实现更深层的图神经网络。
Inductive Graph Representation Learning with Recurrent Graph Neural Networks
动态系统行为的比较确定了三个主要系统类别：1）水不安全和非弹性城市，这些城市有可能陷入贫困陷阱; 2）转型中的城市; 3）水安全和富有弹性的城市，其中一些城市已经出现了过剩的资本，并且有可能陷入僵化困境。在1）和2）社区适应显著提高了水安全性和恢复力。我们的研究结果为全球城市供水系统的未来管理潜力提供了见解。
每个城市的供水服务都会因反复出现的随机冲击而中断，我们会模拟影响和恢复周期的动态。弹性在各种约束下出现，以每个城市的资本组合表示。对参数空间的系统评估产生了城市水弹性景观，我们确定每个城市沿着这个景观的连续梯度的位置。在一些城市，随机扰动机制挑战稳态条件并推动系统崩溃。
摘要：城市是社会经济创新的驱动力，也被迫解决当前和未来供水等基本服务失败的加速风险。在这项贡献中，我们调查了城市供水安全的复原力，这是根据公民获得的服务来定义的。服务的弹性取决于关键系统要素的可用性和稳健性，或“资本”（水资源，基础设施，财务，管理效能和社区适应）。我们将来自四大洲七个对比城市的资本组合的定量信息转换为耦合系统动力学模型的参数。
Elisabeth H. Krueger, Dietrich Borchardt, James W. Jawitz, Harald Klammler, Soohyun Yang, Jonatan Zischg, P. Suresh C. Rao
Resilience Dynamics of Urban Water Security in Archetype Cities
摘要：有各种类型的金字塔计划给世界上许多人造成或正在造成损失。我们提出了一个金字塔方案模型，它具有近年来出现的许多金字塔计划的主要特征：有希望的高回报，奖励参与者招募下一代参与者，组织者将从他那里找到钱时拿走所有的钱。新参与者不足以支付以前参与者的兴趣和奖励。
摘要：通过利用大规模在线数据，我们构建并分析了初创企业之间时变全球职业关系网络。该网络的节点代表公司，而链接模拟员工流动以及跨公司的相关技术转移。我们使用网络中心性措施在早期阶段评估初创企业长期积极表现的可能性，表明启动网络具有预测能力，并提供有价值的建议，使当前的技术水平达到一倍风险基金我们基于网络的方法不仅为风险投资公司的劳动密集型筛选流程提供了有效的替代方案，而且还使企业家和政策制定者能够对创新生态系统的长期潜力进行更客观的评估并实现目标相应的干预措施。
Moreno Bonaventura, Valerio Ciotti, Pietro Panzarasa, Silvia Liverani, Lucas Lacasa, Vito Latora
例如，1218种期刊的引用率最高，其 IF 提高了20％以上，而231种期刊的提升率超过了50％。我们发现，小型期刊获得的奖励远远超过发表高被引论文的大型期刊，并且对于发表低引用论文也会受到更多惩罚，特别是如果他们有高 IF。这个机制为著名的高 IF 期刊保持小规模，以及在 IF 排名中保持竞争力提供了强大的动力。我们讨论了突破性论文在着名期刊中的含义。鉴于这种不均衡的奖励机制，我们还质疑 IF 的期刊排名实践。
摘要： 由于影响因子（IF）是平均数，且对于大多数期刊很小，因此IF是不稳定的。我们使用2017年期刊引用报告中11639种期刊的数据研究单篇论文如何影响IF。我们将由单张纸引起的 IF 增益（或损失）定义为波动率，这与期刊大小成反比。我们发现每年有数百种期刊出现高波动性，因为它们被引用次数最高的论文：它是小型期刊中被高度引用的论文，还是小型和低引用期刊的中等（甚至低）引用论文。
How a Single Paper Affects the Impact Factor: Implications for Scholarly Publishing
然后，我们提供了一种构建不同上下文的方法，其中上下文是一组表征事件环境的特征。最后，这些上下文允许我们根据几个维度和各种观点找到相关的意外行为：用户在给定时间内与其通常行为相比是异常的，两个用户之间的关系与所有其他关系相比是异常的，等等。我们将我们的方法应用于与2017年法国总统大选相关的一系列转发，并表明可以在 Twitter 上建立有关政治组织的有趣见解。
摘要：在社会网络 Twitter 中，用户可以相互交互并通过转发传播信息。这些数以百万计的互动可能会导致媒体事件的影响超出 Twitter 框架。在本文中，我们彻底探索了相互作用，以便更好地理解某些趋势的出现。首先，我们认为 Twitter 上的互动是一个三元组（s，a，t）意味着用户 s ，称为传播者，已经转发了一条用户 a （作者 ）的推文，这里面时间则是 t 。我们将这组交互建模为具有三个维度的数据立方体：spreaders，authors 和 time。
Multidimensional Outlier Detection in Temporal Interaction Networks: An Application to Political Communication on Twitter
摘要：本文旨在精确检测和识别 IP 流量中的异常事件。为此，我们采用链接流形式，正确捕获数据的时间和结构特征。在此框架内，我们专注于发现 IP 地址随时间变化的异常行为。由于 IP 配置文件的多样性，此功能通常是异构分布的，阻止我们直接发现异常。为了应对这一挑战，我们设计了一种方法来检测异常值，并在一系列相似的异构分布中精确地识别它们的原因。我们将其应用于 IP 流量的几个 MAWI 捕获，并且我们表明它成功地检测了异常网络活动方面的相关模式。
摘要：我们研究了路线选择博弈的学动态模型，以探索总需求的增加如何影响系统性能。我们专注于具有线性成本的两个平行边的非原子路由博弈，其中所有单体使用具有固定学速率的乘法权重更新演化。之前的博弈论平衡分析表明，在大规模人口限制中，系统绩效接近最优，正如调和率下降所示。
Thiparat Chotibut, Fryderyk Falniowski, Michał Misiurewicz, Georgios Piliouras
Evolution of Hierarchical Structure & Reuse in iGEM Synthetic DNA Sequences
粗略地说，如果没有提供用户数据，这意味着广告客户的价值至少会损失160亿美元。关于（1），除了允许用户获得数据共享的报酬外，我们还将数学框架扩展到用户提供明确意图的时候。
Anish Agarwal, Munther Dahleh Devavrat Shah, Dyland Sleeper, Andrew Tsai, Madeline Wong
我们的 SPDT 模型改变了网络动态，其中个体之间的连通性随链接传染性的衰减率而变化。我们通过模拟在数据驱动的接触网络上传播的空气传播疾病来研究SPDT 扩散行为。 SPDT 模型显著增加扩散动力学（特别是对于具有低链接密度的网络，其中间接相互作用产生新的感染途径）并且能够产生真实的疾病繁衍速度。我们的结果表明，与具有直接相互作用的当前扩散模型相比，SPDT 模型更有可能导致爆发。我们发现包含间接连接的扩散动力学不能通过当前模型重现，突出了间接连接预测爆发的重要性。
摘要：个体层面的交互模式影响联络网络上的扩散行为。大多数当前的扩散模型仅考虑个体之间的直接作用来构建潜在的传播网络。然而，在受感染的个体离开交互空间之后易感个体与感染性物品相互作用的延迟间接相互作用也可能导致传播事件。我们定义了一个称为相同位置的扩散模型，它是基于不同时间传输（SPDT）的扩散，它考虑了这些间接交互的传输链路。
Indirect interactions influence contact network structure and diffusion dynamics
我们在许多压力测试场景下进行测试，并将其行为与常用的模块化和电导测量进行比较。经验压力测试结果证实我们的指标与既定指标相比有更高的效益。特别是，它们显示出对图结构的响应更快，对数据实现期间的样本大小和故障更不敏感，并且对连接的不确定性更不敏感。这些功能在较大数据集的上下文中或者当数据可能包含连接模式中的错误时尤其重要。
与常用的模块化测量方法不同，我们的测量结果表明它符合良好的聚类质量函数的公理。它们还具有直观的图论解释，正式的统计解释，并且可以轻松地测试其重要性。我们的工作集中在这样一种观点，即良好的聚类图将显示出比簇间密度大得多的簇内密度。我们开发测试来验证这种集群结构的存在。
摘要：测量图聚类质量仍然是一个悬而未决的问题。为了解决这个问题，我们引入了基于簇内和簇间密度比较的质量测量，伴随其差异显著性的统计测试以及聚类质量评估的逐步例程。我们的零假设不依赖于图的任何生成模型，这点不像使用配置模型作为空模型的模块化。
Pierre Miasnikof, Alexander Y. Shestopaloff, Anthony J. Bonner, Yuri Lawryshyn, Panos M. Pardalos
摘要：确定战略业务伙伴关系可以为企业提供竞争优势；然而，由于商业环境中存在的动态和不确定性，这项任务可能具有挑战性。为了帮助企业完成这项任务5个农村创业的好项目成本低，本研究提出了一种企业之间的相似性模型，该模型考虑了用户对社交媒体上企业共享内容的看法。
该评估探索了一个新的数据集，即 OutdoorSent，从 Instagram 提取的地理化城市户外图像，它们涉及三种情感极性（正面，负面和中性），以及另一个公开的数据集（DeepSent）。我们观察到，与语义特征相关的知识的结合倾向于提高低复杂 ConvNet 架构的准确性。此外，我们还证明了我们的结果在美国芝加哥市的适用性，表明它们可以帮助理解城市不同区域的主观特征。例如，城市的特定区域倾向于集中更多特定情绪类型的图像。 ConvNet 架构，训练模型和建议的室外图像数据集已公布在文后网站上。
摘要：例如，用户在日常或休闲活动中贴出的户外图像中的意见挖掘可以提供有价值的信息，以更好地了解城市地区。在这项工作中，我们提出了一个框架，用于对用户在社会网络上共享的户外图像的情感进行分类。
Wyverson B. de Oliveira, Leyza B. Dorini, Rodrigo Minetto, Thiago H. Silva
OutdoorSent: Can Semantic Features Help Deep Learning in Sentiment Analysis of Outdoor Images?
摘要：我们将自激活结合到传播影响中并提出自激活独立级联（SAIC）模型：除了被选择作为种子之外农村想做电商创业项目，节点可以是自激活的，并且影响从选择的种子和自激活节点传播。自我激活反映了真实世界的场景，例如人们自然地与朋友分享产品推荐，即使没有营销干预。它还导致两种新形式的优化问题：
使用新的可视化工具分析这些生态系统的行业景观确实突出了多样性方面的显著差异，我们使用源自生态科学的指标来进行描述。数值模拟表明，可以使用基于部门资金的简单优惠附加模型来解释新兴生态系统中涌现出的多样性。
专题： 绝味鸭脖加盟 互联网个人创业 飘蕾加盟
