erik estrada

核心速遞

• SciLens ：利用社交媒體和科學(xué)文獻(xiàn)指標(biāo)評(píng)估科技新聞文章的質(zhì)量;

• 社會(huì)網(wǎng)絡(luò)的迭代局部模型;

• 從路徑聚合中學(xué)習(xí)圖中的邊屬性;

• 基于子集選擇的方法尋找復(fù)雜網(wǎng)絡(luò)的重要結(jié)構(gòu);

• 從 Twitter 語(yǔ)料庫(kù)中提取本地化信息用于洪澇預(yù)防;

• 資本成本的區(qū)域差異對(duì)具有雄心勃勃的二氧化碳減排目標(biāo)的電力系統(tǒng)優(yōu)化設(shè)計(jì)的影響;

• 意見(jiàn)形成的統(tǒng)計(jì)物理學(xué)：它是否屬于該領(lǐng)域？;

• 什么使驗(yàn)證用戶與眾不同？ Twitter 上驗(yàn)證用戶的認(rèn)識(shí)、分析和預(yù)測(cè);

• QuickStop ：最快錯(cuò)誤信息檢測(cè)的馬爾科夫最優(yōu)停止方法;

• 勞動(dòng)力流動(dòng)網(wǎng)絡(luò)的摩擦失業(yè);

• 間作農(nóng)業(yè)可持續(xù)蚜蟲(chóng)防治的數(shù)學(xué)模型;

• 用社交媒體表征當(dāng)?shù)貙?duì)移民的態(tài)度;

• 智能高速公路流密度關(guān)系變異性的實(shí)證分析;

• “堅(jiān)持在那里”：使用詞匯和視覺(jué)分析識(shí)別具有移情反應(yīng)的帖子;

• 學(xué)習(xí)圖聚類(lèi)的分辨率參數(shù);

原文標(biāo)題：

SciLens: Evaluating the Quality of Scientific News Articles Using Social Media and Scientific Literature Indicators

地址：

http://arxiv.org/abs/1903.05538

作者：

Panayiotis Smeros, Carlos Castillo, Karl Aberer

摘要：本文描述，開(kāi)發(fā)和驗(yàn)證了 SciLens，一種評(píng)估科學(xué)新聞文章質(zhì)量的方法。我們工作的出發(fā)點(diǎn)是結(jié)構(gòu)化方法，定義了一系列用于手動(dòng)評(píng)估新聞的質(zhì)量方面。基于這些方面，我們描述了一系列新聞質(zhì)量指標(biāo)。根據(jù)我們的實(shí)驗(yàn)，與無(wú)法獲得這些指標(biāo)的非專家相比，這些指標(biāo)有助于非專家更準(zhǔn)確地評(píng)估科學(xué)新聞文章的質(zhì)量。

此外，SciLens 還可用于為文章生成完全自動(dòng)化的質(zhì)量得分，與非專家進(jìn)行的人工評(píng)估相比，專家評(píng)估員更愿意。 SciLens 的主要元素之一是關(guān)注文章的內(nèi)容和背景，其中上下文由（1）文章對(duì)科學(xué)文獻(xiàn)的明確和隱含參考，以及（2）社交媒體中引用文章的反應(yīng)提供。我們表明，兩個(gè)上下文元素都可以成為確定文章質(zhì)量的重要信息來(lái)源。 SciLens 的驗(yàn)證通過(guò)專家和非專家注釋的組合完成，證明了其對(duì)科學(xué)新聞的半自動(dòng)和自動(dòng)質(zhì)量評(píng)估的有效性。

原文標(biāo)題：

The Iterated Local Model for Social Networks

地址：

http://arxiv.org/abs/1903.04523

作者：

Anthony Bonato, Huda Chuangpishit, Sean English, Bill Kay, Erin Meger

摘要：諸如在 Facebook 和 Twitter 中的在線社會(huì)網(wǎng)絡(luò)通常從網(wǎng)絡(luò)中的代理之間的友誼關(guān)系的角度進(jìn)行研究。然而，對(duì)抗關(guān)系在社會(huì)網(wǎng)絡(luò)的結(jié)構(gòu)和功能中也發(fā)揮著重要作用，但往往是隱藏的。結(jié)構(gòu)平衡理論預(yù)測(cè)了社會(huì)網(wǎng)絡(luò)的潛在生成機(jī)制，結(jié)構(gòu)平衡理論假設(shè)三位代理人更喜歡傳遞，朋友的朋友更可能是朋友，或反傳遞，對(duì)手的對(duì)手成為朋友。先前提出的迭代局部傳遞（ILT）和迭代局部反傳遞（ILAT）模型分別將傳遞性和反傳遞性作為演化機(jī)制。

這些模型產(chǎn)生了具有社會(huì)網(wǎng)絡(luò)的許多可觀察屬性的圖，例如低直徑，高聚類(lèi)和致密化。我們提出了一種新的生成模型，稱為迭代局部模型（ILM），用于隨時(shí)間推移合成傳遞和反傳遞三元組的社會(huì)網(wǎng)絡(luò)。在 ILM 中，我們給出了一個(gè)可數(shù)無(wú)限的二進(jìn)制序列作為輸入，該序列決定了我們是應(yīng)用傳遞步還是反傳遞步。得到的模型顯示出在 ILT 和 ILAT 模型中觀察到的復(fù)雜網(wǎng)絡(luò)的許多特性。

特別地，對(duì)于任何輸入二進(jìn)制序列，我們表明漸近模型生成有限圖，其密集化，聚類(lèi)系數(shù)遠(yuǎn)離0，直徑最多為3，并且表現(xiàn)出不良的譜擴(kuò)展。我們還對(duì) ILM 圖的誘導(dǎo)子圖的色數(shù)，控制數(shù)，哈密爾頓性和同構(gòu)類(lèi)型進(jìn)行了全面的分析。

原文標(biāo)題：

Learning Edge Properties in Graphs from Path Aggregations

地址：

http://arxiv.org/abs/1903.04613

作者：

Rakshit Agrawal, Luca de Alfaro

摘要：圖邊及其標(biāo)簽可以表示基本重要性的信息，例如網(wǎng)頁(yè)之間的鏈接，用戶之間的友誼，用戶給予其他用戶或項(xiàng)目的評(píng)級(jí)等等。我們介紹了 LEAP，一種可訓(xùn)練的通用框架，用于根據(jù)圖的局部結(jié)構(gòu)，拓?fù)浜蜆?biāo)簽預(yù)測(cè)邊的存在和屬性。 LEAP 框架基于連接圖中節(jié)點(diǎn)的路徑的探索和機(jī)器學(xué)習(xí)聚合。

我們提供了幾種通過(guò)訓(xùn)練路徑聚合器來(lái)執(zhí)行聚合階段的方法，并且我們通過(guò)將其應(yīng)用于社會(huì)網(wǎng)絡(luò)中的鏈接和用戶評(píng)級(jí)的預(yù)測(cè)來(lái)證明框架的靈活性和通用性。我們?cè)趦蓚€(gè)問(wèn)題上驗(yàn)證 LEAP 框架：鏈路預(yù)測(cè)和用戶評(píng)級(jí)預(yù)測(cè)。在八個(gè)大型數(shù)據(jù)集中，其中包括 arXiv 協(xié)作網(wǎng)絡(luò)，酵母蛋白質(zhì) - 蛋白質(zhì)相互作用以及美國(guó)航空公司路由網(wǎng)絡(luò)，我們表明 LEAP 的鏈路預(yù)測(cè)性能至少與當(dāng)前最先進(jìn)的方法一樣好，例如作為海豹突擊隊(duì)和 WLNM。

接下來(lái)，我們考慮預(yù)測(cè)其他用戶的用戶評(píng)級(jí)的問(wèn)題：這個(gè)問(wèn)題被稱為加權(quán)符號(hào)網(wǎng)絡(luò)（WSN）中的邊權(quán)重預(yù)測(cè)問(wèn)題。在比特幣網(wǎng)絡(luò)和維基百科 RfA 上，我們表明 LEAP 的表現(xiàn)始終優(yōu)于基于公平與良好的回歸模型，將訓(xùn)練邊的數(shù)量在10％到90％之間變化。這些例子表明，LEAP 雖然具有通用性，但可以與特別精心設(shè)計(jì)的方法的性能相匹配或最佳，以解決非常具體的邊預(yù)測(cè)問(wèn)題。

原文標(biāo)題：

A subset selection based approach to finding important structure of complex networks

地址：

http://arxiv.org/abs/1903.04649

作者：

Richa Tripathi, Amit Reza

摘要：大多數(shù)現(xiàn)實(shí)世界的網(wǎng)絡(luò)，如互聯(lián)網(wǎng)，協(xié)作網(wǎng)絡(luò)，大腦網(wǎng)絡(luò)，引用網(wǎng)絡(luò)，電力線和航空網(wǎng)絡(luò)都非常龐大，要研究它們的結(jié)構(gòu)和動(dòng)態(tài)，通常需要使用大型連接（鄰接）矩陣。然而，幾乎總是如此，一些或有時(shí)大多數(shù)節(jié)點(diǎn)及其連接對(duì)于網(wǎng)絡(luò)功能不是非常關(guān)鍵，或者網(wǎng)絡(luò)對(duì)于某些節(jié)點(diǎn)的故障及其與網(wǎng)絡(luò)其余部分的連接是健壯的。在目前的工作中，我們的目標(biāo)是提取復(fù)雜網(wǎng)絡(luò)的尺寸減小表示，使得新表示具有最相關(guān)的網(wǎng)絡(luò)節(jié)點(diǎn)和連接并保持其譜特性。

為此，我們使用子集選擇（SS）過(guò)程。通常，SS 方法用于從其最具信息性的列中檢索矩陣中的最大信息。檢索的矩陣（通常稱為子集）具有具有最小線性相關(guān)性的原始矩陣的列。我們將 SS 過(guò)程的應(yīng)用呈現(xiàn)給現(xiàn)實(shí)世界網(wǎng)絡(luò)的許多鄰接矩陣和模型網(wǎng)絡(luò)類(lèi)型以提取它們的子集。由于其小尺寸的子集可以在分析大型復(fù)雜網(wǎng)絡(luò)的譜特性中起關(guān)鍵作用，其中分析全鄰接矩陣的空間和時(shí)間復(fù)雜度太昂貴。從所獲得的子集構(gòu)造的鄰接矩陣具有較小的尺寸并且代表最重要的網(wǎng)絡(luò)結(jié)構(gòu)。我們觀察到幾乎是原始網(wǎng)絡(luò)一半大小的子網(wǎng)絡(luò)具有比原始網(wǎng)絡(luò)更好的信息流效率。

原文標(biāo)題：

Extracting localized information from a Twitter corpus for flood prevention

地址：

http://arxiv.org/abs/1903.04748

作者：

Etienne Brangbour, Pierrick Bruneau, Stéphane Marchand-Maillet, Renaud Hostache, Patrick Matgen, Marco Chini, Thomas Tamisier

摘要：在本文中，我們討論了與熱帶風(fēng)暴哈維相關(guān)的語(yǔ)料庫(kù)的集合，以及從空間和主題角度的分析。從空間角度來(lái)看，我們的目標(biāo)是首先估計(jì)收集的語(yǔ)料庫(kù)中的地理信息的粒度和可靠性。從主題角度來(lái)看，我們討論了 Twitter 帖子的表示，以及處理最初未標(biāo)記的推文語(yǔ)料庫(kù)的策略。

原文標(biāo)題：

Implications of regional differences in costs for capital on the optimal design of power systems with ambitious CO2 reduction targets

地址：

http://arxiv.org/abs/1903.04768

作者：

Bruno U. Schyska, Alexander Kies

摘要： 為了減少電力部門(mén)的溫室氣體排放，需要將高比例的可再生能源集成到現(xiàn)有系統(tǒng)中。這將需要大量投資。已經(jīng)表明，這些投資所需的資本成本在歐洲地區(qū)之間分布不均。它們顯示出明顯的南北和西 - 東分歧，近年來(lái)沒(méi)有顯示出明顯縮小的跡象。

然而，調(diào)查歐洲大陸電力系統(tǒng)的電力系統(tǒng)研究通常假設(shè)資本成本均勻。本文的目的是研究資本成本的區(qū)域差異如何影響這些研究在最優(yōu)電力系統(tǒng)設(shè)計(jì)方面的結(jié)果。我們的分析基于電力系統(tǒng)優(yōu)化，歐洲資本成本不均勻。我們發(fā)現(xiàn)，假設(shè)資本的同質(zhì)成本導(dǎo)致對(duì)發(fā)電能力的非最佳投資。整個(gè)歐洲的電力支出不平等減少，而整個(gè)系統(tǒng)成本的變化很小。此外，發(fā)現(xiàn)資本的不均勻成本有利于整體風(fēng)力發(fā)電部署，而太陽(yáng)能則受到影響。

原文標(biāo)題：

Statistical Physics Of Opinion Formation: is it a SPOOF?

地址：

http://arxiv.org/abs/1903.04786

作者：

Arkadiusz J?drzejewski, Katarzyna Sznajd-Weron

摘要：我們基于非線性 q -voter 模型提出了關(guān)于在意見(jiàn)形成統(tǒng)計(jì)物理學(xué)（SPOOF）中提出的問(wèn)題和方法的簡(jiǎn)短回顧。我們描述了由物理學(xué)家開(kāi)發(fā)的意見(jiàn)形成模型與社會(huì)心理學(xué)中已知的社會(huì)反應(yīng)理論模型之間的關(guān)系。我們提請(qǐng)注意社會(huì)心理學(xué)家和物理學(xué)家感興趣的問(wèn)題。

我們展示了直接受社會(huì)心理學(xué)啟發(fā)的研究實(shí)例，如：“獨(dú)立與反社會(huì)”或“人格與情境”。我們總結(jié)了已經(jīng)獲得的結(jié)果，并指出了其他可以做的事情，也與 SPOOF 中的其他模型有關(guān)。最后，我們展示了幾種在 SPOOF 中有用的分析方法，例如有效力和潛力的概念， Landau 的相變方法，或平均場(chǎng)和對(duì)近似。

原文標(biāo)題：

What sets Verified Users apart? Insights, Analysis and Prediction of Verified Users on Twitter

地址：

http://arxiv.org/abs/1903.04879

作者：

Indraneil Paul, Abhinav Khattar, Shaan Chopra, Ponnurangam Kumaraguru, Manish Gupta

摘要：社會(huì)網(wǎng)絡(luò)和發(fā)布平臺(tái)，例如 Twitter ，支持秘密專有驗(yàn)證過(guò)程的概念，用于他們認(rèn)為值得在平臺(tái)范圍內(nèi)公共利益的句柄。與先前的重要工作一致，這表明擁有這樣的地位象征著平臺(tái)觀眾眼中的可信度提升，在公眾人物和品牌中明顯令人垂涎。不太明顯的是驗(yàn)證過(guò)程的內(nèi)部運(yùn)作和被驗(yàn)證的內(nèi)容。

這種缺乏透明度，加上 Twitter 在2017年通過(guò)將上述地位擴(kuò)展到政治極端主義者而獲得的抨擊，支持 Twitter 公開(kāi)承認(rèn)這一過(guò)程以及所代表的地位需要重新思考。考慮到這一點(diǎn)，我們?cè)噲D解開(kāi)用戶個(gè)人資料的各個(gè)方面，這些方面可能會(huì)導(dǎo)致或排除驗(yàn)證。本文的目的有兩個(gè)方面：首先，我們測(cè)試是否可以從配置文件元數(shù)據(jù)和內(nèi)容功能中辨別句柄的驗(yàn)證狀態(tài)。

其次，我們解開(kāi)了對(duì)手柄驗(yàn)證狀態(tài)影響最大的特征。我們收集了一個(gè)數(shù)據(jù)集，其中包含所有231,235名經(jīng)過(guò)驗(yàn)證的英語(yǔ)用戶的個(gè)人資料元數(shù)據(jù)（截至2018年7月），一個(gè)對(duì)照樣本，包括175,930名未經(jīng)過(guò)驗(yàn)證的英語(yǔ)用戶以及一年收集期間的4.94億條推文。我們提出的模型能夠可靠地識(shí)別驗(yàn)證狀態(tài)（曲線下面積 AUC> 99％）。我們表明公共列表成員數(shù)量，推文中的中性情緒和權(quán)威語(yǔ)言風(fēng)格是驗(yàn)證狀態(tài)最相關(guān)的預(yù)測(cè)因子。據(jù)我們所知，這項(xiàng)工作代表了首次嘗試在 Twitter 上識(shí)別和分類(lèi)有價(jià)值的驗(yàn)證用戶。

原文標(biāo)題：

QuickStop: A Markov Optimal Stopping Approach for Quickest Misinformation Detection

地址：

http://arxiv.org/abs/1903.04887

作者：

Honghao Wei, Xiaohan Kang, Weina Wang, Lei Ying

摘要：本文結(jié)合數(shù)據(jù)驅(qū)動(dòng)和模型驅(qū)動(dòng)的方法進(jìn)行實(shí)時(shí)錯(cuò)誤信息檢測(cè)。我們的算法名為 QuickStop，是一種基于從標(biāo)記數(shù)據(jù)獲得的概率信息傳播模型的最優(yōu)停止算法。該算法包括用于學(xué)習(xí)概率信息傳播模型的離線機(jī)器學(xué)習(xí)算法和用于檢測(cè)錯(cuò)誤信息的在線最優(yōu)停止算法。在線檢測(cè)算法具有低計(jì)算和存儲(chǔ)器復(fù)雜性。我們使用實(shí)際數(shù)據(jù)集進(jìn)行的數(shù)值評(píng)估表明，QuickStop 在準(zhǔn)確度和檢測(cè)時(shí)間（檢測(cè)所需的觀察數(shù)量）方面優(yōu)于現(xiàn)有的錯(cuò)誤信息檢測(cè)算法。我們對(duì)合成數(shù)據(jù)的評(píng)估進(jìn)一步表明， QuickStop 對(duì)（離線）學(xué)習(xí)錯(cuò)誤很有用。

原文標(biāo)題：

Frictional Unemployment on Labor Flow Networks

地址：

http://arxiv.org/abs/1903.04954

作者：

Robert L. Axtell, Omar A. Guerrero, Eduardo López

摘要：我們?yōu)榭傮w匹配函數(shù)開(kāi)發(fā)了另一種理論，即工人通過(guò)企業(yè)網(wǎng)絡(luò)尋找工作：勞動(dòng)力流動(dòng)網(wǎng)絡(luò)。兩家公司之間缺乏優(yōu)勢(shì)表明，由于高度摩擦，他們之間無(wú)法實(shí)現(xiàn)勞動(dòng)力流動(dòng)。在均衡狀態(tài)下，企業(yè)的招聘行為通過(guò)網(wǎng)絡(luò)相關(guān)聯(lián)，產(chǎn)生高度分解的當(dāng)?shù)厥I(yè)。

因此，聚合以非平凡的方式取決于網(wǎng)絡(luò)的拓?fù)洹Ｔ摾碚摓樨惛ダ锲媲€，工資分散和雇主規(guī)模溢價(jià)提供了新的微觀基礎(chǔ)。我們將我們的模型應(yīng)用于雇主 - 雇員匹配的記錄，并發(fā)現(xiàn)具有帕累托分布式連接的網(wǎng)絡(luò)拓?fù)鋵?dǎo)致在高勞動(dòng)力供給彈性下的總失業(yè)率發(fā)生不成比例的大變化。

原文標(biāo)題：

Mathematical modeling for sustainable aphid control in agriculture via intercropping

地址：

http://arxiv.org/abs/1903.05043

作者：

Alfonso Allen-Perkins, Ernesto Estrada

摘要：農(nóng)業(yè)對(duì)有害生物的損失是全球變暖情景中的一項(xiàng)重要挑戰(zhàn)。間作是一種替代農(nóng)業(yè)實(shí)踐，可在不使用化學(xué)殺蟲(chóng)劑的情況下促進(jìn)害蟲(chóng)防治。在這里，我們開(kāi)發(fā)了一個(gè)數(shù)學(xué)模型來(lái)研究間作農(nóng)業(yè)領(lǐng)域的流行病傳播和控制，作為農(nóng)業(yè)可持續(xù)的病蟲(chóng)害管理工具。

該模型結(jié)合了農(nóng)業(yè)領(lǐng)域中傳播病毒的蚜蟲(chóng)的運(yùn)動(dòng)，間作田間植物的空間分布，以及流行病學(xué)易感染 - 去除（SIR）模型中“陷阱作物”的存在。使用該模型，我們研究了沒(méi)有和與陷阱作物相關(guān)的幾種間作安排，并找到了一種新的間作安排，相對(duì)于常用的間作系統(tǒng)，它可以顯著改善農(nóng)業(yè)領(lǐng)域的病蟲(chóng)害管理。

原文標(biāo)題：

Characterization of Local Attitudes Toward Immigration Using Social Media

地址：

http://arxiv.org/abs/1903.05072

作者：

Yerka Freire, Eduardo Graells-Garrido

摘要：遷移是一種全球性現(xiàn)象，可能在人群中產(chǎn)生不同的反應(yīng)。態(tài)度不同于那些支持當(dāng)?shù)厝撕屯鈬?guó)人之間的多元文化和交流，以及對(duì)移民的蔑視和仇恨。由于反移民態(tài)度往往在暴力和歧視行為中得到體現(xiàn)，因此必須確定表征這些態(tài)度的因素。然而，這樣做是昂貴且不切實(shí)際的，因?yàn)閭鹘y(tǒng)方法需要付出巨大努力來(lái)收集數(shù)據(jù)。

在本文中，我們建議利用 Twitter 來(lái)描述當(dāng)?shù)貙?duì)移民的態(tài)度，并對(duì)智利進(jìn)行了案例研究，近年來(lái)移民人口急劇增加。使用半監(jiān)督主題建模，我們將 49K 用戶定位在從有利于移民到反對(duì)移民的范圍內(nèi)。我們從兩個(gè)方面對(duì)譜的兩個(gè)方面進(jìn)行了表征：與每種態(tài)度相關(guān)的情感和詞匯類(lèi)別，以及討論網(wǎng)絡(luò)結(jié)構(gòu)。我們發(fā)現(xiàn)討論主要是海地移民;討論的趨勢(shì)和極性存在時(shí)間趨勢(shì);并且網(wǎng)絡(luò)上的分類(lèi)行為在態(tài)度上有所不同。這些見(jiàn)解可以為政策制定者提供有關(guān)移民方面的感受的信息，對(duì)政策溝通和改善群體間關(guān)系的干預(yù)措施的設(shè)計(jì)具有潛在影響。

原文標(biāo)題：

Empirical analysis of the variability in the flow-density relationship for smart motorways

地址：

http://arxiv.org/abs/1903.05112

作者：

Kieran Kalair, Colm Connaughton

摘要：基本圖是交通流量和交通密度之間假定的函數(shù)關(guān)系。在實(shí)踐中，這種關(guān)系是嘈雜的并且表現(xiàn)出顯著的統(tǒng)計(jì)變異性。在智能高速公路上，這種可變性通過(guò)基本圖未捕獲的可變速度限制而增加。為了研究這種可變性，考慮密度和流量的聯(lián)合概率分布函數(shù)（ pdf ）是合適的。我們使用來(lái)自倫敦 M25 的64個(gè)部分的74天數(shù)據(jù)，對(duì)流量和密度之間關(guān)系的變化進(jìn)行了實(shí)證研究。

目標(biāo)是確定流量密度關(guān)系中的多少變化是由變速限制產(chǎn)生的，并評(píng)估基本圖的特定功能形式是否系統(tǒng)偏好。根據(jù)經(jīng)驗(yàn)，流量和密度的聯(lián)合 pdf 是雙峰的，說(shuō)明交通流量通常在高密度或低密度體系中發(fā)現(xiàn)，但很少在兩者之間。我們發(fā)現(xiàn)高密度區(qū)域受到變速限制的強(qiáng)烈影響，而低密度區(qū)域則不然。基本圖的 Daganzo-Newell （三角形）模型系統(tǒng)地最適合數(shù)據(jù)。

但是，最佳參數(shù)隨位置而變化。這些參數(shù)的聚類(lèi)分析表明三種不同類(lèi)型的流密度關(guān)系適用于 M25 的不同部分。這些聚類(lèi)在流動(dòng)破壞的頻率和嚴(yán)重性方面具有自然的解釋。事故率還取決于集群類(lèi)型，表明可能鏈接到流量密度關(guān)系之外的交通流量的其他屬性。

原文標(biāo)題：

“Hang in There”: Lexical and Visual Analysis to Identify Posts Warranting Empathetic Responses

地址：

http://arxiv.org/abs/1903.05210

作者：

Mimansa Jaiswal, Sairam Tabibu, Erik Cambria

摘要：在過(guò)去幾年中，社交媒體已經(jīng)成為一個(gè)平臺(tái)，人們?cè)谶@個(gè)平臺(tái)上表達(dá)和分享關(guān)于虐待，暴力和心理健康問(wèn)題的個(gè)人事件。需要查明這些帖子并了解預(yù)期的響應(yīng)類(lèi)型。為此，我們理解個(gè)人故事在不同社交媒體網(wǎng)站上發(fā)布的關(guān)于濫用或心理健康主題的不同帖子的情緒。在本文中，我們提出了一種由手工制作的功能支持的方法，以判斷該帖子是否需要移情反應(yīng)。該模型在各種網(wǎng)頁(yè)和相應(yīng)評(píng)論的帖子上進(jìn)行訓(xùn)練，包括字幕和圖像。我們能夠在標(biāo)記需要移情反應(yīng)的帖子中獲得80％的準(zhǔn)確率。

學(xué)習(xí)圖聚類(lèi)的分辨率參數(shù)

原文標(biāo)題：

Learning Resolution Parameters for Graph Clustering

地址：

http://arxiv.org/abs/1903.05246

作者：

Nate Veldt, David F. Gleich, Anthony Wirth

摘要：在圖中找到連接良好的節(jié)點(diǎn)的集群是基于圖的數(shù)據(jù)分析中廣泛研究的問(wèn)題。由于其應(yīng)用眾多，已經(jīng)提出并分析了大量不同的圖聚類(lèi)目標(biāo)函數(shù)和算法。為了幫助從業(yè)者確定在不同應(yīng)用中使用的最佳聚類(lèi)方法，我們提出了自動(dòng)學(xué)習(xí)如何設(shè)置聚類(lèi)分辨率參數(shù)的新技術(shù)。這些參數(shù)控制通過(guò)優(yōu)化廣義目標(biāo)函數(shù)形成的社區(qū)的大小和結(jié)構(gòu)。

我們首先形式化參數(shù)適應(yīng)度函數(shù)的概念，該函數(shù)測(cè)量固定輸入聚類(lèi)近似如何很好地解決特定分辨率參數(shù)值的廣義聚類(lèi)目標(biāo)。在適合兩個(gè)關(guān)鍵圖聚類(lèi)應(yīng)用的合理假設(shè)下，可以使用類(lèi)似二分的方法有效地最小化這樣的參數(shù)適應(yīng)度函數(shù)，從而產(chǎn)生與示例聚類(lèi)很好地匹配的分辨率參數(shù)。我們將框架視為一種單次超參數(shù)調(diào)整，因?yàn)槲覀冎恍枰粋€(gè)例子即可學(xué)習(xí)一個(gè)好的分辨率參數(shù)。

我們的一般方法可用于學(xué)習(xí)局部和全局圖聚類(lèi)目標(biāo)的分辨率參數(shù)。我們?cè)趯?shí)際數(shù)據(jù)的幾個(gè)實(shí)驗(yàn)中展示了它的實(shí)用性，其中有助于從給定的示例聚類(lèi)中學(xué)習(xí)分辨率參數(shù)。

來(lái)源：網(wǎng)絡(luò)科學(xué)研究速遞

編輯：孟婕

聲明：Arxiv文章摘要版權(quán)歸論文原作者所有，由本人進(jìn)行翻譯整理，未經(jīng)同意請(qǐng)勿隨意轉(zhuǎn)載。本系列在微信公眾號(hào)“網(wǎng)絡(luò)科學(xué)研究速遞”（微信號(hào)netsci）和個(gè)人博客 https://www.complexly.me （提供RSS訂閱）進(jìn)行同步更新。

近期網(wǎng)絡(luò)科學(xué)論文速遞

在線分工：開(kāi)源軟件中的涌現(xiàn)結(jié)構(gòu) 等18篇

增長(zhǎng)圖的生成圖卷積網(wǎng)絡(luò)等15篇

分析多層網(wǎng)絡(luò)中的模體等5篇

多層網(wǎng)絡(luò)可視化的現(xiàn)狀 等12篇

維基百科數(shù)學(xué)家網(wǎng)絡(luò)分析 等14篇

加入集智，一起復(fù)雜！

集智俱樂(lè)部QQ群｜877391004

商務(wù)合作及投稿轉(zhuǎn)載｜swarma@swarma.org

搜索公眾號(hào)：集智俱樂(lè)部

加入“沒(méi)有圍墻的研究所”

讓蘋(píng)果砸得更猛烈些吧！