使網路閱讀成為最高樂趣。

基於置信度的圖卷積網絡半監督學習 | 網絡科學論文速遞8篇


集智俱樂部核心速遞基於置信度的圖卷積網絡半監督學習;利用T數據進行社交焦慮時空分析的工具;多路網絡中閾值驅動傳染的重入相變;保護基於標籤的推薦系統免受檔案注入攻擊:比較研究;社交媒...

- 2019年1月26日20時31分
- 科學文摘 / 集智俱樂部

集智俱樂部

核心速遞

基於置信度的圖卷積網絡半監督學習;


利用Twitter數據進行社交焦慮時空分析的工具;

多路網絡中閾值驅動傳染的重入相變;

保護基於標籤的推薦系統免受檔案注入攻擊:比較研究;

社交媒體情感檢測與分析;

低壓電網的需求和不確定性建模及非國內消費者的影響;

在線實驗中參與者之間的領導者-跟隨者等級的湧現;


圖的熱混合模型學習;

基於置信度的圖

卷積網絡半監督學習

Confidence-based Graph Convolutional Networks for Semi-Supervised Learning

地址:

作者:

Shikhar Vashishth, Prateek Yadav, Manik Bhandari, Partha Talukdar

摘要:

預測圖中節點的屬性是各種域中應用程式的重要問題。基於圖的半監督學習(SSL)方法旨在通過將一小部分節點標記為種子然後利用圖結構來預測圖中其餘節點的標記分數來解決該問題。最近,圖卷積網絡(GCN)在基於圖的SSL任務上取得了令人印象深刻的性能。除了標籤分數之外,還希望具有與它們相關聯的置信度分數。不幸的是,之前沒有探討過GCN背景下的置信度估計。

我們填補了本文中的這一重要空白,並提出了ConfGCN,它可以在基於GCN的設置中共同評估標籤得分及其信心。
ConfGCN使用這些估計的置信度來確定鄰域聚合期間一個節點對另一個節點的影響,從而獲得各向異性能力。通過對標準基準的廣泛分析和實驗,我們發現ConfGCN能夠超越最先進的基線。我們已經製作了ConfGCN的原始碼,以鼓勵可重複的研究。

利用Twitter數據進行

社交焦慮時空分析的工具

A Tool for Spatio-Temporal Analysis of Social Anxiety with Twitter Data

作者:

Joohong Lee, Dongyoung Son, Yong Suk Choi

摘要: 在本文中,我們提出了一種分析社交焦慮的時空分布的工具。

Twitter是最受歡迎的社會網絡服務之一,已被選為分析社交焦慮的數據來源。推特(在Twitter上發布)包含各種情緒,因此這些個人情緒反映了社會氛圍和公眾輿論,這些情緒往往取決於空間和時間因素。我們在各種情緒中選擇焦慮的原因是焦慮是非常重要的情緒,對於觀察和理解社區的社會事件是有用的。

我們開發了一種基於機器學習的工具,用於在空間和時間上分析社會氛圍的變化。我們的工具分類每條推文是否包含焦慮內容,並估計推文焦慮的程度。此外,它還將焦慮的時空分布可視化為一種Web應用程式,它與物理地圖,文字雲,搜尋引擎和圖表查看器相結合。我們的工具應用於韓國的大量推文數據,以說明其在時空上探索社會氛圍和輿論的有用性。

多路網絡中閾值

驅動傳染的重入相變

Reentrant phase transitions in threshold driven contagion on multiplex networks

地址:

作者:

Samuel Unicomb, Gerardo Iñiguez, János Kertész, Márton Karsai

摘要:

閾值驅動傳染模型成功地解釋了信息,行為,系統風險和流行病在社會,金融和生物網絡上的級聯傳播。與實際觀測結果相反,在具有足夠高連通性的單層網絡上,這些模型預測沒有全球級聯。我們研究了權重異構多路復用網絡上的閾值驅動傳染,並表明它們仍然容易受到任何連接級別的全局級聯影響;並且隨著邊密度的增加,以傳染性的折返相變的形式通過穩定性和不穩定性的交替階段。我們的結果為在高度連接但異構的網絡中觀察大規模傳染提供了缺失的理論解釋。

保護基於標籤的推薦系統

免受檔案注入攻擊:比較研究

Securing Tag-based recommender systems against profile injection attacks: A comparative study

作者:

Georgios K. Pitsilis, Heri Ramampiaro, Helge Langseth

摘要:

這項工作解決了與協作標記系統的攻擊相關的挑戰,協作標記系統通常以惡意注釋或配置文件注入攻擊的形式出現。特別是,我們研究針對社交標記系統的兩種類型攻擊的各種對策,即過載攻擊和背負攻擊。這裡研究的對策方案包括基線分類器,如樸素貝葉斯濾波器和支持向量機,以及深度學習方法。我們對從del.icio.us數據集生成的合成垃圾郵件數據執行的評估表明,在大多數情況下,深度學習可以勝過傳統解決方案,提供針對威脅的高級別保護。

社交媒體情感檢測與分析

Emotion Detection and Analysis on Social Media

地址:

作者:

Bharat Gaind, Varun Syal, Sneha Padgalwar

摘要: 在本文中,我們解決了任何形式的文本情緒的檢測,分類和量化問題。我們考慮從Twitter等社交媒體收集的英文文本,它可以提供各種方式的實用信息,尤其是意見挖掘。像Twitter和Facebook這樣的社交媒體充滿了全世界人們的情感,感受和觀點。然而,基於情感分析和分類文本是一個巨大的挑戰,可以被視為一種先進的情感分析形式。

本文提出了一種方法,將文本分為六種不同的情感類別:幸福,悲傷,恐懼,憤怒,驚喜和厭惡。在我們的模型中,我們使用兩種不同的方法並將它們組合起來,從文本中有效地提取這些情第一種方法基於自然語言處理,並使用幾種文本特徵,如表情符號,學位詞和否定,詞性和其他語法分析。第二種方法基於機器學習分類算法。我們還成功地設計了一種方法來自動創建訓練集本身,從而消除了對大型數據集進行手動注釋的需要。此外,我們設法創造了一大堆情感詞彙,以及他們的情感強度。在測試中,我們的模型顯示我們的模型在對從Twitter上發布的推文進行分類時具有很高的準確性。

低壓電網的需求和不確定性

建模及非國內消費者的影響

原文標題:

Modelling the Demand and Uncertainty of Low Voltage Networks and the Effect of non-Domestic Consumers

地址:


作者:

Georgios Giasemidis, Stephen Haben

摘要:

預計低碳技術的使用和推廣將越來越多地引起電力需求的新模式,並給配電網絡運營商(DNO)帶來新的挑戰。在這項研究中,我們建立了最近推出的一種名為「buddying」的方法,該方法通過優化模擬住宅和非住宅(如商店,辦公室,學校,醫院等)客戶的低壓(LV)網絡(通過遺傳算法)基於有限的監控和客戶數據的需求。該算法將有限但不同數量的受監控家庭(「夥伴」)分配給網絡上的不受監控的客戶。我們研究和比較兩種算法,一種是變電站監測數據可用,另一種是沒有使用變電站信息。儘管在國內物業和/或變電站推出監控設備,但商業客戶可獲得的數據較少。

本研究的重點是商業客戶的變電站,其中大多數沒有受監控的「夥伴」,在這種情況下必須創建配置文件。由於低壓網絡的易變性,不確定性邊界對於操作目的是至關重要的。我們介紹並演示了兩種用於建模建模LV網絡上的置信界限的技術。第一種方法使用基於變電站監測的機率預測方法;第二種只使用受監控客戶樣本的簡單引導,但具有不需要在變電站進行監控的優點。這些建模工具,佛教和不確定性邊界,可以進一步了解DNO,以便在有限的信息可用時更好地規劃和管理網絡。

在線實驗中參與者之間

的領導者-跟隨者等級的湧現

原文標題:

Emergence of leader-follower hierarchy among players in an on-line experiment

地址:

作者:

Bálint J. Tóth, Gergely Palla, Enys Mones, Gergő Havadi, Nóra Páll, Péter Pollner, Tamás Vicsek

摘要: 等級網絡在自然界和社會中普遍存在,對應於行動者群體 - 動物,人類甚至機器人 -

根據金字塔結構組織,其中決策者位於頂層,追隨者位於底層。雖然這種現象看似普遍存在,但基本的管理原則卻知之甚少。在這裡,我們研究了人群中的等級制度的出現,這些人在對照實驗中玩一個簡單的點猜博弈,持續大約40輪,通過網際網路進行。在比賽期間,球員有可能看到他們選擇的有限數量的其他球員的答案。這種尋求建議的行為定義了所涉及的玩家之間的直接聯繫,並且根據我們的分析,新興網絡的初始隨機配置變得更加結構化,在博弈結束時顯示出層次結構的跡象。此外,所獲得的球員得分似乎與他們在等級中的位置相關。這些結果表明,在某些條件下,模仿和有限的其他參與者表現的知識足以在社會群體中出現等級。

圖的熱混合模型學習

Graph heat mixture model learning

地址:

作者:

Hermina Petric Maretic, Mireille El Gheche, Pascal Frossard

摘要:

圖推理方法最近引起了科學界的極大興趣,因為它們在數據解釋和分析中具有很大的價值。然而,大多數可用的現有技術方法集中於可以通過相同圖解釋所有可用數據的場景,或者對應於每個圖的組是先驗已知的。在本文中,我們認為這並不總是現實的,我們在多個圖上的熱擴散過程之後引入混合信號的生成模型。我們提出了一種期望最大化算法,該算法可以成功地將信號分離成相應的組,並推斷出控制其行為的多個圖。我們展示了我們的方法對合成和真實數據的好處。

集智俱樂部QQ群|877391004

商務合作及投稿轉載|swarma@swarma.org

加入「沒有圍牆的研究所」

讓蘋果砸得更猛烈些吧!


延伸閱讀

曹丕稱帝後,做了一件人神共憤的事,將父親的所有女

清純女孩曬家居穿搭,婀娜身姿穿熱褲,曼妙的身姿美

天龍八部:經歷過萬人混戰的三城時代,才是真正的老

廣州附近藏了個「馬爾地夫」,只需2.5小時不出國

佛教 這些是來世獲得人身的因


熱門內容

電子書選