图生成器:最优结果和开放挑战
原文标题: Graph Generators: State of the Art and Open Challenges
地址: http://arxiv.org/abs/2001.07906
作者: Angela Bonifati, Irena Holubová, Arnau Prat-Pérez, Sherif Sakr
摘要: 互连的数据的丰度助长图发生器再现真实世界的联性能,或计量的图算法,技术和应用处理这些数据的有效性的设计和实施。我们认为图生成多个子字段,如语义Web,图数据库,社会网络和社区发现,与一般的图一起。尽管现代图发生器的整个这些社区的不同需求,我们分析他们在一个共同的保护伞,达到了功能,在实际使用中,它们所支持的操作。我们认为,这种分类服务在手提供科学家,研究人员和从业者用正确的数据发生器,用于他们的工作需要。此调查提供通过关注那些相关且适合于几个数据密集型任务状态的最先进的图发生器的全面概述。最后,我们讨论开放的挑战,与他们的未来扩展到新的领域出现的电流沿着图发生器遗漏的需求。
针对社区发现的通过隐藏个体的对抗性攻击
原文标题: Adversarial Attack on Community Detection by Hiding Individuals
地址: http://arxiv.org/abs/2001.07933
作者: Jia Li, Honglei Zhang, Zhichao Han, Yu Rong, Hong Cheng, Junzhou Huang
摘要: 已经证实的是对抗性的曲线图,即,具有难以察觉的添加扰动,图可能会造成深刻图模型失败节点/图分类任务。在本文中,我们扩展对抗性图表社区检测的问题,就是要困难得多。我们专注于黑盒攻击,目标是隐藏的目标个人从检测深图表社区检测模型,它在现实世界的场景很多应用,例如,保护个人隐私的社会网络和交易网络的理解迷彩模体。我们提出了一个迭代学习框架,轮番更新两个模块:一个工作作为约束图发生器和其他作为替代社区检测模型。我们还发现,我们的方法所产生的对抗图表可以转移到其它基于学习型社区检测模型。
带遍历时间依赖参数的预防和反应网络防御动力学是全局吸引的
原文标题: Preventive and Reactive Cyber Defense Dynamics with Ergodic Time-dependent Parameters Is Globally Attractive
地址: http://arxiv.org/abs/2001.07958
作者: Yujuan Han, Wenlian Lu, Shouhuai Xu
摘要: 网络安全动态是一种数学建模方法和网络分析网络攻击防御作用。在本文中,我们推进国家的最先进的表征一种网络安全动态,被称为预防性和反应网络防御力度,这是高度非线性的系统模型的家庭。我们证明这种动力在与时间相关的参数一般形式是全局吸引的时候与时间相关的参数是遍历,是(几乎)定期在各时间相关的参数有被(几乎)周期性较强的性能。我们的结果取代状态的最先进的那些,包括相同类型的动态而是随时间无关的参数的全局收敛。
情绪和情感词典对情感分析应用于书评的影响
原文标题: Emotion and Sentiment Lexicon Impact on Sentiment Analysis Applied to Book Reviews
地址: http://arxiv.org/abs/2001.07987
作者: Patrice Bellot (R2I, LIS), Lerch Soëlie (R2I, DIAMS), Bruno Emmanuel (DIAMS), Murisasco Elisabeth (DIAMS)
摘要: 消费者习惯于购买产品之前咨询在网上发帖评论。但它很难知道考虑这些审查的重要数量的全球舆论。情绪分析得到检测极性(正,负,中性的)在表达意见,因此分类这些审查。我们的目的是确定情感上的书评极性的影响。我们定义审查,其中使用含有情感(预期,悲伤,恐惧,愤怒,喜悦,惊讶,信任,厌恶)的词典和感伤(正面,负面)字样的“袋的词”表示模型。这个词汇给予读者测量感觉到情感类型。所使用的执行监督学习是一个随机森林类型。该申请涉及亚马逊平台的评论。 MOTS-CL ‘E S:分析日的情绪,分析d’ ‘E运动(texte),分类代POLARIT ‘ E德情绪
中介中心性的简单快速分布式计算
原文标题: Simple and Fast Distributed Computation of Betweenness Centrality
地址: http://arxiv.org/abs/2001.08108
作者: Pierluigi Crescenzi, Pierre Fraigniaud, Ami Paz
摘要: 中介中心是已被成功地应用于网络分析的曲线图的参数。在计算机网络的背景下,被认为是各种目标,包括路由服务布局。然而,如由Maccari的等人观察到。 [2018 INFOCOM]中,中介中心用于改善协议研究是由缺乏一个可用的,完全分布式算法,用于计算该参数的阻碍。我们通过计算中介中心,这可以通过最小的修改基于贝尔曼 - 福特任何距离向量路由协议来实现设计一个高效的算法解决此问题。我们实施的收敛时间证明是成正比的网络的直径
优先连接网络模型的时不变度增长
原文标题: Time-invariant degree growth in preferential attachment network models
地址: http://arxiv.org/abs/2001.08132
作者: Jun Sun, Matúš Medo, Steffen Staab
摘要: 择优驱使许多复杂网络的演进。它的分析研究大多认为,在时间上尽管有许多实际网络的加速增长均匀增长的网络的最简单的情况。由观察该节点的平均程度的增长是时不变的经验的网络数据的启发,我们在相关类的网络模型,其中偏好连接与异质节点适应度和老化组合学习程度动力学。我们提出了基于学习系统和显示,这是自洽的只有两个特殊的网络发展形式的时间不变性一种新颖的分析框架:统一和指数网络增长。相反地,这样的时间不变性的断裂解释了赢家通吃效应在一些模型设置,揭示在比安科尼-巴拉布在超线性优先连接“A SI模型和类似凝胶化玻色 - 爱因斯坦凝聚之间的连接。老龄化是必要的重现逼真节点度的生长曲线,可以防止赢家通吃弱条件下的效果。我们的研究结果已经得到了大量的数值仿真验证。
高效能音频采集系统在智能城市的应用
原文标题: A Power-Efficient Audio Acquisition System for Smart City Applications
地址: http://arxiv.org/abs/2001.08163
作者: Evan Fallis, Petros Spachos, Stefano Gregori
摘要: 噪音对人类活动产生不利影响。除了听力障碍和压力有关的疾病,它也会干扰语音通信,降低人体机能,影响生活质量。随着城市化正在加剧,降低了智能城市环境噪声污染的潜在好处很大。噪声电平可以被收集并使用无线传感器网络,其可以监控通过使用麦克风的噪声水平进行分析。然而,每一个无线系统的斗争中所需要的连续数据采集和监控电池方面的要求。在本文中,提出了智能麦克风系统测试平台的设计。为了节省功率,微控制器和模拟数字转换器(ADC),以响应环境噪音高和低功率模式之间进行动态切换。具体而言,高功率的部件由在声学噪声电平的峰值触发。三种无线技术,无线网络(2.4 GHz)的,蓝牙低功耗(BLE)4.0和Zigbee进行了检查。根据研究结果,一个节点的功率消耗可以通过97%,基于该测试台空闲时降低。
一种用于道路网络的生成模型
原文标题: A model for the generation of road networks
地址: http://arxiv.org/abs/2001.08180
作者: Carlos Molinero, Alberto Hernando
摘要: 至于以便了解城市环境和他们这一代人的努力的一部分,我们需要探索产生道路统计学上有效配置的模型。这些排序的模型将帮助我们对人口的空间位置派生合理的机制。这个任务是具有根本的重要性,因为我们需要创建一个实验环境,使我们能够从理想的系统解开的空间配置的具体情况。城市代车型一起创建道路网络的有效的统计模型允许平均几何给我们带来的影响更近一步了解城市环境。要完全了解我们需要的是能够把握什么经济的原则做他们的成长继承权的道路网络。因此,感兴趣的探索可能的形状性能功能将有交通系统。在这项工作中,我们通过提出基于单个参数 阿尔法它能够从树中创建任何类型的网络的准表面,并且其显示接近生成网络的实际道路网络生成模型解决这一问题正在研究网络。这是通过中心性措施本地和加权版本的定义中获得。这些中心性措施对付距离衰减效应,具有不同质量的节点。我们为自己确定这 阿尔法的 - 模型的属性和不同的制度,我们奠定了一个网络回吐的性能考虑因素,如耐用性,建设成本,交通拥堵和距离的定义。我们从可能的性能功能空间的分析得到最优的α,对原有网络的自组织特性给人一种直觉。
学术期刊的神经嵌入揭示了复杂的组织纪律
原文标题: Neural Embeddings of Scholarly Periodicals Reveal Complex Disciplinary Organizations
地址: http://arxiv.org/abs/2001.08199
作者: Hao Peng, Qing Ke, Ceren Budak, Daniel M. Romero, Yong-Yeol Ahn
摘要: 了解知识领域的结构一直是科学的科学的基础性挑战之一。虽然已经有一系列的知识领域和它们之间的关系的自组织结构的研究,创建丰富的,连贯的,而定量表示框架仍然是一个开放的挑战。与此同时,神经嵌入方法,通过使用神经网络和上下文信息学实体的连续矢量表示,正在成为一个强大的表示框架,可以编码细致入微的语义关系到几何的。在这里,我们提出了一个神经嵌入技术,它利用包含在本文引网络中获取科学期刊的不断交涉的信息。我们证明我们的嵌入编码科学复杂的学科结构期刊之间微妙的关系,以及,甚至允许我们做出期刊之间的跨学科的类比。此外,我们表明的嵌入捕获有意义的“轴”即涵盖所有学科的知识领域,如轴“软”“硬”科学或“社会”向“生物”科学,使我们能够定量地面上一个给定的谱的周期性。使用这种新的能力,我们测试了科学的层次结构的假说,这表明,在大多数学科,如社会科学和生命科学,应用最广泛引用的论文往往会出现在“困难”期刊。我们的框架可以提供科学学研究的新定量方法,这又可以促进如何创造知识和组织的研究。
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”和个人博客进行同步更新。
![4069597434a0fe9c73e1bb4c3bcc4da2.png](https://i-blog.csdnimg.cn/blog_migrate/93daf7c0fd3929718df7e0d95f5a7888.jpeg)