万物互联网时代的主要特征(当前互联网时代的主要特征)

 

title: Arxiv网络科学论文摘要13篇(2022-05-20)date: 2022-05-20categories:

- 研究速递

使用图过滤的可扩展多视图聚类;连续时间网络的相互激发潜在空间霍克斯过程模型;一个简单而有效的有向图 SVD-GCN;使用兼容标签传播简化异质图上的节点分类;从卷积混合中学习图结构;协调社区在社交媒体上的宣传传播;一种调查公众对外骨骼技术的意见、观点和观点的方法;波斯语 Twitter 上的意见操纵;联合通信和传感：使用 MIMO 的模型和潜力;一种基于弱监督迭代图的方法来检索 COVID-19 错误信息主题;在线审核的个性化干预;COVID-19 大流行对 LGBTQ 在线社区的影响;Strauss 传递网络模型的自由能密度泛函;

使用图过滤的可扩展多视图聚类

原文标题： Scalable Multi-view Clustering with Graph Filtering

地址：http://arxiv.org/abs/2205.09228

作者： Liang Liu, Peng Chen, Guangchun Luo, Zhao Kang, Yonggang Luo, Sanchu Han

摘要： 随着多源数据的爆炸式增长，多视图聚类近年来引起了极大的关注。大多数现有的多视图方法都在原始特征空间中运行，并且严重依赖于原始特征表示的质量。此外，它们通常是为特征数据设计的，忽略了丰富的拓扑结构信息。因此，在本文中，我们提出了一个通用框架来聚类具有异构特征的属性和图数据。它能够探索特征和结构之间的相互作用。具体来说，我们首先采用图滤波技术来消除高频噪声，以实现聚类友好的平滑表示。为了应对可扩展性挑战，我们开发了一种新颖的采样策略来提高锚的质量。对属性和图基准的广泛实验证明了我们的方法相对于最先进的方法的优越性。

连续时间网络的相互激发潜在空间霍克斯过程模型

原文标题： A Mutually Exciting Latent Space Hawkes Process Model for Continuous-time Networks

地址：http://arxiv.org/abs/2205.09263

作者： Zhipeng Huang, Hadeel Soliman, Subhadeep Paul, Kevin S. Xu

摘要： 网络和时间点过程是为各种领域中的复杂动态关系数据建模的基本构建块。我们提出了潜在空间霍克斯 (LSH) 模型，这是一种用于关系事件的连续时间网络的新型生成模型，使用节点的潜在空间表示。我们使用相互激发的霍克斯过程对节点之间的关系事件进行建模，其基线强度取决于潜在空间中节点之间的距离以及发送者和接收者的特定效果。我们提出了一种交替最小化算法来联合估计节点的潜在位置和其他模型参数。我们证明了我们提出的 LSH 模型可以复制在真实时间网络中观察到的许多特征，包括互易性和传递性，同时与现有模型相比，还实现了卓越的预测精度并提供了更多的可解释性。

一个简单而有效的有向图 SVD-GCN

原文标题： A Simple Yet Effective SVD-GCN for Directed Graphs

地址：http://arxiv.org/abs/2205.09335

互联网小常识：FTP服务使用C/S工作方式。在进行文件传送时，FTP客户机和服务器之间建立两个连接控制连接和数据连接。

作者： Chunya Zou, Andi Han, Lequan Lin, Junbin Gao

摘要： 在本文中，我们基于经典的奇异值分解（SVD）提出了一种简单而有效的有向图（有向图）图神经网络，称为 SVD-GCN。新的图神经网络建立在图 SVD-framelet 之上，以更好地分解 SVD频率波段上的图信号。此外，新的小框架 SVD-GCN 也通过使用 Chebyshev 多项式逼近按比例放大以用于更大规模的图。通过在几个节点分类数据集上进行的经验实验，我们发现 SVD-GCN 在各种图节点学习任务中都有显著的改进，并且优于 GCN 和许多其他最先进的有向图神经网络。此外，我们凭经验证明 SVD-GCN 具有很强的去噪能力和对高级图数据攻击的鲁棒性。理论和实验结果证明 SVD-GCN 在图数据集的变体上是有效的，同时保持稳定甚至比最先进的性能更好。

使用兼容标签传播简化异质图上的节点分类

原文标题： Simplifying Node Classification on Heterophilous Graphs with Compatible Label Propagation

地址：http://arxiv.org/abs/2205.09389

作者： Zhiqiang Zhong, Sergey Ivanov, Jun Pang

摘要： 图神经网络（GNN）在图学习任务中占主导地位；然而，最近的研究表明，一种著名的图算法标签传播 (LP) 与浅层神经网络相结合，可以在具有高同质性的图上实现与 GNN 相当的半监督节点分类性能。在本文中，我们表明这种方法在同质性较低的图上存在不足，其中节点通常连接到相反类的节点。为了克服这个问题，我们仔细设计了一个基础预测器与 LP 算法的组合，该算法具有封闭形式的解决方案以及收敛保证。我们的算法首先学习类兼容性矩阵，然后使用按类兼容性加权的 LP 算法聚合标签预测。在各种基准测试中，我们表明我们的方法在具有各种同质性水平的图上实现了领先的性能。同时，它的参数少了几个数量级，所需的执行时间也更少。经验评估表明，LP 的简单适应可以在同质和异质状态下的半监督节点分类中具有竞争力。

从卷积混合中学习图结构

原文标题： Learning Graph Structure from Convolutional Mixtures

地址：http://arxiv.org/abs/2205.09575

作者： Max Wasserman, Saurabh Sihag, Gonzalo Mateos, Alejandro Ribeiro

摘要： 诸如图神经网络之类的机器学习框架通常依赖给定的固定图来利用关系归纳偏差，从而有效地从网络数据中学习。然而，当所述图（部分）未观察到、嘈杂或动态时，从数据推断图结构的问题变得相关。在本文中，我们假设观察图和潜在图之间存在图卷积关系，并将图学习任务表述为网络逆（反卷积）问题。代替基于特征分解的谱方法或迭代优化解决方案，我们展开和截断近端梯度迭代以达到我们称为图反卷积网络 (GDN) 的参数化神经网络架构。 GDN 可以以有监督的方式学习图的分布，通过调整损失函数来执行链路预测或边权重回归任务，它们本质上是归纳的。我们证实了 GDN 卓越的图恢复性能及其在监督设置中使用合成数据对更大图的泛化。此外，我们展示了 GDN 在现实世界神经影像和社会网络数据集上的鲁棒性和表示能力。

协调社区在社交媒体上的宣传传播

原文标题： The Spread of Propaganda by Coordinated Communities on Social Media

地址：http://arxiv.org/abs/2109.13046

作者： Kristina Hristakieva, Stefano Cresci, Giovanni Da San Martino, Mauro Conti, Preslav Nakov

摘要： 对社交媒体的大规模操纵具有两个重要特征：（i）利用宣传影响他人，以及（ii）采用协调行为来传播它并扩大其影响。尽管它们之间存在联系，但迄今为止，这两个特征一直被孤立地考虑。在这里，我们的目标是弥合这一差距。特别是，我们在有关 2019 年英国大选的大型 Twitter 数据集上分析了宣传的传播及其与协调行为的相互作用。我们首先提出并评估了几个衡量 Twitter 宣传使用情况的指标。然后，我们调查了参与在线辩论的不同协调社区对宣传的使用。宣传和协调行为的结合使我们能够揭示不同社区的真实性和危害性。最后，我们将我们的宣传和协调措施与自动化（即机器人）分数和 Twitter 暂停进行比较，揭示了有趣的趋势。从理论的角度来看，我们介绍了一种方法来分析很少被联合考虑的在线行为的几个重要维度。从实用的角度来看，我们对 2019 年英国大选期间的真实和不真实的在线活动提供了新的见解。

一种调查公众对外骨骼技术的意见、观点和观点的方法

原文标题： An Approach to Investigate Public Opinion, Views, and Perspectives Towards Exoskeleton Technology

地址：http://arxiv.org/abs/2205.09151

互联网小常识：CIDR地址规划方法。根据需要划分的网络个数确定还要增加几位网络前缀，然后列出地址段。

作者： Nirmalya Thakur, Cat Luong, Chia Y. Han

摘要： 在过去的十年中，外骨骼对不同学科和应用领域产生了广泛的影响，例如辅助生活、军事、医疗保健、消防和工业，因为它们具有多样化和动态的功能，可以增强人类的能力、耐力、潜力和表现以多种方式。鉴于外骨骼的这种广泛的适用性和用例，调查和分析公众对外骨骼的意见、观点和观点至关重要，这将有助于解释强调的人机、人机、以及人机交互。当今生活的万物互联时代，其特点是人们在互联网上花费的时间比以往任何时候都多，具有通过挖掘和分析相关网络行为（特别是来自社交媒体）进行调查的潜力，可以解释为理解公众舆论、观点和对某个主题或一组主题的看法。因此，本文旨在利用现代万物互联时代基于网络行为的大数据挖掘的潜力来解决与外骨骼相关的研究挑战。由于 Twitter 是全球范围内最受欢迎的社交媒体平台之一——其特点是用户数量和用户在平台上花费的时间——这项工作的重点是调查 Twitter 上的网络行为以解读公众舆论，对外骨骼技术的看法和观点。总共使用了大约 20,000 条与外骨骼相关的推文来评估所提出方法的有效性。呈现和讨论的结果支持了所提出的方法在解释和分析来自相关推文的外骨骼的公众舆论、观点和观点方面的有效性。

波斯语 Twitter 上的意见操纵

原文标题： Opinion Manipulation on Farsi Twitter

地址：http://arxiv.org/abs/2205.09296

作者： Amirhossein Farzam, Parham Moradi, Saeedeh Mohammadi, Zahra Padar, Alexandra A. Siegel

摘要： 对于伊朗人和伊朗侨民来说，波斯语 Twittersphere 提供了一个重要的替代国家媒体和政治话语的渠道。但这个未被充分研究的在线空间已成为舆论操纵的战场，不同的参与者使用不真实的账户来推进他们的目标并塑造在线叙事。通过研究伊朗跨越社会分歧的趋势讨论，我们探讨了舆论操纵的动态在不同问题领域之间的差异。我们的分析表明，在分裂性的政治讨论中，不真实的账户操纵舆论比非分裂性或非政治性讨论更为普遍。我们展示了 Twitter 的网络结构如何帮助加强由不真实账户集群在分裂性政治讨论中传播的内容。这项工作分析了伊朗 Twitter 圈中在线讨论的内容和结构，有助于探索越来越多的文献，探索在线舆论操纵的动态，同时提高我们对数字时代如何控制信息的理解。

联合通信和传感：使用 MIMO 的模型和潜力

原文标题： Joint Communication and Sensing: Models and Potentials of Using MIMO

地址：http://arxiv.org/abs/2205.09409

作者： Xinran Fang, Wei Feng, Yunfei Chen, Ning Ge, Yan Zhang

摘要： 第六代（6G）网络被设想为集成通信和传感功能，以提高谱效率（SE）并支持爆炸性的新应用。尽管无线通信和无线电传感的相似性为它们的组合奠定了基础，但它们对电磁信号的不同要求使得联合系统设计成为一项艰巨的任务。为了同时保证感知精度和通信容量，多输入多输出 (MIMO) 技术由于其独特的空间波束成形和波形整形能力而发挥着重要作用。但是，MIMO的配置也带来了高硬件成本、高功耗、高信号处理复杂度。如何在联合通信与传感（JCAS）系统中有效地应用 MIMO 仍然是开放的。在本次调查中，我们讨论了 MIMO 配置背景下的 JCAS。我们首先概述了 MIMO 在通信和雷达传感过程中的作用。然后，我们详细回顾了通信和传感共存与集成方面的当前进展。随后通过介绍有前途的 6G 使能器，即无人机 (UAV) 和可重构智能表面 (RIS)，讨论了三种新的 JCAS MIMO 模型。为了构建兼容的双功能系统，每个小节总结了 JCAS 中 MIMO 的优势和挑战。还以简单、智能和稳健的原则从系统角度讨论了有前景的解决方案。最后，概述了未解决的问题，以设想在不久的将来建立一个全面的 JCAS 网络。

一种基于弱监督迭代图的方法来检索 COVID-19 错误信息主题

原文标题： A Weakly-Supervised Iterative Graph-Based Approach to Retrieve COVID-19 Misinformation Topics

地址：http://arxiv.org/abs/2205.09416

作者： Harry Wang, Sharath Chandra Guntuku

摘要： COVID-19 大流行伴随着信息流行病——社交媒体上准确和不准确的健康信息。在动态变化的信息环境中检测错误信息具有挑战性；由于检查帖子的内容和来源需要大量的人力，识别相关的关键字和帖子非常困难。我们的目标是通过引入一种弱监督的基于迭代图的方法来检测与错误信息相关的关键字、主题和主题，以降低此过程的资源成本，重点是 COVID-19。我们的方法可以成功地从一些种子文本中的一般错误信息相关的种子词中检测到特定主题。我们的方法利用基于 BERT 的词图搜索 (BWGS) 算法，该算法建立在基于上下文的神经网络嵌入的基础上，用于检索与错误信息相关的帖子。我们利用潜在狄利克雷分配（LDA）主题建模从 BWGS 返回的文本中获取与错误信息相关的主题。此外，我们提出了基于 BERT 的多向词图搜索 (BMDWGS) 算法，该算法利用更多的起始上下文信息来提取错误信息。除了对我们的方法进行定性分析外，我们的定量分析表明，与低数据资源设置中的常见基线相比，BWGS 和 BMDWGS 在提取错误信息相关内容方面是有效的。提取此类内容有助于发现普遍存在的误解和担忧，并有助于促进精准的公共卫生信息宣传活动以改善健康行为。

在线审核的个性化干预

原文标题： Personalized Interventions for Online Moderation

地址：http://arxiv.org/abs/2205.09462

作者： Stefano Cresci, Amaury Trujillo, Tiziano Fagni

摘要： 当前的在线审核遵循一刀切的方法，其中每个干预措施都以相同的方式应用于所有用户。这种幼稚的方法受到既定的社会行为理论和最近的实证结果的挑战，这些结果表明这种干预措施的有效性有限。我们通过转向个性化和以用户为中心的方法，提出了在线审核的范式转变。我们的多学科愿景结合了计算机科学、社会学和心理学等不同领域的最新理论和实践，以设计个性化适度干预 (PMI)。在概述通向下一代适度干预的路径时，我们还讨论了这种破坏性变化带来的最突出的挑战。

COVID-19 大流行对 LGBTQ 在线社区的影响

原文标题： The Impact of COVID-19 Pandemic on LGBTQ Online Communitie

地址：http://arxiv.org/abs/2205.09511

作者： Yunhao Yuan, Gaurav Verma, Barbara Keller, Talayeh Aledavood

摘要： 由于预先存在的社会劣势和健康差异，COVID-19 大流行对少数群体的生活产生了不成比例的影响，例如 LGBTQ 社区成员（女同性恋、男同性恋、双性恋、变性人和酷儿）。尽管已经对 COVID-19 大流行对普通人群生活的不同方面的影响进行了广泛的研究，但很少有研究关注 LGBTQ 人群。在本文中，我们确定了一组自我披露属于 LGBTQ 社区的 Twitter 用户。我们使用大流行前和大流行期间的数据集开发和评估两组机器学习分类器，以识别表现出少数群体压力的 Twitter 帖子，这是 LGBTQ 人群由于其性和性别认同而面临的独特压力。对于这项任务，我们收集了 7,241 位自我披露的 LGBTQ 用户的 20,593,823 个帖子，并对随机选择的 2800 个帖子子集进行注释。我们证明，我们最好的大流行前和大流行期间的模型在检测包含少数压力的帖子方面表现出强大而稳定的性能。我们调查了大流行前和大流行期间少数民族压力帖子的语言差异。我们发现，在 COVID-19 大流行期间，愤怒的话与少数群体的压力密切相关。我们通过与普通人群进行对照比较，探讨大流行对 LGBTQ 人群情绪状态的影响。我们采用基于倾向得分的匹配来进行因果分析。结果表明，与疫情前行为属性相似的普通人群相比，LBGTQ人群的认知词汇使用增加幅度更大，而积极情绪词汇使用的可观察属性则更差。

Strauss 传递网络模型的自由能密度泛函

原文标题： Free-energy density functional for Strauss’s model of transitive networks

地址：http://arxiv.org/abs/2205.09652

作者： Diego Escribano, José A. Cuesta

摘要： 图的集成模型是研究复杂网络的最重要的理论工具之一。其中，指数随机图（ERG）已被证明在社会网络分析中非常有用。在本文中，我们开发了一种技术，借鉴了晶格气体的统计力学，以解决施特劳斯的传递网络模型。该模型很久以前就被引入，作为具有高聚类的网络的 ERG 集合，并表现出高于三角形交互参数临界值的一阶相变，其中两种不同类型的网络 - 具有不同的链接密度 - 共存。这一特殊特征似乎表明，具有中等链接密度的网络无法使用施特劳斯模型进行建模。我们在这里执行的分析使我们能够将相变解释为特殊晶格气体中的冷凝转变，并暗示对规范系综中模型的正确解释，其中链接的密度是受控制的参数。因此可以生成在共存区域内具有密度的网络，尽管它们的结构特征与该区域之外的不同。这里介绍的技术使我们能够超越标准的施特劳斯模型，因此使用相同的形式，我们可以处理具有不同类型节点并表现出特征的网络，例如同质性。

声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在公众号网络科学研究速递（netsci）和个人博客进行同步更新。

互联网小常识：VLAN的特点：a、工作在数据链路层b每个VLAN都是一个独立的网段，独立的广播域c每个都有各自唯一的子网号，通信需要第三层的路由功能。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186