电子音乐的精英、社区和洽处有限的指导;相变用于探测随机图潜在几何;RLINK：深度强化学习用于用户身份毗连;从Transformer到假新闻态势检测挑战（FNC-1）任务迁移学习;图扰动的可认证稳健性;机械学习方法通过Facebook墙检测用户的可疑行为;复发平均不平等、意见形成和漫衍式算法;半监视配合嵌入属性网络;竞争的运动家——政治南北极化;提高在线社会网络的稳健性：网络干预的模拟方法;哪些因素会影响Facebook新闻文章到场？;电子音乐的精英、社区和洽处有限的指导原文标题： Elites, communities and the limited benefits of mentorship in electronic music地址： http://arxiv.org/abs/1908.10968作者： Milan Janosov, Federico Musciotto, Federico Battiston, Gerardo Iñiguez摘要： 而在创意行业，如音乐乐成的泛起，已被广泛研究，小我私家的乐成与互助之间的关系还没有完全揭开。在这里，我们的目的是通过对泛起在DJ杂志年度百强排名士行的电子音乐艺术家的配合释放和领导模式分析纵向数据来填补这一空缺。我们发现，虽然这种盛行度的排名榜单宣布100名中，只有排名前20位是稳定的随着时间的推移，展示锁定在电子音乐精英的作用。

基于顶级音乐大师的时间共刊行网络，我们提取一个多元化的社会结构表征电子音乐工业。这些组艺人在时间上分散，围绕著名音乐家依次形成，并代表音乐气势派头的变化。我们发现，音乐社区的形成背后的主要驱动力是领导：进入前100名音乐家的一半左右已被当前的领武士物领导他们进入了列表中。

我们还发现，学弟学妹不行能打入前20名，但比那些谁没有指导的更高期望最好的行列。这意味着，导师资助人才上涨，但成为一个全明星的时间需要更多。我们的研究效果提供深入相识电子音乐的乐成与互助的交织作用，突出塑造在电子音乐的形成和艺术精英景观的机制。

相变用于探测随机图潜在几何原文标题： Phase Transitions for Detecting Latent Geometry in Random Graphs地址： http://arxiv.org/abs/1910.14167作者： Matthew Brennan, Guy Bresler, Dheeraj Nagaraj摘要： 与潜在的几何结构随机图是社会和生物网络的热门机型，其应用规模从网络用户分析电路设计。这些图是内盘算机科学，概率统计纯理论的兴趣也。关于这些模型的一个基本最初的问题是：是受了它们内在的几何形状和当这些随机图时，他们是从简朴的模式，没有潜在的结构，如艾尔德 ^ h Ø SR 区分’E纽约摄影图 mathcal G（N，p）？我们解决了两个潜伏几何随机图的最充实研究的模型的这个问题 - 随机路口和随机几何图。

我们的效果如下：（1）证明晰所述随机相交曲线图中总的变化收敛到 mathcal G（N，P）当 d = 海浪号欧米加（N ^ 3），而且不如果 D = O（N ^ 3），解决填充等人的公然的问题。（2000），Rybarczyk（2011）和Kim et al。（2018）; （2）我们提供在其下的组随机家族的交织点尺寸的基质中总的变化收敛到具有独立泊松条目的对称矩阵的条件下，获得为 tau卵白 -random相交图表来 第一总变化收敛效果mathcal G（N，p）;和（3），我们讲明，在 mathbb S ^随机几何图表D - 1 与边密度 P 在总偏差收敛到 mathcal G（N，P）当 d = 海浪号欧米加 左（分钟 PN ^ 3，p ^ 2 N ^ 7/2 右），获得朝Bubeck等人的推测第一希望。（2016）。

第一这些三种效果通过Bubeck，RACZ和里奇同时且独立地获得。RLINK：深度强化学习用于用户身份毗连原文标题： RLINK: Deep Reinforcement Learning for User Identity Linkage地址： http://arxiv.org/abs/1910.14273作者： Xiaoxue Li, Yanan Cao, Yanmin Shang, Yangxi Li, Yanbing Liu, Jianlong Tan摘要： 用户身份联动是认可在差别的社会网络（SN）同一用户的身份的任务。以前的作品通过差别SN预计身份之间的配对相似性，预测身份对的标签或选择基于相似性得分最相关的身份对解决这个问题。然而，这些方法大多忽略了先前匹配的身份，这可以在下面的匹配步骤有助于联动的效果。

为相识决这个问题，我们把用户的身份联系到一个序列决议问题，并提出了强化学习模型，从全球的角度优化联动战略。我们的方法充实使用双方的社会网络结构和历史相匹配的身份，并探讨了电流匹配的后续决议的恒久影响。

我们举行了差别类型的数据集的实验，效果讲明，该方法实现了比其他国家的最先进的方法更好的性能。从Transformer到假新闻态势检测挑战（FNC-1）任务迁移学习原文标题： Transfer Learning from Transformers to Fake News Challenge Stance Detection (FNC-1) Task地址： http://arxiv.org/abs/1910.14353作者： Valeriya Slovikovskaya摘要： 在本文中，我们提出革新的假新闻挑战赛第1阶段（FNC-1）的姿态检测任务的效果。

该增益性能是由于基于变压器的架构，发现，造就，并公然在已往的两年中释放大量的语言模型的泛化能力。详细（1），我们革新了FNC-1体现最好的模型添加输入序列的BERT句嵌入作为模型的特征，（2），我们微调BERT，XLNet和罗伯塔变压器上FNC 1种扩展数据集和所获得的国家的在FNC-1任务-The艺术效果。

图扰动的可认证稳健性原文标题： Certifiable Robustness to Graph Perturbations地址： http://arxiv.org/abs/1910.14356作者： Aleksandar Bojchevski, Stephan Günnemann摘要： 只管在图中的神经网络的爆炸性的兴趣泛起了什么努力来验证和改善他们的鲁棒性。这是讲明他们是极其懦弱的两个图结构和节点属性反抗性攻击越发惊人鉴于最近的观察效果。我们提出用于验证认证的（非）的鲁棒性曲线图扰动用于一般类的模型，其包罗图神经网络和标签/特征流传的第一种方法。

通过使用对PageRank和马氏决议毗连处置惩罚我们的证书可以高效地（在许多威胁模型完全一致）来盘算。此外，我们研究了强大的培训法式，提高certifiably稳健的节点数量，同时保持或提高清洁预测的准确性。机械学习方法通过Facebook墙检测用户的可疑行为原文标题： A machine-learning approach to Detect users’ suspicious behaviour through the Facebook wall地址： http://arxiv.org/abs/1910.14417作者： Aimilia Panagiotou, Bogdan Ghita, Stavros Shiaeles, Keltoum Bendiab摘要： Facebook的代表的社交媒体当前事实上的选择，变化的社会关系的性质。通过这一平台上运行的小我私家信息越来越多公然袒露用户行为和社会趋势，让数据的聚集通过传统的情报搜集技术，如OSINT（开源情报）。

在本文中，我们提出了一种新的方法来检测，并通过开源智能（OSINT）和机械学习技术诊断整体的Facebook用户心理的变化。我们用正奥运会的图表，随着时间的已往体现出显着的变化，通过恒久有效的收集汇总用户的情绪和看法的谱。

我们推测，该方法可以通过宁静组织来明白和评估用户的心理，然后使用这些信息来预测内部威胁或防止内部攻击。复发平均不平等、意见形成和漫衍式算法原文标题： Recurrent averaging inequalities, opinion formation and distributed algorithms地址： http://arxiv.org/abs/1910.14465作者： Anton V. Proskurnikov, Giuseppe Calafiore, Ming Cao摘要： 迭代求平均值的模型组成通过网络的一个重要和广泛研究类的离散时间的动力系统。在这样的模型中，网络的每个节点相关联的值（或意见），其被更新时，在每次迭代中，对自身的凸组合和相邻节点的意见。

众所周知的是，在网络上的图毗连自然假设，这个地方平均法式最终导致在所有节点的意见，告竣全球共识。迭代平均的想法其实假话在漫衍式优化许多算法的心脏，线性和非线性方程，多智能体协和谐社会群体意见形成的解决方案。虽然这些算法具有类似的结构，用于其分析的数学技术是多方面的，以及它们的收敛性和稳定性的条件差别于情况而定。我们发现在本文认为这种算法的性能可以以统一的方式通过使用基于递归平均不等式（RAI）一种新型的工具举行分析。

在本文中，我们开发了RAI理论，并将其应用到的最近在文献中提出了几个重要的多主体算法和看法形成模型分析。半监视配合嵌入属性网络原文标题： Semi-supervisedly Co-embedding Attributed Networks地址： http://arxiv.org/abs/1910.14491作者： Zaiqiao Meng, Shangsong Liang, Jinyuan Fang, Teng Xiao摘要： 深生成模型（DGMS）已经取得了显著的进步。半监视变自动编码器（SVAE）作为经典的DGM提供了一个原则性的框架，以有效地从小标志数据，未标志的大者一概而论，但很难对多个异构的实体内集成富厚的非结构化关系。在本文中，要处置惩罚的问题，提出了一种半监视共嵌入模型基于广义SVAE异构数据，其协作地得知两个节点的低维向量表现归因网络（SCAN）和用于部门属性标志归因网络半supervisedly。

节点和属性我们SCAN在一个统一的方式获得的嵌入可以捕捉不仅节点，而且节点和属性之间的亲和之间的靠近水平受益。此外，我们的模型也将训练判别网络学习节点的标签预测漫衍。现实世界的网络实验效果讲明，我们的模型发生了一些应用，如属性推断，用户分析和比力，国家的最先进的基准点分类的优异性能。竞争的运动家——政治南北极化原文标题： Competing Activists—Political Polarization地址： http://arxiv.org/abs/1910.14531作者： Lucas Böttcher, Pedro Montealegre, Eric Goles, Hans Gersbach摘要： 最近的实证研究效果讲明，社会已经成为各国越发南北极化。

也就是说，今天的中间选民代表的社会前相比，但二十年一小部门，在这个现象之下的机制尚不完全清楚。由于和选民有影响力的角色之间的交互（“努力分子”）的意见形成，例如中发挥重要作用通过社交媒体，我们开发了一个宏观的意见模型，其中竞争运动祖传播自己的政治理念在社会的特定群体。这些思想进一步伸张到其他群体在不停下降的实力。虽然单边流传转变的意见漫衍，运动家的竞争导致分外的现象：竞争运动人士小非均质性导致他们针对差别社会群体，它放大极化。

对于中度的异质性，我们获得目的周期和偏振的进一步放大。在这种循环中，更强维权区分自己从较弱的一个，尔后者目的模拟更强活跃。提高在线社会网络的稳健性：网络干预的模拟方法原文标题： Improving the robustness of online social networks: A simulation approach of network interventions地址： http://arxiv.org/abs/1910.14562作者： Giona Casiraghi, Frank Schweitzer摘要： 在线社会网络（OSN）在其小我私家通过技术平台举行交互的社会技术系统的最好的例子。

OSN颠簸很是大，因为用户进入和退出，并经常改变它们之间的相互作用。这使得这些系统的稳定性难以丈量和控制。为了量化稳健性，我们建议从直接相互作用网络获得核数值。我们研究的用户可以通过基于主体的模型来脱离OSN的大型辍学级联的泛起。

对于主体商而言，我们界说这取决于其相对的声誉和他们的互动成本效用函数。主体商脱离OSN的决议取决于该实用法式。我们的目的是通过与低公用事业影响特定药物，以防止辍学级联。

我们确定的战略来控制焦点和OSN的外围剂，即辍学级联显著淘汰，OSN的鲁棒性增加。哪些因素会影响Facebook新闻文章到场？原文标题： Which Factors Impact Engagement on News Articles on Facebook?地址： http://arxiv.org/abs/1910.14651作者： Marc Faddoul摘要： 社会化媒体越来越多地被用来作为一个新闻平台。为了到达他们的目的受众，报纸需要为他们的文章，通过Facebook的新闻饲料算法以及排名。

喜欢，股票和其他反映的数量确定引线的评分尺度。本文将试图评估如何反映体积由以下条件的影响：（1）事件和后释放之间的延迟; （2）当日的帖子的公布时间; （3）公布花样：视频，照片或文字。要隔离一个帖子的公布时间和花样后的效果，我们需要控制的新闻事件和出书的报纸。

为了这个目的，一个新闻聚合器的设计和实现，为将涉及同一新闻事件组合在一起的帖子。这个工具给了一些分拆效果，允许由相似映射报纸和检测某些话题遗漏的能力。声明：Arxiv文章摘要版权归论文原作者所有，由本人举行翻译整理，未经同意请勿随意转载。

本系列在微信民众号“网络科学研究速递”和小我私家博客 举行同步更新。

本文来源：bob官方体育app-www.periodicosenxura.com