使用图神经网络进行重叠社区发现;
- 亚历山大的整体性作为可持续城市设计和规划的科学基础;
- 居住结构的脚踏实地和仰望星空：克里斯托弗·亚历山大;
- MONET：通过元数据的正交训练单位去除偏差图嵌入;
- PowNet：大规模水能耦合研究的电力系统分析模型;
- HateMonitors：社交媒体上语言无关的滥用检测;
- 一种新的数据驱动的算法，用于意外高流量非拥挤交通状态的自动化检测;
Overlapping Community Detection with Graph Neural Networkshttp://arxiv.org/abs/1909.12201Oleksandr Shchur, Stephan Günnemann摘要： 社区检测是机器学习的一个基本问题。虽然深学习已经在许多graphrelated任务渐露，开发神经型号为社区发现已收到令人惊讶的一点关注。现有的几个方法的重点是检测不相交的社区，即使在真正的图社区是众所周知的重叠。我们解决这一不足，并提出了重叠社区发现一个图表神经网络（GNN）基于模型。尽管它的简单，我们的模型在社区回收的任务大幅度优于现有的基线。我们通过广泛的实验评估，该模型是有效的，可扩展性和鲁棒性超参数设置确定。我们还进行说明，证实GNN是该模型的力的关键成分的消融研究。The Power of Communities: A Text Classification Model with Automated Labeling Process Using Network Community Detection http://arxiv.org/abs/1909.11706 Minjun Kim, Hiroki Sayama摘要： 文本分类是机器学习和人工智能研究中最关键的领域之一。它被大量运用于各种商业场景中，例如：会话智能系统、新闻文章分类、情绪分析、情绪检测以及推荐系统。尽管已经融入到了我们日常生活，文本分类依然有一个急需解决的问题：作为一种监督式学习模型，文本分类的性能严重依赖于人工标记数据的质量。为了解决该问题，我们研究了一种使用社区发现方法的文本分类模型。它可以自动将文本数据进行标记和分类。具体来说，我们首先构建了一个以句子为节点的网络。同时，我们将两个句子的相似程度（使用两个句子的TF-IDF向量的余弦值）作为两个节点连接的权重。然后，我们使用Louvain方法来检测“句子网络”中的社区，从而实现自动打标。最后，我们设计了一个对比实验来验证该方法的有效性。我们将“人工打标”和“社区发现打标”的两套数据分别导入SVM和随机森林模型中进行训练。结果显示：后者比前者在准确率上提高了2.68-3.75%。对此，我们认为：该方法有助于开发更准确的会话智能系统和其他文本分类型系统。Strategic reciprocity improves academic performance in public elementary school children http://arxiv.org/abs/1909.11713 Cristian Candia, Víctor Landaeta-Torres, César A. Hidalgo, Carlos Rodriguez-Sickert摘要： 社会网络是关键的学习。然而，我们仍然缺乏连接网络与学习成果的机制有充分的了解。在这里，我们提出了一个大规模的研究（946名小学生从45楼不同的教室），旨在了解由小学生使用的社交策略的结果。我们同时使用，囚徒困境的非匿名版本，并提名友谊的调查勾勒学生的社会网络，并比较了学生与他们的平均成绩发挥的策略。我们发现，较高的GPA学生在人际关系更加战略性投资，与非朋友低于GPA学生合作更加慷慨地与朋友和更少慷慨。我们的研究结果表明，社会资本投资的高成绩好的学生较高的选择性可以帮助他们获得他们的社会网络的学习效益的机制之一。
亚历山大的整体性作为可持续
城市设计和规划的科学基础
Alexander’s Wholeness as the Scientific Foundation of Sustainable Urban Design and Planning http://arxiv.org/abs/1909.11755摘要： 作为克里斯托弗·亚历山大设想，并通过他一生的工作定义 - 命令的性质 - 整体性是一种递归结构再次出现在空间和物质，并反映在人的心智和认知。基于整体性，整体性的数学模型，其拓扑表示共同的定义，已经研制成功，它是能够解决不仅为什么结构美观，而且结构多少美女了。鉴于情况下，本文试图主张整体性作为可持续城市设计和规划的科学基础，用数学模型和拓扑表示的帮助。首先，我们通过引入整体性作为物理空间的数学结构，在我们周围普遍地存在，有两个基本的法则沿 - 定标法和托布勒定律 - 背后表征，使生活结构中的15个场所。我们认为，城市设计和规划可以被认为是过程，通过差异化和适应的两个设计原则的指导下，改造空间扩展整体性- - 在零敲碎打的方式 - 为生活或更多的生活结构。我们进一步讨论其他几个城市设计理论，以及他们如何可以通过合理的，并放置整体性的理论中。随着整体性的科学基础，城市设计可以变成一个科学严谨的创作与生活结构作为首要目标的。
居住结构的脚踏实地和仰望
星空：克里斯托弗·亚历山大
Living Structure Down to Earth and Up to Heaven: Christopher Alexander http://arxiv.org/abs/1909.11757摘要： 由克里斯托弗·亚历山大发现，居住结构是一种物理现象，通过它内置的环境或文物的质量能够得到客观判断。它带有两个杰出的属性，就像一棵树：每个刻度上“更小的东西比大”在所有尺度，和“或多或少类似的事情。”作为一种物理现象，和数学概念，生活结构基本上是经验，发现并从自然和人为的东西微乎其微观察发展，它影响我们的日常生活中一些实质性的方法，例如在把一个表或花瓶在一个房间里，帮助我们做出漂亮的事物和环境。生活结构不仅是经验，也是哲学和思维开阔，让我们看到了世界和空间，更有意义的方式。本文旨在捍卫生活结构的物理现象，澄清周边亚历山大的设计思想，如目的或美容的结构性质的一些常见问题和疑虑，的建筑风格由亚历山大主张，和他神秘的概念性质。我们首先说明生活结构 - 基本组织的复杂性，由已故的雅各布斯所倡导（1916至2006年） - 由两个基本规律（标度律和托布勒定律）由两个设计原则管辖，并产生一些循序渐进的方式（分化和适应）经由15个结构特性。然后，我们验证为什么生活结构主要是经验，借鉴亚历山大自己的工作证，以及适用于地球表面，包括城市，街道和建筑物，以及两个标识我们的案例研究。得出结论之前，我们专注于亚历山大的工作中最神秘的部分 - 假设“我” - 作为普遍地无处不在，为了使生活结构的更好的感觉在我们心中的物质。
MONET：通过元数据的
正交训练单位去除偏差图嵌入
MONET: Debiasing Graph Embeddings via the Metadata-Orthogonal Training Unithttp://arxiv.org/abs/1909.11793 John Palowitch, Bryan Perozzi摘要： 是图神经网络（GNNS）公平吗？在许多现实世界的图，边的形成与某些节点属性（如性别，社会，信誉）。在这种情况下，使用这些边标准GNNS将由这个信息被偏置，因为它是在邻接矩阵本身的结构进行编码。在本文中，我们表明，当元数据与节点街区的形成有关，无人监督的节点嵌入尺寸学习该元数据。这种偏见意味着不能控制在实际应用中的重要协变量，如推荐系统。为了解决这些问题，我们引入了元数据的正交节点嵌入培训（MONET）单元，用于在图消除直流偏压节点嵌入物的一般模型。 MONET通过确保节点的嵌入正在上的超平面正交训练该节点的元数据实现这一点。这有效地组织非结构化嵌入尺寸成可解释的拓扑只，仅元数据没有线性相互作用分裂。我们说明MONET的有效性，虽然我们对各种现实世界的图表，这表明我们的方法可以学习，并清除任务，例如防止政治党派的泄漏在博客网络，并挫败任意协变量的影响实验嵌入基础的推荐系统的博弈。 Crash dynamics of interdependent networks http://arxiv.org/abs/1909.11834Jie Li, Chengyi Xia, Gaoxi Xiao, Yamir Moreno摘要： 出现与实际系统的演变在过去几年中得到了广泛的研究。然而，同样重要的现象都涉及到系统的倒闭，已较少探讨的动态，尤其是当他们可以转换成独立系统。在本文中，我们开发了允许审议的两个相互依存的网络组成的系统崩溃一个动态模型。具体来说，我们探索了系统的崩溃的动力学下两种情况：在第一个，失败的条件应满足的焦点节点以及用于其它网络中的相应节点;而在第二个，这是不够的节点之一的，失败无论是在两个网络的发生。我们报告中的互相连接的网络不同的设置进行动态的广泛的数值模拟和分析系统的行为是如何依赖于先前的方案以及对相互依存的系统的拓扑结构。我们的研究结果可以提供宝贵的见解崩溃动力学和相互依存的复杂系统的演化特性。Social Network Analysis for Social Neuroscientistshttp://arxiv.org/abs/1909.11894Elisa C. Baek, Mason A. Porter, Carolyn Parkinson摘要： 虽然社会神经科学关注的是理解大脑如何与它的社会环境相互作用，当时该领域的研究已初步考虑在隔离人的大脑，剥夺其丰富的社会背景。在社会神经科学，从网络分析工具，利用新兴的工作已经开始追求这个问题，如何推进人类大脑影响的知识，并通过其社会环境的影响的结构。在本文中，我们提供重要的理论和网络分析为社会神经学家谁感兴趣的有关个体认知到个人的社会环境的结构的导入方法（尤其是社会系统）的概况。我们还强调了一些令人兴奋的新工作是如何高效地使用这些工具来研究社会神经学家相关的问题的例子。我们包括教程，以帮助与实际执行的，我们讨论的概念。最后，我们强调了广泛的社会神经学家谁是热衷于使用网络分析来研究社会系统令人兴奋的研究机会。Shifted and extrapolated power methods for tensor $\ell^p$-eigenpairs http://arxiv.org/abs/1909.11964 Stefano Cipolla, Michela Redivo-Zaglia, Francesco Tudisco摘要： 这项工作涉及的 ELL ^ P -eigenvalues和方形张量与 d 模式的特征向量的计算。在第一部分中，我们提出了两种可能的转向流行（高阶）电力法％变异为 ELL ^ P -eigenpairs证明这两个方案的门阶 ELL ^ P 的收敛计算 - 特征向量的张量，以及对应的 ELL ^ p -eigenvalue最大，当张量是entrywise非负和 p 严格大于模式的数量大。然后，通过收敛速度慢，所提出的方法，可以实现对某些现实世界的张量，动机时 P 约d ，模式的数量，在第二部分介绍了基于简化拓扑 外推框架varepsilon -algorithm有效地加快平移功率序列。关于合成的和现实世界问题的数值结果表明通过引入移位参数和加速度技术的效率得到改善。 A Formal Model of the Relationship between the Number of Parties and the District Magnitudehttp://arxiv.org/abs/1909.12036 Daria Boratyn, Jarosław Flis, Wojciech Słomczyński, Dariusz Stolicki摘要： 在计算座股，在杰斐逊D’Hondt系统和基于P 的选举行为的概率模型下多地区选举自然阈值的公式的基础上“ØLYA的瓮模型，我们提出的一个新模式区级和有关各方的数量/有效数之间的关系。我们测试从采用汉狄法（相对较少的选举，但政治上的配置千差万别）多个国家和数据基础上数以百计的波兰地方选举的选举两者结果模型（大量的选举，但程度高得多参数的均匀性）。我们还探讨了该模型的一些应用，演示如何可以用来估计选举工程的潜在影响。 From classical to modern opinion dynamicshttp://arxiv.org/abs/1909.12089 Hossein Noorazar, Kevin R. Vixie, Arghavan Talebanpour, Yunfeng Hu摘要： 在这个年龄段的Facebook，Instagram的和Twitter的，有正在迅速增长，在大集团的自主主体的理解启用网络舆论动态的兴趣。意见两极分化的现象，宣传和假新闻，以及情绪的操纵的传播感兴趣的大量机构和人员，其中一些人是资源丰富。无论是更恶毒的球员，如外国政府正试图动摇那些试图弯曲情绪选举或大公司 - 往往是相当秘密，或者是比较光明磊落，像要传播的新闻研究者一些发现或者一些希望让一大群人知道真正有益的创新，他们是营销的商业利益，其中的利害关系往往是显著。在本文中，我们回顾许多经典的，还有一些新的，社会互动模式的目的是了解舆论动态。虽然第一篇研究认为动态出现在60年前，仍然是有空间的创新和探索很大。我们认为，政治气候和政治在过去几年球过人（甚至是前所未有的）事件将激发新的兴趣和新的思路。我们的目标是帮助那些感兴趣的研究人员了解已经在舆论动力学领域的显著部分探讨。我们认为，这样做，它会变得明显，仍有许多工作要做。 Gradual learning supports cooperation in spatial prisoner’s dilemma gamehttp://arxiv.org/abs/1909.12109 Attila Szolnoki, Xiaojie Chen摘要： 根据标准仿制协议，不太成功的球员采用了目前比较成功的一个忠实地为未来的成功的战略。这是演化博弈论，探索在不同的社会困境的情况下竞争战略的生命力的基石。在我们目前的工作中，我们探讨的两个稍微修改仿制协议是夸张和循序渐进的学习规则可能产生的后果。在前一种情况下，学习者不仅采用，而且还扩大了收入较高的希望的战略变化。同样，在后一种情况下，谨慎的学习者不采用替代行为精确，但需要在更新过程中对对方的战略只是一个小的一步。显然，这两种情况下假设玩家的倾向合作可能会零之间逐渐变化（总是缺陷）和一个（总合作），其中这些极端状态代表了传统的双策略社会困境。我们观察到，虽然夸张学习的使用对最终状态没有特别的后果，但循序渐进的学习可以显著支持合作。后者的协议既减轻主要策略的入侵速度，但成功入侵叛逃者的下降更为显著，因此，修改后的微观规则对入侵过程中的偏见影响，解释了我们的意见。 A Quest for Structure: Jointly Learning the Graph Structure and Semi-Supervised Classificationhttp://arxiv.org/abs/1909.12385 Xuan Wu, Lingxiao Zhao, Leman Akoglu摘要： 半监督学习（SSL）被有效用于多种分类问题，这要归功于它的能力，充分利用丰富的未标记的数据。各种SSL算法的主要假设是对数据歧管附近的点可能共享的标签。基于图的SSL构建从点云数据作为近似底层歧管，接着标签推理的曲线图。这是毫不奇怪的是在捕获的数据的基本结构的构成的曲线图的质量是到后续推断步骤[6]的精度是至关重要的。应该如何构建从基于图的SSL输入点云数据的图表？在这项工作中，我们介绍了SSL的图化建设步伐的新的并行图学习框架（称为PG-学习）。我们的解决方案有两个主要成分：（1）基于一个验证损失函数的边权重（更具体地，在每个维度不同的内核带宽）的基于梯度的优化，并且具有自适应的资源（2）并行超参数搜索算法分配方案。从本质上说，（1）允许我们围绕一个（随机）初始配置超参数搜索更好的具有较低确认损失。由于超参数的搜索空间是巨大的高维问题，（2）让我们的基于梯度的搜索要经过许多不同的初始配置为可能的，其中运行相对没出息开始配置提前终止分配给别人的时候。这样，PG-学习是随机的和自适应搜索的精心设计的混合体。通过对多类分类问题的实验，我们发现显著PG-学习优于准确性各种现有的图施工方案（每个固定时间预算超参数调整），并更有效地扩展到高维问题。 A Matrix Factorization Model for Hellinger-based Trust Management in Social IoT http://arxiv.org/abs/1909.12432 Soroush Aalibagi, Hamidreza Mahyar, Ali Movaghar, H. Eugene Stanley摘要： 物联网的社会网络（SIoT），物联网和社会网络范式互联网的融合，已被引入到构建它们能够建立社会联系的智能节点的网络。为了应对misbehavioral服务提供商节点，服务请求者节点必须评估他们的信任级别。在本文中，我们提出了一种新的信任管理机制在SIoT来预测服务请求，导致减少暴露给恶意节点的风险的最可靠的服务提供商。我们的SIoT具有柔性二部图（包含两组节点：服务提供者和请求者）建模，然后生成服务请求者节点之间的相应的社会网络，采用海林格距离。在那之后，我们开发了一个社会信任模型，通过节点的中心性和相似性的措施，来提取网络节点之间的行为信任。最后，矩阵分解技术被设计成提取SIoT节点的潜特征，以减轻数据稀疏和冷启动问题。我们分析在预测的准确性提出的信任预测机制参数的影响。结果表明，从我们的机制，高海灵格相似的特定服务请求者的邻居节点反馈优于现有的最佳方法。我们还表明，利用社会信任模型，只考虑了相似的措施，显著提高了预测机制的准确性。此外，我们评价所提出信任管理系统，通过一个真实的SIoT应用程序的有效性。我们的研究结果表明，该机制是有弹性的，以不同类型的网络攻击，并能准确地找到高可信度适当的服务提供商。 Nonlinear Dynamic Models of Conflict via Multiplexed Interaction Networks http://arxiv.org/abs/1909.12457Gerardo Aquino, Weisi Guo, Alan Wilson摘要： 冲突的风险是由内部和外部多种因素激怒。当前多因素分析的喷漆随时间变化多样的因果风险状况。然而，这些配置文件演变和通用模型，以了解这种演变依然缺席。目前大多数冲突分析是数据驱动的，并进行在各个国家或地区的水平，往往孤立。多尺度的相互作用及其非线性动力学的一致审议缺失。在这里，我们开发了一个多路网络模型，其中每个城市建模为非线性双稳系统，无论是在战争还是和平稳定状态。其恶化冲突的风险的致病因素的类别分别建模为网络层。我们认为3层：（1）核心交互反映地面互动的城市地理空间网络，（2）交互反映国家文化集团的文化网络，以及（3）相互作用的反映国家联盟的政治网络。他们一起充当司机推向城市或战争拉离开城市。采用多种相对于2002-2016的数据源，我们表明，我们的模型正确地预测过渡从战争到和平，和平与世界各地在城市尺度分辨率的0.78〜0.92 F1比分战。在此期间，由于许多冲突是自回归（例如在阿富汗和伊拉克的反恐战争，在战争麻醉品横跨美洲），我们可以预测新的战争或新的和平的出现。我们证明在广泛的冲突风格的成功预测，我们通过识别模型组件导致了正确的预测进行因果发现。在索马里（2008-13），缅甸（2013-15），哥伦比亚（2011-14），利比亚（2014-16），和也门的情况下（2011-13），我们确定了一组最有可能的偶然因素，以及如何它可以在一个国家不同，随着时间的推移而改变。A novel metric for community detection http://arxiv.org/abs/1909.12467 Ke-ke Shang, Michael Small, Yan Wang, Di Yin, Shu Li摘要： 研究发现人口密集的社区最近已吸引了越来越多的网络内科学的重视，检测这些社区的各种指标已被提出。最流行的指标 - 模块化 - 基于所谓的规则，即在社区内的联系比社区的外部链接密集，已经成为了默认。但是，这个默认的不确定性的度量受到影响，更糟的是，模块化的所有扩充和基础上，这是什么意思，形成“社区”狭窄的直觉。我们认为，在特定的，但相当普遍的系统，社区内的联系也不见得比社区之间的联系更为常见。相反，我们提出一个社区的定义特征是链接更可预见的一个社区内，而不是社区之间。在本文中，基于链路预测社区的作用，我们提出了直接基于此功能的社区发现了一种新的度量。我们发现，我们的指标比传统的模块化更强的鲁棒性。因此，我们可以实现算法的稳定性的评价在不同的网络相同的检测算法。我们的指标也可以直接发现虚假社区发现，并推断出更多的统计特性检测算法。
PowNet：大规模水能耦合
研究的电力系统分析模型
PowNet: a power systems analysis model for large-scale water-energy nexus studies http://arxiv.org/abs/1909.12529 AFM Kamal Chowdhury, Jordan Kern, Thanh Duc Dang, Stefano Galelli摘要： PowNet是模拟机组/大型电力系统的经济调度的自由建模工具。 PowNet是专门设想在水能源关系领域的应用，其调查的水资源供应对电力供应的影响。为此，PowNet配备了保证精度，可重用性和计算效率在大空间和时间域的功能。具体地，模型（ⅰ）占两个机组和传输网络的技术经济制约，（ⅱ）可被容易地与该估计产生单元作为的气候条件的函数的状态的模型，以及（iii）明确包括进口/出口节点，这往往是在跨境系统中。 PowNet是用Python实现与任何标准的优化求解器（例如，Gurobi，CPLEX）的帮助下运行。它的功能是充分显示了柬埔寨电力系统。 Maximum Entropy Framework for a Universal Rank Order distribution with Socio-economic Applications http://arxiv.org/abs/1909.12542Abhik Ghosh, Preety Shreya, Banasri Basu摘要： 在本文中，我们得出一个具体的排名顺序分布，即离散广义Beta分布，最近已观察到在艺术和科学建模，从不同方面多几个等级规模分布非常有用的最大熵特征，作为齐普夫定律的双参数概括。虽然已经看到几个现实世界的经验数据集提供了出色的配合，负责这个特殊的排列顺序分布成功的基本理论没有正确的探讨。在这里，我们，对于第一次，提供其描述为合适的二元工具约束下的自然最大熵分布其生成处理。此外，考虑到与经济文献通常对数效用函数所提出的效用函数的相似性，我们也探讨了其可接受不同类型的社会经济因素的通用建模一个国家内部以及整个国家。通过严格的统计估计方法估算，用 熵值一起分布参数的值，用于表征多年来所有这些社会经济因素的分布。 Opinion dynamics with memory: how a society is shaped by its own past http://arxiv.org/abs/1909.12590 Gioia Boschi, Chiara Cammarota, Reimer Kühn摘要： 为了了解意见共同的方向发展，在现代世界中，我们提出了描述为一个大集合，他们的相互交互和外部事件的影响下，交换他们表达的意见主体人是社会的典范。特别是我们引进这将创建一个集体记忆效应，使得社会能够存储和调用几个外部信号来信息的交互偏差。我们的模型显示了如何将社会和内部结构及其未来的反应可以通过自己的历史的形状。我们将提供的这个事是怎么发生的分析解释，我们将展示以这种方式和机制的Hopfield信息检索模型化社会的反应之间的紧急相似。 Tyranny to Anarchy: Regimes of Organisational Influence on Directed Hierarchical Graphs http://arxiv.org/abs/1909.12603 Charlie Pilgrim, Weisi Guo, Samuel Johnson摘要： 社会组织是一个多元化的管理结构的协调行为的关键。在几乎所有的组织中，权力结构存在与管理者和下属。通常在一个零件的改变可以在整个组织造成长期的级联，导致效率低下和混乱。随着组织的发展在规模和复杂性，以及改变他们分享信息和权力的方式，我们分析他们如何抵御干扰受到影响。在这里，我们考虑建模为分层有向图，其中的方向表示任务流程组织多数规则动态。我们利用所谓的营养不协调参数， Q 拓扑措施，从而有效地计权力结构的分层中的组织。这显示出行为的约束机制。有一个在低 Q （例如暴政），在中间 Q （如民主）慢共识快共识，并在高 Q （例如无政府状态）没有达成共识。这些制度与罗马军队，美国政府和医疗机构不同的案例分析和实证研究。我们的工作在组织的设计中广泛应用以及分析如何成为一些低效和停滞。
HateMonitors：社交
媒体上语言无关的滥用检测
HateMonitors: Language Agnostic Abuse Detection in Social Media http://arxiv.org/abs/1909.12642 Punyajoy Saha, Binny Mathew, Pawan Goyal, Animesh Mukherjee摘要： 在在线社交媒体减少仇恨和攻击性内容构成的双重问题的主持人。在一方面，在社会化媒体刚性审查不能强加于人。另一方面，这种内容的自由流动不能被允许的。因此，我们需要有效的侮辱性的语言侦测系统，社交媒体等有害内容。在本文中，我们提出我们的机器学习模型，HateMonitor，为仇视言论，在印欧语系（HASOC）令人反感的内容识别的发展，在2019年FIRE我们已经使用了梯度推进模式共享任务，与BERT和激光沿的嵌入，使系统语言无关。我们的模型来在为德国子任务A.我们还在https://github.com/punyajoy/HateMonitors-HASOC使我们的模型公开第一的位置。 Impact of temporal scales and recurrent mobility patterns on the unfolding of epidemicshttp://arxiv.org/abs/1909.12731 David Soriano-Paños, Gourab Ghoshal, Alex Arenas, Jesús Gómez-Gardeñes摘要： 人才流动起到对当地疾病爆发转变为全球性传染病的关键作用。因此，包括人类活动纳入传染病模型已成为强制性的了解当前流行的情节，并设计有效的预防政策。在此之后的挑战，在这里我们开发了一个马尔可夫架构，使解决经常性流动模式的疫情发生在不同时间尺度的影响。这种形式主义是由他们的预测与机械模拟的结果进行比较验证。理论和模拟之间的公平协议能够得到捕捉触发疫情的临界条件流行阈值的解析表达式。最后，通过执行这个流行阈值的详尽分析，我们揭示了人类微调流动性对出现疾病的影响是很大程度上受到相关联的流行病学和流动过程的时间尺度。
一种新的数据驱动的算法，
用于意外高流量非拥挤
交通状态的自动化检测
A novel data-driven algorithm for the automated detection of unexpectedly high traffic flow in uncongested traffic states http://arxiv.org/abs/1909.12782 Bo Klaasse, Rik Timmerman, Tessel van Ballegooijen, Marko Boon, Gerard Eijkelenboom摘要： 我们提出了一个算法来识别表现出高流量的看似矛盾的行为，同时，一个引人注目的缺席交通拥堵，这样的日子里，我们命名的高性能天天。所开发的算法包括三个步骤：步骤1，基于所述基本图上（即，业务流和交通密度之间的经验关系），我们估计的临界速度;步骤2，基于该数据的标记，击穿概率可以被估计（即，平均速度低于临界速度的可能性）;步骤3中，我们确定未扰动的时刻（当击穿预计即时刻，但不发生），并随后识别基于未扰动力矩的数高性能天。该算法依赖于估计的临界速度的新方法;我们使用稳定回归作为用于标记的工具利用交通流量与密度之间的大致的线性关系在没有拥塞的情况下此外，我们引进的高性能天的概念。识别高性能的日子可能是在追求堵车减少的基石;使用更详细的数据人们可能能够识别的高性能天具体特点。该算法适用于个案研究为特色在荷兰的高度拥挤A15高速公路。Stock Market Forecasting Based on Text Mining Technology: A Support Vector Machine Methodhttp://arxiv.org/abs/1909.12789Yancong Xie, Hongxun Jiang摘要： 新闻项目对股市一个显著影响，但该方法是模糊的。许多以前的作品都旨在寻找准确的股市预测模型。在本文中，我们使用文本挖掘和情绪分析对中国在线金融新闻，预测基于支持向量机（SVM）对中国股市的趋势和股票价格。首先，我们收集2302692个新闻，内容上起1/1/2008到1/1/2015。其次，在此基础上的数据集，特定域停止字字典和精确的情绪字典形成。第三，我们建议使用SVM预测模型。支持向量机实现的算法，我们还提出了两个参数的优化算法来寻找最佳的初始参数设置。结果表明，参数G具有主要作用，而参数C的效果并不明显。此外，支持向量回归（SVR）模型不同的中国概念股都在支持向量分类相似，而（SVC）模型最佳参数都相当差。对比实验系列表明：1）新闻有股市显著的影响;当这一天没有消息数据比SVR正常输入更好地为更多的情况下，b）扩大输入向量，但在SVC差; c）中示出了SVR嵌合在预测股票波动而这样的结果有一定的时间滞后一个奇妙的程度; d）对于股市新闻效应时滞不到两天的时间; e）在SVC，历史股票数据具有最高效的时间差大约是10天，而在这SVR效果并不明显。此外，基于输入向量的特殊结构，我们还设计计算资金来源影响因子的方法。结果表明，新闻的质量和观众人数都对源影响因子显著的效果。此外，对于中国投资者来说，传统媒体比数字媒体更大的影响力。
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”（微信号netsci）和个人博客 https://www.complexly.me （提供RSS订阅）进行同步更新。
集智俱乐部QQ群｜877391004
商务合作及投稿转载｜swarma@swarma.org
◆ ◆ ◆
搜索公众号：集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧！