yunyi平台虚拟货币2019诈骗案例(虚拟货物怎么交易)

币圈知识阅读 3 2023-10-24 09:09:40

疲劳PageRank;
有预算的影响最大化问题的共操作性博弈论方法;
信号传递可促进重复小组互动中合作的发展;
在线新闻消费中的政治两极分化;
使用图神经网络的区块链身份推断;
ABEM：一种用于在线社会网络中影响者挖掘的基于自适应Agent的演化方法;
议论意见动力学的自然语言多智能体模拟;
合成和真实世界网络各个节点对连续时间的易感感染易感动力学的影响;
基于逆图划分的看守室自动分配;
节点激活有风险时最大程度地增加复杂网络中的传播;

疲劳PageRank

原文标题： Fatigued PageRank

地址： http://arxiv.org/abs/2104.05369

作者： José Devezas, Sérgio Nunes

摘要：实体之间的联系无处不在。从社交媒体互动到网页超链接，网络经常被用来代表这样的复杂系统。节点排名是一项基本任务，它提供了根据多个标准识别中央实体的策略。流行的节点排名指标包括程度，亲密性或介数中心性以及HITS授权或PageRank。在这项工作中，我们提出了一种新颖的节点排名度量标准，其中我们结合了PageRank和节点疲劳的想法，以便为想要优化覆盖率的随机资源管理器建模-它变得疲劳并避免了以前访问过的节点。我们形式化并举例说明Fatigued PageRank的计算，将其评估为节点排名指标，并在临时文档检索中将其视为独立于查询的证据。根据具有来自英语维基百科的点击流过渡的“简单英语维基百科”链接图，我们发现“疲劳页面排名”能够超越indegree和HITS权限，但仅适用于排名最高的节点。另一方面，基于TREC华盛顿邮政语料库，我们无法胜过BM25基线，对于所有基于图的指标，我们都无法获得类似的性能，除了度数可以降低GMAP和MAP，但可以提高NDCG @ 10和P @ 10。

有预算的影响最大化问题的共操作性博弈论方法

原文标题： A Co-Operative Game Theoretic Approach for the Budgeted Influence Maximization Problem

地址： http://arxiv.org/abs/2104.06460

作者： Suman Banerjee

摘要：给定具有选择成本的用户社会网络， textsc 预算影响最大化问题（简称 emph BIM问题）要求在分配的节点中选择节点的子集（称为种子节点）初始激活预算，以最大程度地影响网络。在本文中，我们在共合作博弈理论框架下研究了这个问题。我们将此问题建模为合作博弈，其中网络的用户是参与者，对于一组用户，在影响最大化树扩散模型下，他们的预期影响就是它的效用。我们将此博弈称为BIM博弈，并显示其为“非凸”和“次加性”。基于所提出的博弈理论模型，并使用称为Shapley值的解决方案概念，提出了一种用于寻找种子节点的迭代算法。所提出的方法主要分为两个主要步骤：第一个步骤是为网络的所有节点计算Shapley值中的近似边际增益，第二个步骤是从排序列表中选择种子节点，直到预算达到筋疲力尽。我们还表明，当利用网络的社区结构时，所提出的方法甚至可以更加有效。所提出的方法已经实施，并且已经使用三个公共可用的社会网络数据集进行了广泛的实验。从实验中，我们观察到，与文献中的许多标准方法和基准方法相比，所提出的方法选择的种子集导致了更多的影响节点，并且具有合理的计算开销。特别是，如果利用网络的社区结构，则受影响节点的数量将增加 2 ％。

信号传递可促进重复小组互动中合作的发展

原文标题： Signalling boosts the evolution of cooperation in repeated group interactions

地址： http://arxiv.org/abs/2104.06466

作者： Luis A. Martinez-Vaquero, Francisco C. Santos, Vito Trianni

摘要：许多生物和社会系统都表现出很高的集体行动水平。已经提出了几种合作机制，但它们大多是独立研究的。其中，直接互惠支持个人之间反复互动的基础上的合作。信号和仲裁动态也可能会推动合作。在这里，我们诉诸演化博弈理论模型来共同分析这两种机制，并研究演化为直接互惠，信号传递或二者结合而选择的条件。我们表明，与互惠相结合，单独发出信号会带来更高的合作水平，同时还提供了针对错误的额外鲁棒性。具体而言，在存在信号时，通常不会选择直接互惠领域的成功策略，并且只有在较早的协调失败的情况下，才有机会利用过去的互动记忆。不同的是，即使代价高昂，信号总是在演变。根据这些结果，可能更容易理解为什么仅在非人类中仅在有限的几种情况下观察到直接互惠，而信号却在所有复杂性水平上都得到了广泛传播。

在线新闻消费中的政治两极分化

原文标题： Political Polarization in Online News Consumption

地址： http://arxiv.org/abs/2104.06481

作者： Kiran Garimella, Tim Smith, Rebecca Weiss, Robert West

摘要：从投票行为，对反对党派及其政党的普遍影响以及在线发布和消费的内容来看，政治两极化似乎正在上升。多年来的研究集中在Web作为两极分化驱动力的作用上。为了进一步理解在线两极分化背后的因素，在本工作中，我们收集并分析了成千上万用户的Web浏览历史记录，并仔细衡量了浏览各种新闻源所花费的时间。我们表明，在线新闻消费遵循一种两极分化的模式，即用户对与自己的政治倾向一致的新闻来源的访问要长于对其他新闻来源的访问。接下来，我们证明了这种偏好在个人和总体上都适用，这可以从聚集的浏览模式中清晰可见的新闻领域党派社区的出现中得到证明。最后，我们解决了用户选择在两极分化中的作用这一重要问题。用户是在简单地跟随其Web环境提供的链接，还是通过有意追随志同道合的新闻来源而加剧党派分化？为了回答这个问题，我们将浏览模式与所考虑的新闻域所跨越的基础超链接结构进行了比较，找到了有偏见的有力证据，表明党派的浏览习惯存在两极分化的迹象，超出了网络超链接结构所能解释的。

使用图神经网络的区块链身份推断

原文标题： Identity Inference on Blockchain using Graph Neural Network

地址： http://arxiv.org/abs/2104.06559

作者： Jie Shen, Jiajun Zhou, Yunyi Xie, Shanqing Yu, Qi Xuan

摘要：区块链的匿名性加速了加密货币平台上非法活动和犯罪行为的增长。尽管去中心化是区块链的典型特征之一，但我们迫切要求有效监管以检测这些非法行为，以确保用户交易的安全性和稳定性。身份推断旨在对帐户身份进行初步推断，在区块链安全中起着重要作用。作为一种常用工具，图挖掘技术可以有效地表示帐户之间的交互信息，并可以用于身份推断。但是，现有方法无法在可伸缩性和端到端体系结构之间取得平衡，从而导致较高的计算消耗和较弱的功能表示。在本文中，我们提出了一种从事务子图的角度分析用户行为的新颖方法，该方法自然地将身份推断任务转换为图分类模式，并有效地避免了大规模图的计算。此外，我们提出了一个通用的端到端图神经网络模型，名为 text I ^ 2 text BGNN ，该模型可以接受子图作为输入，并学习将交易子图模式映射到帐户身份的函数，实现了匿名化。在EOSG和ETHG数据集上进行的大量实验表明，该方法在身份推断中达到了最新的性能。

ABEM：一种用于在线社会网络中影响者挖掘的基于自适应Agent的演化方法

原文标题： ABEM: An Adaptive Agent-based Evolutionary Approach for Mining Influencers in Online Social Networks

地址： http://arxiv.org/abs/2104.06563

作者： Weihua Li, Yuxuan Hu, Shiqing Wu, Quan Bai, Edmund Lai

摘要：在线社会网络中最大化影响力的关键步骤是识别少数被称为有影响力的用户，这些用户能够迅速将影响力广泛传播给其他用户。这些网络的拓扑结构的不断发展的性质使得难以定位和识别这些影响者。在本文中，我们提出了一种基于主体的自适应演化方法，以解决静态和动态网络中的这一问题。事实证明，随着网络的发展，这种方法能够适应该解决方案。由于其分布式框架，它也适用于大规模网络。我们的方法的评估是通过使用综合网络和实际数据集来进行的。实验结果表明，该方法在最大化影响力方面优于最新的播种算法。

议论意见动力学的自然语言多智能体模拟

原文标题： Natural-Language Multi-Agent Simulations of Argumentative Opinion Dynamics

地址： http://arxiv.org/abs/2104.06737

作者： Gregor Betz

摘要：本文开发了一种基于自然语言主体的论证模型（ABMA）。它的人工协商主体（ADAs）是借助最近在AI和计算语言学中开发的所谓神经语言模型构建的。 ADA配备了极简主义信仰系统，并且可以为对话生成并提交新颖的内容。自然语言的ABMA允许我们用英语来模拟集体审议，即使用论点，理由和主张本身-而不是用其数学表示形式（如形式模型）进行模拟。本文使用自然语言ABMA来检验论证形式化的理性平衡模型的鲁棒性[Maes＆Flache 2013，Singer等。 [2019年]：首先，只要ADA保持被动状态，确认偏差和同形更新就会触发极化，这与正式模型的结果一致。但是，一旦ADA开始积极产生新的贡献，保护的发展就由主体商的特性决定（作为作者）。这表明，新论据，原因和主张的产生严重影响了对话，对于理解集体审议的动态至关重要。文章最后指出了该模型的进一步成功应用和未来研究的挑战。

合成和真实世界网络各个节点对连续时间的易感感染易感动力学的影响

原文标题： Influence of individual nodes for continuous-time Susceptible-Infected-Susceptible dynamics on synthetic and real-world networks

地址： http://arxiv.org/abs/2104.06752

作者： Alfredo De Bellis, Romualdo Pastor-Satorras, Claudio Castellano

摘要：在流行病学研究中，一个基本问题是，最初只影响一个人的病原体是否会引起有限的暴发或大流行。这个问题的答案不仅取决于描述感染和恢复过程的参数，而且还取决于感染在交互网络中的起始位置。我们研究网络上连续时间中易感性感染易感流行病动力学对初始种子位置的依赖性。我们首先得出关于扩展影响力的三个指标（发起无限爆发的概率，平均爆发时间和有限爆发的大小）对初始节点的依赖性的分析预测，并将其与随机不相关网络上的数值模拟进行比较，从而找到很好的一致性。然后，我们表明，相同的理论方法在一组具有多种不同性质的现实世界拓扑中也能很好地发挥作用。我们通过简要调查哪些拓扑网络特征确定与理论预测的偏差来得出结论。

基于逆图划分的看守室自动分配

原文标题： Automated Allocation of Detention Rooms Based on Inverse Graph Partitioning

地址： http://arxiv.org/abs/2104.06927

作者： Jingwei Wang, Chuan Liu, Yukai Zhao, Yunlong Ma, Min Liu, Weiming Shen

摘要：在拘留中心，分配房间是一项艰巨的任务，因为许多相关人员需要在有限的房间内单独关押。手动分配房间非常困难且危险，特别是对于有密切联系的有组织犯罪集团。为理解决这个问题，我们为看守所开发了智能房间分配系统，以自动提供优化的房间分配方案。我们首先将拘留室分配问题形式化为逆图划分，这可以衡量房间分配方案的质量。然后，我们提出了两种启发式算法来实现对拘留室分配的全局优化和局部优化。在真实数据集上的实验结果表明，所提出的算法明显优于人工分配算法，表明该系统具有很大的实际应用价值。

节点激活有风险时最大程度地增加复杂网络中的传播

原文标题： Maximizing spreading in complex networks with risk in node activation

地址： http://arxiv.org/abs/2104.06986

作者： Leyang Xue, Peng Zhang, An Zeng

摘要：众所周知，最初的传播者对于复杂网络中信息的广泛传播起着重要的作用。因此，已经提出了多种基于中心性的方法来识别最具影响力的传播者。但是，大多数现有研究都忽略了这样一个事实，即在实际的社会网络中，说服有影响力的人充当初始传播者的成本更高且难度更大，从而导致最大化传播的风险很高。在本文中，我们基于以下假设来解决此问题：与小度数节点相比，大度数节点的激活风险更高。我们的目标是在同时考虑初始扩散器的激活风险和爆发规模时，确定有效的初始扩散器，以最大程度地扩散。在随机网络上，分析分析表明，最佳初始扩展器的程度并不对应于网络中最大的节点程度，而是由感染概率和不同程度节点之间的激活风险差异决定的。在这里，我们提出了一种风险感知指标，以识别实际网络上的有效分布器。数值模拟表明，在最大程度地提高有效利差方面，风险意识指标优于现有基准中心。