查看原文
其他

剖析用于图分类的图神经网络 | 网络科学论文速递21篇



心速递


  • 剖析用于图分类的图神经网络;

  • 在线回声室的必然性;

  • Check-It:用于检测和减少虚假新闻传播和网上错误信息的插件;

  • 加权投票博弈中的平均权重和权力;

  • 社交媒体定位推断的概率框架;

  • 用昂贵的网络信息作为种子节点;

  • 金融市场的三态舆论形成模型;

  • 一个新的淬火 XY 模型与非常规的“异域”相互作用;

  • 多个交互扩散过程中的竞争、协作和优化;

  • 影响有限时间范围内异质种群的观点;

  • 一类大型复杂网络的随机子集选择方法;

  • 通过属性搜索挖掘隐藏的人群;

  • 我们时代的语言:对 Hashtags 的实证分析;

  • 选民控制与选民的不确定性:硬度和逼近结果;

  • 美国总统演讲修辞结构的联合文本挖掘等级调查;

  • 名字的秘密?使用社交媒体的名字嵌入;

  • 洋葱状网络在表面生长中的涌现及其强鲁棒性;

  • 复杂集体运动的网络动态的物理可解释分类;

  • 促进无标度网络中合作的外生奖励;

  • 消费者群体中的自私能源共享:需求侧管理理念;

  • 城市商业集群的嵌套结构;



剖析用于图分类的图神经网络


原文标题: 

Dissecting Graph Neural Networks on Graph Classification

地址: 

http://arxiv.org/abs/1905.04579

作者: 

Ting Chen, Song Bian, Yizhou Sun


摘要: 图神经网络(GNN)受到越来越多的关注,部分原因在于它们在许多节点和图分类任务中的卓越性能。但是,对于他们学习的内容以及学习图功能的复杂程度缺乏了解。在这项工作中,我们首先提出图特征网络(GFN),一种简单的轻量级神经网络,在一组图增强特征上定义。然后,我们建议将图分类上的 GNN 解剖分为两部分:

1)图过滤,其中执行基于图的相邻聚合;以及

2)设置函数,其中组成一组隐藏节点特征用于预测。


为了分别测试这两个部分的重要性,我们通过线性化 GNN 的图过滤部分来证明和利用 GFN 可以导出的连接。根据经验,我们对常见的图表分类基准进行评估。令我们惊讶的是,我们发现尽管简化了,但 GFN 可以达到或超过最近提出的 GNN 产生的最佳精度,只需要一小部分计算成本。我们的结果为 GNN 学习的功能和当前评估它们的基准提供了新的视角。



在线回声室的必然性


原文标题: 

On the Inevitability of Online Echo Chambers

地址: 

http://arxiv.org/abs/1905.03919

作者: 

Kazutoshi Sasahara, Wen Chen, Hao Peng, Giovanni Luca Ciampaglia, Alessandro Flammini, Filippo Menczer


摘要: 虽然社交媒体可以轻松地与任何人联系和访问信息,但它们也促进了基本的影响和不友好的机制,可能导致隔离和极化的集群,称为“回声室”。在这里,我们通过在线社会网络中引入一个简单的信息共享模型来研究这种回声室的出现条件,其中包括影响和不友好的两个因素。用户可以根据他们通过共享公开的信息来更改意见和社交关系。模型动态表明,即使只有极少的影响力和不友好,社会网络也会迅速转变为隔离的,同质的社区。这些预测与 Twitter 的经验数据一致。虽然我们的研究结果表明,鉴于在线社交媒体中的机制,回音室有些不可避免,但它们也为可能的缓解策略提供了见解。



Check-It:用于检测

和减少虚假新闻传播

和网上错误信息的插件


原文标题: 

Check-It: A Plugin for Detecting and Reducing the Spread of Fake News and Misinformation on the Web

地址: 

http://arxiv.org/abs/1905.04260

作者: 

Demetris Paschalides, Alexandros Kornilakis, Chrysovalantis Christodoulou, Rafael Andreou, George Pallis, Marios D. Dikaiakos, Evangelos Markatos


摘要: 在过去几年中,我们一直在目睹网络上错误信息的兴起。人们在日常生活中成为假新闻的受害者,并在不知不觉中帮助他们进一步传播。有许多举措试图减轻虚假新闻造成的损害,重点关注来自域名旗帜,在线社会网络或人工智能的信号。在这项工作中,我们提出了 Check-It ,这是一种以智能方式将各种信号组合到管道中以进行虚假新闻识别的系统。


Check-It 是一个 Web 浏览器插件,旨在高效,及时地进行虚假新闻检测,尊重用户的隐私。实验结果表明,Check-It 能够胜过最先进的方法。在数据集上,由9百万个标记为假和真实的文章组成,Check-It 获得的分类准确度超过99%。




加权投票博弈中的平均权重和权力


原文标题: 

Average Weights and Power in Weighted Voting Games

地址: 

http://arxiv.org/abs/1905.04261

作者: 

Daria Boratyn, Werner Kirsch, Wojciech Słomczyński, Dariusz Stolicki, Karol Życzkowski


摘要: 我们研究了一类加权投票博弈,其权重随机分布在单位单面上。我们提供了关于统一分布下 k 最大玩家的权重分布的期望和密度的紧密形式公式。我们分析了 k 最大玩家的平均投票能力及其对配额的依赖性,获得了 n 小值的分析和数值结果,以及关于 Banzhaf 平均功率之间关系的函数形式的一般定理指数和单一性统一衡量指标的配额。



社交媒体定位推断的概率框架


原文标题: 

A Probabilistic Framework for Location Inference from Social Media

地址: 

http://arxiv.org/abs/1702.07281

作者: 

Yujie Qian, Jie Tang, Zhilin Yang, Binxuan Huang, Wei Wei, Kathleen M. Carley


摘要: 我们研究了从社交媒体推断用户地理位置的程度。来自社交媒体的位置推断可以使许多应用受益,例如灾难管理,目标广告和新闻内容定制。然而,挑战在于有限的标签数据和大规模的社会网络。在本文中,我们将从社交媒体推断位置的问题形式化为半监督因子图模型(SSFGM)。该模型提供概率框架,其中各种信息源(例如,内容和社会网络)可以组合在一起。


我们设计了一个双层神经网络来学习特征表示,并将学到的潜在特征结合到  SSFGM 中。为了解决大规模问题,我们提出了一种双链采样(TCS)算法来学习   SSFGM 。该算法在准确性和效率之间实现了良好的折衷。 Twitter 和微博上的实验表明,针对 SSFGM  提出的 TCS 算法可以显著提高几种最先进方法的推理精度。更重要的是,与传统的基于传播的方法(例如,循环信任传播)相比, TCS   实现了超过100倍的加速。



用昂贵的网络信息作为种子节点


原文标题: 

Seeding with Costly Network Information

地址: 

http://arxiv.org/abs/1905.04325

作者: 

Dean Eckles, Hossein Esfandiari, Elchanan Mossel, M. Amin Rahimian


摘要: 行为在社会网络上的传播取决于个人之间的联系结构,播种最有影响力的个体可以大大提高传播的范围。尽管选择最佳种子集(称为影响最大化)是计算上难以解决的问题,但已经提出了许多计算上有效的算法来近似具有可证明保证的最优种子集。以前关于影响最大化的大部分工作假定了整个网络图的知识。然而,在实践中,获得网络结构的全部知识是非常昂贵的。


在这项工作中,我们考虑选择 k 初始种子,以最大化独立级联模型下的预期采用者数量。我们提出了一种“探测和种子”算法,它使用 查询提供几乎紧密的近似保证   ,其中 n 是网络大小, p 是通过边传播的概率。据我们所知,这是第一个为影响最大化提供近似保证的结果,使用对于多项式小 p 的子二次数查询。我们通过显示使用 o(n²) 查询对常量 p 来估计问题是不可能的。最后,我们考虑一种更高级的查询模型,其中一个种子节点并在运行传播过程后观察结果采用者。我们提供的算法仅使用 这样的查询,并提供几乎紧密的近似保证。



金融市场的三态舆论形成模型


原文标题: 

A Three-state Opinion Formation Model for Financial Markets

地址: 

http://arxiv.org/abs/1905.04370

作者: 

Bernardo J. Zubillaga, André L. M. Vilela, Chao Wang, Kenric P. Nelson, H. Eugene Stanley


摘要: 我们提出了一个三态微观意见形成模型,用于模拟金融市场的动态。为了模仿市场中大量投资者的异质构成,基于主体的模型考虑了两种不同类型的交易者:噪声交易者和反向交易者。单体被表示为交互网络中的节点,并且它们可以呈现三种不同的可能状态中的任何一种(例如买入,卖出或保持不活动)。单体状态的时间演变由概率动态决定,包括局部和全局影响。


噪声交易者受到当地的相互作用,倾向于承担其最近邻居的多数状态,而逆势者则受到与整个市场行为的全球互动,倾向于假设全球少数群体的状态。市场。该模型展示了实际金融时间序列的典型定性和定量特征,包括具有重尾的收益分布,波动率聚类和对于收益绝对值的长时记忆。通过耦合高斯分布来拟合回报的分布,在描述系统复杂性的非线性统计耦合方面定量地揭示了 leptokurtic,mesokurtic 和   platykurtic 方案之间的转换。



一个新的淬火 XY 模型

与非常规的“异域”相互作用


原文标题: 

A New Quenched XY model with Nonusual “Exotic” Interactions

地址: 

http://arxiv.org/abs/1905.04373

作者: 

Anderson A. Ferreira


摘要: 由于技术的进步,人类生活在一个网络化的世界中,信息传播得非常快。在决策过程或意见形成中,对集体利益的看法有不同的看法,但它们往往违背了大量个体的自身利益。在这里,为描述现象而提出的相关随机算子 不属于CP(联系进程)普遍性类。然而,它的数学结构对应于一个新的 Exotic 量子 XY  模型,但是前所未有的,在同一个网站 i,它们的参数是当地站点(i-1,i,i + 1)与存在的杂质之间相互作用的“函数”。



多个交互扩散过程

中的竞争、协作和优化


原文标题: 

Competition, Collaboration and Optimization in Multiple Interacting Spreading Processes

地址: 

http://arxiv.org/abs/1905.04416

作者: 

Hanlin Sun, David Saad


摘要: 竞争和协作是多智能体概率传播过程的核心。关于舆论和竞争性营销活动的斗争是前者的典型例子,而艾滋病毒和结核病等多种疾病的共同传播证明了后者。这些差异受底层网络拓扑,网络成分之间的感染率,恢复率以及传播过程本身之间的相互作用的影响。


在此,我们基于概率动态消息传递开发了相互作用的传播过程的理论框架,并在有限的时间窗内在预算约束下优化感染或疫苗接种;在竞争性竞争过程中最大限度地扩大所需的传播,并在耦合传染病的情况下通过疫苗接种限制传播。我们在合成网络和现实网络上证明了框架和优化方法的有效性。



影响有限时间范

围内异质种群的观点


原文标题: 

Influencing Opinions of Heterogeneous Populations over Finite Time Horizons

地址: 

http://arxiv.org/abs/1905.04448

作者: 

Arunabh Saxena, Bhumesh Kumar, Neeraja Sahasrabudhe, Sharayu Moharir


摘要: 在这项工作中,我们专注于影响良好关联社会的观点动态的策略。我们提出了一种流行的选民模型的概括。选民模型的这种变体可以捕获广泛的个体,包括意志演化独立于其邻居的意志坚定的个体以及倾向于采纳多数/少数人意见的顺从/反叛者。


在固定截止日期结束时旨在影响意见动态的政治运动的推动下,我们专注于影响有限时间范围的策略。我们将最佳影响策略的性质描述为个体形成社会的本质的函数。使用这一点,我们表明,对于一个主要由意志坚强/反叛者组成的社会,最优策略是影响有限时间范围的结束,而对于一个主要由试图采纳意见的顺从主义者组成的社会在大多数情况下,在有限时间范围的初始阶段影响可能是最佳的。




一类大型复杂网络

的随机子集选择方法


原文标题: 

A class of randomized Subset Selection Methods for large complex networks

地址: 

http://arxiv.org/abs/1905.04452

作者: 

Amit Reza, Richa Tripathi


摘要: 大多数现实世界的复杂网络,如互联网,万维网和协作网络都是巨大的;并且为了推断它们的结构和动态,需要处理大的连通性(邻接)矩阵。另外,为了找出这些网络的谱,需要对这些大邻接矩阵或它们的拉普拉斯矩阵进行特征值分解(或二分网络的奇异值分解)。在目前的工作中,我们提出了现有启发式的随机版本来推断邻接矩阵的范数和谱。


在早期的工作中,我们使用子集选择(SS)程序来获得尺寸较小的关键网络结构,并根据其主要奇异向量和特征值谱保留原始网络的属性。我们现在提供一些随机版本的SS(RSS)及其在各种基准和现实世界网络上的时间和空间复杂度计算。我们发现基于在确定性 SS 中使用 QR 分解而不是 SVD 的 RSS 是最快的。


我们在测试网络上运行这些随机 SS 启发式算法并将结果与先前报道的确定性对应物进行比较后,评估正确性和性能速度。我们发现所提出的方法可以在大型稀疏网络中有效使用;它们可以扩展到分析动态演进网络中的重要网络结构,因为它们降低了时间复杂度。



通过属性搜索挖掘隐藏的人群


原文标题: 

Mining Hidden Populations through Attributed Search

地址: 

http://arxiv.org/abs/1905.04505

作者: 

Suhansanu Kumar, Heting Gao, Changyu Wang, Hari Sundaram, Kevin Chen-Chuan Chang


摘要: 研究人员经常通过他们的应用程序编程接口(API)查询在线社交平台,以找到目标人群,例如精神病患者、爵士音乐家。这种目标群体的实体满足通常使用oracle(人类或预训练的分类器)识别的属性。当目标实体的属性不能通过 API 直接查询时,我们将属性称为“隐藏”,将群体称为隐藏群体。在社会网络上查找属于这些群体的个体很难,因为它们是不可查询的,并且采样器必须在有限预算限制内从组合查询空间进行探索。


通过利用可查询属性和感兴趣的群体之间的相关性以及通过对查询空间进行分层排序,我们提出了一种基于决策树的 Thompson 采样器( DT-TMP),它可以有效地发现要查询的正确属性组合。我们提出的采样器在在线实验中的性能优于最先进的采样器,例如推特上的54%。当离线实验中已知查询的匹配实体数量时, DT-TMP 在基线采样器上的表现非常好,为0.9-1.5  倍。在未来,我们希望通过制定更复杂的查询来探索寻找隐藏人口的选择。




我们时代的语言:

对Hashtags的实证分析


原文标题: 

Language in Our Time: An Empirical Analysis of Hashtags

地址: 

http://arxiv.org/abs/1905.04590

作者: 

Yang Zhang


摘要: 在过去的五年中,在线社会网络中的 Hashtags 已经获得了极大的欢迎。由此产生的大量数据为现代社会提供了新的视角。以前,研究人员主要依靠从 Twitter 收集的数据来研究某种类型的主题标签或某些标签属性。在本文中,我们对 Instagram 上共享的主题标签进行了第一次大规模的实证分析,这是主题标签共享的主要平台。


我们研究三个不同维度的主题标签,包括时空维度,语义维度和社会维度。在三个大型数据集上进行了大量实验,总共有超过700万个标签,提供了一系列有趣的观察结果。首先,我们展示了主题标签的时间模式可以分为四个不同的集群,人们倾向于在某些地方共享更少的主题标签,而在其他地方则更多的主题标签。其次,我们观察到一个不可忽略的标签比例表现出很大的语义位移。


我们演示了在用户之间更均匀共享的主题标签,由所提议的标签熵量化,不太容易出现语义位移。最后,我们提出了一个二部图嵌入模型来总结用户的主题标签配置文件,并依靠这些配置文件来执行友谊预测。评估结果表明,我们的方法实现了有效的预测,AUC(ROC曲线下面积)高于0.8,这表明了主题标签中具有强大的社会信号。



选民控制与选民的不

确定性:硬度和逼近结果


原文标题: 

Election Control with Voters’ Uncertainty: Hardness and Approximation Results

地址: 

http://arxiv.org/abs/1905.04694

作者: 

Mohammad Aboueimehrizi, Federico Corò, Emilio Cruciani, Gianlorenzo D’Angelo


摘要: 选举控制问题要求在选民的社会网络中找到一组节点,作为旨在支持给定目标候选人的政治运动的开始者。当竞选活动到达选民时,它会改变对候选人的意见。目标是以这样一种方式塑造活动的传播,使目标候选人的胜利机会最大化。以前关于这个问题的研究表明,它可以在几个模型中以恒定比率近似用于信息扩散和投票系统。这些作品充分了解每个选民的偏好。


但是,这些信息并不总是可用,因为选民可能尚未决定,或者他们可能不想透露这些信息。在这里,我们通过考虑每个选民与候选人的概率分布相关联来放松这个假设。我们提出了两种新模型,当竞选活动到达选民时,它根据从网络中的邻居收到的影响力来修改其概率分布。然后我们研究新模型上的选举控制问题:在第一个模型中,在 Gap-ETH 假设下,选举控制不能在一个优于  的因子内近似,其中 n 是选民的数量;在第二个模型中,问题允许采用常数因子近似算法。



美国总统演讲修辞结构

的联合文本挖掘等级调查


原文标题: 

A joint text mining-rank size investigation of the rhetoric structures of the US Presidents’ speeches

地址: 

http://arxiv.org/abs/1905.04705

作者: 

Valerio Ficcadenti, Roy Cerqueti, Marcel Ausloos


摘要: 这项工作提出了一个文本挖掘背景及其用于深入分析政治家提供的信息的用途。具体来说,我们处理一系列专家系统探索美国总统大量演讲的修辞动态,范围从华盛顿到特朗普。特别是,演讲被视为复杂的专家系统,其结构可以通过等级规则法进行有效分析。本文的方法论贡献是双重的。


首先,我们使用 Miller Center 网站上的网络抓取程序(收集演讲的存储库)开发基于文本挖掘的程序来构建数据集。其次,我们通过对各个演讲实施等级大小的程序来探索话语数据的隐含结构,即每个语音按其频率排列的单词。提出的文本挖掘和等级大小方法的组合的科学意义可以在其灵活性和通用性中找到,这使得它可以复制到广泛的专家系统和文本挖掘环境中。


研究结果本身证明了所提出的方法和语音后续分析的有用性。实际上,就影响而言,值得注意的是,从1789年4月30日到2017年2月28日,45位美国总统如何能够开展政治信息的社会,政治和语言性质的有趣结论。事实上,拟议的分析显示了一些显著的规律,不仅在特定的演讲中,而且在不同的演讲中。此外,在纯粹的方法论视角下,所呈现的贡献提出了生成语言决策算法的可能方式。



名字的秘密?使用

社交媒体的名字嵌入


原文标题: 

The Secret Lives of Names? Name Embeddings from Social Media

地址: 

http://arxiv.org/abs/1905.04799

作者: 

Junting Ye, Steven Skiena


摘要: 你的名字讲述了很多关于你的信息:你的性别,种族等等。已经表明,名称嵌入在表示名称方面比传统的子串特征更有效。但是,我们之前的名称嵌入模型是针对私人电子邮件数据进行培训的,不可公开访问。在本文中,我们探索来自公共 Twitter 数据的学习名称嵌入。我们认为 Twitter 嵌入有两个关键优势:

(i)他们可以并将公开发布以支持研究社区。  

(ii)即使使用较小的训练语料库,Twitter 嵌入也可以在多个任务中实现与电子邮

件嵌入相比的类似表现。


作为展示名称嵌入功能的测试用例,我们研究了 lifespans 的建模。我们发现有趣的是,添加名称嵌入可以使用传统上用于生命周期建模的人口统计特征进一步改善模型的性能。通过残差分析,我们观察到细粒度群体(可能反映社会经济状况)是名称嵌入中编码的潜在因素。这些以前隐藏在人口统计学模型中,可能有助于提高广泛研究的预测能力。



洋葱状网络在表面生

长中的涌现及其强鲁棒性


原文标题: 

Emergence of an Onion-like Network in Surface Growth and Its Strong Robustness

地址: 

http://arxiv.org/abs/1905.04812

作者: 

Yukio Hayashi, Yuki Tanaka


摘要: 我们在数值上研究了在假设空间嵌入式运输或通信系统的情况下,即使在表面生长的约束下,也可以出现最佳的健壮的洋葱状网络。为了像洋葱一样,通过社会组织理论启发的中介,在依恋中需要适度长的联系。



复杂集体运动的网络

动态的物理可解释分类


原文标题: 

Physically-interpretable classification of network dynamics for complex collective motions

地址: 

http://arxiv.org/abs/1905.04859

作者: 

Keisuke Fujii, Naoya Takeishi, Motokazu Hojo, Yuki Inaba, Yoshinobu Kawahara


摘要: 理解复杂的网络动态是各种科学和工程领域的基本问题。网络理论能够揭示元素与其传播之间的关系;然而,对于复杂的集体运动,网络属性通常会短暂而复杂地发生变化。这里提出的一个基本问题涉及基于物理可解释的动力学特性的集体运动网络的分类。在这里,我们应用一种称为图动态模式分解的数据驱动谱分析,它获得了集体运动分类的动态特性。


以球赛为例,我们将战略集体动作分为不同的全球行为,并发现除了物理属性外,上下文节点信息对于分类至关重要。此外,我们在最近的单体之间的关系中发现了特定于标签的更强谱,提供了物理和语义解释。我们的方法有助于从非线性动力系统的角度理解涉及集体运动的复杂网络。



促进无标度网

络中合作的外生奖励


原文标题: 

Exogenous Rewards for Promoting Cooperation in Scale-Free Networks

地址: 

http://arxiv.org/abs/1905.04964

作者: 

Theodor Cimpeanu, The Anh Han, Francisco C. Santos


摘要: 在自我关注个体人群中鼓励亲社会行为的机制设计被认为是社会,生命和工程科学的几个领域中的主要理论挑战。当考虑来自外部各方的干扰时,已经确定了几种启发式方法能够以最小的成本设计期望的集体行为。然而,这些研究忽视了现实世界人口特征的背景和社会结构的多样性。


在这里,我们通过具有高水平和低水平聚类的无标度交互网络分析多样性的影响,并使用面临合作困境的单体模拟来测试各种干扰范例。我们的结果表明,对无标度网络的干扰并非微不足道,并且不同的聚类水平对每种干扰策略的反应都不同。因此,我们认为没有针对所有无标度网络的定制响应,并提出哪些策略在促进两种类型网络的合作方面更有效。最后,我们讨论了考虑鲁莽干扰策略的缺陷。



消费者群体中的自私能

源共享:需求侧管理理念


原文标题: 

Selfish Energy Sharing in Prosumer Communities: A Demand-Side Management Concept

地址: 

http://arxiv.org/abs/1905.04996

作者: 

Matthias Pilz, Luluwah Al-Fagih


摘要: 全球变暖正在危及地球的生态系统。我们必须限制温室气体排放,以应对不断上升的全球平均气温。向前发展的一种方式是将可再生能源资源整合到电力系统的各个层面,即从大规模能源生产者到个体家庭。未来的智能电网为此提供了技术。本文提出了一种新的需求侧管理概念。


它由一家专注于可再生能源的公用事业公司实施。通过特定的计费机制,鼓励消费者平衡负载和供应。博弈理论方法将家庭建模为想要降低个人电力成本的自主理性能源用户。为实现这一目标,他们自私地与邻居分享能源,并安排他们的储能系统。该计划旨在实现家庭之间的货币交易。因此,它为文献中的能源交易方案提供了另一种方法。



城市商业集群的嵌套结构


原文标题: 

The nested structure of urban business clusters

地址: 

http://arxiv.org/abs/1905.05106

作者: 

Clémentine Cottineau, Elsa Arcaute


摘要: 尽管集群理论文献在经济学和区域科学中是丰富的,但仍然缺乏对分析的地理尺度(邻域,城市,区域)如何相互关联并影响观察到的现象以及集群在何种程度上的理解。在工业上受到约束或在地理上是一致的。


在本文中,我们通过渗流理论之后的多标量方法对空间经济活动进行聚类。我们通过构造联合概率函数来考虑企业的工业相似性和地理邻近性。这产生了一个紧急的嵌套的地球工业集群层次结构,这使我们能够分析不同规模和特定工业部门之间的关系。使用国家统计局的纵向业务微观数据,我们可以看到2007年和2014年从非常地方的企业集团到大都市层的集群演变,从而可以观察到金融危机带来的变化。



来源:网络科学研究速递

编辑:孟婕

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。



近期网络科学论文速递


当人们经历了负面的生活影响和缺乏控制 等25篇

我们观察网络时看到了什么 等23篇

使用图共注意力网络预测药物合用不良反应 等10篇

社会网络中商业广告的计算模型 等12篇

假新闻早期检测:理论驱动模型 等22篇

加入集智,一起复杂!






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!

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存