隐私情报: 在线社交网络图片共享研究综述
2020-08-31 00:47:00
  • 0
  • 0
  • 0

来源:集智斑图

本文是对近期arXiv论文的汇总编译(by 彩云小译)。

核心速递

  • 隐私情报: 在线社交网络图片共享研究综述;
  • 细胞聚集体界面理论极化的分数随机;
  • 卷积神经网络风场降尺度模式的比较研究;
  • 大流行的希望之中: 冠状病毒仍在激增时,南美洲的心理困扰是否得到缓解?;
  • 神经元群体中预期同步与延迟同步的相位双稳性;
  • 新冠肺炎流行期间欧洲 Twitter 信息的跨语言情绪分析;
  • 利用动态传播结构增强社交媒体中的谣言检测;
  • 路径同源与时间网络;
  • Argo Lite: 浏览器中的开源交互图探索和可视化;
  • 基于多导联心电数据的多路复发网络;
  • 基于序列遗传算法的概率细胞自动机数据驱动的新冠肺炎动力学理解;
  • 模拟进步的社会意识、禁闭和人类迁徙对流行病动力学的影响;
  • 通过开放式街道地图数据探索城市形态: 一个可视化的介绍;

隐私情报:

在线社交网络图片共享研究综述

原文标题:

Privacy Intelligence: A Survey on Image Sharing on Online Social Networks

地址:

https://arxiv.org/abs/2008.12199

作者:

Chi Liu,Tianqing Zhu,Jun Zhang,Wanlei Zhou

摘要:在线社交网络上的图片共享已经成为日常社交活动中不可或缺的一部分,但也增加了隐私遭到侵犯的风险。最近流行的 OSN 服务的图片泄露,以及使用先进算法(如 DeepFake)滥用个人照片,促使公众重新考虑在 OSN 上分享图片时的个人隐私需求。然而,OSN 图像共享本身是相对复杂的,现有的隐私管理系统在实践中是劳动密集型的,但不能提供个性化、准确和灵活的隐私保护。因此,需要一个更加智能化的环境来实现对隐私友好的 OSN 图像共享。为了填补这个空白,我们提供了一个系统性的调查“隐私情报”解决方案,针对与 OSN 图像共享相关的现代隐私问题。具体来说,我们提出了一个基于 OSN 图像共享整个生命周期的高级分析框架,以解决这一跨学科领域面临的各种隐私问题和解决方案。该框架分为三个主要阶段: 地方管理阶段、在线管理阶段和社会体验阶段。在每个阶段,我们识别典型的与共享相关的用户行为,这些行为所产生的隐私问题,并回顾具有代表性的智能解决方案。最终的分析描述了一个用于闭环隐私管理的智能隐私增强链。我们还讨论了在每个阶段存在的挑战和未来的方向,以及在公开可用的数据集。

神经元群体中预期同步

与延迟同步的相位双稳性

原文标题:

Phase-bistability between anticipated and delayed synchronization in neuronal populations

地址:

https://arxiv.org/abs/2008.11891

作者:

Julio Nunes Machado,Fernanda Selingardi Matias

摘要:两个单向耦合的动力系统可以实现非零相位滞后同步。特别是,如果接收机(r)也接收到延迟的负反馈,系统可以表现出预期同步(AS) ,即拥有属性负相位延迟。最近,AS 被证明发生在皮层样神经元群体之间,其中的自我反馈是由抑制性突触介导的。在这种生物学上似是而非的情况下,从通常的延迟同步(带有正相位滞后的 DS)到 AS 的转变可以通过接收者群体中的抑制电导来调节。这里我们表明,依赖于兴奋性和抑制性突触电导之间的关系,系统也可以表现出预期和延迟同步之间的相位双稳性。此外,我们还发现,接收端和突触电导的噪声量可以介导稳定相位锁定到双稳态的转变,最终到相位漂移。我们认为,我们的脉冲神经元群模型可能有助于研究与双稳知觉相关的皮层区域的相位双稳性。

细胞聚集体界面极化的分数随机理论

原文标题:

A fractional stochastic theory for interfacial polarization of cell aggregates

地址:

https://arxiv.org/abs/2008.11819

作者:

Pouria A. Mistani,Samira Pakravan,Frederic G. Gibou

摘要:我们提出了一个理论框架来模拟细胞聚集体的电响应。我们建立了一个粗糙的表示为每个细胞膜和细胞质偶极矩的组合。然后我们计算得到的系统的有效电导率,然后推导出 Fokker-Planck 偏微分方程,捕捉到细胞集合中诱导的细胞极化分布随时间的演化。我们的模型预测平行于应用脉冲的电极化服从一个偏斜的 t 分布,而横向电极化服从一个对称的 t 分布,这与我们的直接数值模拟是一致的。此外,我们报告了一个由一对常微分方程耦合描述的降阶模型,它再现了骨料中诱导偶极矩的平均值和方差。通过考虑分数阶时间导数,我们扩展了我们提出的公式,我们发现分数阶时间导数是解释实验中观察到的反常弛豫现象以及我们直接的数值模拟所必需的。由于它的时域表述,我们的框架可以很容易地用来考虑非线性膜效应或细胞间的耦合,出现在一些科学,医学和技术应用。

卷积神经网络

风场降尺度模式的比较研究

原文标题:

A Comparative Study of Convolutional Neural Network Models for Wind Field Downscaling

地址:

https://arxiv.org/abs/2008.12257

作者:

Kevin Höhlein,Michael Kern,Timothy Hewson,Rüdiger Westermann

摘要:我们分析了在扩展的空间域上近地面风的短期预报的降尺度适用性的卷积神经网络结构。ECMWF ERA5在31公里水平分辨率下重新分析初始条件的短期风场预报(100米水平)被降低尺度,以模拟9公里分辨率下的确定性短期预报。我们评估了四种典型模型体系结构的降尺度质量,并将它们与多元线性回归模型进行了比较。我们对模式预测进行定性和定量的比较,并检验是否可以通过加入额外的大气变量来提高 cnn 的预测能力,例如位势高度和预报表面粗糙度,或静态高分辨率场,例如陆海掩蔽和地形。我们进一步提出了一种新颖的基于 u-net 的 CNN 结构 DeepRU,它能够推断出与位置相关的风结构,而这些结构是其他模型无法重建的。在我们的 GPU 目标体系结构上,从高山地区的低分辨率输入场推断一个9公里分辨率的目标风场只需不到10毫秒,这比低分辨率和高分辨率预报模拟之间分钟或小时的模拟时间开销要好。

大流行的希望之中:

冠状病毒仍在激增时,

南美洲的心理困扰是否得到缓解?

原文标题:

Hope Amid of a Pandemic: Is Psychological Distress Alleviating in South America while Coronavirus is still on Surge?

地址:

https://arxiv.org/abs/2008.12289

作者:

Josimar Chire-Saire,Khalid Mahmood

摘要:截至2020年7月31日,新型冠状病毒肺炎流感大流行已报告超过1700万病例,造成超过66.7万人死亡。无论经济地位如何的国家都屈服于这种流行病。生命的许多方面,包括健康、经济、行动自由都受到冠状病毒爆发的负面影响。为了防止疫情爆发,已经采取了许多策略。一些国家采取了全面封锁形式的严重反抗措施,而另一些国家则采取了温和的方式来应对流行病,例如大规模测试、禁止大规模公共集会、限制国际旅行。由于经济和卫生保健支持不足,南美洲主要采取了封锁战略。由于人与人之间的社会互动主要受到封锁的影响,心理压力,例如焦虑、压力、恐惧,据推测严重影响了南美人口。本文旨在探讨封锁对所有讲西班牙语的南美洲国家首都人民心理方面的影响。我们利用信息流学方法,通过使用超过3300万个推特信息源的大规模数据集,以了解人们在这场持续的冠状病毒大流行期间的相互作用。我们的结果令人惊讶: 在大流行开始时,人们表现出强烈的情绪(即焦虑、担忧、恐惧) ,随着时间的推移,这种情绪逐渐减弱,尽管实际的大流行病因出现更多阳性病例和造成更多死亡而恶化。这使我们推测,南美人口正在适应这一流行病,从而改善了整体的心理压力。

新冠肺炎流行期间欧洲

Twitter 信息的跨语言情绪分析

原文标题:

Cross-language sentiment analysis of European Twitter messages duringthe COVID-19 pandemic

地址:

https://arxiv.org/abs/2008.12172

作者:

Anna Kruspe,Matthias Häberle,Iona Kuhn,Xiao Xiang Zhu

摘要:在危机期间,社交媒体数据可以成为一个非常显著的信息来源。用户生成的信息为我们打开了一扇窗,让我们了解人们的情绪和观点。由于这种信息数量巨大,因此有可能对全人口的发展情况进行大规模的分析。在这篇论文中,我们分析了在欧洲新型冠状病毒肺炎流感大流行的头几个月收集到的 Twitter 信息(tweets)。该方法通过使用多语种句子嵌入的神经网络进行情感分析来实现。我们分离了起源国的结果,并将它们的时间发展与这些国家的事件联系起来。这使我们能够研究这种情况对人们情绪的影响。例如,我们看到,在几乎所有接受调查的国家,封锁的宣布与情绪的恶化有关,情绪在短时间内复苏。

利用动态传播结构

增强社交媒体中的谣言检测

原文标题:

Enhancing Rumor Detection in Social Media Using Dynamic Propagation Structures

地址:

https://arxiv.org/abs/2008.12154

作者:

Shuai Wang,Qingchao Kong,Yuqi Wang,Lei Wang

摘要:像 Facebook 和 Twitter 这样的社交媒体已经成为信息传播的重要渠道之一。然而,这些社会化媒体平台往往被误用来传播谣言,带来了严重的社会问题,因此迫切需要自动的谣言检测技术。现有的谣言检测工作主要集中在对文本特征的利用上,而扩散结构本身可以为谣言识别提供关键的传播信息。以往的工作已经考虑了结构信息,只利用有限的传播结构。此外,很少有相关研究考虑扩散结构的动态演化。针对这些问题,本文提出了一种基于动态传播结构(NM-DPS)的神经网络模型用于社会媒体中的谣言检测。首先,我们提出了一种划分方法来模拟传播结构的动态演化,然后利用基于时间注意的神经模型来学习动态结构的表示。最后,将结构表示和内容特征融合到一个统一的框架中,实现有效的谣言检测。在两个实际社会媒体数据集上的实验结果表明,动态传播结构信息的显著性和我们提出的方法在捕获动态结构的有效性。

路径同源与时间网络

原文标题:

Path homology and temporal networks

地址:

https://arxiv.org/abs/2008.11885

作者:

Samir Chowdhury,Steve Huntsman,Matvey Yutin

摘要:本文提出了一种计算简单有向图的路径同调的算法,并用它拓扑分析了各种小有向图,进而分析了以有向图为基本模体的复杂时态网络。所分析的有向图包括所有有向图、有向无圈图和一定顶点数的无向图,以及一些特殊构造的情形。利用此分析得到的信息,我们确定了三个时态网络维度2中与路径同调有关的小有向图,并将这些小有向图与网络行为联系起来。我们的结论是,路径同源可以洞察时间网络结构,反之亦然。

Argo Lite:

浏览器中的

开源交互图探索和可视化

原文标题:

Argo Lite: Open-Source Interactive Graph Exploration and Visualization in Browsers

地址:

https://arxiv.org/abs/2008.11844

作者:

Siwei Li,Zhiyan Zhou,Anish Upadhayay,Omar Shaikh,Scott Freitas,Haekyu Park,Zijie J. Wang,Susanta Routray,Matthew Hull,Duen Horng Chau

摘要:图形数据已经变得越来越普遍。将它们可视化有助于人们更好地理解实体之间的关系。不幸的是,现有的图形可视化工具主要是为单人桌面使用而设计的,对基于 web 的交互式探索和在线协作分析提供有限的支持。为了解决这些问题,我们开发了 Argo Lite,这是一个新的浏览器内交互式图形探索和可视化工具。允许用户以 url 和嵌入式 web 小部件的形式发布和共享交互式图形可视化。用户可以通过添加更多的相关节点来逐步探索图表,例如引用或引用引用引用网络中感兴趣的论文的高引用率论文。Argo Lite 跨设备和平台工作,利用 WebGL 实现高性能渲染。在佐治亚理工学院的数据和视觉分析课上,已经有超过1000名学生使用了 Argo Lite。Argo Lite 可以作为一个有价值的开放源码工具,用于推进从数据表示到信息系统接口等多个 CIKM 研究领域。

基于多导联心电数据的

多路复发网络

原文标题:

Multiplex Recurrence Networks from multi-lead ECG data

地址:

https://arxiv.org/abs/2008.12049

作者:

Sneha Kachhara,G. Ambika

摘要:提出了一种基于多重递归网络(mrn)框架的多导联心电数据综合分析方法。我们探讨了它们的层内和层间拓扑特征如何捕捉潜在时空动态循环模式的细微变化。我们发现,从健康人的心电图数据中得到的 mrn 更加连贯,互信息量高,各个度分布之间的差异较小。在疾病的情况下,可以看到蛋鸡之间在特定的相似性测量方面的显著差异。在与局部异常相关的疾病中,如束支传导阻滞,连贯性受影响最大。我们注意到,必须利用所有措施进行全面分析,以得出具体疾病模式。我们的方法非常通用,因此可以应用于任何其他领域,在这些领域中,可以从高度复杂的系统中获得多变量或多通道数据。

基于序列遗传算法的

概率细胞自动机数据驱动的

新冠肺炎动力学理解

原文标题:

A Data-driven Understanding of COVID-19 Dynamics Using Sequential Genetic Algorithm Based Probabilistic Cellular Automata

地址:

https://arxiv.org/abs/2008.12020

作者:

Sayantari Ghosh,Saumik Bhattacharya

摘要:新型冠状病毒肺炎大流行正严重影响着全球数十亿人的生活。尽管采取了全国范围的封锁、停止国际飞行服务、严格检测等大规模保护措施,但感染仍在稳步扩散,造成数千人死亡和严重的社会经济危机。因此,确定这种感染传播动态的主要因素对于最大限度地减少新型冠状病毒肺炎和未来任何流行病的影响和寿命是至关重要的。在这项工作中,一个基于概率细胞自动机的方法被用来模拟不同国家的感染动力学。本研究提出细胞自动机提供了一个极佳的平台,利用序列遗传演算法来有效地估计动力学参数,以提供一个精确的数据驱动模式来模拟这种传染病的蔓延。据我们所知,这是第一次尝试用优化的细胞自动机,通过遗传算法来理解和解释新型冠状病毒肺炎数据。结果表明,该方法具有较强的灵活性和鲁棒性,可以通过系统的参数估计对日活动病例、感染病例总数和死亡病例总数进行建模。对来自不同大陆的四十个国家的新型冠状病毒肺炎统计数据进行了详细的分析,由于人口和社会经济因素,感染传播的时间演变明显不同。这一模型的实质性预测能力已经建立,并得出了关于这一大流行动态中的关键角色的结论。

模拟进步的社会意识、禁闭

和人类迁徙对流行病动力学的影响

原文标题:

Modelling the influence of progressive social awareness, lockdown and anthropogenic migration on the dynamics of an epidemic

地址:

https://arxiv.org/abs/2008.11962

作者:

R. Bhattacharyya,Partha Konar

摘要:基本的易感染-感染-康复(SIR)模型被扩展到包括进步的社会意识、封锁和人为迁移的影响。结果表明,通过降低基本再生产率 R0,社会意识可以有效遏制传播。有趣的是,人们发现在一个能够更快接受这种意识的社会中,这种意识比反应较慢的社会更有效。这篇论文也将死亡率从临床恢复的部分中分离出来,并试图在社会意识缺失和存在的情况下模拟封锁的结果。可以看到,从封锁中错开出口不仅在经济上有利,而且有助于遏制传染病的蔓延。此外,具有进步社会意识的交错退出策略被认为是最有效的干预。本文还探讨了人为迁移对两区流行病动力学的影响。计算结果表明,不同区域不同组分的演化规律不同。这种模型可以很方便地将一个大的区域划分为更小的分区,以便实施不成比例的封锁,或者从一个分区出去。计算的参数与 SARS-COV-2病原体在印度的背景下一致。

通过开放式街道地图数据

探索城市形态:

一个可视化的介绍

原文标题:

Exploring Urban Form Through Openstreetmap Data: A Visual Introduction

地址:

https://arxiv.org/abs/2008.12142

作者:

Geoff Boeing

摘要:本章介绍了 OpenStreetMap ——一个众包的全球制图项目和地理空间数据存储库——以说明其在快速、方便地分析和可视化建筑环境中的规划和设计结果方面的有用性。它演示了 OSMnx 工具包,用于从 OpenStreetMap 自动下载、建模、分析和可视化空间大数据。我们通过可视化方法——包括图形-地面图和极性直方图——在计算上探索世界各地街道网络和建筑物的模式和配置,这有助于将城市复杂性压缩成可理解的人工制品,反映人类对建筑环境的体验。无处不在的城市数据和计算可以从定量和定性的角度开辟新的城市形态分析。


编辑:王建萍

最新文章
相关阅读