最新日志
-
【精读】受欢迎的用户在社交网络中的重要性
类型 内容 标题 Are the Popular Users Always Important forInformation Dissemination in Online Social Networks? 时间 2014 会议 MNET 引用 S. Wen, J. Jiang, Y. Xiang, S. Yu and W. Zhou, “Are the popular users always important for information dissemination in online social networks?,” in IEEE Network, vol. 28, no. 5, pp. 64-67, September-October 2014. DOI 10.1109/MNET.2014.6915441 摘要
OSN-online social networks
受欢迎的用户在OSN中通常是高度连接的，直观地说，他们可以将恶意信息分发给更多的人，并更快地到达接收者. 在Facebook中模拟信息传播，研究高度连接的用户之间的传播速度、规模和可控性。
识别有影响力的用户的方法
OSN中的热门用户对应的节点度较高，除此之外还有四个度量-
Core - OSN拓扑可以使用k-shell分析进行分解。最里面的部分是网络的核心。一些研究人员发现，最有效的信息传播者是位于核心的节点。这个核心的用户能够最快地分发信息（图2c）。我们将检查受欢迎的用户是否是核心节点
-
Betweenness - Betweenness的概念通常定义为通过拓扑中任意节点的最短路径数 如图2b所示，具有较大Betweenness的节点在将不同的用户组连接在一起时，在信息传播规模中起着至关重要的作用。
-
Overlapped Community Bridges（重叠社区的桥梁） - 在现实世界中，每个OSN用户在不同的组中扮演各种角色。 例如用户是学生，则属于一个学生社区，同时该用户也可能属于一个家庭和各种爱好群体的社区。 因此，大多数实际的OSN由高度重叠的凝聚力社区组成。 位于多个社区中的网桥将信息从一个社区转发到另一个社区。 这些桥梁自然是人们用来预防社区内外恶意信息的节点。 如图2d。
-
Separated Community Bridges 研究人员通过将OSNs的拓扑结构划分成许多独立的社区来提取社会关系图。这些方法的前提是用户社交朋友那里接收和转发信息。与重叠社区相比，图2e所示，桥梁是指与其他社区连接的节点。
信息传播速度
我们模拟谣言在真实的OSN上的传播。扩散的起源是从拓扑中随机选择的。结果是100次运行的平均值。
我们检查节点的平均传染时间以阻止谣言。 我们使用防御率（l）表示OSN拓扑中所选节点相对于所有节点的百分比。 结果如图3所示。很明显，由degree度量确定的节点将比core度量所捕获的节点晚受到影响。 结果表明，受欢迎的用户传播信息的效率比核心内部的用户低。
为了探究degree度量在信息传播速度方面表现不佳的原因，我们在图4a中检查了具有较大degree的节点的核心顺序。我们可以看到网络核心内的大量节点没有高度连接。对于信息传播的速度，分析表明，在OSNs中，受欢迎的用户在OSN中可能并不总是很重要。信息传播规模
我们还模拟谣言的传播来检验当一组受欢迎的用户阻止谣言时，信息传播的规模。结果如图5所示。当采用degree度量来确定群组成员时，最终相信谣言的用户数将小于Betweenness度量所确定的用户数。
我们计算了具有较大degree的节点的Betweenness值。如图4b所示，在OSN拓扑中，许多高度连接的节点没有高Betweenness值。可控性
在现实世界中，OSN由一系列社区组成。 人们自然更可能与位于相同社区的用户建立联系。 为了控制进出社区的信息，连接不同社区的桥梁至关重要。 我们研究degree度量是否可以识别大多数的社区桥梁来进一步检查可控性。
分离的社区的结果如图4c。 类似于Betweenness度量，我们可以看到许多社区桥梁在OSN拓扑中的degree都很小。 此外，我们在图4d中显示了重叠社区的结果。很明显，degree度量识别重叠的社区桥梁的能力较弱。 对于可控性，分析结果进一步解释了以下观点：受欢迎的用户在OSN中可能并不总是很重要。
不同措施的交叉
为了更清楚地比较这三种方法，我们检查了不同方法识别的节点之间的交叉点。结果如图6所示，degree度量可以捕获更多的分离社区的桥，其次是Core度量、betweenness度量和重叠社区桥。这些广泛的结果表明，与其他用户相比，受欢迎的用户更可能成为分离的社区桥梁。
-
-
【Python】调用有道api实现文本翻译
本来pypi库里有一个名为translate的库，看文档介绍也非常的简单易用。
但是实际安装时却出现了不少的问题，conda里面找不到这个包，pip安装也失败（原因是我电脑中安装的依赖包，比它所需要的依赖包的版本要新）
最后一看，这个库上次的更新时间是2017年，而且只支持到Python 3.5，而我目前用的是Python 3.7，虽说Anaconda提供了虚拟环境的管理，但是我目前需要把翻译功能加到目前在做的一个项目中，为此修改环境太折腾。
于是决定直接调用现成的有道API来进行翻译，代码来自于https://segmentfault.com/a/1190000015643320 —有道API
-
【Python】持久化Python中的变量
Cpickle && pickle
cPickle是用C语言实现的，pickle是用纯python语言实现的，相比，cPickle的读写效率高一些。
尝试导入
try: import cPickle as pickle except ImportError: import pickle保存变量
dir = {bird:0,pig:1,cat:2,dog:3} f = open('animal.pkl','wb') pickle.dump(dir,f) f.close()joblib
文档:https://joblib.readthedocs.io/en/latest/
相比于pickle更加高效from joblib import *变量持久化
Python中的变量存储到本地，例
dump(value,filename)参数：
- value 变量名
- filename 文件名
- compress 整数类型0-9或布尔值，数字越大压缩效果越好，但速度越慢（文件后缀‘.z’, ‘.gz’, ‘.bz2’, ‘.xz’ ,‘.lzma’）
- protocol 1是使用老的二进制协议，2是使用新的二进制协议
变量提取
value = load(file_name)函数结果缓存
缓存某一个函数的运行结果，再次调用此函数且参数相同时，不用重新计算
from joblib import Memory cachedir = 'your_cache_dir_goes_here' mem = Memory(cachedir) import numpy as np a = np.vander(np.arange(3)).astype(np.float) square = mem.cache(np.square) b = square(a) ### 再次运行命令时不会重新计算 c = square(a)
-
【Linux】V2ray配置
-
【列表】会议列表
NDSS
NDSS2018 https://www.ndss-symposium.org/ndss2018/programme/
NDSS2019 https://www.ndss-symposium.org/ndss-program/ndss-symposium-2019-program/
NDSS2020 https://www.ndss-symposium.org/ndss2020/accepted-papers/IMC
IMC2018 https://conferences.sigcomm.org/imc/2018/program/
IMC2019 https://conferences.sigcomm.org/imc/2019/program/
IMC2020 https://conferences.sigcomm.org/imc/2020/accepted/SP
SP2018 https://www.ieee-security.org/TC/SP2018/program-papers.html
SP2019 https://www.ieee-security.org/TC/SP2019/program-papers.html SP2020 https://www.ieee-security.org/TC/SP2020/program-papers.html SP2021 https://www.ieee-security.org/TC/SP2021/program-papers.htmlWWW
WWW2018 https://www2018.thewebconf.org/program/
WWW2019 https://www2019.thewebconf.org/accepted-papersNSDI
NSDI2018 https://www.usenix.org/conference/nsdi18/technical-sessions#wedam
NSDI2019 https://www.usenix.org/conference/nsdi19/technical-sessions#wedam
NSDI2020 https://www.usenix.org/conference/nsdi20/technical-sessions#wedamCCS
CCS2018 https://www.sigsac.org/ccs/CCS2018/accepted/papers/
CCS2019 https://sigsac.org/ccs/CCS2019/index.php/program/accepted-papers/Usenixsecurity
Usenixsecurity2018 https://www.usenix.org/conference/usenixsecurity18/glance
Usenixsecurity2019 https://www.usenix.org/conference/usenixsecurity19/glance
Usenixsecurity2020- https://www.usenix.org/conference/usenixsecurity20/spring-accepted-papers
- https://www.usenix.org/conference/usenixsecurity20/summer-accepted-papers Usenixsecurity2021 https://www.usenix.org/conference/usenixsecurity21/summer-accepted-papers
HPDC
HPDC2018 https://dl.acm.org/doi/proceedings/10.1145/3208040
HPDC2019 http://www.hpdc.org/2019/program/RAID
RAID 2019 https://www.usenix.org/conference/raid2019/proceedings
RAID 2020 https://www.usenix.org/conference/raid2020/proceedings
-
【LeetCode】刷题代码记录
走迷宫
题目简介：
在n*m的区域内，k个地雷，若干个障碍物 在地雷的旁边就可以排雷，排完雷就会自动移到那个位置上 计算最少花费的时间（排完雷移动过去那一步不算时间）
输入
2 5 5 2 1 1 ..##. #..#. .##.. .##.. #.##. 1 2 3 1 5 5 3 1 1 ...#. .#... ....# ..##. ...#. 3 3 4 1 2 4输出
-1 9代码
from queue import Queue import sys dir = [[0,1],[0,-1],[1,0],[-1,0]] class Solution: def start(self,mp,x,y,xi,yi): Q = Queue() steps = Queue() Q.put([x,y]) steps.put(0) for line in mp: print(line) print("from ({},{}) to ({},{})".format(x,y,xi,yi)) vis = [[ 0 for i in range(self.m+1) ] for j in range(self.n+1)] print(len(vis),len(vis[0])) while Q.empty() == False: now = Q.get() step = steps.get() print('now {} {} {}'.format(now[0],now[1],step)) if now[0] == xi and now[1] == yi: mp[now[0]][now[1]] == '.' self.x = now[0] self.y = now[1] mp[xi][yi] = '.' return step-1 for d in dir: newx = now[0] + d[0] newy = now[1] + d[1] if newx <=0 or newy <= 0 or newx >self.n or newy >self.m: continue if newx == xi and newy == yi or mp[newx][newy] == '.': if vis[newx][newy] == 1: continue # print("add {} {}".format(newx,newy)) vis[newx][newy] = 1 Q.put([newx,newy]) steps.put(step+1) return -1 def run(self,n,m,k,mp,bomb_list): cost = 0 for target in bomb_list: res = self.start(mp,self.x,self.y,target[0],target[1]) print("step",res) if res != -1: cost += res else: print(-1) return print("cost:",cost) def stdin(self): self.n,self.m,k = list(map(int,input().split())) self.x,self.y = list(map(int,input().split())) mp = [['#'] * (self.m+1)] for i in range(self.n): line = list(input()) line.insert(0,'#') mp.append(line) bomb_list = [] for i in range(k): xi,yi = list(map(int,input().split())) bomb_list.append([xi,yi]) mp[xi][yi] = 'x' self.run(self.n,self.m,k,mp,bomb_list) with open(r"2.in", 'r') as file: sys.stdin = file s1 = Solution() T = int(input()) while T>0: s1.stdin() T-=1股票系列
121.买卖股票的最佳时机
解题代码：Python3
解题日期：2020-3-8
地址:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock/思考：本题目要求是股票仅买卖一次，但一开始读题想成了可以买卖多次，想了很久虽然有解法但是过于复杂。此题目难度不大，但是第一次尝试用Python做题，在很多数组的操作上非常不熟练。
我的代码
class Solution: def maxProfit(self, prices: List[int]) -> int: if prices == []: return 0 day_num = len(prices) leftmin = [9999] * day_num # 左侧的最小值 rightmax = [0] * day_num # 右侧的最大值 leftmin[0] = prices[0] rightmax[-1] = prices[-1] for i in range(1,day_num): leftmin[i] = min(leftmin[i-1],prices[i]) rightmax[day_num-i-1] = max(rightmax[day_num-i],prices[day_num-i-1]) max_price = 0 print(leftmin,'\n',rightmax) for i in range(day_num): max_price = max(max_price,rightmax[i]-leftmin[i]) return max_price别人的代码：
class Solution: def maxProfit(self, prices: List[int]) -> int: inf = int(1e9) minprice = inf maxprofit = 0 for price in prices: maxprofit = max(price - minprice, maxprofit) minprice = min(price, minprice) return maxprofit122. 买卖股票的最佳时机 II
地址:https://leetcode-cn.com/problems/best-time-to-buy-and-sell-stock-ii/
解题日期：2020-3-23
思路：此题相比于上一题的改进是可以买卖多次
相比之下，上一题要简单很多，这个题的难度不高，但是需要想到点上。当价格开始出现下降时，意味着上一次的股票必须要卖出