We start with the formulation of us

We start with the formulation of useful local features of a node in the network, which then lead to the machine learning scheme. We feed a subset of known conspirators and non-conspirators as a training samples into the learning algorithm. We then use the algorithm to estimate the probability of being a conspirator for every other individual in the network.

結果 (中文) 1:

我们开始与有用的本地功能的节点在网络中，然后导致机器学习计划的制定。我们送入已知的阴谋和非阴谋的一个子集作为训练样本的学习算法。然后我们使用该算法估计，可能要在网络中的其他人同谋。

結果 (中文) 2:

我们先从的网络中的节点的有用的局部特征，然后导致机器学习方案的制剂。我们养活称为阴谋和非阴谋的一个子集作为训练样本到学习算法。然后，我们使用算法来估计的是用于网络中的每个其它单独的共谋者的概率。

結果 (中文) 3:

我们从制定有用的本地功能的网络中的节点，然后导致机器学习方案。我们已知的同谋者和非饲料阴谋的一个子集作为训练样本学习算法。然后用算法估计在网络的每一个其他人同谋的概率。