原文標題： Hybrid Random Networks Mixing Preferential Attachment with Uniform Attachment Mechanisms
地址： http://arxiv.org/abs/2101.04611
作者： Tiandong Wang, Panpan Zhang
摘要： 由於網絡數據的複雜性，我們提出了一種有向混合隨機網絡，該網絡將優先連接（PA）規則與統一附件（UA）規則混合在一起。當創建新邊沿時，概率為 p in [0,1] ，它遵循PA規則。否則，此新邊將添加到兩個均勻選擇的節點之間。與純PA情況相比，這種混合使得固定節點的入度和出度以較慢的速率增長，從而導致分布尾部更輕。然後提供了針對所提出的混合模型的有用推理方法，並將其應用於合成數據集和實際數據集。我們看到，通過參數 p 提供了額外的靈活性，混合隨機網絡提供了更好的適合實際情況的方案，在該方案中，觀察到了來自度數和度數的較輕尾部。
後處理分層社區結構：質量改進和多尺度視圖原文標題： Post-Processing Hierarchical Community Structures: Quality Improvements and Multi-scale View
地址： http://arxiv.org/abs/cs/0608050
作者： Pascal Pons, Matthieu Latapy
摘要： 稀疏圖（社區）的密集子圖出現在大多數現實世界的複雜網絡中，在許多情況下都發揮著重要作用。大多數現有的社區檢測算法會生成社區的層次結構，並尋求對社區的劃分，以優化給定的質量函數。我們提出了新的方法來改善任何這些算法的結果。首先，我們展示了如何在比傳統方法更大的分區集上優化通用類別的加性質量函數（包含模塊化，性能和我們提出的基於相似度的新質量函數）。此外，我們定義了新的多尺度質量函數，該函數可以檢測有意義的社區結構出現的不同尺度，而經典方法只能找到一個分區。
關於網絡複雜性的估計：圖元的維數原文標題： On the Estimation of Network Complexity: Dimension of Graphons
地址： http://arxiv.org/abs/1909.02900
作者： Yann Issartel
摘要： 對網絡的複雜性進行了半個多世紀的研究，並發現了廣泛的應用。已經開發出許多方法來表徵和估計網絡的複雜性。但是，很少有關於統計保證的研究。在本文中，我們在隨機圖的一般模型（即所謂的graphon模型）中發展了圖複雜度的統計理論。給定一個graphon，我們賦予節點的潛在空間以鄰域距離，該鄰域距離測量兩個節點與相似節點連接的傾向。然後，我們的複雜度指標是基於該度量空間的覆蓋數和Minkowski維（該度量空間的純版本）的。儘管潛在空間無法識別，但是這些索引卻是可識別的。這種複雜性的概念對隨機圖的流行示例具有簡單的解釋：它與隨機塊模型中的社區數量相匹配；隨機幾何圖中歐幾裡得空間的維數； H 「較舊的graphon模型中的連結函數的規則性。通過對圖的單次觀察，我們構造了鄰域距離的估計量，並顯示了其風險的通用非漸近界線，與minimax下界線匹配。估算距離，我們計算相應的覆蓋數和Minkowski尺寸，並為這兩個插件估算器提供最佳的非漸近誤差範圍。
統計物理學啟發的模型，用於驅動市場供需的內在波動原文標題： Statistical-physics-inspired model for intrinsic fluctuations driving supply and demand in markets
地址： http://arxiv.org/abs/2101.04361
作者： J.R. Mulder, René van Roij, R.A. Duine
摘要： 對於內在波動對市場供求的影響，我們提出了一個簡單的統計物理啟發模型。該模型由從事兩種類型商品的主體商組成，它們的總數分開保存。單個主體商對兩種商品的相對偏好由對所有主體商都相同的效用確定。計算市場供求曲線，並比較主體之間商品分配的各種動機選擇。特別是，我們將所有主體商具有相同數量的商品且類似於經濟學教科書的「平均域」案例與Boltzmann-Gibbs分布式商品的案例進行了比較，其中主體商的數量具有波動性。商品。我們發現，這兩種方法所產生的均衡價格是不相等的，尤其是當很大一部分主體商既不能買也不能賣時。
刻畫阿根廷COVID-19大流行期間的社交媒體表達並預測心理健康和情緒原文標題： Capturing social media expressions during the COVID-19 pandemic in Argentina and forecasting mental health and emotions
地址： http://arxiv.org/abs/2101.04540
作者： Antonela Tommasel, Andres Diaz-Pace, Juan Manuel Rodriguez, Daniela Godoy
摘要： 目的。我們提供了一種基於社交媒體中使用的語言表達方式來預測COVID-19大流行期間特定人群的心理健康狀況和情緒的方法。這種方法可以在短期到中期的時間範圍內預測高流行期。設計。心理健康狀況和情緒是通過標記刻畫的，這些標記將社交媒體內容與詞典聯繫起來。首先，我們為決策者建立描述性時間表，以監控標記的演變以及它們與危機事件的相關性。其次，我們將時間軸建模為時間序列，並支持它們的預測，這反過來又有助於確定估計標記的高流行點。發現。結果表明，不同的時間序列預測策略提供了不同的功能。在最佳情況下，即使在危機的早期階段（例如7天）可獲得的數據有限，使用神經網絡策略也可以令人滿意地預測情緒高發時期和心理健康障礙的出現。獨創性。儘管文獻中已經做出努力來預測個體的心理狀態，但是在集體層面上對心理健康的分析卻很少受到關注。我們提出了一種預測方法，以更大規模地分析給定人群（或個人群體）的心理健康，從而向前邁進了一步。實際影響。我們認為，這項工作有助於更好地理解與危機相關的心理過程如何在社交媒體中體現出來，這是設計，實施和監測健康預防和溝通政策的寶貴資產。
使用HyperLogLog計數器在大型網絡中查找高度連接的群集原文標題： Locating highly connected clusters in large networks with HyperLogLog counters
地址： http://arxiv.org/abs/2101.04610
作者： Lotte Weedage, Nelly Litvak, Clara Stegehuis
摘要： 在本文中，我們介紹了一種在網絡中定位高度連接的群集的新方法。我們提出的方法適用於HyperBall算法，以內存高效的方式在大型圖中定位具有高密度小子圖模式的區域。我們使用這種方法來評估子圖連通性的三種度量：電導率，三角形數量和傳遞性。我們證明了將我們的算法應用於這些度量，有助於識別圖中的聚類區域，並為社區檢測算法（例如PageRank-Nibble）提供了良好的種子集。我們從分析上獲得了我們新算法的性能保證，並通過在合成網絡和實際網絡上進行的一系列數值實驗證明了它們的有效性。
聲明：Arxiv文章摘要版權歸論文原作者所有，機器翻譯後由本人進行校正整理，未經同意請勿隨意轉載。本系列在微信公眾號「網絡科學研究速遞」（微信號netsci）和個人博客 https://www.complexly.cn （提供RSS訂閱）進行同步更新。個性化論文閱讀與推薦請訪問 https://arxiv.complexly.cn 平臺。