Arxiv網絡科學論文摘要18篇(2020-11-17)

• 倫敦封城：大流行城市中的流動性;
• 專長和信心解釋了社會影響力如何隨著智力任務的發展而變化;
• 複雜網絡中的中心性度量綜述;
• 基於數字跟蹤數據訪問興趣點的波動來量化社區適應力;
• SIR模型的解析近似解;
• 回復「關於』具有Glauber動力學的社會平衡網絡模型中的相變』的評論」;
• 印度尼西亞COVID-19傳播的關鍵數據分析以衡量新常態政策的就緒程度;
• 大規模圖表示學習資料庫;
• 用戶情感對新浪微博公眾情緒信息傳播的影響;
• 空間社會網絡（SSN）熱點檢測：非平面網絡的掃描方法;
• 多層網絡中的社會傳染和聯想擴散;
• 用於局部聚類和半監督學習的強局部超圖擴散;
• SSNE：稀疏網絡中鏈路預測的有效節點表示;
• 複雜網絡的無模型隱藏幾何;
• 義大利Covid-19傳播的現象學描述：人口流動是控制感染病例傳播的主要因素;
• 振蕩模型中基於頻率相關阻尼係數的在線火焰消除技術;
• 移情與排斥導致社交媒體極化的模型;
• 有向網絡中的因果模體和內生級聯的存在及其對公司違約的適用;

倫敦封城：大流行城市中的流動性

原文標題： London in Lockdown: Mobility in the Pandemic City

地址： http://arxiv.org/abs/2011.07165

作者： Michael Batty, Roberto Murcio, Iacopo Iacopini, Maarten Vanhoof, Richard Milton

摘要： 本章著眼於在倫敦發生COVID-19大流行之前和期間，基本工人和非必需工人的空間分布和流動方式，並將其與英國其他地區進行比較。在2020年3月23日開始的為期3個月的鎖定中，有20％的勞動力被視為從事基本工作。其他80 %%要麼休假，這意味著要得到政府的支持以不工作，要麼是在家工作。根據區域之間的旅行數據（旅行被分解為基本旅行和非基本旅行。儘管英國內部存在一些較大的地區差異，但我們發現，對於包含基本旅行和基本旅行的所有職業群體，基本工人的空間格局與非基本相同此外，大流行期間在家工作所節省的出行時間比例與基本工人和非必需工人的分離比例大致相同，為-80％。 ，使用Google流動性報告在倫敦不同的行政區檢查了零售支出的減少以及公園使用的增加，這些報告使我們清楚地理解自首次封鎖以來過去6個月中發生的情況。這些報告現在還意味著第二波感染開始了。

專長和信心解釋了社會影響力如何隨著智力任務的發展而變化

原文標題： Expertise and confidence explain how social influence evolves along intellective tasks

地址： http://arxiv.org/abs/2011.07168

作者： Omid Askarisichani, Elizabeth Y. Huang, Kekoa S. Sato, Noah E. Friedkin, Francesco Bullo, Ambuj K. Singh

摘要： 在協作環境中發現個人影響力的先決條件是一個重要，實用且具有挑戰性的問題。在本文中，我們研究了在集體執行一系列智力任務的個人小團體中的人際影響。我們觀察到，在具有反饋的問題序列中，具有較高專業知識和社會信心的人被賦予較高的人際影響力。我們還觀察到，績效不佳的人往往會低估其績效高的隊友的專業知識。基於這些觀察，我們介紹了三個假設，並為它們的有效性提供了經驗和理論支持。我們報告有關交互記憶系統，社會比較和對社會影響力起源的信心啟發法的長期理論的經驗證據。我們提出了一個受這些理論啟發的認知動力學模型來描述個人隨著時間調整人際影響的過程。我們證明了該模型在預測個體影響方面的準確性，並針對表現相同的個體的情況提供了其漸近行為的分析結果。最後，我們提出了一種在預訓練的文本嵌入模型上使用深度神經網絡來預測個人影響的新穎方法。使用任務期間收集的消息內容，消息時間和個人正確性，我們可以準確地預測個人隨時間的自我報告影響。大量實驗驗證了所提出模型與基線（如結構平衡和反映的評估模型）相比的準確性。雖然神經網絡模型最準確，但動力學模型對於影響力預測最容易解釋。

複雜網絡中的中心性度量綜述

原文標題： Centrality Measures in Complex Networks: A Survey

地址： http://arxiv.org/abs/2011.07190

作者： Akrati Saxena, Sudarshan Iyengar

摘要： 在複雜的網絡中，每個節點都有一些獨特的特徵，這些特徵根據給定的特定於應用程式的上下文來定義節點的重要性。可以使用文獻中定義的各種中心性度量標準來識別這些特徵。這些集中度度量中的一些可以使用節點的本地信息來計算，例如度集中度和半局部集中度度量。其他人則使用網絡的全局信息，例如緊密性中心，介數中心性中心，特徵向量中心，Katz中心性，PageRank等。在本次調查中，我們將討論這些集中度度量和最新技術文獻，包括將集中度度量擴展到不同類型的網絡，在動態網絡中更新集中度值的方法，識別top-k節點的方法，近似算法，開放式研究與領域相關的問題，等等。本文最後討論了特定於應用程式的集中度度量，這將有助於根據網絡類型和應用需求選擇集中度度量。

基於數字跟蹤數據訪問興趣點的波動來量化社區適應力

原文標題： Quantifying Community Resilience Based on Fluctuations in Visits to Point-of-Interest from Digital Trace Data

地址： http://arxiv.org/abs/2011.07440

作者： Cristian Podesta (1), Natalie Coleman (1), Amir Esmalian (1), Fax Yuan (1), Ali Mostafavi (1) ((1) Urban Resilience.AI Lab, Zachry Department of Civil and Environmental Engineering, Texas A&M University)

摘要： 這項研究旨在根據對各個興趣點（POI）位置的訪問波動來量化社區的應變能力。對POI的訪問是人類活動的重要指標，並且刻畫了人們生活方式，建築環境條件和企業狀況的綜合影響。該研究在2017年休斯敦哈維颶風（美國德克薩斯州，美國）的背景下，利用了唯一訪問POI的數字跟蹤數據來檢查影響的空間格局和總恢復工作，並利用這些措施來量化社區的適應力。結果顯示，與其他POI類別相比，某些POI類別（例如建築材料和物資經銷商和雜貨店）是社區中最具彈性的元素。另一方面，發現諸如醫療設施和娛樂場所等類別的彈性值較低。結果表明，這些類別對於社區恢復不是必需的，或者社區在颶風過後不能立即以正常水平使用這些服務。此外，空間分析表明，社區中許多復原力較低的地區遭受了洪水泛濫。但是，一些低回彈力的區域並未被廣泛淹沒，這表明影響的空間範圍超出了淹沒區域。結果證明了我們研究中提出的方法的重要性。儘管此研究集中在休斯頓，僅分析了一種自然災害，但該方法可以應用於其他社區和災難環境。應用此方法，緊急情況管理人員和公共官員可以有效地監視不同空間區域和POI類別中的災難影響和恢復模式，還可以確定需要優先分配資源的POI類別和社區區域。

SIR模型的解析近似解

原文標題： An analytic approximate solution of the SIR model

地址： http://arxiv.org/abs/2011.07494

作者： Ignazio Lazzizzera

摘要： 具有眾所周知的流行病模型SIR（D）的合適（近似）顯式分析解決方案將有助於通過輕鬆擬合研究數據。本文提供了一種有效的方法。

回復「關於』具有Glauber動力學的社會平衡網絡模型中的相變』的評論」

原文標題： Reply to 「Comment on 『Phase transition in a network model of social balance with Glauber dynamics』 「

地址： http://arxiv.org/abs/2011.07501

作者： Pouya Manshour, Afshin Montakhab

摘要： 最近，我們引入了[Physical Review E 100，022303（2019）]，該模型具有Glauber動力學的隨機社會平衡模型，其中考慮了隨機性在個人行為中的作用。我們研究的一個重要發現是，隨著隨機性越過臨界值，從平衡狀態到不平衡狀態的相變將在熱力學極限中消失。在最近的類似研究中[K. Malarz和K. Ku l akowskiy，（2020年），arXiv：2009.10136]，研究表明，隨著系統規模的變化，臨界隨機性趨於無窮大。這導致作者質疑我們的結果。在這裡，我們表明這種明顯的不一致是每種模型中不同的能量定義的結果。我們還證明，與前述作者提出的主張相反，同步和順序更新規則會在很大程度上影響結果。

印度尼西亞COVID-19傳播的關鍵數據分析以衡量新常態政策的就緒程度

原文標題： Critical data analysis of COVID-19 spreading in Indonesia to measure the readiness of new-normal policy

地址： http://arxiv.org/abs/2011.07679

作者： Muhammad Ariful Furqon, Nina Fadilah Najwa, Endah Septa Sintiya, Erista Maya Safitri, Iqbal Ramadhani Mukhlis

摘要： 如今，COVID-19大流行已成為全球性問題。為了打破COVID-19的傳播鏈，已經做出了各種努力。印度尼西亞政府發布了一項大規模的社會限制政策，以防止COVID-19的傳播。但是，大規模的社會限制政策影響了印尼的經濟。經過多方考慮，印度尼西亞政府實施了一項新常態政策，該政策通過嚴格的衛生規程規範了家庭以外的活動。這項研究的目的是在大規模的社會限制時期到新常態時期之後測量印度尼西亞的準備水平。為了指定準備水平，需要以統計分析和預測建模的形式提供測量參數。根據統計分析和預測的結果，在過去的一個月中，新確診病例增加了兩倍以上。此外，新確診病例的增長率與預測結果相比急劇增加。因此，政府必須再次審查新常態政策，強調經濟因素並考慮健康因素

大規模圖表示學習資料庫

原文標題： A Large-Scale Database for Graph Representation Learning

地址： http://arxiv.org/abs/2011.07682

作者： Scott Freitas, Yuxiao Dong, Joshua Neil, Duen Horng Chau

摘要： 隨著圖表示學習的迅速興起，新的大規模數據集的構建對於區分模型功能並準確評估每種技術的優缺點是必要的。通過仔細分析現有的圖資料庫，我們確定了對推進圖表示學習領域至關重要的3個關鍵組成部分：（1）大圖，（2）許多圖和（3）類多樣性。迄今為止，沒有一個圖資料庫提供所有這些所需的屬性。我們介紹有史以來最大的公共圖資料庫MalNet，它代表了軟體功能調用圖的大規模本體。 MalNet包含超過120萬張圖，平均每個圖超過17,000個節點和39k邊，涵蓋47個類型和696個族的層次結構。與流行的REDDIT-12K資料庫相比，MalNet提供的圖表增加了105倍，平均圖表增加了44倍，類增加了63倍。我們將對MalNet進行詳細分析，並討論其性質和出處。 MalNet前所未有的規模和多樣性為推動圖表示學習的前沿提供了令人興奮的機會-使得新發現和不平衡分類，可解釋性以及類硬度影響的研究成為可能。該資料庫可從www.mal-net.org公開獲得。

用戶情感對新浪微博公眾情緒信息傳播的影響

原文標題： Influence of User Emotion on Information Propagation with Public Sentiment in the Chinese Sina-microblog

地址： http://arxiv.org/abs/2011.07694

作者： Fulian Yin

摘要： 社會網絡充斥著不同的情感信息，這些信息的傳播有助於塑造公眾情緒的發展。為了幫助在事件的整個發展過程中設計有效的溝通策略，我們提出了一種基於情緒的易感性免疫傳播動態模型，該模型考慮了情緒的類別，包括正面，中性和負面以及用戶社區的情感選擇，以調查導致公眾情緒的信息傳播過程。我們基於模型的分析和數值分析表明，E-SFI模型涉及的三種轉發概率與實際事故情況相符，而敏感性分析描述了影響用戶社區支持決策的情感選擇的重要因素。引導公眾情感的策略。

空間社會網絡（SSN）熱點檢測：非平面網絡的掃描方法

原文標題： Spatial Social Network (SSN) Hot Spot Detection: Scan Methods for Non-Planar Networks

地址： http://arxiv.org/abs/2011.07702

作者： Joshua Baker, Clio Andris, Daniel DellaPosta

摘要： 移動窗口和熱點檢測分析是用於分析給定區域內的點模式的統計方法。此類方法已用於成功檢測點事件的簇，例如偷車或癌症的發病率。但是，這些方法並未考慮到各個事件之間的聯繫，例如鄰裡內的社會紐帶。本文介紹了兩種GIS方法：EdgeScan和NDScan，用於刻畫具有較高和較低水平的本地社交關係的區域。兩種方法都是移動窗口處理，它們分別計算給定焦點區域（窗口區域）中的邊數量和網絡密度。焦點窗口將結果EdgeScan和NDScan統計信息附加到焦點窗口區域中心的節點。我們在1960年代紐約市黑手黨成員之間聯繫的案例研究中實現了這些方法。我們使用焦點鄰域的各種定義，包括歐幾裡得，曼哈頓和K最近鄰（KNN）定義。我們發現KNN傾向於誇大局部網絡的值，並且研究區域外圍節點的結果值存在更多差異。我們發現，從位置角度來看，EdgeScan和NDScan熱點與研究區域的傳統空間熱點不同。這些方法可以擴展到將來檢測局部黑社會和主題的研究，從而可以更詳細地刻畫局部網絡結構。

多層網絡中的社會傳染和聯想擴散

原文標題： Social Contagion and Associative Diffusion in Multilayer Network

地址： http://arxiv.org/abs/2011.07746

作者： Heng-Chien Liou, Hsuan-Wei Lee

摘要： 文化差異如何出現的問題引起了社會學研究的極大興趣。社會學家主要通過社會傳染的角度研究這種變異，這種傳染主要是將文化變異歸因於潛在的結構隔離，使之成為先前存在的隔離結構的縮影。另一方面，爭論文化並沒有像病毒那樣傳播，有人提出了一種稱為聯想傳播的替代方式，其中文化傳播不是在實踐的偏好下發生，而是在實踐之間的聯繫上發生。關聯擴散模型隨後成功地解釋了文化差異，而沒有將其歸因於孤立的社會結構。傳染模型和關聯擴散模型需要不同類型的關係和相互作用，以使文化傳播成為可能。實際上，兩種關係都存在。考慮到這一點，我們建議將兩種模型與多層網絡框架結合起來。一方面，主體人隨便觀察了其他人的行為，從而更新了他們對實踐之間聯繫的信念。另一方面，主體人的行為偏好直接受到封閉的他人的影響。同時，偏好和關聯之間的約束滿足被用來連結兩者的更新，從而使每個人在偏好和關聯方面成為一個連貫的實體。使用這種方法，我們糾結了通過多層網絡進行的社會傳染和關聯擴散的影響。對於基線，我們在三種常見的網絡模型上探索模型動力學：完全連接，小世界和無標度。結果表明，傳染模型和關聯擴散模型的兩個極端之間具有非平凡的動力學關係，這證明了我們的觀點，即有必要同時考慮兩個模型。

用於局部聚類和半監督學習的強局部超圖擴散

原文標題： Strongly Local Hypergraph Diffusions for Clustering and Semi-supervised Learning

地址： http://arxiv.org/abs/2011.07752

作者： Meng Liu, Nate Veldt, Haoyu Song, Pan Li, David F. Gleich

摘要： 現在，基於超圖的機器學習方法對於建模和使用數據對象之間的高階和多向關係非常重要。局部超圖聚類和半監督學習特別涉及在給定的一組標記頂點附近找到一個連接良好的節點集。儘管圖存在許多用於局部聚類的方法，但是在超圖中進行局部聚類的方法相對較少。而且，存在的那些模型通常缺乏對通用類的超圖割函數建模的靈活性，或者無法擴展到大問題。為理解決這些問題，本文提出了一種新的基於擴散的超圖聚類算法，該算法解決了基於二次超圖割的目標，類似於針對圖的Andersen-Chung-Lang個性化PageRank聚類的超圖類似物。我們證明，對於具有最大超邊尺寸固定的圖，此方法具有較強的局部性，這意味著其運行時間僅取決於輸出的大小，而不取決於超圖的大小，並且具有高度可伸縮性。此外，我們的方法使我們能夠使用多種基於基數的超圖割函數進行計算。我們還證明，通過求解新的目標函數找到的聚類滿足Cheeger式質量保證。我們證明，在大型現實世界的超圖上，我們的新方法可以找到更好的聚類，並且比現有方法運行得快得多。具體來說，對於具有數百萬個超邊的超圖，運行時間為幾秒鐘，而基於流的技術則為數分鐘。我們進一步表明，我們的框架足夠通用，也可以用於解決超圖上其他基於p範數的割目標。我們的代碼位於 url github.com/MengLiuPurdue/LHQD。

SSNE：稀疏網絡中鏈路預測的有效節點表示

原文標題： SSNE: Effective Node Representation for Link Prediction in Sparse Networks

地址： http://arxiv.org/abs/2011.07788

作者： Min-Ren Chen, Ping Huang, Yu Lin, Shi-Min Cai

摘要： 在複雜網絡中的鏈路預測中，圖嵌入正變得越來越流行，並獲得了出色的性能。但是，在代表大多數實際網絡的稀疏網絡中，所做的工作有限。在本文中，我們提出了一個模型，稀疏結構網絡嵌入（SSNE），以獲得稀疏網絡中鏈路預測的節點表示。 SSNE首先將鄰接矩陣轉換為規範化的 H 階鄰接矩陣之和（SNHAM），然後將SNHAM矩陣映射為 d 維特徵矩陣以通過神經網絡模型表示節點。映射操作被證明是奇異值分解的等效變體。最後，我們基於此類特徵矩陣計算節點相似度以進行鏈路預測。通過基於合成和真實稀疏網絡的大量測試實驗，我們表明，與結構相似性指標，矩陣優化和其他圖嵌入模型相比，該方法具有更好的鏈路預測性能。

複雜網絡的無模型隱藏幾何

原文標題： Model-free hidden geometry of complex networks

地址： http://arxiv.org/abs/2011.08103

作者： Yi-Jiao Zhang, Kai-Cheng Yang, Filippo Radicchi

摘要： 將網絡嵌入度量空間的基本思想是基於鄰近性保留的原理。節點以成對的距離映射到空間中的點，反映了它們在網絡中的接近程度。在網絡嵌入中使用的流行方法要麼依賴於鄰近性保留原理的隱式近似，要麼通過強制嵌入空間的幾何形狀來實現它，從而阻礙了網絡可能自發展現的幾何特性。在這裡，我們利用為保留成對鄰近而明確設計的無模型嵌入方法，並描述了從多個實際和合成網絡的映射中出現的幾何形狀。我們證明學習的嵌入具有簡單直觀的解釋：節點到幾何中心的距離代表其緊密性中心，並且節點的相對位置反映了網絡的社區結構。可以在相對低維的嵌入空間中保留鄰近區域，並且無論特定的網絡拓撲如何，隱藏的幾何體在引導貪婪導航方面均顯示最佳性能。我們最終表明，該映射提供了網絡上傳播過程的自然描述，其中複雜的時空模式由從幾何中心傳播到外圍的波表示。這些發現加深了我們對複雜網絡的無模型隱藏幾何的理解。

義大利Covid-19傳播的現象學描述：人口流動是控制感染病例傳播的主要因素

原文標題： Phenomenological description of spread of Covid-19 in Italy: people mobility as main factor controlling propagation of infection cases

地址： http://arxiv.org/abs/2011.08111

作者： Corrado Spinella, Antonio Massimiliano Mio

摘要： 從2019年底開始，冠狀病毒（COVID-19）的傳播已在義大利確定了幾種旨在防止衛生系統飽和的幹預措施。我們通過提出一個簡單的擴散過程描述均等場模型來研究這些措施的效果，該模型基於一個簡單的擴散過程，在該過程中所有可觀察到的變量（仍對感染呈陽性的人數，住院和死亡人數，已治癒的人，以及感染感染的總人數）取決於平均參數，即擴散係數，感染橫截面和人口密度。儘管此模型不如文獻中的其他模型複雜，但它使我們能夠將流行病統計信息的趨勢（住院病例，死亡人數，感染人數等）直接與定義明確的可觀察到的物理量相關聯：每個人每天見到的平均人數。該模型非常適合該流行病數據，並允許我們將住院病例數的時間演變和爆發的死亡與人員流動的變化緊密相關，從而在義大利實施了漸進式限制，直到現在天（2020年11月15日）。

振蕩模型中基於頻率相關阻尼係數的在線火焰消除技術

原文標題： Technology to Counter Online Flaming Based on the Frequency-Dependent Damping Coefficient in the Oscillation Model

地址： http://arxiv.org/abs/2011.08117

作者： Shinichi Kikuchi, Chisa Takano, Masaki Aida

摘要： 在線社會網絡非常活躍，通常會經歷爆炸性的用戶動態，例如在線燃燒，這可能會嚴重影響現實世界。但是，由於對在線用戶動態影響的迅速傳播，基於對引發火焰的個人進行社會分析的對策太慢而無法有效。提出了一種基于振蕩模型的燃燒現象對策技術，描述了在線用戶動態。這是立即解決方案，因為它不依賴於個人的社會分析。基于振動模型的常規對策假定阻尼係數為常數，而與固有頻率無關。然而，由於阻尼係數通常固有地取決於頻率，因此該假設是有問題的。依存關係的理論正在闡明。本文討論了一種在一般情況下使用阻尼係數來防止燃燒的設計方法，並考慮了阻尼係數的頻率依賴性，並針對該現象提出了對策技術。

移情與排斥導致社交媒體極化的模型

原文標題： A Model of Polarization on Social Media Caused by Empathy and Repulsion

地址： http://arxiv.org/abs/2011.08141

作者： Naoki Hirakura, Masaki Aida, Konosuke Kawashima

摘要： 近年來，易於訪問社交媒體已經導致了信息源縮減的意外問題。這種現象是由一個系統推動的，該系統可促進具有相似想法和推薦系統的人們之間的聯繫。選擇信息源時的偏見加劇了兩極分化，這種分化將人們分為具有反對意見的多個群體，並在反對群體之間造成衝突。本文通過提出一種考慮用戶對同情和排斥的反應的社交媒體中的意見形成模型，闡明了兩極分化的機制。基於意見中立僅是相對的想法，該模型提供了一種處理極化的新穎技術。

有向網絡中的因果模體和內生級聯的存在及其對公司違約的適用

原文標題： Causal motifs and existence of endogenous cascades in directed networks with application to company defaults

地址： http://arxiv.org/abs/2011.08148

作者： Irena Barjašić, Hrvoje Štefančić, Vedrana Pribičević, Vinko Zlatić

摘要： 通過檢測經濟違約的級聯，我們開發了一種基於本文定義的因果模體的內生擴散檢測框架。我們假設狀態的頂點變化可以由內源性事件或外源性事件觸發，基礎網絡是有方向性的，並且頂點發生變化的時間是可用的。除了我們使用的公司違約數據外，我們還模擬了由不同的隨機過程在不同的合成網絡上驅動的級聯。我們還將近似主方程方法擴展到帶有時間標記的有向網絡，以理解在哪種情況下可以進行檢測。我們表明，一些最小的模體可以穩健地檢測級聯。

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。本系列在公眾號「網絡科學研究速遞」（netsci）和個人博客進行同步更新。