- 伦敦封城：大流行城市中的流动性;
- 专长和信心解释了社会影响力如何随着智力任务的发展而变化;
- 复杂网络中的中心性度量综述;
- 基于数字跟踪数据访问兴趣点的波动来量化社区适应力;
- SIR模型的解析近似解;
- 回复“关于'具有Glauber动力学的社会平衡网络模型中的相变'的评论”;
- 印度尼西亚COVID-19传播的关键数据分析以衡量新常态政策的就绪程度;
- 大规模图表示学习数据库;
- 用户情感对新浪微博公众情绪信息传播的影响;
- 空间社会网络（SSN）热点检测：非平面网络的扫描方法;
- 多层网络中的社会传染和联想扩散;
- 用于局部聚类和半监督学习的强局部超图扩散;
- SSNE：稀疏网络中链路预测的有效节点表示;
- 复杂网络的无模型隐藏几何;
- 意大利Covid-19传播的现象学描述：人口流动是控制感染病例传播的主要因素;
- 振荡模型中基于频率相关阻尼系数的在线火焰消除技术;
- 移情与排斥导致社交媒体极化的模型;
- 有向网络中的因果模体和内生级联的存在及其对公司违约的适用;
伦敦封城：大流行城市中的流动性
原文标题： 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： 本章着眼于在伦敦发生COVID-19大流行之前和期间，基本工人和非必需工人的空间分布和流动方式，并将其与英国其他地区进行比较。在2020年3月23日开始的为期3个月的锁定中，有20％的劳动力被视为从事基本工作。其他80 %%要么休假，这意味着要得到政府的支持以不工作，要么是在家工作。根据区域之间的旅行数据（旅行被分解为基本旅行和非基本旅行。尽管英国内部存在一些较大的地区差异，但我们发现，对于包含基本旅行和基本旅行的所有职业群体，基本工人的空间格局与非基本相同此外，大流行期间在家工作所节省的出行时间比例与基本工人和非必需工人的分离比例大致相同，为-80％。 ，使用Google流动性报告在伦敦不同的行政区检查了零售支出的减少以及公园使用的增加，这些报告使我们清楚地理解自首次封锁以来过去6个月中发生的情况。这些报告现在还意味着第二波感染开始了。
专长和信心解释了社会影响力如何随着智力任务的发展而变化
原文标题： 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： 在协作环境中发现个人影响力的先决条件是一个重要，实用且具有挑战性的问题。在本文中，我们研究了在集体执行一系列智力任务的个人小团体中的人际影响。我们观察到，在具有反馈的问题序列中，具有较高专业知识和社会信心的人被赋予较高的人际影响力。我们还观察到，绩效不佳的人往往会低估其绩效高的队友的专业知识。基于这些观察，我们介绍了三个假设，并为它们的有效性提供了经验和理论支持。我们报告有关交互记忆系统，社会比较和对社会影响力起源的信心启发法的长期理论的经验证据。我们提出了一个受这些理论启发的认知动力学模型来描述个人随着时间调整人际影响的过程。我们证明了该模型在预测个体影响方面的准确性，并针对表现相同的个体的情况提供了其渐近行为的分析结果。最后，我们提出了一种在预训练的文本嵌入模型上使用深度神经网络来预测个人影响的新颖方法。使用任务期间收集的消息内容，消息时间和个人正确性，我们可以准确地预测个人随时间的自我报告影响。大量实验验证了所提出模型与基线（如结构平衡和反映的评估模型）相比的准确性。虽然神经网络模型最准确，但动力学模型对于影响力预测最容易解释。
复杂网络中的中心性度量综述
原文标题： Centrality Measures in Complex Networks: A Survey
地址： http://arxiv.org/abs/2011.07190
作者： Akrati Saxena, Sudarshan Iyengar
摘要： 在复杂的网络中，每个节点都有一些独特的特征，这些特征根据给定的特定于应用程序的上下文来定义节点的重要性。可以使用文献中定义的各种中心性度量标准来识别这些特征。这些集中度度量中的一些可以使用节点的本地信息来计算，例如度集中度和半局部集中度度量。其他人则使用网络的全局信息，例如紧密性中心，介数中心性中心，特征向量中心，Katz中心性，PageRank等。在本次调查中，我们将讨论这些集中度度量和最新技术文献，包括将集中度度量扩展到不同类型的网络，在动态网络中更新集中度值的方法，识别top-k节点的方法，近似算法，开放式研究与领域相关的问题，等等。本文最后讨论了特定于应用程序的集中度度量，这将有助于根据网络类型和应用需求选择集中度度量。
基于数字跟踪数据访问兴趣点的波动来量化社区适应力
原文标题： 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： 这项研究旨在根据对各个兴趣点（POI）位置的访问波动来量化社区的应变能力。对POI的访问是人类活动的重要指标，并且刻画了人们生活方式，建筑环境条件和企业状况的综合影响。该研究在2017年休斯敦哈维飓风（美国得克萨斯州，美国）的背景下，利用了唯一访问POI的数字跟踪数据来检查影响的空间格局和总恢复工作，并利用这些措施来量化社区的适应力。结果显示，与其他POI类别相比，某些POI类别（例如建筑材料和物资经销商和杂货店）是社区中最具弹性的元素。另一方面，发现诸如医疗设施和娱乐场所等类别的弹性值较低。结果表明，这些类别对于社区恢复不是必需的，或者社区在飓风过后不能立即以正常水平使用这些服务。此外，空间分析表明，社区中许多复原力较低的地区遭受了洪水泛滥。但是，一些低回弹力的区域并未被广泛淹没，这表明影响的空间范围超出了淹没区域。结果证明了我们研究中提出的方法的重要性。尽管此研究集中在休斯顿，仅分析了一种自然灾害，但该方法可以应用于其他社区和灾难环境。应用此方法，紧急情况管理人员和公共官员可以有效地监视不同空间区域和POI类别中的灾难影响和恢复模式，还可以确定需要优先分配资源的POI类别和社区区域。
SIR模型的解析近似解
原文标题： An analytic approximate solution of the SIR model
地址： http://arxiv.org/abs/2011.07494
作者： Ignazio Lazzizzera
摘要： 具有众所周知的流行病模型SIR（D）的合适（近似）显式分析解决方案将有助于通过轻松拟合研究数据。本文提供了一种有效的方法。
回复“关于'具有Glauber动力学的社会平衡网络模型中的相变'的评论”
原文标题： 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，我们引入了[Physical Review E 100，022303（2019）]，该模型具有Glauber动力学的随机社会平衡模型，其中考虑了随机性在个人行为中的作用。我们研究的一个重要发现是，随着随机性越过临界值，从平衡状态到不平衡状态的相变将在热力学极限中消失。在最近的类似研究中[K. Malarz和K. Ku l akowskiy，（2020年），arXiv：2009.10136]，研究表明，随着系统规模的变化，临界随机性趋于无穷大。这导致作者质疑我们的结果。在这里，我们表明这种明显的不一致是每种模型中不同的能量定义的结果。我们还证明，与前述作者提出的主张相反，同步和顺序更新规则会在很大程度上影响结果。
印度尼西亚COVID-19传播的关键数据分析以衡量新常态政策的就绪程度
原文标题： 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大流行已成为全球性问题。为了打破COVID-19的传播链，已经做出了各种努力。印度尼西亚政府发布了一项大规模的社会限制政策，以防止COVID-19的传播。但是，大规模的社会限制政策影响了印尼的经济。经过多方考虑，印度尼西亚政府实施了一项新常态政策，该政策通过严格的卫生规程规范了家庭以外的活动。这项研究的目的是在大规模的社会限制时期到新常态时期之后测量印度尼西亚的准备水平。为了指定准备水平，需要以统计分析和预测建模的形式提供测量参数。根据统计分析和预测的结果，在过去的一个月中，新确诊病例增加了两倍以上。此外，新确诊病例的增长率与预测结果相比急剧增加。因此，政府必须再次审查新常态政策，强调经济因素并考虑健康因素
大规模图表示学习数据库
原文标题： 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： 随着图表示学习的迅速兴起，新的大规模数据集的构建对于区分模型功能并准确评估每种技术的优缺点是必要的。通过仔细分析现有的图数据库，我们确定了对推进图表示学习领域至关重要的3个关键组成部分：（1）大图，（2）许多图和（3）类多样性。迄今为止，没有一个图数据库提供所有这些所需的属性。我们介绍有史以来最大的公共图数据库MalNet，它代表了软件功能调用图的大规模本体。 MalNet包含超过120万张图，平均每个图超过17,000个节点和39k边，涵盖47个类型和696个族的层次结构。与流行的REDDIT-12K数据库相比，MalNet提供的图表增加了105倍，平均图表增加了44倍，类增加了63倍。我们将对MalNet进行详细分析，并讨论其性质和出处。 MalNet前所未有的规模和多样性为推动图表示学习的前沿提供了令人兴奋的机会-使得新发现和不平衡分类，可解释性以及类硬度影响的研究成为可能。该数据库可从www.mal-net.org公开获得。
用户情感对新浪微博公众情绪信息传播的影响
原文标题： 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： 社会网络充斥着不同的情感信息，这些信息的传播有助于塑造公众情绪的发展。为了帮助在事件的整个发展过程中设计有效的沟通策略，我们提出了一种基于情绪的易感性免疫传播动态模型，该模型考虑了情绪的类别，包括正面，中性和负面以及用户社区的情感选择，以调查导致公众情绪的信息传播过程。我们基于模型的分析和数值分析表明，E-SFI模型涉及的三种转发概率与实际事故情况相符，而敏感性分析描述了影响用户社区支持决策的情感选择的重要因素。引导公众情感的策略。
空间社会网络（SSN）热点检测：非平面网络的扫描方法
原文标题： 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： 移动窗口和热点检测分析是用于分析给定区域内的点模式的统计方法。此类方法已用于成功检测点事件的簇，例如偷车或癌症的发病率。但是，这些方法并未考虑到各个事件之间的联系，例如邻里内的社会纽带。本文介绍了两种GIS方法：EdgeScan和NDScan，用于刻画具有较高和较低水平的本地社交关系的区域。两种方法都是移动窗口处理，它们分别计算给定焦点区域（窗口区域）中的边数量和网络密度。焦点窗口将结果EdgeScan和NDScan统计信息附加到焦点窗口区域中心的节点。我们在1960年代纽约市黑手党成员之间联系的案例研究中实现了这些方法。我们使用焦点邻域的各种定义，包括欧几里得，曼哈顿和K最近邻（KNN）定义。我们发现KNN倾向于夸大局部网络的值，并且研究区域外围节点的结果值存在更多差异。我们发现，从位置角度来看，EdgeScan和NDScan热点与研究区域的传统空间热点不同。这些方法可以扩展到将来检测局部黑社会和主题的研究，从而可以更详细地刻画局部网络结构。
多层网络中的社会传染和联想扩散
原文标题： 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： 文化差异如何出现的问题引起了社会学研究的极大兴趣。社会学家主要通过社会传染的角度研究这种变异，这种传染主要是将文化变异归因于潜在的结构隔离，使之成为先前存在的隔离结构的缩影。另一方面，争论文化并没有像病毒那样传播，有人提出了一种称为联想传播的替代方式，其中文化传播不是在实践的偏好下发生，而是在实践之间的联系上发生。关联扩散模型随后成功地解释了文化差异，而没有将其归因于孤立的社会结构。传染模型和关联扩散模型需要不同类型的关系和相互作用，以使文化传播成为可能。实际上，两种关系都存在。考虑到这一点，我们建议将两种模型与多层网络框架结合起来。一方面，主体人随便观察了其他人的行为，从而更新了他们对实践之间联系的信念。另一方面，主体人的行为偏好直接受到封闭的他人的影响。同时，偏好和关联之间的约束满足被用来链接两者的更新，从而使每个人在偏好和关联方面成为一个连贯的实体。使用这种方法，我们纠结了通过多层网络进行的社会传染和关联扩散的影响。对于基线，我们在三种常见的网络模型上探索模型动力学：完全连接，小世界和无标度。结果表明，传染模型和关联扩散模型的两个极端之间具有非平凡的动力学关系，这证明了我们的观点，即有必要同时考虑两个模型。
用于局部聚类和半监督学习的强局部超图扩散
原文标题： 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： 现在，基于超图的机器学习方法对于建模和使用数据对象之间的高阶和多向关系非常重要。局部超图聚类和半监督学习特别涉及在给定的一组标记顶点附近找到一个连接良好的节点集。尽管图存在许多用于局部聚类的方法，但是在超图中进行局部聚类的方法相对较少。而且，存在的那些模型通常缺乏对通用类的超图割函数建模的灵活性，或者无法扩展到大问题。为理解决这些问题，本文提出了一种新的基于扩散的超图聚类算法，该算法解决了基于二次超图割的目标，类似于针对图的Andersen-Chung-Lang个性化PageRank聚类的超图类似物。我们证明，对于具有最大超边尺寸固定的图，此方法具有较强的局部性，这意味着其运行时间仅取决于输出的大小，而不取决于超图的大小，并且具有高度可伸缩性。此外，我们的方法使我们能够使用多种基于基数的超图割函数进行计算。我们还证明，通过求解新的目标函数找到的聚类满足Cheeger式质量保证。我们证明，在大型现实世界的超图上，我们的新方法可以找到更好的聚类，并且比现有方法运行得快得多。具体来说，对于具有数百万个超边的超图，运行时间为几秒钟，而基于流的技术则为数分钟。我们进一步表明，我们的框架足够通用，也可以用于解决超图上其他基于p范数的割目标。我们的代码位于 url github.com/MengLiuPurdue/LHQD。
SSNE：稀疏网络中链路预测的有效节点表示
原文标题： 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： 在复杂网络中的链路预测中，图嵌入正变得越来越流行，并获得了出色的性能。但是，在代表大多数实际网络的稀疏网络中，所做的工作有限。在本文中，我们提出了一个模型，稀疏结构网络嵌入（SSNE），以获得稀疏网络中链路预测的节点表示。 SSNE首先将邻接矩阵转换为规范化的 H 阶邻接矩阵之和（SNHAM），然后将SNHAM矩阵映射为 d 维特征矩阵以通过神经网络模型表示节点。映射操作被证明是奇异值分解的等效变体。最后，我们基于此类特征矩阵计算节点相似度以进行链路预测。通过基于合成和真实稀疏网络的大量测试实验，我们表明，与结构相似性指标，矩阵优化和其他图嵌入模型相比，该方法具有更好的链路预测性能。
复杂网络的无模型隐藏几何
原文标题： 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： 将网络嵌入度量空间的基本思想是基于邻近性保留的原理。节点以成对的距离映射到空间中的点，反映了它们在网络中的接近程度。在网络嵌入中使用的流行方法要么依赖于邻近性保留原理的隐式近似，要么通过强制嵌入空间的几何形状来实现它，从而阻碍了网络可能自发展现的几何特性。在这里，我们利用为保留成对邻近而明确设计的无模型嵌入方法，并描述了从多个实际和合成网络的映射中出现的几何形状。我们证明学习的嵌入具有简单直观的解释：节点到几何中心的距离代表其紧密性中心，并且节点的相对位置反映了网络的社区结构。可以在相对低维的嵌入空间中保留邻近区域，并且无论特定的网络拓扑如何，隐藏的几何体在引导贪婪导航方面均显示最佳性能。我们最终表明，该映射提供了网络上传播过程的自然描述，其中复杂的时空模式由从几何中心传播到外围的波表示。这些发现加深了我们对复杂网络的无模型隐藏几何的理解。
意大利Covid-19传播的现象学描述：人口流动是控制感染病例传播的主要因素
原文标题： 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： 从2019年底开始，冠状病毒（COVID-19）的传播已在意大利确定了几种旨在防止卫生系统饱和的干预措施。我们通过提出一个简单的扩散过程描述均等场模型来研究这些措施的效果，该模型基于一个简单的扩散过程，在该过程中所有可观察到的变量（仍对感染呈阳性的人数，住院和死亡人数，已治愈的人，以及感染感染的总人数）取决于平均参数，即扩散系数，感染横截面和人口密度。尽管此模型不如文献中的其他模型复杂，但它使我们能够将流行病统计信息的趋势（住院病例，死亡人数，感染人数等）直接与定义明确的可观察到的物理量相关联：每个人每天见到的平均人数。该模型非常适合该流行病数据，并允许我们将住院病例数的时间演变和爆发的死亡与人员流动的变化紧密相关，从而在意大利实施了渐进式限制，直到现在天（2020年11月15日）。
振荡模型中基于频率相关阻尼系数的在线火焰消除技术
原文标题： 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： 在线社会网络非常活跃，通常会经历爆炸性的用户动态，例如在线燃烧，这可能会严重影响现实世界。但是，由于对在线用户动态影响的迅速传播，基于对引发火焰的个人进行社会分析的对策太慢而无法有效。提出了一种基于振荡模型的燃烧现象对策技术，描述了在线用户动态。这是立即解决方案，因为它不依赖于个人的社会分析。基于振动模型的常规对策假定阻尼系数为常数，而与固有频率无关。然而，由于阻尼系数通常固有地取决于频率，因此该假设是有问题的。依存关系的理论正在阐明。本文讨论了一种在一般情况下使用阻尼系数来防止燃烧的设计方法，并考虑了阻尼系数的频率依赖性，并针对该现象提出了对策技术。
移情与排斥导致社交媒体极化的模型
原文标题： 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： 近年来，易于访问社交媒体已经导致了信息源缩减的意外问题。这种现象是由一个系统推动的，该系统可促进具有相似想法和推荐系统的人们之间的联系。选择信息源时的偏见加剧了两极分化，这种分化将人们分为具有反对意见的多个群体，并在反对群体之间造成冲突。本文通过提出一种考虑用户对同情和排斥的反应的社交媒体中的意见形成模型，阐明了两极分化的机制。基于意见中立仅是相对的想法，该模型提供了一种处理极化的新颖技术。
有向网络中的因果模体和内生级联的存在及其对公司违约的适用
原文标题： 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： 通过检测经济违约的级联，我们开发了一种基于本文定义的因果模体的内生扩散检测框架。我们假设状态的顶点变化可以由内源性事件或外源性事件触发，基础网络是有方向性的，并且顶点发生变化的时间是可用的。除了我们使用的公司违约数据外，我们还模拟了由不同的随机过程在不同的合成网络上驱动的级联。我们还将近似主方程方法扩展到带有时间标记的有向网络，以理解在哪种情况下可以进行检测。我们表明，一些最小的模体可以稳健地检测级联。
声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。