- 带有规定的K-核序列的随机图：用于网络分析的新零模型;
- 用于理解在线社交认知的认知网络科学：简要综述;
- 迈向稳健的图对比学习;
- 局部拓扑运动决定了双曲高阶网络的整体扩散特性;
- 用于快速发展的在线讨论动态社交媒体监控;
- 近似保护隐私的邻域估计;
- 使用发生数据估算异构模型的有效再生数;
- 两层投票系统中的集体偏见模型与民主赤字;
- 具有合作和对立意见动态的网络SIS流行病模型;
- 通过有针对性地采用联系人跟踪应用程序来优化缓解流行病传播;
带有规定的K-核序列的随机图：用于网络分析的新零模型
原文标题： Random Graphs with Prescribed K-Core Sequences: A New Null Model for Network Analysis
地址： http://arxiv.org/abs/2102.12604
作者： Katherine Van Koevering, Austin R. Benson, Jon Kleinberg
摘要： 在分析大型网络数据时，一项基本操作是将观察到的现象与空模型提供的预测进行比较：当我们在一系列真实网络中找到有趣的结构时，重要的是要问这种结构是否也可能会出现在具有与真实特征相似的随机网络中。网络分析中的一个长期挑战是网络的合理空模型相对缺乏。可以说，最常见的此类模型是配置模型，该模型以图 G 开头，并生成具有与 G 相同节点度的随机图。这导致空模型的形式非常薄弱，因为固定节点度并不能保留网络的许多关键属性，包括其子图的结构。面对这一挑战，我们提出了一个新的网络空模型系列，它们可以在 k 核心分解下运行。对于图 G ， k 核心是其最小度为 k 的最大子图； G 中节点 v 的核心编号是最大的 k ，因此 v 属于 G 的 k 核心。我们提供了第一个有效的采样算法来解决以下基本的组合问题：给定图 G ，从具有与 G 相同的核心编号序列的所有图中生成几乎均匀采样的随机图。这为将观察到的网络 G 与显示相同核心数的随机图进行比较提供了机会，该比较保留了 G 结构的某些方面，这些方面没有被更多的本地度量（如度数序列）刻画。我们在网络分析的某些基本任务（包括网络主题枚举）上说明了这种基于核心的空模型的强大功能。
用于理解在线社交认知的认知网络科学：简要综述
原文标题： Cognitive network science for understanding online social cognitions: A brief review
地址： http://arxiv.org/abs/2102.12799
作者： Massimo Stella
摘要： 社交媒体正在根据时间表和情感内容数字化大量用户的认知。这样的大数据为调查认知现象（如知觉，人格和信息传播）提供了前所未有的机会，但需要合适的可解释框架。由于社交媒体数据来自用户的思维，因此应对这一挑战值得的候选人是认知网络，认知模型为心理概念联想提供了结构。这项工作概述了认知网络科学如何能够打开新的定量方法来通过在线媒体理解认知，例如：（i）重建用户如何在语义和情感上使用机器学习无法获得的上下文知识来构造事件；（ii）通过调查概念显著性/突出性社会话语中的知识结构； （iii）通过帖子中的语言研究用户的个性特征，例如开放经验，好奇心和创造力； （iv）通过比较影响者和追随者的思维方式的多层网络，桥接认知/情感内容和社会动态。这些进步结合了认知，网络和计算机科学，以理解数字和现实环境中的认知机制，但在代表性，个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来，通过网络和社交媒体阅读认知可以揭示在线平台加剧的认知偏见，并向决策，教育和市场提供有关大规模，复杂认知趋势的信息。
迈向稳健的图对比学习
原文标题： Towards Robust Graph Contrastive Learning
地址： http://arxiv.org/abs/2102.13085
作者： Nikola Jovanović, Zhao Meng, Lukas Faber, Roger Wattenhofer
摘要： 我们研究图上对抗性强的自我监督学习的问题。在对比学习框架中，我们引入了一种新方法，该方法通过i）对抗变换和ii）不仅去除边而且插入边的变换来提高学习表示的对抗鲁棒性。我们在一组初步的实验中评估了学习到的表示形式，获得了可喜的结果。我们认为这项工作迈出了重要的一步，将鲁棒性作为图对比学习中可行的辅助任务。
局部拓扑运动决定了双曲高阶网络的整体扩散特性
原文标题： Local topological moves determine global diffusion properties of hyperbolic higher-order networks
地址： http://arxiv.org/abs/2102.12885
作者： Ana P Millán, Reza Ghorbanchian, Nicolò Defenu, Federico Battiston, Ginestra Bianconi
摘要： 从社交互动到人脑，高阶网络是描述许多复杂系统的基础网络几何结构和拓扑的关键。众所周知，网络结构会极大地影响其功能，但网络拓扑结构和几何结构在新兴的高阶网络动态特性中所扮演的角色尚待阐明。从这个角度来看，谱尺寸起着关键作用，因为它决定了网络上扩散过程的有效尺寸。尽管有其相关性，但是对于理论上理解哪些机制导致有限的谱尺寸以及如何控制谱尺寸的理解，今天仍然是一个挑战，并且是深入研究的目标。在这里，我们介绍了两个双曲型高阶网络的非平衡模型，并通过研究小世界行为， delta -双曲线性和社区结构的相互交织来表征它们的网络拓扑和几何形状。我们表明，确定高阶双曲线网络模型的非平衡增长的不同拓扑移动会引起谱尺寸的可调值，从而显示出丰富的现象学，而这种现象在随机图组中没有显示。尤其是，我们观察到，如果用于构造高阶网络的拓扑移动增加了面积 / 体积比，则谱维数不断减小，而如果拓扑移动减小了面积 / ，则观察到相反的效果。体积比。我们的工作揭示了网络几何形状及其扩散特性之间的新链接，有助于更好地理解网络结构与动力学之间的复杂相互作用。
用于快速发展的在线讨论动态社交媒体监控
原文标题： Dynamic Social Media Monitoring for Fast-Evolving Online Discussions
地址： http://arxiv.org/abs/2102.12596
作者： Maya Srikanth, Anqi Liu, Nicholas Adams-Cohen, Jian Cao, R. Michael Alvarez, Anima Anandkumar
摘要： 跟踪和收集快速发展的在线讨论可提供大量数据，以研究社交媒体的使用及其在人们的公共生活中的作用。但是，使用一组静态关键字收集社交媒体数据无法满足监视动态对话和研究快速变化的主题的日益增长的需求。我们提出了一种动态关键字搜索方法，以在快速发展的在线讨论中最大程度地覆盖相关信息。该方法使用词嵌入模型来表示关键字之间的语义关系，并使用预测模型来预测未来的时间序列。我们还实现了可视化的用户界面，以帮助您在每一轮关键字更新中进行决策。这样既可以进行人工跟踪也可以进行全自动数据收集。在2017年使用历史#MeToo数据进行的模拟中，我们的人工跟踪方法明显优于传统的静态基线方法，在追踪热门趋势关键字方面，F-1得分比传统的静态监控器高37.1％。我们进行了一个当代案例研究，以涵盖有关最近总统就职典礼的动态对话，并测试动态数据收集系统。我们的案例研究不仅反映了我们流程的有效性，还指出了未来部署中的潜在挑战。
近似保护隐私的邻域估计
原文标题： Approximate Privacy-Preserving Neighbourhood Estimations
地址： http://arxiv.org/abs/2102.12610
作者： Alvaro Garcia-Recuero
摘要： 匿名社会网络为现有的社会网络分析技术提出了许多新的挑战性问题。传统上，用于分析图结构的现有方法（例如社区检测）需要图结构的全局知识。这意味着必须授予集中式实体访问图中每个节点的边列表的权限。对于匿名社会网络和其他参与者重视隐私的设置，这是不可能的。此外，将其图结构输入用于学习任务会破坏匿名性的目的。在这项工作中，我们假设一个人可以将HyperANF aka HyperBall算法的用途（用于近似直径估计）重新用于保护隐私的社区检测任务，以供从朋友的匿名表示中学习的朋友推荐系统使用。具有有限隐私影响的社会网络图结构。这是可能的，因为HyperBall维护的核心数据结构是HyperLogLog，其计数器具有给定节点可到达的邻居数。在未来的分散式学习部署中交换此数据结构不会丢失有关节点邻居的任何信息，因此确实保留了图结构的私密性。
使用发生数据估算异构模型的有效再生数
原文标题： Estimating the effective reproduction number for heterogeneous models using incidence data
地址： http://arxiv.org/abs/2102.12637
作者： D. C. P. Jorge, J. F. Oliveira, J. G. V. Miranda, R. F. S. Andrade, S. T. R. Pinho
摘要： 有效繁殖数R（t）是传染病研究的中心点。它以明确的方式确定了人群中流行病传播过程的程度。使用入射数据的R（t）时间演化的当前估计方法依赖于生成间隔分布g（ tau），该间隔通常从经验数据或文献中已知的分布中获得。但是，在某些系统中，尤其是高度异构的系统中，缺少数据和获得g（tau）的适当方法。在这项工作中，我们使用数学模型弥合了这一差距。我们提出了一种通用方法，用于获得由任意隔室模型提供的繁殖数量和世代间隔分布的明确表达。此外，我们提供适当的表达式，以使用入射数据评估那些繁殖数量。为了强调这种方法的相关性，我们将其应用于Covid-19在巴西里约热内卢州的市镇中的传播。使用两个超人口模型，我们估计每个城市的繁殖数量和对其他所有案例产生的贡献。我们的结果指出了数学建模对提供可用数据的流行病学意义的重要性。
两层投票系统中的集体偏见模型与民主赤字
原文标题： Collective Bias Models in Two-Tier Voting Systems and the Democracy Deficit
地址： http://arxiv.org/abs/2102.12704
作者： Werner Kirsch, Gabor Toth
摘要： 在本文中，我们分析了一个分为两层的投票系统，该系统将总人口分为几个不同的组，而民主赤字，议会投票与全民投票之间的预期二次偏差。提案的投票结果为是/否。投票行为由概率模型描述，其中存在影响选民决策的主要影响或偏见。我们研究了该模型的不同版本，并且允许属于不同群体的选民之间的相关性弱于群体内部的相关性。我们分析的两个主要问题是（规范化的）民主赤字的渐近行为，以及各团体在为减少民主赤字而选择的理事会投票中所获得的最佳投票权重。
具有合作和对立意见动态的网络SIS流行病模型
原文标题： On a Network SIS Epidemic Model with Cooperative and Antagonistic Opinion Dynamics
地址： http://arxiv.org/abs/2102.12834
作者： Baike She, Ji Liu, Shreyas Sundaram, Philip E. Paré
摘要： 我们提出了一个数学模型来研究社区网络中流行病和舆论的耦合动态。我们的模型刻画了SIS流行病动态，其发展取决于社区对流行病的看法，反之亦然。特别是，我们允许合作和对抗性互动，分别代表对这一流行病严重性的相似观点和相反观点。我们提出一个依赖于意见的复制编号，以描述网络上流行病传播与意见传播之间的相互影响。通过对平衡的稳定性分析，我们探讨了意见对流行病爆发和根除的影响，其特征在于意见依赖繁殖数的界限。我们还将展示如何通过重塑观点来消除流行病，为研究人员提供一种设计控制策略的方法，以覆盖目标受众，以确保有效地抑制流行病。
通过有针对性地采用联系人跟踪应用程序来优化缓解流行病传播
原文标题： Optimising the mitigation of epidemic spreading through targeted adoption of contact tracing apps
地址： http://arxiv.org/abs/2102.13013
作者： Aleix Bassolas, Andrea Santoro, Sandro Sousa, Silvia Rognone, Vincenzo Nicosia
摘要： 正在进行中的COVID-19大流行是人类历史上的第一种流行病，其中数字接触跟踪已在全球范围内部署。跟踪和隔离对病毒测试呈阳性的个人的所有联系人可以帮助减缓流行病的速度，但是由于人群中接触追踪应用程序的普遍使用率较低，严重限制了接触追踪的影响。我们在这里导出一个解析表达式，用于在给定的联系图上的SIR模型中联系跟踪应用程序安装策略的有效性。我们提出了一种分散式启发式方法，以提高在固定采用率下的联系人跟踪的有效性，该方法针对的是一组要安装联系人跟踪应用程序的个人，并且可以轻松实现。在大量现实世界中的联系网络上的仿真证实，这种启发式方法代表了当前技术水平的可行替代方案。
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。