- 最大后验估计的多层网络层重构和缺失链路预测;
- 通过自我修复抵御攻击以节省资源，从而更宽容地重构网络;
- 图嵌入用于辱骂性语言检测;
- 使用在线社交媒体研究危机时期领导者-COVID案例研究;
- 危机时期科学输出在公开辩论中的作用：以COVID19大流行期间学校重新开放为例;
- 人口分布与城市GDP规模之间的关联;
- Twitch玩家：评估邻近度保留和基于结构角色的节点嵌入的数据集;
- 数据驱动的马尔可夫过程和异构模拟对COVID-19的感染预测和干预效果评估;
最大后验估计的多层网络层重构和缺失链路预测
原文标题： Layer reconstruction and missing link prediction of multilayer network with Maximum A Posteriori estimation
地址： http://arxiv.org/abs/2101.02733
作者： Junyao Kuang, Caterina Scoglio
摘要： 多层网络由多层组成，其中不同的层具有相同的一组顶点，但表示不同类型的交互。然而，多层网络中某些层是相互依存的或结构相似的。在本文中，我们提出了一种基于最大后验估计的模型来重构多层网络中的特定层。 SimHash算法用于计算各个层之间的相似度。具有相似结构的层被用于确定共轭先验的参数。使用此模型，我们还可以预测缺失的链接并直接进行实验以查找潜在的链接。我们通过两个真实的多层网络对该方法进行了测试，结果表明，即使在丢失大量链接的情况下，最大的后验估计也有望在重建感兴趣的层中发挥作用。
通过自我修复抵御攻击以节省资源，从而更宽容地重构网络
原文标题： More Tolerant Reconstructed Networks by Self-Healing against Attacks in Saving Resource
地址： http://arxiv.org/abs/2101.02814
作者： Yukio Hayashi, Atsushi Tanaka, Jun Matsukubo
摘要： 用于电源，通信和运输的复杂网络基础架构系统支持我们的经济和社会活动，但是它们极易受到频繁增加的大型灾难或攻击的攻击。因此，与从经验上恢复到原始易受攻击的网络相比，从损坏的网络进行重建是比较可取的。为了重建可持续发展的网络，我们专注于增强环路，以免由于节点移除而无法成为树木。尽管此优化与一个棘手的组合问题相对应，但我们提出了一种基于自我增强方法的自我修复方法，该方法是在应用从统计物理学方法获得启发的近似计算中应用增强循环。我们表明，与传统的修复方法相比，在我们提出的方法中获得了更高的鲁棒性和效率，并且节省了链接和端口的资源。此外，当一定程度的受损链路可重复使用或作为资源投资得到补偿时，通过修复而重建的网络可以变得比攻击前的原始网络更宽容。这些结果将为适应能力中具有适应能力的自我修复开辟网络重建的潜力。
图嵌入用于辱骂性语言检测
原文标题： Graph embeddings for Abusive Language Detection
地址： http://arxiv.org/abs/2101.02988
作者： Noé Cecillon (LIA), Vincent Labatut (LIA), Richard Dufour (LIA), Georges Linares (LIA)
摘要： 虐待行为在在线社会网络上很常见。反社会行为的频率不断增加，迫使在线平台的托管人找到理解决此问题的新解决方案。因此，在过去几年中，自动化审核过程引起了很多兴趣。已经提出了各种方法，其中大多数基于交换的内容，而一种方法则依赖于会话的结构和动态。它具有与语言无关的优点，但是它利用了一组手工制作的拓扑度量，这些度量在计算上很昂贵，并且不一定适合所有情况。在本文中，我们建议使用最新的图嵌入方法来自动学习描述消息交换的会话图的表示形式。我们比较两类：节点vs.全图嵌入。我们总共尝试了8种方法，并将其应用于在线消息的数据集。我们还更加精确地研究了每种方法利用图结构的哪些方面。我们的研究表明，某些嵌入产生的表示形式可以刻画通过特定拓扑度量传达的信息，但会漏掉其他方面。
使用在线社交媒体研究危机时期领导者-COVID案例研究
原文标题： Studying Leaders During Times of Crisis Using Online Social Media -- A COVID Case Study
地址： http://arxiv.org/abs/2101.03002
作者： Rahul Goel, Rajesh Sharma
摘要： 在线社交媒体（OSM）已成为讨论各种主题的主要平台。甚至知名人士和公众人物也经常通过OSM平台表达对各种主题的看法。正式被称为COVID-19的新型冠状病毒已成为一种流行病，并在人类历史上造成了危机，这种话题最近在Twitter上引起了很多关注。在这项工作中，我们分析了三个月内的2,900万条推文，以研究具有高度影响力的用户，我们称之为领导者。我们使用社会网络分析来识别这些领导者，并使用文本分析技术来分析其推文。我们将这些领导人分为研究，新闻，卫生和政治四个领域。我们的分析表明，i）所有群组在其推文中都表现出相似的恐惧感； ii）研究人员和新闻群组比其他群组表现出更多的悲伤感； iii）卫生组织和政治人物试图获得公众信任。文本分析表明，研究人员更加关注症状的理解和疫苗接种的发展。新闻和政治人物主要讨论旅行和卫生问题；而卫生组织则注重卫生。我们的描述性分析有助于我们提取用于分类四个群集中的推文的各种功能，准确度为96％AUC ROC。
危机时期科学输出在公开辩论中的作用：以COVID19大流行期间学校重新开放为例
原文标题： The role of scientific output in public debates in times of crisis: A case study of the reopening of schools during the COVID-19 pandemic
地址： http://arxiv.org/abs/2101.03069
作者： Gabriela F. Nane, François van Schalkwyk, Jonathan Dudek, Daniel Torres-Salinas, Rodrigo Costas, Nicolas Robinson-Garcia
摘要： 由于发现不足，结论不足或相互矛盾而未能达成科学共识的情况给政府和公共组织施加了压力，这些政府和公共组织被迫在不确定的情况下采取行动。在本章中，我们重点讨论COVID-19的情况，其对儿童的影响以及有关重新开放学校的公众辩论。目的是更好地理解面对不确定和迅速变化的知识格局的政策干预与随后在与政策干预相关的公开辩论中使用科学信息之间的关系。我们的方法是将期刊文章和预印本中的科学信息与它们在包括社交媒体在内的流行媒体中的出现结合起来。首先，我们提供了不同的科学领域和方法的图片，正在研究COVID-19对儿童的影响。其次，我们围绕与儿童和学校有关的COVID-19科学成果确定新闻媒体和社交媒体的关注度。我们专注于西班牙，南非和荷兰这三个国家/地区的政策和媒体回应。这些国家在重开学校方面采取了截然不同的政策行动，对同一问题采取了截然不同的政策方针。通过关注辩论中对科学信息的引用，我们分析了围绕COVID-19，儿童和学校停课之间的辩论的（社会）媒体活动。最后，我们分析了新闻媒体和在线辩论中出现的主要话题。我们提请注意与科学产出有关的误解性案例，并通过讨论来自科学出版物，媒体和政策行动的信息如何在全球卫生大流行的背景下影响公众讨论来结束本章。
人口分布与城市GDP规模之间的关联
原文标题： Association between population distribution and urban GDP scaling
地址： http://arxiv.org/abs/2101.03073
作者： Haroldo V. Ribeiro, Milena Oehlers, Ana I. Moreno-Monroy, Jurgen P. Kropp, Diego Rybski
摘要： 城市规模化和齐普夫定律是城市科学的两个基本范式。这些法律大多已被独立调查，并且通常被视为无关紧要的事情。在这里，我们使用来自96个国家/地区的近五千个统一定义的城市的人口和GDP数据，对这两个法律之间的联系进行了大规模调查。我们凭经验证明，这两个定律是相互联系的，并得出了有关城市规模和Zipf指数的表达式。该表达式刻画了两个指数之间经验关系的平均趋势，并且在考虑了随机变化之后，模拟得出的结果与真实数据非常相似。我们发现，虽然绝大多数国家的城市GDP规模回报都在增加，但与小城市和大城市数量不均衡的国家相比，小城市较少，大都市较多（齐普夫指数较小）的国家的这种影响不那么明显。 （大Zipf指数）。我们的研究提出了这样一种观点，即城市人口规模与城市GDP的增长相互关联，因此城市规模并不仅仅源于城市内部的过程。
Twitch玩家：评估邻近度保留和基于结构角色的节点嵌入的数据集
原文标题： Twitch Gamers: a Dataset for Evaluating Proximity Preserving and Structural Role-based Node Embeddings
地址： http://arxiv.org/abs/2101.03091
作者： Benedek Rozemberczki, Rik Sarkar
摘要： 邻近保留和基于结构角色的节点嵌入成为应用图挖掘的主要动力。在相同的基准数据集上反复测试了新颖的节点嵌入技术，从而导致了一系列方法，这些方法的性能提升均令人质疑。在本文中，我们提出了Twitch Gamers一个具有多个潜在目标属性的新社会网络数据集。我们对社会网络和节点分类实验的描述性分析表明，Twitch Gamers适合评估新型的邻近保护和基于结构角色的节点嵌入算法的预测性能。
数据驱动的马尔可夫过程和异构模拟对COVID-19的感染预测和干预效果评估
原文标题： Infections Forecasting and Intervention Effect Evaluation for COVID-19 via a Data-Driven Markov Process and Heterogeneous Simulation
地址： http://arxiv.org/abs/2101.03133
作者： Quan-Lin Li, Chengliang Wang, Yiming Xu, Chi Zhang, Yanxia Chang, Xiaole Wu, Zhen-Ping Fan, Zhi-Guo Liu
摘要： 2019年冠状病毒病（COVID-19）大流行造成了巨大的死亡人数，并对全世界的经济发展造成了破坏性影响。因此，控制其进一步的传动是至关重要的，为此目的，有必要找到其传动过程的机理并评估不同控制策略的效果。为理解决这些问题，我们将COVID-19的传输描述为具有四个参数的爆炸性马尔可夫过程。拟议的马尔可夫过程的状态转变可以清楚地揭示出COVID-19的可怕爆炸和复杂的异质性。基于此，我们进一步提出了一种具有异构感染的模拟方法。实验表明，我们的方法可以密切跟踪COVID-19的真实传播过程，揭示其传播机制，并预测在不同的非药物干预策略下的传播。更重要的是，我们的方法可以帮助制定有效的策略来控制COVID-19，并适当地比较其在不同国家/城市的控制效果。
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。