- Radflow：时间序列网络的递归、汇总和可分解模型;
- 基于特征向量中心性的多层网络聚类分析;
- 边最小化学生冲突图;
- 使用BERT表征整个社交媒体社区的英语差异;
- 超图上观点动力学的有界置信度模型;
- 大流行的脉搏：用于从社交媒体提取临床信息的迭代主题过滤;
- 贝叶斯社交平台，用于包容性和基于证据的决策;
- 极化抑制了Axelrod模型的相变;
- 学习网络中的低阶潜在中尺度结构;
- 远程社交干预的自适应网络建模;
- 通过在意大利，美国和巴西进行扩散的分区模型评估COVID-19的时空扩散;
- 德国100％可再生部门耦合能源系统的建模与分析;
Radflow：时间序列网络的递归、汇总和可分解模型
原文标题： Radflow: A Recurrent, Aggregated, and Decomposable Model for Networks of Time Series
地址： http://arxiv.org/abs/2102.07289
作者： Alasdair Tran, Alexander Mathews, Cheng Soon Ong, Lexing Xie
摘要： 我们为相互影响的时间序列网络提出了一种新模型。时间序列之间的图结构存在于不同的领域，例如受超链接影响的网络访问量，受推荐影响的产品销售或受道路网络和天气影响的城市交通量。分别在图建模和时间序列预测方面已有新的进展，但是对于序列网络的表达和可扩展方法尚不存在。我们介绍了Radflow，它是一个体现三个关键思想的新颖模型：一个递归神经网络，用于获取依赖于时间的节点嵌入；具有多头注意力的相邻节点的影响流的聚合；以及时间的多层分解系列。 Radflow自然会考虑节点和边随时间变化的动态网络，可将其用于预测和数据插补任务。在范围从几百个到几十万个节点的真实数据集上，我们观察到Radflow变体是在各种设置下性能最好的模型。 Radflow中的循环组件也优于N-BEATS，它是最新的时间序列模型。我们表明Radflow可以学习不同的趋势和季节模式，对丢失的节点和边具有鲁棒性，并且网络邻居之间的相关时间模式反映了影响强度。我们策划了WikiTraffic，这是最大的时间序列动态网络，具有366K节点和22M依赖时间的链接，跨越五年。该数据集为开发该领域的模型提供了开放的基准，其应用程序包括优化Web资源。更广泛地说，Radflow有潜力改善相关时间序列网络（如股票市场）的预测，并在自然现象的地理位置分散的网络中估算缺失的度量。
基于特征向量中心性的多层网络聚类分析
原文标题： Cluster analysis in multilayer networks using eigen vector centrality
地址： http://arxiv.org/abs/2102.06957
作者： Pitambar Khanra, Subrata Ghosh, Prosenjit Kundu, Chittaranjan Hens, Pinaki Pal
摘要： 多层网络中的对称性概念及其在网络的聚类分析中的用途最近在[Rossa et al。，Nat。社区11，1，（2020）]。已经表明，可以通过从独立的各个层的对称组中找到多层的对称组来确定多层网络中的簇。但是，通常很难找到由几层组成的大型复杂网络的对称群元素。在这里，我们提出了一个新的数学框架，该框架涉及多层网络中聚类分析的邻接矩阵的特征向量中心性（EVC）的结构。该框架基于分析结果，该结果显示了EVC元素与网络群集之间的直接对应关系。使用该结果，成功地对几个多层网络执行了聚类分析，并且在每种情况下，结果均与使用对称组分析方法获得的结果一致。最后，在提出的框架下，研究了基于Sakaguchi-Kuramoto（SK）模型的多层网络中的集群同步。集群同步状态的稳定性分析也使用主稳定性函数方法进行。
边最小化学生冲突图
原文标题： Edge Minimizing the Student Conflict Graph
地址： http://arxiv.org/abs/2102.06743
作者： Joshua S. Friedman
摘要： 在许多学校中，课程都是分节进行的。在安排时间表之前，需要将学生分配到各个部分。我们提供了一种混合近似分段算法，可将学生冲突图（SCG）中的边数（潜在冲突）最小化。我们从贪婪算法开始以获取初始解，然后继续使用基于约束编程的算法（CP-SAT）来减少边的数量。我们将切片算法应用于我们指定的高度约束的时间表模型。
使用BERT表征整个社交媒体社区的英语差异
原文标题： Characterizing English Variation across Social Media Communities with BERT
地址： http://arxiv.org/abs/2102.06820
作者： Li Lucy, David Bamman
摘要： 先前描述互联网社会群体中语言变化特征的许多工作都集中在这些群体使用的单词类型上。我们还通过使用BERT来表征单词含义的变化，并在474个Reddit社区中分析了两个月的英语评论，来扩展这种类型的研究。不同意义上的群体对社区的特殊性，再加上社区独特的单词类型的特殊性，被用来识别社会群体的语言偏离规范的情况。我们使用用户创建的词汇表来验证指标，并利用社会语言学理论将语言变化与社区行为趋势联系起来。我们发现具有高度独特语言的社区是中等规模的，其忠实且高度参与的用户在密集的网络中进行交互。
超图上观点动力学的有界置信度模型
原文标题： A Bounded-Confidence Model of Opinion Dynamics on Hypergraphs
地址： http://arxiv.org/abs/2102.06825
作者： Abigail Hickok, Yacoub Kureh, Heather Z. Brooks, Michelle Feng, Mason A. Porter
摘要： 人们在与朋友，家人，同事和其他人互动时，他们的意见随着时间的推移而发展。在研究网络上的意见动态时，人们经常以二元关系的形式对人与人之间的互动进行编码，但现实生活中的许多社交互动都是多元的（即，涉及三个或更多人）。在本文中，我们在图上扩展了一个异步有界置信度模型（BCM），其中节点通过边成对地连接到超图。我们表明，我们的超图BCM在广泛的初始条件下收敛到共识，以结点的观点。我们表明，在适当的条件下，回声腔可以在具有群落结构的超图上形成。我们还观察到，个人的意见有时可以在单个时间步中从一个意见群集跳到另一个意见群集，这种现象（我们称为“观点跳跃”）在标准二元BCM中是不可能的。我们还表明，当初始观点分布的方差 sigma ^ 2 等于置信度约束 c 时，完整超图上的收敛时间存在一个相变。因此，要确定当超边的方差和数量都很大时，我们的超图BCM的收敛性，有必要使用分析方法来代替仅依赖于蒙特卡洛模拟。
大流行的脉搏：用于从社交媒体提取临床信息的迭代主题过滤
原文标题： Pulse of the Pandemic: Iterative Topic Filtering for Clinical Information Extraction from Social Media
地址： http://arxiv.org/abs/2102.06836
作者： Julia Wu, Venkatesh Sivaraman, Dheekshita Kumar, Juan M. Banda, David Sontag
摘要： COVID-19大流行的迅速发展突显了在公共卫生突发事件中需要迅速传播最新的临床知识的需求。社交媒体（例如，Twitter上的“ #medtwitter”社区）是一个使医疗保健专业人员（HCP）共享一线知识和经验的令人惊讶的有效平台。但是，由于无关数据的数量巨大，因此在没有手动标记的情况下在社交媒体中识别临床相关内容是一个挑战。我们提供了一种无监督的迭代方法来从社交媒体数据中挖掘临床相关信息，该方法首先通过启发式筛选HCP编写的文本并将主题建模和概念提取与MetaMap结合在一起。这种方法从2020年1月至2020年6月中旬，从大约5200万条与COVID-19相关的推文中识别出具有高度临床相关性的细化主题和推文。我们还表明，由于该技术不需要手动标记，因此可以用于每周确定新出现的主题。我们的方法可以通过在瞬息万变的信息环境中促进医护人员之间的知识转移，并提供一种有效且不受监督的方式来突出临床研究的潜在领域，从而有助于未来的公共卫生突发事件。
贝叶斯社交平台，用于包容性和基于证据的决策
原文标题： A Bayesian social platform for inclusive and evidence-based decision making
地址： http://arxiv.org/abs/2102.06893
作者： Susannah Kate Devitt, Tamara Rose Pearce, Alok Kumar Chowdhury, Kerrie Mengersen
摘要： 在社交媒体推算的背景下，本文试图证明社交工具在网络上建立道德行为的潜力。我们必须假设人类的行为有缺陷，真理可能难以捉摸，作为社区，我们必须致力于鼓励道德社会数字行为的机制。使用社交平台的社会应具有包容性，对证据作出反应，限制惩罚性行动，并允许产生生产性不和谐和尊重的分歧。我们认为，社交媒体的成功在于假设。在一定程度上，文件是有价值的证据，可以证明它们是为某种目的服务或挑战某个想法的证据。我们概述了贝叶斯社交平台如何促进道德行为以建立基于证据的集体理性。本章概述了平台算法和用户界面的认知架构，以及明确的社区管理以确保心理安全。 BetterBeliefs平台奖励那些表现出认识论上的良性行为并导出基于证据的命题进行决策的用户。贝叶斯社会网络可以使良性观念变得强大。
极化抑制了Axelrod模型的相变
原文标题： Polarization inhibits the phase transition of Axelrod's model
地址： http://arxiv.org/abs/2102.06921
作者： Carlos Gracia-Lázaro, Edgardo Brigatti, Alexis R. Hernández, Yamir Moreno
摘要： 我们研究了两极分化在阿克塞尔罗德文化传播模型中的作用。这是通过引入仅具有两个值的文化特征来实现的，而其他特征则可以表现出更多的可能特征。我们的数值结果和平均场近似表明，极化将原始模型的特征相变减小为有限大小的影响，因为在热力学极限下仅存在有序相。此外，对于有限的系统大小，稳态取决于实现模型的网络的渗透阈值：对于渗透阈值低于1/2的情况，将获得一个极化阶段，否则将获得零散的多元文化。
学习网络中的低阶潜在中尺度结构
原文标题： Learning low-rank latent mesoscale structures in networks
地址： http://arxiv.org/abs/2102.06984
作者： Hanbaek Lyu, Yacoub H. Kureh, Joshua Vendrow, Mason A. Porter
摘要： 在物理，生物，社会和信息科学中，通常使用网络对复杂系统中实体之间的交互架构进行编码。此外，要研究复杂系统的大规模行为，研究网络中的中尺度结构作为影响此类行为的构件很重要。在本文中，我们提出了一种描述网络中低阶中尺度结构的新方法，并使用几种合成网络模型以及经验友好，协作和蛋白质-蛋白质相互作用（PPI）网络来说明我们的方法。我们发现这些网络具有相对较少的“潜在主题”，它们可以一起以近似的中尺度成功地近似大多数子网络。我们使用称为网络字典学习（NDL）的算法，该算法结合了网络采样方法和非负矩阵分解，以学习给定网络的潜在主题。使用一组潜在主题对网络进行编码的能力在网络分析任务（例如比较，降噪和边推断）中具有广泛的应用。此外，使用我们的新网络降噪和重建（NDR）算法，我们演示了如何仅通过使用人们直接从损坏的网络中学习的潜在主题来对损坏的网络进行降噪。
远程社交干预的自适应网络建模
原文标题： Adaptive Network Modeling of Social Distancing Interventions
地址： http://arxiv.org/abs/2102.06990
作者： Carl Corcoran, John Michael Clark
摘要： 事实证明，COVID-19大流行是最近记忆中最具破坏性的公共卫生突发事件之一。在非药物干预措施中，社会隔离和封锁措施是世界各国政府用来对抗该疾病的最常用工具。尽管COVID-19的数学模型无处不在，但很少有人以一般方式利用网络理论来解释社会疏远的机制。在本文中，我们基于具有随机链接激活/删除动力学的异构集群网络的现有网络模型，使用分段恒定激活/删除率提出了现实的社会疏远机制。我们发现我们的模型具有丰富的定性行为能力，并且可以以相对较少的干预参数提供有意义的见解。特别是，我们发现，与社会隔离的干预措施的严重程度以及何时开始实施，比干预措施生效需要多长时间具有更大的影响。
通过在意大利，美国和巴西进行扩散的分区模型评估COVID-19的时空扩散
原文标题： Assessing the spatio-temporal spread of COVID-19 via compartmental models with diffusion in Italy, USA, and Brazil
地址： http://arxiv.org/abs/2102.07208
作者： Malú Grave, Alex Viguerie, Gabriel F. Barros, Alessandro Reali, Alvaro L. G. A. Coutinho
摘要： 2020年COVID-19的爆发导致对传染病数学模型的兴趣激增。此类模型通常被定义为隔间模型，其中，根据定性特征将研究中的人口分为隔间，对隔间的转移性质和转移速率采用不同的假设。尽管最常用的公式是隔室仅取决于时间的常微分方程（ODE）模型，但最近的工作也集中于偏微分方程（PDE）模型，其中纳入了空间流行病的变化。在易感性，感染性，暴露性，恢复性和致死性（SEIRD）框架内对PDE模型进行的此类研究已导致在再现COVID-19传染动力学方面取得了可喜的成果。在本文中，我们通过考虑比其他类似研究更长的时间段内的不同几何形状来评估此建模框架的鲁棒性。我们首先通过复制之前显示的意大利伦巴第结果验证我们的代码。然后，我们关注美国佐治亚州和巴西里约热内卢州，这是世界上受影响最大的地区之一。我们的结果表明，在主要地区和三个不同大洲的所有地区，在时间和空间上均与真实世界的流行病学数据相吻合，这表明该建模方法既有效又可靠。
德国100％可再生部门耦合能源系统的建模与分析
原文标题： Modeling and Analysis of 100% Renewable Sector-Coupled Energy System for Germany
地址： http://arxiv.org/abs/2102.07267
作者： Md Nasimul Islam Maruf
摘要： 为实现欧洲联盟（EU）能源系统中的气候中和目标而制定的雄心勃勃的能源目标提出了在所有能源部门仅使用可再生能源的可行性问题。作为欧盟的主要工业化国家之一，德国已通过了多项气候行动计划，以在其未来的能源系统中切实实施和最大程度地利用可再生能源。文献综述表明，在描述用于分析完全可再生和部门耦合的能源系统的开放模型方法的综合技术方面存在明显差距。本文概述了一种开放式建模技术，用于分析100％可再生能源和部门耦合能源系统在德国的可行性。它确定了不同组件的容量和投资成本，并简要评估了系统在输电网扩展，储能和可调度负载方面的灵活性方面。基于开放式能源建模框架（Oemof），开发了每小时优化工具“ OSeEM-DE”来研究德国的能源系统。模型结果表明，在不同条件下，德国可行的100％可再生能源和部门耦合的电力和建筑供热系统是可行的。投资能力和组件成本取决于所开发方案的参数变化。根据模型结果，挥发性发电机的年投资成本在176亿至266亿欧元/年之间，热力发电机的年投资成本在23.7至288亿欧元/年之间。该模型还建议每年至少投资2.7-39亿欧元用于电力和储热。将OSeEM-DE结果与Fraunhofer ISE的研究报告进行比较，结果表明，该模型中按百分比计算的能源混合构成和平均电费在合理范围内。
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。