- 通过解缠来恢复图的Barabasi-Albert参数;
- 具有非对称社会互动的合作演化;
- 通勤在减少城市社会多样性中的普遍作用;
- 超图的共识动力学和观点形成;
- 通过社区发现获得对高等教育学生课程选择的见解;
- 社交媒体上被COVID-19感染社区传播的文字分析;
通过解缠来恢复图的Barabasi-Albert参数
原文标题： Recovering Barabasi-Albert Parameters of Graphs through Disentanglement
地址： http://arxiv.org/abs/2105.00997
作者： Cristina Guzman, Daphna Keidar, Tristan Meynier, Andreas Opedal, Niklas Stoehr
摘要： 经典的图建模方法（例如Erdos Renyi（ER）随机图或Barabasi-Albert（BA）图）（此处称为样式化模型）旨在以一种可解释的方式重现现实世界图的属性。尽管很有用，但是使用样式化模型生成图需要领域知识以及迭代试验和错误模拟。Stoehr等人（2019）的先前工作通过使用以解缠结为重点的深度自动编码框架（更具体地说是beta-变分自动编码器（beta-VAE））从图数据学习生成过程来解决这些问题。尽管他们通过模型的潜在变量成功恢复了ER图的生成参数，但由于其解码器过于简单，因此他们的模型在顺序生成的图（例如BA图）上表现不佳。我们专注于通过用顺序图替换BA图的beta-VAE解码器来恢复BA图的生成参数。我们首先使用图神经网络（GNN）和随机森林回归，以监督方式通过最小化真实生成参数和潜变量之间的平方损失来学习生成BA参数。接下来，我们训练beta-VAE模型，将第一阶段的GNN编码器与具有自定义损耗的基于LSTM的解码器相结合。
具有非对称社会互动的合作演化
原文标题： Evolution of cooperation with asymmetric social interactions
地址： http://arxiv.org/abs/2105.01167
作者： Qi Su, Joshua. B Plotkin
摘要： 合作在人类社会中的出现方式既是一个演化的谜团，也是一个对社会健康产生切实影响的实际问题。长期以来，人口结构一直被认为是合作的催化剂，因为地方互动可以实现互惠。尽管现实世界中的互动通常是单向的，但对这种现象的分析通常假设是双向的社交互动。单向互动-一个人有机会对另一个人做出无私奉献的机会，但反之则不行-这种互动是组织层次结构，社会分层，受欢迎程度影响和网络增长的内生机制的结果，在现实世界中出现。在这里，我们扩展了结构化人群中的合作理论，以说明单向和双向的社会互动。尽管有向互动消除了互惠的机会，但我们发现，在有向社会网络中仍可以支持合作，并且在许多实证研究中都可以发现，对于有向中介互动比例中等的网络，合作可证明是最大化的。我们还确定了两个简单的结构模体，它们可以有效地修改交互作用的方向性，从而以数量级促进合作。我们讨论了我们的结果如何与广义和间接互惠的概念相关。
通勤在减少城市社会多样性中的普遍作用
原文标题： Universal role of commuting in the reduction of social assortativity in cities
地址： http://arxiv.org/abs/2105.01464
作者： Eszter Bokányi, Sándor Juhász, Márton Karsai, Balázs Lengyel
摘要： 每天有数百万人通勤在城市工作，并与同事，客户，提供者，朋友和陌生人互动。通勤促进了来自遥远和不同社区的人们的融合，但是，这是否对社会包容性产生了影响，或者说，人们对联系的保持多元的联系则鲜有探讨。在本文中，我们旨在更好地理解城市内部社会网络中的收入排序，并研究通勤距离如何限制美国50个最大都市区中Twitter用户的在线社交联系。从地理位置的推文中可以识别住所和工作地点，从而使我们能够推断出个人的社会经济地位。我们的结果表明，城市中上下班的通勤距离与同伴及其收入方面更多样化的个体网络有关。远距离通勤将不同社会经济背景的社区联系起来的程度因城市规模和结构而异。但是，我们发现，通勤中位数会导致美国前50个城市的社会联系多样性几乎均匀，适度降低，这表明通勤在整合城市中不同的社会网络方面具有普遍作用。我们的研究结果表明，促进跨遥远社区访问的政策可以促进低收入群体的社会包容。
超图的共识动力学和观点形成
原文标题： Consensus Dynamics and Opinion Formation on Hypergraphs
地址： http://arxiv.org/abs/2105.01369
作者： Leonie Neuhäuser, Renaud Lambiotte, Michael T. Schaub
摘要： 在本章中，我们推导并分析超图上的共识动力学模型。正如我们所讨论的，除非存在非线性节点交互功能，否则始终可以使用有效的成对节点交互的新网络来重写系统，而不论最初的基础多路交互结构如何。因此，我们专注于基于一类非线性相互作用函数的动力学，该函数可以对不同的社会学现象（例如同伴压力和顽固性）进行建模。与网络上的线性共识动力学不同，我们展示了非线性模型动力学如何导致偏离平均系统状态的情况。我们研究了这些移位如何受到初始状态的分布，底层超图结构以及节点交互函数的非线性尺度的不同形式的影响。
通过社区发现获得对高等教育学生课程选择的见解
原文标题： Gaining Insights on Student Course Selection in Higher Education with Community Detection
地址： http://arxiv.org/abs/2105.01589
作者： Erla Guðrún Sturludóttir, Eydís Arnardóttir, Gísli Hjálmtýsson, María Óskarsdóttir
摘要： 对课程选择的洞察力对大学具有重要的价值，特别是那些追求课程灵活性并希望迅速适应就业市场变化需求的大学。但是，很少强调利用大量的教育数据来理解这些课程选择。在这里，我们使用网络分析方法，对在五年时间内在北欧大学攻读工程，心理学，商业或计算机科学的本科课程的所有学生的选课进行分析。通过这些方法，我们探索了学生的选择，以识别他们独特的兴趣领域。这是通过将社区检测应用于课程网络来完成的，如果一个学生同时选修了两个课程，则其中的两个课程将连接在一起。我们将社区检测结果与计算机科学系内的实际主要专业进行了比较，发现有很多相似之处。为了补充此分析，我们还使用有向网络，通过按学期查看学生的一般课程选择来识别“典型”学生。我们发现，课程选择随着课程的进展而多样化，这意味着试图通过识别“典型”学生来理解课程选择所提供的见识少于理解课程选择多样性的特征。使用我们提出的方法进行分析可以提供更针对性的教育，从而使学生能够遵循自己的兴趣并适应瞬息万变的职业市场。
社交媒体上被COVID-19感染社区传播的文字分析
原文标题： Textual Analysis of Communications in COVID-19 Infected Community on Social Media
地址： http://arxiv.org/abs/2105.01189
作者： Yuhan Liu, Yuhan Gao, Zhifan Nan, Long Chen
摘要： 在COVID-19大流行期间，人们开始在社交媒体上讨论与大流行相关的话题。在subreddit r / COVID19positive上，讨论或共享了许多主题，包括测试结果呈阳性的人的经验，大概感染者的故事以及有关大流行和疾病的问题。在本研究中，我们尝试从语言角度理解关于subreddit的讨论的性质。我们发现三种不同类别的主题在语言特征（例如心理，情感和推理）上存在差异。我们还使用SOTA预先训练的语言模型将帖子分类为不同的类别。这种分类模型可用于与社交媒体大流行相关的研究。
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。