- 含时网络方法图;
- 含时网络作为建模框架;
- Watts级联模型的含时网络版本;
- 具有混合自主权的交通网络的匿名收费;
- 量化育儿服务对妇女就业的效力;
- 压缩梯度跟踪用于线性收敛的分布式优化;
- 加权节点相似度下基于复杂网络的时间序列预测;
- COVID-19爆发对意大利国家声誉和股市表现的影响：一种情绪分析方法;
- 在2017年哈维飓风期间检查流动性数据的公正性;
- 局部网络相似性度量的比较分析：在作者引用网络中的应用;
含时网络方法图
原文标题： A map of approaches to temporal networks
地址： http://arxiv.org/abs/2103.13615
作者： Petter Holme, Jari Saramäki
摘要： 时间网络的研究受到简单而重要的观察结果的推动，即网络结构可以影响动态，时间结构也可以影响动态。正如网络拓扑可以向我们介绍所讨论的系统一样，其时间特性也可以。在许多情况下，忽略这些组件之一将导致对系统的理解不完整或预测不正确。我们认为，将时间包含在网络建模中不可避免地会使研究人员远离网络科学的困境。与静态网络相比，时间网络理论需要一些不同的东西-新方法，新概念，新问题。在本介绍性章节中，我们概述了含时网络领域在过去十年中提出的思想。我们还将对当前量的贡献放在此含时网络方法地图上。
含时网络作为建模框架
原文标题： Temporal networks as a modeling framework
地址： http://arxiv.org/abs/2103.13586
作者： Petter Holme, Jari Saramäki
摘要： 要理解大型的，已连接的系统，我们不能仅放大细节。我们还需要从远处看到大型功能。退后一步以理解整体情况的一种方法是将系统建模为网络。但是，许多系统不是静态的，而是由随着时间的推移而断开和接通的触点组成。本章介绍了此类系统的数学和计算模型，并因此介绍了本书的其余部分。我们将介绍一些较早的开发内容，这些内容构成了其他各章中更专业的主题的基础。
Watts级联模型的含时网络版本
原文标题： A temporal network version of Watts's cascade model
地址： http://arxiv.org/abs/2103.13604
作者： Fariba Karimi, Petter Holme
摘要： 社会科学和经济学中的级联阈值模型解释了由于社会影响而引起的观点和创新的传播。在门槛级联模型中，时尚或创新在主体之间传播，这取决于他们与其他主体的互动以及他们个人的抵抗门槛。通常，这些模型不考虑单元之间交互时间的结构。在这项工作中，我们将Duncan Watts的社会级联模型扩展到时间交互网络。在我们的模型中，我们假设朋友和熟人在将来的特定时间内会影响主体。那是过去时代的影响，变得不重要了。因此，我们修改后的级联模型具有有效的影响时间窗口。我们探索两种类型的阈值-邻居分数或绝对数的阈值。我们在六个经验数据集上尝试我们的模型，并将它们与空模型进行比较。
具有混合自主权的交通网络的匿名收费
原文标题： Anonymous Tolling for Traffic Networks with Mixed Autonomy
地址： http://arxiv.org/abs/2103.13553
作者： Daniel A. Lazar, Ramtin Pedarsani
摘要： 当驾驶员自私地选择自己的路线而不是直接将路线对准以最小化社会成本（即所有用户经历的总旅行延误）时，道路网络的效率低下。在混合自治的环境中，当有多种类型的车辆对拥堵产生不同的影响时，这种低效率会大大增加，而不仅仅是单一类型的车辆。在单车类型设置中，众所周知的最佳通行费完全消除了这种效率低下的情况。但是，混合自治的困难性质使得在没有非常严格的假设的情况下，在这种情况下最佳通行费是未知的。在这项工作中，我们为具有多个源-目的地对的常规网络中的混合自主环境提供了第一个最佳通行费，其中道路等待时间是车辆流量的仿射函数。这些最佳通行费有所不同，这意味着必须为不同的车辆类型提供不同的通行费值。管理不同的通行费可能很困难-为理解决这个问题，我们还提供了匿名通行费，这可以减少这种情况下的效率低下。我们量化此类通行费的限额，并将通行费的表现与这些范围进行比较。
量化育儿服务对妇女就业的效力
原文标题： Quantifying the efficacy of childcare services on women employment
地址： http://arxiv.org/abs/2103.13570
作者： Jing-Yi Liao, Ying Kong, Tao Zhou
摘要： 妇女在成为母亲后重返劳动力市场。从直觉上讲，托儿服务可以促进妇女的就业，因为它们可以调解对母亲的惩罚。但是，大多数已知的研究都集中在托儿服务对生育率的影响上，而不是定量分析对妇女就业的影响。本文利用全球面板数据和省级中国数据，揭示了托儿服务与女性就业之间的定量关系，即托儿服务的出勤率与女性相对于男性的就业率呈正相关。进一步的分析表明，这种积极影响可能主要来自打破脆弱的就业困境。
压缩梯度跟踪用于线性收敛的分布式优化
原文标题： Compressed Gradient Tracking for Decentralized Optimization with Linear Convergence
地址： http://arxiv.org/abs/2103.13748
作者： Zhuorui Li, Yiwei Liao, Kun Huang, Shi Pu
摘要： 在研究有限通信下的分散式优化问题时，通信压缩技术的兴趣日益浓厚，其全球目标是仅使用本地计算和对等通信，以最小化网络主体上本地成本函数的平均值。在本文中，我们提出了一种新颖的压缩梯度跟踪算法（C-GT），该算法将梯度跟踪技术与通信压缩相结合。我们证明C-GT继承了基于梯度跟踪的算法的优势，尤其是对于强凸和平滑目标函数实现了线性收敛速度。数值算例进一步证明了该算法的有效性和灵活性。
加权节点相似度下基于复杂网络的时间序列预测
原文标题： Time series forecasting based on complex network in weighted node similarity
地址： http://arxiv.org/abs/2103.13870
作者： Tianxiang Zhan, Fuyuan Xiao
摘要： 时间序列在当今许多领域引起了广泛关注。在分析复杂网络和能见度图论的基础上，提出了一种新的时间序列预测方法。在时间序列分析中，可见性图论将时间序列数据转换为网络模型。在网络模型中，节点相似性指标是重要因素。在直接使用相似度最大的节点预测方法的基础上，以节点相似度指标作为权重系数，优化了预测算法。与单点采样节点预测算法相比，当数据集足够多时，多点采样预测算法可以提供更准确的预测值。根据在四个真实世界的代表性数据集上的实验结果，该方法具有更准确的预测能力，并且可以在时间序列和实际场景领域提供更准确的预测。
COVID-19爆发对意大利国家声誉和股市表现的影响：一种情绪分析方法
原文标题： Impact of the COVID-19 outbreak on Italy's country reputation and stock market performance: a sentiment analysis approach
地址： http://arxiv.org/abs/2103.13871
作者： Gianpaolo Zammarchi, Francesco Mola, Claudio Conversano
摘要： 在最近的2019年冠状病毒疾病（COVID-19）爆发期间，微博服务Twitter被广泛用于分享事件的观点和反应。意大利是首批受到疫情严重影响并建立锁定和留在家里订单的欧洲国家之一，这可能导致该国声誉受损。我们诉诸情绪分析来调查COVID-19爆发前后在Twitter上发布的有关意大利的观点变化。使用不同的基于词典的方法，我们找到一个断点，该断点对应于意大利第一个确定的COVID-19病例的日期，该断点会导致情感得分的相应变化（用作国家声誉的代表）。接下来，我们证明关于意大利的情绪得分与FTSE-MIB指数（意大利证券交易所主要指数）的水平密切相关，因为它们可以作为FTSE-MIB值变化的早期检测信号。最后，我们对推文进行基于内容的分类，分为正面和负面，并使用两个机器学习分类器来验证爆发前后发布的推文的指定极性。
在2017年哈维飓风期间检查流动性数据的公正性
原文标题： Examining mobility data justice during 2017 Hurricane Harvey
地址： http://arxiv.org/abs/2103.13879
作者： Hengfang Deng, Qi Wang
摘要： 自然灾害会严重干扰城市地区的人员流动。研究已经尝试使用众包移动性数据集来理解和量化这种破坏。然而，有限的研究已经在自然灾害的背景下研究了流动性数据的正义问题。缺乏研究使我们缺乏量化和控制数据中可能偏差的经验基础。这项研究以2017年哈维飓风为例，探讨了可能导致不公正现象的流动性数据的三个方面：代表性，质量和准确性。我们发现代表性是导致流动性数据不公正的主要因素。在飓风登陆之前，之中和之后，具有不同社会经济特征的邻域之间的代表性持续存在差异。此外，我们观察到飓风期间数据精度显著下降，从而增加了在极端天气事件中无法定位人员并理解人员运动的不确定性。调查结果突出了理解和控制流动性数据可能存在的偏差的必要性，以及通过数据公正的眼光开发实用工具来收集和分析灾害期间的数据的必要性。
局部网络相似性度量的比较分析：在作者引用网络中的应用
原文标题： A comparative analysis of local network similarity measurements: application to author citation networks
地址： http://arxiv.org/abs/2103.13946
作者： Adilson Vital Jr., Diego R. Amancio
摘要： 理解论文和作者引文的演变对于设计可促进和加速科学发现的研究政策和评估标准至关重要。最近，在科学领域的新兴科学的背景下，进行了许多有关科学发展的研究。尽管许多研究已经探讨了引文网络中的链接问题，但只有少数著作分析了作者引文网络中链路预测的时间性质。在这项研究中，我们比较了10个著名的本地网络相似性度量的性能，以预测作者引用网络中的未来链接。与传统的链路预测方法不同，预测链接的时间性质与我们的方法有关。我们的分析显示出有趣的结果。发现雅卡德系数是最相关的测量值之一。相反，优先连接测量显示了最差的性能。我们还发现，将本地度量值扩展到其加权版本不会显著提高预测引用的性能。最后，我们还发现，将来自所有10个考虑的相似性度量的信息进行汇总的神经网络方法无法提供最高的预测性能。
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。
网友评论