- 通过曲率分析识别网络模型的潜在空间几何;
- Achlioptas过程中增长网络中的渗流转变：解析解;
- AdnFM：用于CTR预测的基于注意力DenseNet的因子分解机;
- 通过动态异构图神经网络进行可疑的大规模注册检测;
- 法国的人称地名：圣人流行度，像是群集相变;
- 在意见动态中建模确认偏差和同伴压力;
- 分布式超图模型，用于在dblp中对协作进行全面模拟;
- 通过COVID-19一般增长特征理解在强有力的控制措施下的感染进展;
- 使用可穿戴式接近传感器来表征马拉维农村村庄的社会联系方式;
- COVID-19时代的虚假新闻议程：通过事实检查内容确定趋势;
- 中央管理的国有企业参与中国公私合营关系：社会网络分析;
- 从人口规模的家谱图绘制亲子迁移的时间趋势;
- 社交媒体COVID-19误报干预措施受到正面评价，但影响有限;
- 具有同质性和社会平衡的社会中的平衡和分散相;
- 洛伦兹几何学和降低飞机登机变异性：慢速乘客先登机胜过随机登机;
- 基于Ising的Louvain方法：使用专用硬件对大型图进行聚类;
- 从调查数据中识别基于意见的群体：二模网络方法;
- 比较来自临床和社交媒体数据的自杀风险见解;
- 通过模体统一同质性和异质性网络转换;
通过曲率分析识别网络模型的潜在空间几何
原文标题： Identifying the latent space geometry of network models through analysis of curvature
地址： http://arxiv.org/abs/2012.10559
作者： Shane Lubold, Arun G. Chandrasekhar, Tyler H. McCormick
摘要： 由于连接之间的依赖（通常是高阶），跨众多学科和环境进行统计建模的网络从根本上具有挑战性。一种常见方法是将图中的每个人分配到低维流形上的位置。在这个（潜在的）空间中个体之间的距离与形成连接的可能性成反比。潜在几何形状（流形类别，尺寸和曲率）的选择对模型的实质性结论有相应的影响。例如，歧管中更大的正曲率会鼓励更多和更紧密的社区。负曲率在节点之间引起排斥。然而，当前，潜在几何形状的选择是先验建模假设，并且关于如何以数据驱动方式进行这些选择的指导有限。在这项工作中，我们提出了一种方法，可以根据经验相关类别的潜在空间一致地估计流形类型，维数和曲率：简单连接的，恒定曲率的完整黎曼流形。我们的核心洞察力是根据群体之间的联系将图表示为嘈杂的距离矩阵。利用统计几何的结果，我们开发了假设检验，以确定观察到的距离是否可以等距地合理地嵌入到每个候选几何中。我们通过模拟探索方法的准确性，然后将其应用于经济学，社会学以及神经科学的数据集。
Achlioptas过程中增长网络中的渗流转变：解析解
原文标题： Percolation Transitions in Growing Networks Under Achlioptas Processes: Analytic Solutions
地址： http://arxiv.org/abs/2012.10749
作者： Soo Min Oh, Seung-Woo Son, Byungnam Kahng
摘要： 网络在各种各样的现实世界系统中无处不在。随着节点数量随时间增加，许多经验网络都在增长。不断增长的随机网络中的渗流跃迁可以是无穷大的。但是，当大型簇的生长受到某些影响（例如Achlioptas过程）受到抑制时，过渡类型将更改为二阶。但是，对于临界行为（例如过渡点，临界指数和比例关系）的分析结果很少。在这里，我们根据控制参数 m 明确地推导它们，该参数代表使用尺度ansatz的抑制强度。然后，我们通过求解速率方程并执行数值模拟来确认结果。我们的结果清楚地表明，过渡点接近统一，阶参数指数 beta 随着 m to infty 逐渐接近零，而对于静态网络，它们指数级地接近这些值。此外，对于成长中的网络，上限阈值变为 d_u = 4 ，而对于静态网络则为 d_u = 2 。
AdnFM：用于CTR预测的基于注意力DenseNet的因子分解机
原文标题： AdnFM: An Attentive DenseNet based Factorization Machine for CTR Prediction
地址： http://arxiv.org/abs/2012.10820
作者： Kai Wang, Chunxu Shen, Wenye Ma
摘要： 在本文中，我们考虑了点击率（CTR）预测问题。分解机及其变体考虑了成对特征交互，但是由于时间复杂度高，通常我们不会使用FM进行高阶特征交互。鉴于深度神经网络（DNN）在许多领域都取得了成功，研究人员提出了几种基于DNN的模型来学习高阶特征相互作用。多层感知器（MLP）已被广泛用于学习从特征嵌入到最终logit的可靠映射。在本文中，我们旨在探索更多关于这些高阶特征相互作用的信息。但是，高阶特征交互值得更多关注和进一步发展。受到密集连接卷积网络（DenseNet）在计算机视觉中取得的巨大成就的启发，我们提出了一种新模型，称为基于注意力DenseNet的分解机（AdnFM）。 AdnFM可以通过使用前馈神经网络中的所有隐藏层作为隐式高阶特征来提取更全面的深度特征，然后通过注意力机制选择主导特征。同样，使用隐含神经网络以隐式方式进行的高阶交互比显式方式（例如在FM中）具有更高的成本效益。在两个真实数据集上的大量实验表明，该模型可以有效提高CTR预测的性能。
通过动态异构图神经网络进行可疑的大规模注册检测
原文标题： Suspicious Massive Registration Detection via Dynamic Heterogeneous Graph Neural Networks
地址： http://arxiv.org/abs/2012.10831
作者： Susie Xi Rao, Shuai Zhang, Zhichao Han, Zitao Zhang, Wei Min, Mo Cheng, Yinan Shan, Yang Zhao, Ce Zhang
摘要： 大量帐户注册引起了电子商务公司风险管理的关注，尤其是当注册在短时间内迅速增加时。为了持续监视这些注册并最大程度地减少它们可能造成的潜在损失，有必要检测大量注册并预测其风险。在本文中，我们提出了一种动态异构图神经网络框架来刻画可疑的大规模注册（DHGReg）。我们首先根据配准数据构造一个动态异构图，该图由结构子图和时间子图组成。然后，我们设计一种有效的架构来预测可疑/良性帐户。我们提出的模型优于基线模型，并且在处理由实际数据集构建的动态异构图方面在计算效率方面高。实际上，DHGReg框架将有助于在早期阶段检测可疑注册行为。
法国的人称地名：圣人流行度，像是群集相变
原文标题： Hagiotoponyms in France: Saint popularity, like a herding phase transition
地址： http://arxiv.org/abs/2012.10661
作者： Marcel Ausloos
摘要： 在法国，地名地名的分布呈现出一种壮观的类似命令-命令的过渡。数据分析和显示可以区分男性和女性病例。各自的hapax值指向具有特定奉献精神的各种圣人。最受欢迎的是圣马丁和使徒。不太受欢迎的不是那么知名。这些特征是根据主体行为的羊群来解释的：人们要么偏爱通常与圣灵有良好联系的圣人，就算发生羊群行为，或者（非羊群）主体更倾向于通过提及某些人来命名其当地人类住区。具有更多当地特色的圣人-仍具有道德或宗教领导能力，并被认为与上帝有良好的联系，至少在当地被定义为圣人。
在意见动态中建模确认偏差和同伴压力
原文标题： Modeling confirmation bias and peer pressure in opinion dynamics
地址： http://arxiv.org/abs/2012.10838
作者： Longzhao Liu, Xin Wang, Shaoting Tang, Zhiming Zheng
摘要： 确认偏差和同伴压力都对集体决策的形成产生重大影响。然而，很少有人尝试研究这两种机制之间的相互作用如何影响民意的演变。在这里，我们提出了一种基于主体的意见动态模型，该模型结合了确认偏差（由人口身份范围和个人顽固性表征）和同伴压力（由易感性阈值描述）的共轭效应。我们显示，在同质人口中，随着人口认同范围的变大，意见片段的数量首先增加，然后减少至一个。此外，在异质情况下，我们发现，即使人口认同范围相对较大，即使是一小部分对同龄人压力敏感的可印象个人也可以消除公众的两极分化。有趣的是，我们强调了“印象深刻的温和派”的出现，这些人容易受到影响，持有摇摆不定的意见，并且在竞争活动中至关重要。
分布式超图模型，用于在dblp中对协作进行全面模拟
原文标题： A distributed hypergraph model for the full-scale simulation of the collaborations in dblp
地址： http://arxiv.org/abs/2012.10925
作者： Zheng Xie
摘要： 这项研究提出了一个模型，可以对dblp数据集中的协作动态进行全面模拟。它是一种具有模拟大型超图的能力的分布式模型，即具有异构多元关系的系统。它的hyperedges组装机制是由洛特卡定律和一个合作博弈驱动的，该博弈最大程度地提高了协作的成本效益比。该模型建立在表示博弈的圆上，用节点之间的距离表示成本。与多产研究人员或与许多共同作者共同创作的好处是通过节点的累积度或超度来表示的。该模型成功刻画了dblp数据集中出现的协作模式的多模式，并很好地再现了协作模式，度，超度，聚类和巨型组件在30年中的演变趋势。该模型具有扩展潜力，以理解主要由特定合作博弈驱动的自组织系统的复杂性，并且能够预测系统节点的行为模式。
通过COVID-19一般增长特征理解在强有力的控制措施下的感染进展
原文标题： Understanding infection progression under strong control measures through universal COVID-19 growth signatures
地址： http://arxiv.org/abs/2012.10965
作者： Magdalena Djordjevic, Marko Djordjevic, Bojana Ilic, Stefan Stojku, Igor Salom
摘要： 报告了在COVID-19确诊病例数中广泛的生长特征，并在三种不同的动态机制（指数，超线性和亚线性）之间发生了急剧的转变。通过分析和数值分析，开发了一种利用这些签名中信息的新颖框架。应用了一种物理上众所周知的方法，其中人们可以独立于其他因素的差异来寻找共同的动力学特征。这些功能和相关的尺度定律用作确定有效分析区域的强大工具，深入理解疾病进展的质变并推断关键感染参数。对经验观察到的COVID-19生长模式进行联合分析和数值分析的已开发框架可以使人们在强有力的控制措施下对感染的进展有基本的理解，这适用于COVID-19和其他传染病的爆发。
使用可穿戴式接近传感器来表征马拉维农村村庄的社会联系方式
原文标题： Using wearable proximity sensors to characterize social contact patterns in a village of rural Malawi
地址： http://arxiv.org/abs/2012.10983
作者： Laura Ozella, Daniela Paolotti, Guilherme Lichand, Jorge P. Rodriguez, Simon Haenni, John Phuka, Onicio B. Leal-Neto, Ciro Cattuto
摘要： 测量个人之间的近距离互动可以提供有关人类社区社交联系的关键信息。通过本研究，我们报告了基于接近传感器技术的马拉维农村乡村接触方式的定量评估，该技术可以对社交接触进行高分辨率测量。该系统提供有关村庄的社区结构，个人之间的社会关系和社会分类以及村庄内日常联系活动的信息。我们的研究结果表明，社会网络所呈现的社区与家庭成员高度相关，从而证实了村庄内家庭联系的重要性。家庭内部的接触主要发生在成年人和儿童之间，以及成年人和青少年之间。这一结果表明，成人在家庭中的主要作用是照顾最小的孩子。家庭间的大多数互动都发生在看护者之间和青少年之间。我们研究了参与者与具有相似属性（即分类能力）的个人互动的趋势。在家庭内部网络中观察到年龄和性别分类，这表明不属于同一家庭组的个人更喜欢与具有相似年龄和性别的人互动。在家庭内部网络中观察到年龄分解。家庭成员在清晨，午餐时间和晚餐时间聚会。相反，不属于同一家庭的个体从早晨开始表现出不断增长的接触活动，在下午达到最大值。这项研究中使用的数据收集基础设施似乎非常有效，可以通过收集高分辨率的时间数据来刻画联系人的动态，并可以访问理解村庄的社会背景所需的信息级别。
COVID-19时代的虚假新闻议程：通过事实检查内容确定趋势
原文标题： Fake news agenda in the era of COVID-19: Identifying trends through fact-checking content
地址： http://arxiv.org/abs/2012.11004
作者： Wilson Ceron, Mathias-Felipe de-Lima-Santos, Marcos G. Quiles
摘要： 社交媒体的兴起点燃了我们社会中虚假信息的空前流通。在危机时期，例如COVID-19大流行，这一点更加明显。事实检查的努力已大大扩展，被誉为伪造新闻最有希望的解决方案之一，尤其是在这种情况下。几项研究报告了西方社会事实检查组织的发展，尽管对全球南方的关注很少。在这里，为了填补这一空白，我们介绍了一种新颖的马尔可夫启发式计算方法，用于识别推文中的主题。与其他主题建模方法相比，我们的方法在预定义的时间窗口内将主题及其当前演变聚类。通过这些，我们从两个巴西事实检查网点的Twitter帐户中收集了数据，并在整个大流行的两周内介绍了这些举措揭穿的主题。通过比较这些组织，我们可以确定它们共享的内容之间的异同。我们的方法产生了一种重要的技术，可以在各种场景中对主题进行聚类，包括信息流行病-同一信息一段时间过剩。特别是，数据清楚地表明了在此期间政治与健康危机之间的复杂交织。最后，我们提出一个通用模型，我们认为该模型适用于主题建模和未来研究的议程。
中央管理的国有企业参与中国公私合营关系：社会网络分析
原文标题： Centrally Administered State-Owned Enterprises' Engagement in China's Public-Private Partnerships: A Social Network Analysis
地址： http://arxiv.org/abs/2012.11006
作者： Min Xiong, Travis A. Whetsell, Jerry (Zhirong) Zhao, Shaoming Cheng
摘要： 中国公私伙伴关系（PPP）的一个显著特征是国有企业（SOE）的深度参与，特别是由中央/中央政府（CSOE）管理的企业。本文结合了基于资源的观点和资源依赖理论的方法，以解释CSOE在PPP网络中的参与。本文从网络角度出发，与之前的研究不同，它研究了整个PPP治理网络的整体以及所有PPP参与者的嵌入式网络位置，而不是单个的，独立的PPP交易。根据CSOE拥有和获得战略资产的优势，使用2012-2017年期间有关PPP项目的新颖数据源，进行了社会网络分析，以检验CSOE在形成PPP中的假设网络优势。研究结果表明，随着时间的推移以及整个地理空间的发展，CSOE在PPP网络中具有主导性影响力和控制力。还建议政策制定者应减少国有企业和私营企业之间的资源差距，只有这样做，才能增强非国有企业在中国PPP中的存在和参与。
从人口规模的家谱图绘制亲子迁移的时间趋势
原文标题： Mapping Temporal Trends of Parent-Child Migration from Population-Scale Family Trees
地址： http://arxiv.org/abs/2012.11007
作者： Caglar Koylu, Alice Kasakoff
摘要： 用户生成的家谱对于构建人口规模的家庭网络和研究许多代甚至更远的人口动态具有无价的作用。家谱包含有关个人的信息，例如出生和死亡的地点和年份，以及亲戚关系，例如，亲子，配偶和兄弟姐妹的关系。这样的有关家谱中个人的信息使得随着时间的推移提取迁移网络成为可能。尽管有最新进展，但由于对时间划分对流模式的影响缺乏理解，现有的时变流数据的空间和时间抽象技术仍存在局限性。在这项研究中，我们从Rootsweb.com上经过清理，地理编码和连接的家谱中提取了1776年至1926年的150年间州到州的迁移模式。我们利用父母和子女的出生地和出生年限来提取各州之间的代际移民流动。为了揭示迁移模式的时间趋势，我们评估了三种时间划分策略：（1）美国历史上预定义的时间段；（2）固定长度的重叠时间段；（3）长度可变的时间段，它们的体积大致相等每个时间段的移动次数。为了考虑地理邻近性和流量在迁移流中的影响，我们使用双重约束引力模型将原始流转换为模块化流。我们的初步结果显示，在如此大的时空范围内，美国的纵向人口流动性很高。
社交媒体COVID-19误报干预措施受到正面评价，但影响有限
原文标题： Social Media COVID-19 Misinformation Interventions Viewed Positively, But Have Limited Impact
地址： http://arxiv.org/abs/2012.11055
作者： Christine Geeng, Tiona Francisco, Jevin West, Franziska Roesner
摘要： 在传播COVID-19错误信息的过程中，Facebook和Twitter等社交媒体平台推出了设计干预措施，其中包括链接至权威资源的标语和更具体的“虚假信息”标签。在2020年3月下旬，这些干预措施开始出现后不久，我们进行了探索性混合方法调查（N = 311），以理解：社交媒体用户对这些干预措施的态度是什么，以及他们在多大程度上自我报告有效？我们发现，大多数参与者对干预措施持积极态度，尤其是针对错误信息的特定岗位标签。尽管如此，大多数参与者还是通过其他方式（最常见的是通过网络搜索）发现或纠正了错误信息，这为平台提供了更多的空间来阻止COVID-19错误信息的传播。
具有同质性和社会平衡的社会中的平衡和分散相
原文标题： Balanced and fragmented phases in societies with homophily and social balance
地址： http://arxiv.org/abs/2012.11221
作者： Tuan Minh Pham, Andrew C. Alexander, Jan Korbel, Rudolf Hanel, Stefan Thurner
摘要： 最近理解社会分裂起源的尝试是基于自旋模型的，该模型包括解释两种社会现象的术语：同质（homophily）-具有相似观点的人建立积极关系的趋势；以及社会平衡-人们建树的趋势平衡的三元关系。自旋表示编码个体的多个（二进制）观点的属性向量，个体之间的社交互动可以是正面的或负面的。最近的工作表明，N >> 1个个体的大型系统永远不会达到平衡状态（其中具有一个或三个敌对链接的不平衡三合会仍然存在），只要每个主体的属性数量小于O（N ^ 2）即可。牧师125，078302]。在这里，我们表明该陈述过于严格。在汉密尔顿主义的框架中，将个体的社会压力降至最低，我们证明，如果个体除了同质性之外，还考虑到其三元组的很大一部分q，则可以实现任何数量属性的平稳，平衡但支离破碎的状态关系。高于临界值q_c，将产生平衡状态。该结果也适用于稀疏的现实社会网络。最后，在小q的极限内，我们的结果与[Phys。牧师125，078302]。
洛伦兹几何学和降低飞机登机变异性：慢速乘客先登机胜过随机登机
原文标题： Lorentzian geometry and variability reduction in airplane boarding: Slow passengers first outperforms random boarding
地址： http://arxiv.org/abs/2012.11246
作者： Sveinung Erland, Jevgenijs Kaupužs, Albert Steiner, Eitan Bachmat
摘要： 航空公司使用不同的登机政策来组织等待进入飞机的乘客队列。我们通过对每位乘客的队列位置和行号进行几何表示，分析了多乘客限制中的三种政策，并应用洛伦兹度量标准来计算总登机时间。登机时间由每个乘客需要清除通道的时间决定，而增加的时间由通道清除时间分布通过有效的通道清除时间参数确定。通用随机登机策略下的非组织队列的特征在于有效的过道清理时间长。我们表明，在数学上的假设下，我们已经通过在所有实际情况下进行的大量数值计算验证了此假设，当慢乘客与快乘客分开并且允许慢群体首先进入飞机时，平均总登机时间总是会减少。这是一个普遍的结果，适用于三个主要控制参数的任意组合：快速组和慢速组的有效过道清除时间之间的比率，慢速乘客的比例以及过道中的乘客拥堵。根据通关时间分成几组，可以实现更同步的座位安排，但结果并不平凡，因为类似的快速优先政策（两组以相反的顺序进入飞机）不如随机登机一系列参数设置。渐近结果与具有实际乘客数量的离散事件模拟非常吻合，慢速优先和快速优先策略均具有比随机登机更好的表现。与随机登机相比，基于经验数据的参数（将手提行李作为将乘客分为慢班的标准）使慢登机的总登机时间减少了13％。
基于Ising的Louvain方法：使用专用硬件对大型图进行聚类
原文标题： Ising-Based Louvain Method: Clustering Large Graphs with Specialized Hardware
地址： http://arxiv.org/abs/2012.11391
作者： Pouya Rezazadeh Kalehbasti, Hayato Ushijima-Mwesigwa, Avradip Mandal, Indradeep Ghosh
摘要： 用于解决优化问题的专用硬件的最新进展，例如量子计算机，量子退火器和CMOS退火器，带来理解决实词复杂问题的新方法。但是，鉴于当前和近期的硬件限制，表达一个大型现实问题所需的变量数量很容易超过硬件功能，因此通常会开发混合方法以利用硬件。在这项工作中，我们主张在现有的最新启发式方法框架之上构建混合方法，从而改进这些方法。我们通过建立所谓的Louvain方法来证明这一点，该方法是针对社区检测问题的最受欢迎的算法之一，并开发了基于Ising的Louvain方法。提出的方法在将几个小到大型图进行聚类方面优于两种最新的社区检测算法。结果表明，将相同的优化方法应用于其他无监督学习启发式方法以改善其性能的前景很有希望。
从调查数据中识别基于意见的群体：二模网络方法
原文标题： Identifying opinion-based groups from survey data: a bipartite network approach
地址： http://arxiv.org/abs/2012.11392
作者： Pádraig MacCarron, Paul J. Maher, Michael Quayle
摘要： 一项调查可以由双向网络表示，因为它具有两种类型的节点：参与者和项目，其中参与者只能与项目进行交互。我们引入一个协议阈值，以最小化通过共享回复链接的参与者的投影，以便确定基于意见的群体。我们表明，在美国国家选举研究数据中，这可以确定政治态度上的两极分化。我们还对态度进行了预测，这些态度与参与者的反应方式有关。这可以用来表明在不同的国家或社区中普遍持有哪些态度。
比较来自临床和社交媒体数据的自杀风险见解
原文标题： Comparing Suicide Risk Insights derived from Clinical and Social Media data
地址： http://arxiv.org/abs/2012.11393
作者： Rohith K. Thiruvalluru, Manas Gaur, Krishnaprasad Thirunarayan, Amit Sheth, Jyotishman Pathak
摘要： 自杀是美国的第十大死亡原因，也是青少年的第二大死亡原因。尽管在电子病历和社会网络中这些因素的文献记载和自我表达各不相同，但临床和社会心理因素会导致自杀风险（SRF）。本研究调查了EHR和社会网络之间的差异程度。我们对123,703名患有精神疾病的患者进行了超过1,380万份临床笔记，对SRF进行了主观分析，如自我伤害，霸凌，冲动，家庭暴力/失调。我们在一组SRF下使用语义嵌入对临床笔记进行了聚类。同样，我们在r / SuicideWatch上收集了2180个自杀用户（约30,000个帖子），并进行了比较分析。 EHR中记录的前3个SRF为抑郁感（24.3％），心理障碍（21.1％），药物滥用（18.2％）。在r / SuicideWatch中，枪支拥有率（17.3％），自残（14.6％），欺凌（13.2％）是前三名SRF。两个平台都没有提及家庭暴力，种族歧视和其他重要的SRF，这些因素导致自杀风险。
通过模体统一同质性和异质性网络转换
原文标题： Unifying Homophily and Heterophily Network Transformation via Motifs
地址： http://arxiv.org/abs/2012.11400
作者： Yan Ge, Jun Ma, Li Zhang, Haiping Lu
摘要： 高阶邻近性（HOP）对于大多数网络嵌入方法而言都是基本的，因为它对节点嵌入的质量和下游网络分析任务的性能产生重大影响。大多数现有的HOP定义都是基于同构将紧密连接的高度紧密的节点紧密地放置在嵌入空间中，或者基于异同将嵌入的但结构相似的遥远节点放置在一起。在现实世界的网络中，两者可以共存，因此仅考虑一个因素便会限制预测性能和可解释性。但是，没有通用和通用的解决方案同时考虑这两个方面。在本文中，我们提出了一个简单而强大的框架，称为同构和异构保持网络转换（H2NT），以刻画可灵活统一同构和异构的HOP。具体来说，H2NT利用主题表示法通过微观和宏观层次的步行路径将网络转换为具有混合假设的新网络。 H2NT可以用作与任何现有网络嵌入方法集成的增强器，而无需对后一种方法进行任何更改。由于H2NT可以稀疏具有主题结构的网络，因此在集成时还可以提高现有网络嵌入方法的计算效率。我们进行了节点分类，结构角色分类和主题预测的实验，以显示优于最新方法的优越预测性能和计算效率。尤其是，基于DeepWalk的H2 NT的模体预测精度提高了24％，而与原始DeepWalk相比，其计算时间减少了46％。
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