- 将组合方法用于网络上的扩散过程;
- 动态传播的最优网络;
- MEDICI：易于使用的合成社会网络数据生成器;
- 三元组演化;
- 主体系统的社会规则;
- 在线社区管理中使用实用程序进行用户名验证的效率;
- 响应次要禁止和外部事件的行为变化;
- GRAND项目的碳足迹研究;
- 美国COVID-19病例的深度预测中人口统计学变量与社会距离分数的相互作用;
将组合方法用于网络上的扩散过程
原文标题： Combinatorial approach to spreading processes on networks
地址： http://arxiv.org/abs/2101.02176
作者： Dario Mazzilli, Filippo Radicchi
摘要： 在复杂的网络拓扑上定义的随机传播模型用于模拟现实系统中疾病，信息和观点的传播。现有的以微观形态表征模型的理论方法依赖于动力学变量之间独立性的某种近似，因此在地面真相动力学的预测中引入了系统性偏差。在这里，我们基于这样的近似值开发了一个组合框架：扩展可能仅沿着连接节点对的最短路径发生。近似值高估了节点状态之间的动态相关性，并导致预测有偏差。但是，系统偏差指向与现有近似值相反的方向。我们表明，两种偏倚方法的组合生成的地面真实动态预测比单独使用两个近似值所给出的预测更准确。我们进一步利用组合近似来刻画一些推理问题的理论性质，并表明微观构型的重构对获取系统部分知识的地点和时间都非常敏感。
动态传播的最优网络
原文标题： Optimal networks for dynamical spreading
地址： http://arxiv.org/abs/2101.01916
作者： Liming Pan, Wei Wang, Lixin Tian, Ying-Cheng Lai
摘要： 为特定类型的动力学过程寻找最佳网络结构的反问题是网络科学中最具挑战性的问题之一。着眼于退火网络的动力学易受影响类型，该网络的结构完全由度分布来表征，我们开发了一个解析框架来解决反问题。我们发现，对于相对较低或较高的感染率，最佳程度分布是唯一的，它由不超过两个不同的节点程度组成。对于中等感染率，最佳程度分布是多种多样的，可以提供更广泛的支持。我们还发现，通常，最佳网络的异质性随感染率而降低。令人惊讶的现象是存在感染率的特定值，对于该值，任何程度的分布在生成最大传播率时都是最佳的。分析框架和调查结果提供了对网络结构和动态过程之间相互作用的洞察力，并具有实际意义。
MEDICI：易于使用的合成社会网络数据生成器
原文标题： MEDICI: A simple to use synthetic social network data generator
地址： http://arxiv.org/abs/2101.01956
作者： David F. Nettleton, Sergio Nettleton, Marc Canal i Farriol
摘要： 本文介绍了一种称为Medici的应用程序，该应用程序旨在为社会网络图生成综合数据，该应用程序可供该领域的研究人员和从业人员进行分析，假设测试和应用程序开发。它通过提供一个集成的系统和一个用户友好的屏幕界面来建立在以前的工作基础之上。可以使用默认值运行它以生成图数据和统计信息，然后可以将其用于进一步处理。该系统在Github Java项目中公开可用。附件为用户手册提供了逐屏指南。
三元组演化
原文标题： Triplet Evolution
地址： http://arxiv.org/abs/2101.01965
作者： Qing Yao, Bingsheng Chen, Kim Christensen, Tim Evans
摘要： 我们通过“三元组”（三节点图）研究网络的演化。我们开发了一种方法来计算这些三元组的过渡矩阵，以描述它们在时间网络中的演化。为了确定网络动力学的非成对交互作用，我们将人工数据和真实数据与成对交互模型进行比较。计算出的矩阵与通过拟合参数得出的计算出的矩阵之间的显著差异表明，各种现实世界的数据集都存在非成对的交互作用。此外，矩阵差异的不同条目揭示了现实世界系统具有不同的高阶交互模式，这在先前的研究中很少报道。然后，我们将这些转换矩阵用作链路预测算法的基础。我们将我们的方法与其他十种链路预测方法进行了比较，研究了在四个时间网络上算法的性能。我们的结果表明，高阶交互在网络的发展中起着至关重要的作用，因为我们发现我们的方法以及其他两种基于非本地交互的方法都可以提供最佳的整体性能。结果还证实了这样的概念，即高阶交互模式（即三重态动力学）可以帮助我们理解和预测不同的现实世界系统的演化。
主体系统的社会规则
原文标题： Social rules for agent systems
地址： http://arxiv.org/abs/2004.12797
作者： René Mellema, Maarten Jensen, Frank Dignum
摘要： 在创建（开放）主体程序系统时，使用诸如社交实践，规范和惯例之类的社会概念来对主体程序之间的交互进行监管的方式进行建模已成为一种常见的做法。但是，在文献中，大多数论文当时仅集中于这些方面之一。因此，几乎没有关于这些社会概念如何关联以及它们何时从另一个概念出现或发展的任何研究。在本文中，我们将研究这些概念之间的一些关系，以及它们是否从根本上源于单个社会对象，还是应该被视为完全不同类型的对象。
在线社区管理中使用实用程序进行用户名验证的效率
原文标题： Efficiency of Using Utility for Usernames Verification in Online Community Management
地址： http://arxiv.org/abs/2101.01718
作者： Solomiia Fedushko, Yuriy Syerov, Oleksandr Skybinskyi, Nataliya Shakhovska, Zoryana Kunch
摘要： 该研究基于对网络社区用户通信交互结果的计算机语言分析，研究了检查网络社区用户名可靠性的方法和手段。这项研究的方法论基础是将通用科学方法和特殊方法相结合，用于研究全球信息环境中乌克兰部分在线社区的数据验证。开发了在线社区用户名实用程序验证程序的功能算法。设计了一种在线社区用户名自动查询的信息模型。在线社区中实现了在线社区用户名数据验证系统认可的实用程序验证程序。确定数据验证系统有效性的指标。
响应次要禁止和外部事件的行为变化
原文标题： Behavior Change in Response to Subreddit Bans and External Events
地址： http://arxiv.org/abs/2101.01793
作者： Pamela Bilo Thomas, Daniel Riehm, Maria Glenski, Tim Weninger
摘要： 随着越来越多的人涌向社交媒体以与他人建立联系并形成虚拟社区，研究这些群体的成员如何相互作用以理解Web上的人类行为非常重要。为了应对仇恨言论，骚扰和其他反社会行为的增加，许多社交媒体公司已实施了不同的内容和用户审核政策。例如，在Reddit上，社区（即subreddit）因违反这些政策而偶尔被禁止。我们研究了这些监管措施的效果以及社区经历重大外部事件（例如政治选举或市场崩溃）时的效果。总体而言，我们发现大多数subreddit禁令会提示少量但具有统计意义的活跃用户退出该平台；外部事件的影响随事件类型的不同而不同。最后，我们讨论了禁令的有效性以及对在线内容审核的广泛影响。
GRAND项目的碳足迹研究
原文标题： Carbon Footprint Study for the GRAND Project
地址： http://arxiv.org/abs/2101.02049
作者： Clarisse Aujoux, Kumiko Kotera, Odile Blanchard (for the GRAND Collaboration)
摘要： 我们提供了几十年来大规模天体物理学实验对全球年温室气体排放的开创性估计：中微子探测巨型阵列（GRAND）。该项目旨在利用20万个无线电天线阵列检测超高能中微子，到2030年代，该天线阵列超过200,000 ，km ^ 2 。利用基于开源数据的完全透明的方法，我们计算与三种不可避免的排放源相关的排放：旅行，数字技术和硬件设备。我们发现，根据实验的阶段，这些排放源会产生不同的影响。数字技术和旅行在小型原型阶段（GRANDProto300）中占主导地位，而在大型阶段（GRAND200k）中，硬件设备（材料生产和运输）和数据传输/存储大大超过了其他排放源。在中规模阶段（GRAND10k），这三个来源的贡献相等。这项研究强调了大规模天体物理学实验的可观碳足迹，但同时也表明仍有改进的空间。我们讨论了可以实施的各种行动。 GRAND项目仍处于原型开发阶段，我们的结果为未来的协作实践和工具设计提供了指导，以减少其碳足迹。
美国COVID-19病例的深度预测中人口统计学变量与社会距离分数的相互作用
原文标题： The Interplay of Demographic Variables and Social Distancing Scores in Deep Prediction of U.S. COVID-19 Cases
地址： http://arxiv.org/abs/2101.02113
作者： Francesca Tang, Yang Feng, Hamza Chiheb, Jianqing Fan
摘要： 随着COVID-19爆发的严重性，我们使用谱聚类和相关矩阵的新颖组合来表征美国各县的增长轨迹。随着美国和世界其他地区正经历着第二波严重的感染浪潮，将增长成员资格分配给各县和理解增长决定因素的重要性日益明显。随后，我们选择在区分社区方面最具有统计意义的人口统计特征。最后，我们使用三个社会距离得分，通过LSTM有效地预测了给定县的未来增长。这项全面的研究利用增长社区，人口统计学因素和社会疏远表现，在非常微观的水平上把握了县的增长性质，以帮助政府机构利用已知信息来就哪些潜在县将资源和资金用于目标做出适当决策。 。
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