- 使用元路径的邻居聚合网络用于异构图推理;
- 神经常微分方程控制的隐能量正则化;
- Covid-19期间企业的挑战和社会责任：Twitter分析;
- 发生了什么，谁在乎？追溯研究影响;
- 致力于SIR流行病学模型的定量约简;
使用元路径的邻居聚合网络用于异构图推理
原文标题： Metapaths guided Neighbors aggregated Network for Heterogeneous Graph Reasoning
地址： http://arxiv.org/abs/2103.06474
作者： Bang Lin, Xiuchong Wang, Yu Dong, Chengfu Huo, Weijun Ren, Chuanyu Xu
摘要： 大多数现实世界的数据集都是固有的异构图，其中涉及节点和关系类型的多样性。异构图嵌入是从图中学习结构和语义信息，然后将其嵌入到低维节点表示中。现有方法通常通过定义表示图的语义的元路径来刻画异构图的复合关系。但是，这些方法要么忽略节点属性，要么丢弃图的局部和全局信息，或者仅考虑一个元路径。为理解决这些局限性，我们提出了一种以Metapaths为导向的邻居聚集异质图神经网络（MHN），以提高性能。特别地，MHN使用节点基础嵌入来封装节点属性，在元路径中使用BFS和DFS邻居聚合来刻画本地和全局信息，并使用元路径聚合来组合异构图的不同语义。我们在三个现实世界的异构图数据集上针对拟议的MHN进行了广泛的实验，包括节点分类，链路预测和阿里巴巴移动应用程序的在线A / B测试。结果表明，MHN的性能优于其他最新基准。
神经常微分方程控制的隐能量正则化
原文标题： Implicit energy regularization of neural ordinary-differential-equation control
地址： http://arxiv.org/abs/2103.06525
作者： Lucas Böttcher, Nino Antulov-Fantulin, Thomas Asikis
摘要： 尽管可以在变分演算的框架内提出动态系统的最优控制问题，但它们对复杂系统的解决方案通常在分析和计算上都是棘手的。在这封信中，我们提出了一种具有隐式能量正则化功能的通用神经元常微分方程控制（NODEC）框架，并使用它来获取神经网络生成的控制信号，该信号可在预定的时间内将动力系统引向所需的目标状态。我们证明了NODEC学习控制信号的能力，这些控制信号在控制能量和偏离所需目标状态方面与相应的最佳控制框架非常相似。我们的结果表明，NODEC能够解决各种控制和优化问题，包括那些分析上难以解决的问题。
Covid-19期间企业的挑战和社会责任：Twitter分析
原文标题： Firms' Challenges and Social Responsibilities during Covid-19: a Twitter Analysis
地址： http://arxiv.org/abs/2103.06705
作者： Alessia Patuelli, Guido Caldarelli, Nicola Lattanzi, Fabio Saracco
摘要： Covid-19大流行对个人，公司和社会造成破坏性影响。在本文中，我们提供了有关公司在Covid-19大流行中面临的主要问题和挑战的深刻见解，以及他们对企业社会责任（CSR）主题的关注。为此，在大流行的前九个月中，我们调查了意大利大型公司在Twitter上的讨论。我们下载了2020年3月1日至2020年11月17日所有Twitter帖子，这些帖子均来自意大利最大的公司（即拥有250名或更多员工的公司）的帐户。然后，我们建立了帐户和标签的双向网络，并使用基于熵的空模型作为基准，将网络中包含的信息投影到帐户层中，确定了其中链接指示非平凡相似性的帐户网络。就其对标签的使用而言。我们发现对话的重点是13个社区，其中10个包含Covid-19主题。该网络的核心由5个社区组成，涉及环境可持续性，数字创新和安全。企业的所有权类型似乎并不影响对话。在13个社区中，有10个社区提到了与企业社会责任相关的主题标签，其中环境和社会维度最为普遍。有趣的是，社会维度似乎在处理数字创新和安全性的社区中更为相关。但是，在单个消息级别，CSR主题标签的相关性很小，但是在特定社区中会出现一些特殊性。总体而言，我们的论文重点介绍了网络方法在Twitter数据上的作用，该工具可以支持经理和政策制定者设计其策略和决策，捕捉公司的新兴问题和相关主题。
发生了什么，谁在乎？追溯研究影响
原文标题： What happened, and who cared? Evidencing research impact retrospectively
地址： http://arxiv.org/abs/2103.06778
作者： Chris D. White, Anthony Phillips, Beltran Sajonia-Coburgo-Gotha
摘要： 英国和其他地区的高等教育机构承受着越来越大的压力来衡量其研究的影响，其中可能包括该研究如何提高了公众的科学参与度。由于各种原因，在做出特定的研究发现后，可能需要几个月甚至几年的时间才能提供证据。此外，需要正确的证据来表明给定目标受众中真正的行为改变，而随着时间的流逝，这可能很难获得。在本文中，我们提出了用于追溯研究参与度的多种策略，并举例说明了它们在5年前的示例发现中的使用。
致力于SIR流行病学模型的定量约简
原文标题： Towards a quantitative reduction of the SIR epidemiological model
地址： http://arxiv.org/abs/2103.06863
作者： Matteo Colangeli, Adrian Muntean
摘要： 我们打算在动态网络的上下文中使用SIR型流行病学模式的推动下，通过大规模提供高度互动不均匀人类的人群中，我们探讨在这个框架的可能性，经典的SIR模型降低到代表演化模型适当选择可观察的。对于选定的场景，我们在近似可观察值和原始字段之间提供了实用的 em a Priori错误界限。最后，我们用数字说明了简化模型与原始模型相比的行为。
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