- 使用时空图神经网络检验COVID-19预测;
- 流行病的统计物理网络预测SARS-CoV-2参数;
- 流感大流行封锁后同龄人透明对安全工作场所运营的好处;
- 乘用车内部的气流及其对空气传播疾病的影响;
- 集群网络上竞争的两病原体模型;
- 经济活动人工化学模型中税收对财富不平等的影响;
- 将图像映射到顺序网络;
- 平衡图分割的优先重排算法;
- Hier-SPCNet：基于法律法规层次结构的异构网络，用于计算法律案件文档相似度;
- 具有连续学习功能的图神经网络从社交媒体中检测虚假新闻;
- 2018年FIFA世界杯资格赛的模拟分析;
- 文化融合：深入了解Twitter上的错误信息网络的行为;
- 通过磁性拉普拉斯算子谱表征和比较大型有向图;
- 具有完全不平衡标签的网络嵌入;
- 社交机器人检测的十年;
- 后真相世界中的P值;
- 大都市尺度的敏捷交通规划网络交通分配（MANTA）的微观仿真分析;
- 使用手机环境传感器的基于智能手机的健康评估;
- PinnerSage：Pinterest推荐的多模式用户嵌入框架;
- 从具有部分连通性信息的固定流图信号流进行在线拓扑推断;
使用时空图神经网络检验COVID-19预测
原文标题： Examining COVID-19 Forecasting using Spatio-Temporal Graph Neural Networks
地址： http://arxiv.org/abs/2007.03113
作者： Amol Kapoor, Xue Ben, Luyang Liu, Bryan Perozzi, Matt Barnes, Martin Blais, Shawn O'Banion
摘要： 在这项工作中，我们研究了一种使用图神经网络和移动性数据的COVID-19病例预测的新颖预测方法。与现有的时间序列预测模型相比，该方法从单个大型时空图中学习，其中节点代表区域级别的人员流动，空间边代表基于人员流动的区域间连通性，而时间边则代表节点功能随时间变化。我们在美国县级COVID-19数据集上评估了这种方法，并证明了图神经网络所利用的丰富的时空信息可以使模型学习复杂的动力学。与表现最佳的基准模型相比，我们显示出RMSLE降低了6％，绝对皮尔逊相关性从0.9978到0.998。这种新颖的信息源与基于图的深度学习方法相结合，可以成为了解COVID-19的传播和演变的强大工具。我们鼓励其他人根据GNN和高分辨率移动性数据进一步开发一种新颖的传染病建模范例。
流行病的统计物理网络预测SARS-CoV-2参数
原文标题： Statistical Physics of Epidemic on Network Predictions for SARS-CoV-2 Parameters
地址： http://arxiv.org/abs/2007.03101
作者： Jungmin Han, Evan C Cresswell-Clay, Vipul Periwal
摘要： SARS-CoV-2大流行已导致全球范围内的减灾工作变得必要。我们仅使用首次死亡后两周内报告的死亡来确定感染参数，以便预测隐藏变量，例如感染次数的时间依赖性。早期死亡是零星的和离散的，因此必须使用流行病传播网络模型，而网络本身是至关重要的随机变量。尝试使用参数化模型拟合这些事件时，必须考虑特定地点的人口年龄分布和人口密度。这些特征使得朴素的贝叶斯模型比较不切实际，因为网络必须足够大以避免有限大小的影响。我们将这个问题重新定义为通过弹性弹簧在56448参数化模型的六维晶格中附加到每个模型的独立于位置的“球”的统计物理学，其中模型特定的“弹簧常数”由网络流行模拟的随机性确定对于那个模型。然后，球的分布确定所有贝叶斯后验期望。传染病的重要特征是可以确定的：受感染的患者死亡比例（ 0.017 pm 0.009 ），感染者的预期感染时间（ 22 pm 6 天）以及从第一次感染到第一次感染之间的预期时间在美国死亡（ 25 pm 8 天）。受感染人数的指数增长速度为每天 0.18 pm 0.03 ，相当于从一次初次感染后的100天之内有6500万受感染的个人，下降到166000，甚至在社会网络疏散两周后仍不完美首次记录死亡。对于改变感染的累积数量，依从的具有社会隔离性的个体所占的比例比其减少社会接触的比例所占的比例要小。
流感大流行封锁后同龄人透明对安全工作场所运营的好处
原文标题： The benefits of peer transparency in safe workplace operation post pandemic lockdown
地址： http://arxiv.org/abs/2007.03283
作者： Arkady Way, Alan Champneys, Rosemary J Dyson, Nisreen A Alwan, Mary Barker
摘要： 对于在没有或几乎没有畜群免疫的大流行情况下参与测试，追踪和隔离程序的不同程度的参与，研究了生产率和公共卫生方面的收益。在单个相对封闭的工作场所（例如工厂或后台）中使用简单的数学建模，在正常工作中，每个工人与一组固定的同事进行长时间的交互。固定交互图上的离散时间SEIR模型使用高峰后阶段在英国最近发生的COVID-19大流行激发的参数进行模拟，包括从工作环境外部进行病毒感染的风险很小。假定有两种工人，透明的人定期检查，与同事共享其结果并在接触者检测出对该病呈阳性后立即隔离，以及不透明的人都不做。此外，模拟被构建为一个``可玩的模型''，用户可以改变其透明度水平，疾病参数和平均相互作用程度。该模型在连续范围内进行分析。所有模拟都指出了透明度的双重好处基于这些发现，讨论了如何在不同类型的工作场所中激励这种互利的行为，并提出了简单的建议。
乘用车内部的气流及其对空气传播疾病的影响
原文标题： Airflows inside passenger cars and implications for airborne disease transmission
地址： http://arxiv.org/abs/2007.03612
作者： Varghese Mathai, Asimanshu Das, Jeffrey A. Bailey, Kenneth Breuer
摘要： 传染性极强的呼吸道疾病（包括SARS-CoV-2）的传播通过个体吸入的微小液滴和气溶胶（携带病毒，细菌等）的运输而得以促进，这些微粒和气溶胶可以在空气中长时间悬浮在空气中密闭环境。客舱代表一种这样的情况，其中病原体传播的风险较高。在这里，我们从模型汽车几何形状内的空中传播潜在路径的数值模拟中得出结果，这些通风方式代表了代表打开和关闭窗口的不同组合的各种通风配置。我们估算了非相互作用的被动标量（传染性病原体粒子的代名词）的相对浓度和停留时间，该被动标量通过机舱内部的湍流流动而平流和扩散。我们的发现表明，创建一种气流模式，该气流模式横穿机舱，进入并离开乘员最远的地方，可能会减少传播。
集群网络上竞争的两病原体模型
原文标题： Two-pathogen model with competition on clustered networks
地址： http://arxiv.org/abs/2007.03287
作者： Peter Mann, V. Anne Smith, John B. O. Mitchell, Simon Dobson
摘要： 网络提供了一个数学上丰富的框架来表示足以传播疾病的社交联系。社会网络通常高度聚集，并且不能像本地树一样。在本文中，我们使用完全交叉免疫耦合下的生成函数公式研究了聚类对病原体顺序菌株传播的影响。我们得出第一株流行阈值和第二株共存阈值的条件。我们发现，聚类对第一个菌株具有双重影响，降低了流行阈值，但在大的透射率下也减小了最终爆发的规模。聚类降低了第二个菌株的共存阈值及其爆发大小。我们将模型应用于多层聚类网络的研究，并通过实验观察残差图的破裂。
经济活动人工化学模型中税收对财富不平等的影响
原文标题： The Effects of Taxes on Wealth Inequality in Artificial Chemistry Models of Economic Activity
地址： http://arxiv.org/abs/2007.02934
作者： Wolfgang Banzhaf
摘要： 我们考虑了许多关于经济活动的人工化学模型，以及它们对经济不平等形成的影响。我们对哪些税收措施可以有效缓解经济不平等特别感兴趣。从众所周知的动力学交换模型开始，我们研究了各种不同的情况，以减少经济活动模型在均衡状态下形成不平等财富分配的趋势。
将图像映射到顺序网络
原文标题： Mapping images into ordinal networks
地址： http://arxiv.org/abs/2007.03090
作者： Arthur A. B. Pessa, Haroldo V. Ribeiro
摘要： 越来越多的抽象标志着最近对网络科学的一些研究。例子包括开发将时间序列数据映射到其顶点和边可以具有不同解释的网络的算法，这超出了复杂系统的部件和交互作用的经典思想。事实证明，这些方法对于处理日益增长的复杂性和多样化的数据集非常有用。但是，这种算法的使用大多限于一维数据，并且很少有努力将这些方法扩展到更高维的数据（例如图像）。在这里，我们提出了将图像映射到网络的有序网络算法的一般化。我们调查了从用于定义网络节点和链接的符号化过程继承的连接性约束的出现，这反过来又使我们能够推导从随机图像获得的序数网络的确切结构。我们说明了这种新算法在一系列应用中的用法，这些应用包括周期性装饰的随机化，二维分数布朗运动和Ising模型生成的图像以及自然纹理的数据集。这些示例表明，从有序网络中获得的度量（例如平均最短路径和全局节点熵）提取了与粗糙度和对称性相关的重要图像属性。
平衡图分割的优先重排算法
原文标题： Prioritized Restreaming Algorithms for Balanced Graph Partitioning
地址： http://arxiv.org/abs/2007.03131
作者： Amel Awadelkarim, Johan Ugander
摘要： 平衡图分区是使用关系数据进行许多大规模分布式计算的关键步骤。随着图数据集的大小和密度的增长，出现了一系列高度可扩展的平衡分区算法，可以满足不同领域的不同需求。作为当前工作的起点，我们观察到可以通过一个通用模块查看两个最近引入的迭代分区器系列-基于重流的迭代器和基于平衡标签传播的迭代器（包括Facebook的Social Hash Partitioner）。设计决策框架。借助这种模块化的观点，我们发现设计决策的关键组合导致了新颖的算法系列，其经验性能要比广泛的现实世界中任何现有的高度可尺度算法都要好。由此产生的优先级重排算法采用了从重排文献中借用的基于乘权的约束管理策略，同时采用了平衡标签传播的优先级概念来优化流处理的顺序。我们的实验结果考虑了一系列流顺序，其中根据所称矛盾度的动态排序在生成的平衡分区的切割质量方面表现最佳，而基于度的静态排序几乎一样好。
Hier-SPCNet：基于法律法规层次结构的异构网络，用于计算法律案件文档相似度
原文标题： Hier-SPCNet: A Legal Statute Hierarchy-based Heterogeneous Network for Computing Legal Case Document Similarity
地址： http://arxiv.org/abs/2007.03225
作者： Paheli Bhattacharya, Kripabandhu Ghosh, Arindam Pal, Saptarshi Ghosh
摘要： 计算两个法律案件文档之间的相似度是法律IR中一项重要且具有挑战性的任务，为此，文献中提出了基于文本和基于网络的措施。所有现有的基于网络的相似性方法仅在案例文件（PCNet）中被视为先例引用网络。但是，这种方法错过了重要的法律知识来源-适用于特定法律管辖区（例如国家/地区）的法律法规层次结构。我们建议在PCNet中增加法律法规的层次结构，以形成一个异构网络Hier-SPCNet，在案例文件和法规之间具有引文链接，在法规之间具有引文和层次结构链接。对印度最高法院一系列案例文件进行的实验表明，与使用PCNet的现有方法相比，我们提出的异构网络能够显著改善文件相似性估计。我们还表明，所提出的基于网络的方法可以补充基于文本的措施，以更好地估计法律文件的相似性。
具有连续学习功能的图神经网络从社交媒体中检测虚假新闻
原文标题： Graph Neural Networks with Continual Learning for Fake News Detection from Social Media
地址： http://arxiv.org/abs/2007.03316
作者： Yi Han, Shanika Karunasekera, Christopher Leckie
摘要： 尽管已经花费大量精力进行事实核查，但假新闻在社交媒体上的普遍使用对司法，公众信任以及我们整个社会都产生了深远影响，仍然是一个严重的问题。在这项工作中，我们专注于基于传播的虚假新闻检测，因为最近的研究表明，虚假新闻和真实新闻在网络上的传播方式有所不同。具体来说，考虑到图神经网络（GNN）处理非欧氏数据的能力，我们使用GNN区分社交媒体上的假新闻和真实新闻的传播方式。具体来说，我们集中在两个问题上：（1）在不依赖任何文本信息（例如推文内容，回复和用户描述）的情况下，GNN如何准确地识别假新闻？众所周知，机器学习模型容易受到对抗性攻击，而避免依赖于基于文本的功能会使模型不易受到高级假新闻造假者的操纵。 （2）如何处理看不见的新数据？换句话说，在给定数据集上训练的GNN如何在新的且可能有极大差异的数据集上执行？如果性能不能令人满意，我们如何解决该问题而又不从头开始对整个数据重新训练模型，而随着数据量的增长，这在实践中将变得过高地昂贵？我们在具有数千个带有标签新闻的两个数据集上研究了上述问题，我们的结果表明：（1）GNN确实可以实现可比或更高的性能，而无需任何文本信息即可达到最新方法。 （2）在给定数据集上训练的GNN在新的，看不见的数据上可能表现不佳，并且直接增量训练无法解决问题。为了解决该问题，我们提出了一种方法，该方法通过使用持续学习中的技术逐步训练GNN，从而在现有数据集和新数据集上均达到平衡的性能。
2018年FIFA世界杯资格赛的模拟分析
原文标题： A simulation analysis of the 2018 FIFA World Cup qualification
地址： http://arxiv.org/abs/2007.03412
作者： László Csató
摘要： 本文通过蒙特卡洛模拟研究了2018年FIFA世界杯资格赛过程。计算出了102个国家/地区的资格概率，除非洲和欧洲国家/地区外，所有团队均如此。提出了一种合理的方法来衡量不公平的程度，这表明了FIFA联盟之间的实质性差异：例如，一个南美国家队可能会在亚洲比赛中获得双倍的机会。在洲际季后赛中使用固定的对局代替当前的随机抽签可以将不公平现象减少约10％。澳大利亚从大洋洲转移到亚洲地区被发现使其参加2018年FIFA世界杯的可能性增加了75％。我们的结果为联盟提供了有关如何重新分配合格泊位的重要见解。
文化融合：深入了解Twitter上的错误信息网络的行为
原文标题： Cultural Convergence: Insights into the behavior of misinformation networks on Twitter
地址： http://arxiv.org/abs/2007.03443
作者： Liz McQuillan, Erin McAweeney, Alicia Bargar, Alex Ruch
摘要： 随着时间的推移，如何研究思想和社区在网络中的诞生和演变？我们使用由网络映射，主题建模，桥接中心性和差异性组成的多模式管道来分析围绕COVID-19大流行的Twitter数据。我们使用网络映射来检测创建围绕COVID-19的内容的帐户，然后使用潜在Dirichlet分配来提取主题，并桥接中心以识别主题和非主题的桥梁，然后再检查每个主题和桥梁随时间的分布并应用Jensen-Shannon主题分布的差异以显示在主题叙事中趋于一致的社区。
通过磁性拉普拉斯算子谱表征和比较大型有向图
原文标题： Characterization and comparison of large directed graphs through the spectra of the magnetic Laplacian
地址： http://arxiv.org/abs/2007.03466
作者： Bruno Messias F. de Resende, Luciano da F. Costa
摘要： 在本文中，我们研究了使用磁性拉普拉斯算子表征有向图（又称网络）的可能性。获得了许多有趣的结果，包括发现一种随机块模型的谱测量中，群落结构与旋转对称性有关。由于磁性拉普拉斯算子的遗传特性，我们在此处显示如何使用核多项式方法（KPM）将我们的方法扩展到包含数十万个节点的较大网络。我们还建议将KPM与Wasserstein度量相结合，以测量网络之间的距离，即使这些网络是有向的，较大的且具有不同的大小，这是文献中介绍的先前方法无法解决的难题。此外，我们的python软件包可在 href https://github.com/stdogpkg/emate github.com/stdogpkg/emate上公开获得。这些代码可以在CPU和GPU中运行，甚至可以在具有数百万个节点的有向或无向网络中估算谱密度和相关的跟踪函数，例如熵和Estrada指数。
具有完全不平衡标签的网络嵌入
原文标题： Network Embedding with Completely-imbalanced Labels
地址： http://arxiv.org/abs/2007.03545
作者： Zheng Wang (1), Xiaojun Ye (2), Chaokun Wang (2), Jian Cui (1), Philip S. Yu (3) ((1) Department of Computer Science, University of Science and Technology Beijing (2) School of Software, Tsinghua University,(3) Department of Computer Science, University of Illinois at Chicago)
摘要： 旨在将网络投影到低维空间中的网络嵌入正日益成为网络研究的重点。半监督网络嵌入利用标记数据的优势，并显示出令人鼓舞的性能。但是，现有的半监督方法将在完全不平衡的标签设置中获得令人不快的结果，其中某些类根本没有标签节点。为了减轻这种情况，我们提出了两种新颖的半监督网络嵌入方法。第一个是名为RSDNE的浅层方法。具体来说，要受益于完全不平衡的标签，RSDNE可以近似地保证类内相似性和类间相似性。另一种方法是RECT，它是一类新的图神经网络。与RSDNE不同，RECT从完全不平衡的标签中受益，它探索类语义知识。这使RECT能够处理具有节点功能和多标签设置的网络。在几个实际数据集上的实验结果证明了所提出方法的优越性。
社交机器人检测的十年
原文标题： A Decade of Social Bot Detection
地址： http://arxiv.org/abs/2007.03604
作者： Stefano Cresci
摘要： 2016年11月9日上午，世界震惊了美国总统大选的惊人结果：唐纳德·特朗普（Donald Trump）是美利坚合众国第45任总统。意外事件仍然在世界范围内造成巨大后果。今天，我们知道，少数社交机器人，模仿人类的自动社交媒体帐户在传播分裂性消息和虚假信息方面发挥了核心作用，可能有助于特朗普的胜利。在2016年美国大选之后，全世界开始意识到社交媒体普遍存在欺骗的严重性。继特朗普的利用之后，我们目睹了在检测和清除僵尸程序的众多努力与这些恶意行为者似乎对我们社会产生的日益严重的影响之间出现了突然的不和谐。这个矛盾提出了一个迫切的问题：我们应该采取哪些策略来制止这种社会机器人大流行？在这些时期，在2020年美国大选前夕，这个问题似乎比以往任何时候都更为关键。但是，至少自2010年以来，什么一直困扰着社会，政治和经济分析家，欺骗和自动化，这一直是至少自2010年以来计算机科学家研究的问题。在这项工作中，我们简要概述了社交机器人检测的前十年研究。通过纵向分析，我们讨论了针对机器人的研究的主要趋势，取得的主要成果以及使这场永无止境的战斗如此具有挑战性的因素。利用从我们广泛分析中获得的经验教训，我们建议可能的创新，这些创新可以使我们在欺骗和操纵方面处于优势地位。研究社交机器人检测十年的努力还可以为检测和减轻其他最近形式的在线欺骗形式（例如战略信息操作和政治巨魔）的影响提供信息。
后真相世界中的P值
原文标题： P-Values in a Post-Truth World
地址： http://arxiv.org/abs/2007.03611
作者： Joshua T. Vogelstein
摘要： 统计员在社会中的作用是提供有关信任数据量的工具，技术和指导。随着更多的数据和更多的错误信息，该角色比以往任何时候都变得越来越重要。美国统计协会最近发布了关于p值的两项声明，并提供了四项指导原则。我们使用这些原则评估了他们的主张，发现他们没有遵守它们。在这个不信任的时代，我们有机会成为值得信赖的榜样和承担责任的榜样。
大都市尺度的敏捷交通规划网络交通分配（MANTA）的微观仿真分析
原文标题： Microsimulation Analysis for Network Traffic Assignment (MANTA) at Metropolitan-Scale for Agile Transportation Planning
地址： http://arxiv.org/abs/2007.03614
作者： Pavan Yedavalli, Krishna Kumar, Paul Waddell
摘要： 环境的突然变化，例如由于气候变化引起的越来越频繁和强烈的天气事件，或由冠状病毒大流行引起的极端破坏，已经触发了人类的巨大而急剧的变化。快速预测不同情况下的交通模式的能力已变得更加迫切，以支持短期运营和长期交通规划，紧急情况管理以及资源分配。城市交通表现出高度的空间相关性，其中由于拥塞效应，与拥堵的路段相邻的路段可能会变得拥堵。溢出行为要求对整个大都市区域进行建模，以识别出来自网络的有意或无意干扰的所有上游和下游影响。但是，在增加模型的详细程度和降低计算性能之间存在一个众所周知的权衡。本文通过介绍用于城域规模交通仿真的新平台MANTA来解决这些性能缺陷。 MANTA采用高度并行化的GPU实施，该实施足够快，可以在几分钟内针对大规模需求和网络运行仿真。我们使用半秒时间步长测试平台，以模拟整个上午的整个湾区都会区。九县湾地区模拟的运行时间仅超过四分钟，不包括路由和初始化。这种计算性能显著改善了大规模交通微观模拟的最新技术，并为分析个人的详细出行方式和出行选择提供了新的功能，以进行基础设施规划和应急管理。
使用手机环境传感器的基于智能手机的健康评估
原文标题： Smartphone-based Wellness Assessment Using Mobile Environmental Sensor
地址： http://arxiv.org/abs/2007.03617
作者： Katherine McLeod, Petros Spachos, Konstantinos Plataniotis
摘要： 心理健康和总体健康正在成为我们社会日益关注的问题。环境因素会导致精神疾病，并有能力影响一个人的健康。这项工作提出了一个基于智能手机的健康评估系统，并检查是否与一个人的环境及其健康相关。引入该系统是为了响应对个性化和独立的心理健康护理日益增长的需求，并通过实验进行了评估。为参与者提供了Android智能手机和移动传感器板，并要求他们每天进行3次简短的心理调查。在调查完成期间，他们所拥有的董事会正在阅读环境数据。收集的五个环境变量是温度，湿度，气压，亮度和噪音水平。提交调查后，调查结果和环境数据将发送到服务器进行进一步处理。共完成了62个参与者的三个实验。最常被认为具有统计学意义的相关性是光，音频和压力的相关性。
PinnerSage：Pinterest推荐的多模式用户嵌入框架
原文标题： PinnerSage: Multi-Modal User Embedding Framework for Recommendations at Pinterest
地址： http://arxiv.org/abs/2007.03634
作者： Aditya Pal, Chantat Eksombatchai, Yitong Zhou, Bo Zhao, Charles Rosenberg, Jure Leskovec
摘要： 潜在用户表示在技术行业中被广泛采用来为个性化推荐系统提供支持。大多数先前的工作推断单个高维嵌入来代表用户，这是一个很好的起点，但不足以全面了解用户的兴趣。在这项工作中，我们介绍了PinnerSage，这是一个端到端的推荐系统，它通过多模式嵌入代表每个用户，并利用用户的这种丰富表示来提供高质量的个性化推荐。 PinnerSage通过使用分层聚类方法（Ward）将用户的行为聚类为概念上一致的聚类来实现此目的，并通过代表性的聚类（Medoid）汇总聚类以提高效率和可解释性。 PinnerSage已在Pinterest的生产环境中部署，我们概述了使其大规模无缝运行的一些设计决策。我们进行了几次离线和在线A / B实验，以表明我们的方法明显优于单一嵌入方法。
从具有部分连通性信息的固定流图信号流进行在线拓扑推断
原文标题： Online Topology Inference from Streaming Stationary Graph Signals with Partial Connectivity Information
地址： http://arxiv.org/abs/2007.03653
作者： Rasoul Shafipour, Gonzalo Mateos
摘要： 我们根据流网络数据开发在线图学习算法。我们的目标是跟踪（可能）随时间变化的网络拓扑，并通过在获取数据时即时处理数据来实现内存和计算节省。该设置需要将观测值建模为由未知网络上的局部扩散动力学生成的平稳图信号。而且，如在链路预测问题中一样，我们可能具有关于一些边存在与否的先验信息。平稳性假设意味着观测值的协方差矩阵和所谓的图移位算子（GSO-编码图拓扑的矩阵）在温和的需求下会通勤。这促使将拓扑推断任务表述为一个反问题，从而人们在结构上可以接受的稀疏GSO进行搜索，并且与观测值的经验协方差矩阵近似换向。对于流数据，可以协方差地递归更新协方差，并且我们展示了可以利用在线近端梯度迭代来有效跟踪具有可量化保证的反问题的时变解。具体而言，我们推导了GSO回收成本极度凸出的条件，并使用此属性证明在线算法收敛到最佳时变批解决方案的邻域内。数值测试说明了所提出的图学习方法在适应流信息和跟踪所寻求的动态网络中的变化方面的有效性。
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