- 用于半监督学习和局部图聚类的强局部p范数切算法;
- 如何阻止流行病：通过强化学习和图神经网络控制图动态;
- 带有动态Bethe-Hessian的稀疏时间演化图中的社区检测;
- 通过网络中的信息访问进行聚类;
- 行人动态中的社会距离及其对疾病传播的影响;
- 用于神经消息传递的路径发现网络;
- 大流行稳定的最佳锁定;
- 使用Web搜索查询中高风险用户的移动性对COVID-19热点进行预警;
- 扩散耦合社会-生态资源开发网络中耦合和全球崩溃的优化;
- 追踪价格：优化能源系统基于流量的成本分配;
- 使用SEIR模型分析印度的COVID19暴发;
用于半监督学习和局部图聚类的强局部p范数切算法
原文标题： Strongly local p-norm-cut algorithms for semi-supervised learning and local graph clustering
地址： http://arxiv.org/abs/2006.08569
作者： Meng Liu, David F. Gleich
摘要： 基于图的半监督学习是在给定几个示例节点（通常称为种子）的情况下为图节点学习标签功能的问题，通常是在图的边指示标签相似的情况下进行的。这与在给定种子周围找到节点的群集或社区的局部图群集或社区检测问题密切相关。对于这个问题，我们提出了一种新的将游动，扩散或光滑函数方法推广到凸p范式割函数的方法。对p范数方法的需要是，在对现有方法的研究中，我们发现基于特征向量，谱图，随机游走或线性系统的那些原理化方法通常难以刻画目标标签或目标聚类的正确边界。相比之下，基于1-norm或maxflow-mincut的方法可以刻画边界，但是不能从较小的种子集中生长。两者都使用的混合过程有许多难以设置的参数。在本文中，我们提出了涉及p范数的这些方法背后的目标函数的一般化。为理解决p范数割问题，我们提供了一种强局部算法-一种算法，其运行时间取决于输出的大小而不是图的大小。我们的方法可以看作是对Anderson-Chung-Lang推过程的非线性概括，可以有效地逼近个性化PageRank向量。我们的过程是通用的，可以解决其他类型的非线性目标函数，例如Huber损失的p范式。我们提供了一种用我们的方法找到种植目标簇的理论分析，并表明p范数割函数在随机游动和谱方法的标准Cheeger不等式上得到了改善。最后，我们在合成和真实数据集中展示了我们的新方法的速度和准确性。我们的代码可从以下http URL获得
如何阻止流行病：通过强化学习和图神经网络控制图动态
原文标题： How to Stop Epidemics: Controlling Graph Dynamics with Reinforcement Learning and Graph Neural Networks
地址： http://arxiv.org/abs/2010.05313
作者： Eli A. Meirom, Haggai Maron, Shie Mannor, Gal Chechik
摘要： 我们考虑监视和控制分布在图上的部分观察到的动态过程的问题。在诸如安排病毒测试或隔离个人以遏制流行病之类的情况下，自然会出现此问题。通过手动检查发布的文章来检测在线网络上散布的虚假新闻；有针对性的营销，目的是鼓励产品传播。当只有一小部分人群可以接受测试或隔离时，遏制传播并限制一部分感染人群就变得具有挑战性。为理解决这一挑战，我们将这种设置公式化为图上的顺序决策问题。面对指数状态空间，组合动作空间和部分可观察性，我们设计了RLGN，这是一种新颖的可延性强化学习（RL）方案，它使用图神经网络（GNN）对应测试的节点进行优先级排序，从而对图节点进行排名。我们在三种类型的社会网络中评估此方法：社区结构化，优先依恋关系以及基于真实细胞跟踪的统计数据。在我们的实验中，RLGN始终优于所有基准。这表明在含时图上使用RL进行优先测试可以使健康人的数量增加 25 ％，与使用相同方法的非学习基准相比，包含流行病 30 ％的频率要比受监督的方法高出 2.5 times 资源。
带有动态Bethe-Hessian的稀疏时间演化图中的社区检测
原文标题： Community detection in sparse time-evolving graphs with a dynamical Bethe-Hessian
地址： http://arxiv.org/abs/2006.04510
作者： Lorenzo Dall'Amico, Romain Couillet, Nicolas Tremblay
摘要： 本文考虑了稀疏动态图中的社区检测问题，在该图中，社区结构随时间变化。提出了一种基于Bethe-Hessian矩阵扩展的快速谱算法，该算法得益于类别标签及其时间演化的正相关性，适用于任何具有群落结构的动态图。在动态度校正的随机块模型下，在两类相等大小的情况下，我们通过广泛的仿真证明和支持，我们提出的算法能够在理论上尽快进行非平凡的群落重建，从而达到最优检测阈值，并证明优于竞争谱方法。
通过网络中的信息访问进行聚类
原文标题： Clustering via Information Access in a Network
地址： http://arxiv.org/abs/2010.12611
作者： Hannah C. Beilinson, Nasanbayar Ulzii-Orshikh, Ashkan Bashardoust, Sorelle A. Friedler, Carlos E. Scheidegger, Suresh Venkatasubramanian
摘要： 图（例如社会网络）中的信息流通常已使用标准影响力传播方法进行建模，目的是确定最有效的信息传播方式。最近，研究人员开始研究网络中个人对信息的不同访问。先前的工作表明，基于网络位置，信息访问本身就是特权的潜在方面。虽然对公平的关注通常集中在人口群体之间的差异上，但表征网络地位本身可能会引起新的群体研究。但是，我们如何表征立场？我们没有使用标准的分组方法来进行图聚类，而是设计和探索了一个聚类，该聚类明确包含了信息如何在网络上流动的模型。我们的目标是根据对网络的信息访问来识别相似的节点集群。我们在形式上和实验上都表明，所得的聚类方法是网络聚类的一种新方法。我们的实验使用各种各样的数据集显示，引入的聚类技术基于外部信息访问度量将相似的个体聚在一起。
行人动态中的社会距离及其对疾病传播的影响
原文标题： Social distancing in pedestrian dynamics and its effect on disease spreading
地址： http://arxiv.org/abs/2010.12839
作者： Sina Sajjadi, Alireza Hashemi, Fakhteh Ghanbarnejad
摘要： 在没有接种疫苗的情况下，非药物措施（例如远离社会的人）可以在控制流行病中发挥重要作用。在本文中，我们研究了社会疏离对流行病的影响。我们使用结合人类流动性和疾病传播的数学模型。对于移动性动力学，我们设计了一种基于主体的模型，该模型由行人动力学组成，具有新颖的作用力，类似于拥挤站点中的社会疏散。对于传播动力学，我们考虑隔室SIE动力学加上间接传播，传染性行人的足迹是传染因素。我们表明，社会疏离强度的增加对接触风险有重大影响。通过将人群分为社会隔离型和非隔离型，我们得出结论，即使是少数潜在的传染源，社会隔离的做法也会导致人口暴露风险发生巨大变化，但当使用时会降低协议的有效性其余人口都在实践。此外，我们观察到对于间接传播更为严重的传染病，社会隔离的有效性将降低。这项研究可以为减少接触风险的决策提供定量指导。
用于神经消息传递的路径发现网络
原文标题： Pathfinder Discovery Networks for Neural Message Passing
地址： http://arxiv.org/abs/2010.12878
作者： Benedek Rozemberczki, Peter Englert, Amol Kapoor, Martin Blais, Bryan Perozzi
摘要： 在这项工作中，我们提出了探路者发现网络（PDN），这是一种通过下游下游半监督模型在多路网络上共同学习消息传递图的方法。 PDN归纳地学习每个边的总权重，并对其进行优化以为下游学习任务产生最佳结果。 PDN是图上注意机制的一般化，它允许灵活地构造节点，边卷积和便宜的多尺度混合层之间的相似函数。我们表明PDN克服了现有的图注意力研究方法（例如图注意力网络）的缺点，例如体重减轻问题。我们的实验结果证明了对学术节点分类任务的竞争性预测性能。一组具有挑战性的节点分类实验的其他结果表明，PDN如何学习比现有基准更广泛的功能。我们分析了PDN的相对计算复杂性，并表明PDN运行时并不比静态图模型高很多。最后，我们讨论了如何使用PDN构建易于理解的注意力机制，该机制使用户能够理解图中的信息传播。
大流行稳定的最佳锁定
原文标题： Optimal Lockdown for Pandemic Stabilization
地址： http://arxiv.org/abs/2010.12923
作者： Qianqian Ma, Yang-Yu Liu, Alex Olshevsky
摘要： 我们考虑通过非均匀锁定来实现大流行稳定的问题，我们的目标是尽可能减少经济活动，同时将感染患者的数量按规定比率降至零。我们考虑了几种通过网络传播的流行病模型，包括SIS / SIR / SEIR模型以及有症状和无症状个体的COVID-19传播新模型。我们提供了两种有效的算法，可以有效地计算最佳锁定，其中一种算法的运行时间仅在网络中的边数量上显著线性扩展，并且适用于我们测试的绝大多数流行病模型。我们的第二种算法具有显式尺度比例，该比例在网络中的节点数量上为三次方，但是无需任何假设即可应用。通过对许多测试用例的最佳锁定进行数值计算，我们进一步证明了许多先前未知的反直觉现象。例如，我们表明，在各种随机图模型中，节点中心和总体对节点锁定值的影响很小，除非它们取极值。最令人惊讶的是，我们使用县际旅行频率的公开数据来分析在纽约州62个县传播的COVID-19的模型；我们计算出，基于2020年4月疫情的状态进行的最佳稳定停工与之相比，在纽约市以外的活动将更加严格地减少活动，即使当时该流行病在纽约市更为普遍。
使用Web搜索查询中高风险用户的移动性对COVID-19热点进行预警
原文标题： Early Warning of COVID-19 Hotspots using Mobility of High Risk Users from Web Search Queries
地址： http://arxiv.org/abs/2010.13254
作者： Takahiro Yabe, Kota Tsubouchi, Satish V Ukkusuri
摘要： COVID-19以前所未有的规模和规模破坏了全球经济和人民的福祉。为了控制这种疾病，预测疾病暴发地点的有效预警系统至关重要。研究表明，通过人口密度分析，使用大规模流动性数据来监测非药物干预措施（例如锁定）的影响是有效的。但是，仅使用移动性数据很难预测潜在爆发发生的位置。同时，网络搜索查询已被证明是疾病传播的良好预测因子。在这项研究中，我们利用人类移动轨迹（GPS轨迹）和具有公共用户标识符（> 450K用户）的网络搜索查询的独特数据集，来预先预测COVID-19热点位置。更具体地，进行网络搜索查询分析以识别具有COVID-19收缩高风险的用户，并且进一步对这些用户的移动性模式进行社交接触分析以量化爆发风险。我们使用从日本东京的用户收集的数据对我们的方法进行了经验测试。我们证明，通过将COVID-19相关的网络搜索查询分析与社交联系网络进行集成，与仅使用社交联系索引或网络搜索数据分析相比，我们能够提前1-2周预测COVID-19热点位置。这项研究提出了一种可用于疾病暴发热点的预警系统的新方法，该方法可帮助政府机构制定有效的策略来防止疾病进一步传播。
扩散耦合社会-生态资源开发网络中耦合和全球崩溃的优化
原文标题： Optimization of coupling and global collapse in diffusively coupled socio-ecological resource exploitation networks
地址： http://arxiv.org/abs/2010.13466
作者： Tanja Holstein, Marc Wiedermann, Jürgen Kurths
摘要： 单层和多层复杂网络已被证明是研究社会，技术或自然系统内动态的有力工具。经常观察到的共同目标是通过最小化某些成本同时最大化期望的输出来针对特定目的优化这些系统。承认来自社会生态领域的现实世界系统特别紧密地联系在一起，这项工作表明，在这样的系统中，某个子系统的优化（例如，增加对生态网络中外部压力的抵抗力）可能会出乎意料地降低稳定性整个耦合系统。为此，我们利用了先前提出的概念性双层网络模型的改编，该模型由扩散耦合资源的生态网络与交互主体的社会网络共同演化而成，这些交互主体会收获这些资源并根据个人的成功学习彼此的策略。如果假设主体的策略随时间保持不变，我们将得出一种最佳的耦合强度，该强度可以防止尽可能多的资源崩溃。但是，我们然后表明，如果主体商根据邻居的成功进行社交学习和调整策略，则该最佳耦合强度将被视为一个关键参数，在该参数之上，就不可逆转地耗竭资源而言，全球崩溃的可能性很高。我们表示优化器的悲剧。因此，我们发现，在较大的共同演化系统的特定部分内稳定动态的措施可能会意外地导致出现新颖的，不希望有的全球稳定状态。因此，我们的结果强调了管理社会生态系统的整体方法的重要性，因为专注于单个子系统的稳定效应可能对整个系统不利。
追踪价格：优化能源系统基于流量的成本分配
原文标题： Tracing prices: A flow-based cost allocation for optimized power systems
地址： http://arxiv.org/abs/2010.13607
作者： Fabian Hofmann
摘要： 电力系统模型是确定在政治或生态边界条件下成本最小的未来运行和投资的有价值且广泛使用的工具。但是，他们对网络中的消费者将单个资产（作为生成器或传输线）的成本分配保持沉默。现有的成本分配方法几乎不适合大型网络，并且没有考虑所有相关成本。本文弥补了这一差距。基于流量跟踪，它引入了优化电源系统中所有成本的对等或更精确的资产对消费者分配。由此产生的成本分配不仅受当地限制，而且与最佳地区性边际价格保持一致。该方法在未来的德国情景中得到应用和讨论。
使用SEIR模型分析印度的COVID19暴发
原文标题： Analysis of COVID19 Outbreak in India using SEIR model
地址： http://arxiv.org/abs/2010.13610
作者： Raj Kishore, Bijaylaxmi Sahoo, Debadatta Swain, Kisor Kumar Sahu
摘要： 由于其广泛的人口统计数据和气象数据分布，很难预测印度COVID19病毒的传播方式。全球各地的研究人员都试图将这些数据的相互依赖性与印度COVID19病例的传播模式相关联。但是很难预测确切的模式，特别是活动案例数的峰值。在本文中，我们尝试使用广义SEIR模型来预测印度COVID19的活跃，康复，死亡和总病例数。在我们的预测中，活动案例曲线中的峰值出现与实际数据中的峰值非常接近（相差仅一周）。尽管预测的案例数与实际的案例数有所不同（由于从2020年6月起逐渐解除移动限制），但实际时间与预测时间（在活动案例曲线的峰值）非常相似，因此该模型相对合适分析印度的COVID19爆发。
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