用于网络表征学习的考虑主题的潜变量模型(组图)

用于网络表征学习的考虑主题的潜变量模型

原文标题： Topic-aware latent models for representation learning on networks

地址：

作者： Abdulkadir Çelikkanat, Fragkiskos D. Malliaros

摘要： 网络表示学习 (NRL) 方法在过去几年中受到了极大的关注，这要归功于它们在多个图分析问题（包括节点分类、链路预测和聚类）中的成功。此类方法旨在以保留网络结构信息的方式将网络的每个顶点映射到低维空间。特别感兴趣的是基于随机游走的方法；此类方法将网络转换为节点序列的集合，旨在通过预测序列中每个节点的上下文来学习节点表示。在本文中，我们介绍了 TNE，这是一种通用框架，用于通过基于主题的信息的基于随机游走的方法来增强节点的嵌入。与自然语言处理中主题词嵌入的概念类似，所提出的模型首先利用各种统计图模型和社区检测方法将每个节点分配给一个潜在社区，然后学习增强的主题感知表示。我们在两个下游任务中评估我们的方法：节点分类和链路预测。实验结果表明，通过结合节点和社区嵌入，我们能够胜过广为人知的基线 NRL 模型。

通过电话得到及时性：在矢量时钟模型中近似信息新鲜度

原文标题： Timeliness Through Telephones: Approximating Information Freshness in Vector Clock Models

地址：

作者： Da Qi Chen, R. Ravi, Oleksandr Rudenko

摘要： 我们考虑一个信息传播问题，其中无向图的根不断更新其信息，我们希望让图中的每个人尽可能地理解根的最新信息。我们的同步信息传播模型在每个时间步都使用电话呼叫，其中任何节点最多可以呼叫一个邻居，从而在每个步骤中对传输的信息进行匹配。以集中方式指定随时间无限地定义时间表的这些匹配。我们在最小化网络中所有节点的根信息延迟的两个自然目标（最大值和平均值）方面引入了两个问题。首先，我们证明考虑在每个目标中最多损失 2 倍的周期性有限调度就足够了。接下来，通过将最大根延迟问题与最小化最大广播时间相关联，我们为该版本推导出新的近似算法。对于平均有根延迟目标，这种方法引入了必要的对数因子开销。我们克服了这个问题，并通过设计接近最优的调度来为树提供一个常数因子近似值，这些调度在每个节点都是局部周期性的，并且每个节点在从其父节点听到新信息时具有相同的偏移值。平均延迟版本激发了寻找生成树的问题，该生成树可以最小化图中的新平均广播时间目标，这本身就很有趣，可用于未来的研究。

超越邓巴圈：对社会关系和资源分配的连续描述

原文标题： Beyond Dunbar circles: a continuous description of social relationships and resource allocation

地址：

作者： Ignacio Tamarit, Angel Sánchez, José A. Cuesta

摘要： 我们根据一种新的形式来讨论人际关系模式的结构，该形式允许研究资源成本可能采用连续值的资源分配问题。这与之前研究的主要焦点形成对比，之前研究的重点是将关系分类为几个离散层（称为邓巴圈），每层内的成本相同。我们表明，通过我们的连续统方法，我们可以识别一个参数 eta，它相当于离散情况下相邻圆之间关系的比率，值为 etasim 6。我们使用来自电话记录、面对面联系和 Facebook 互动的三个不同数据集确认了这一预测。随着样本量的增加，估计参数的分布在 eta 的预测值附近平滑。该参数在人口水平上的特征值的存在表明该模型正在捕捉关于人类如何管理关系的看似普遍的特征。我们的分析还证实了早期的结果，表明必须将有限的资源分配到不同的关系中而产生社会特征，并且在线个人网络的结构反映了离线世界的结构。

检测城市创新在全球城市网络上的传染性传播

原文标题： Detecting contagious spreading of urban innovations on the global city network

地址：

作者： Niklas H. Kitzmann, Pawel Romanczuk, Jonathan F. Donges

摘要： 只有朝着脱碳和可持续发展的快速全球转型才能使地球保持在文明友好状态。作为（绿色）创新和实验的热点，城市可以在这一转变中发挥重要作用。众所周知，他们从彼此的想法中获利，政策和技术创新会传播到其他城市。通过这种方式，城市可以被概念化为全球学习网络中的节点。这一过程的动态对于社会应对气候变化和其他挑战很重要，但在宏观层面上仍知之甚少。在此贡献中，我们开发了一种方法，基于剂量反应传染和替代数据模型，确定基于网络的复杂传染效应是否是城市采用可持续性政策的一个特征。我们将此方法应用于示例数据集，其中包括有关公共交通创新（快速公交系统）和基于预定航线的全球城际连接网络传播的经验数据。我们发现证据表明存在传染性传播过程，这不能仅用网络结构或全球采用率的提高来解释。这表明，城市网络中抽象的“全球社区”的行动可能是政策和创新实施的重要因素，与社会小费过程的出现具有潜在联系。该方法是通用的，可用于比较不同类型的城际网络连接的创新传播的预测能力网络安全案例分析论文，例如。通过交通联系、贸易或政治网络中的共同成员。

在三元闭包下提供双稳态的网络模型层次结构

原文标题： A Hierarchy of Network Models Giving Bistability Under Triadic Closure

地址：

作者： Stefano Di Giovacchino, Desmond J. Higham, Konstantinos C. Zygalakis

摘要： 三元闭包描述了在已经有共同朋友的个人之间形成新友谊的趋势。启发式地认为，三元闭合效应可以导致形成大规模社会互动网络的双稳态。在这里，根据初始状态和瞬态动力学，系统可能会演变为两个长期状态中的任何一个。在这项工作中，我们基于 Grindrod、Higham 和 Parsons [Internet Mathematics, 8, 2012, 402—423] 的工作，提出并研究了包含三元闭包的网络演化模型的层次结构。我们使用化学动力学框架，特别注意与系统尺寸相关的反应速率尺度。在宏观范围内，我们严格证明了双峰稳态分布是可以接受的。这种行为对应于确定性平均场 ODE 中存在两个不同的稳定不动点。还可以看到宏观模型刻画了微观系统的明显亚稳态特性。计算模拟用于支持分析。

存在多个异质人群的动力学和宏观流行病模型

原文标题： Kinetic and macroscopic epidemic models in presence of multiple heterogeneous populations

地址：

作者： Andrea Medaglia, Mattia Zanella

摘要： 我们研究了接触异质性对流行动态的影响。考虑以多个易感人群为特征的系统。传染病传播的描述是通过研究引入隔间的社会接触数量密度的玻尔兹曼型方程系统获得的。然后推导出表征流行病可观察影响的宏观方程系统，以评估接触异质性的影响。

VeSoNet：基于路径规划和深度强化学习的车载社会网络流量感知内容缓存

原文标题： VeSoNet: Traffic-Aware Content Caching for Vehicular Social Networks based on Path Planning and Deep Reinforcement Learning

地址：

作者： Nyothiri Aung, Sahraoui Dhelim, Liming Chen, Wenyin Zhang, Abderrahmane Lakas, Huansheng Ning

摘要： 车载社会网络是前景广阔的车联网（IoV）的新兴应用，旨在实现车载网络和社会网络的无缝集成。然而，车载网络的独特特性，如高移动性和频繁的通信中断，使得在严格延迟下向最终用户交付内容限制了一项极具挑战性的任务。在本文中，我们提出了一种社会感知车辆边计算架构，该架构通过使用网络中的一些车辆作为边服务器来解决内容交付问题，该服务器可以存储流行内容并将其流式传输给附近的最终用户。建议的架构包括三个组件。首先，我们提出了一种社交感知图修剪搜索算法，该算法计算车辆并将车辆分配到最相关的车辆内容提供者的最短路径。其次，我们使用流量感知的内容推荐方案，根据其社会背景推荐相关内容。该方案使用图嵌入，其中车辆由一组低维向量 (vehicle2vec) 表示，以存储有关先前消费内容的信息。最后，我们提出了一种深度强化学习（DRL）方法来优化内容提供商车辆在网络中的分布。从实际交通模拟中获得的结果表明，与最先进的基线相比，所提出的系统的有效性和鲁棒性。

粒子物理学面临大流行

原文标题： Particle physics facing a pandemic

地址：

作者： Adam Kardos, Sven-Olaf Moch, German Rodrigo

摘要： 由于全球 Covid-19 大流行，我们的日常生活在 2020 年 3 月发生了很大变化。虽然人们普遍期待春天并被视为恢复活力的同义词，但 2020 年春天为许多人的生活带来了封锁、宵禁、家庭办公和数字教育。粒子物理学界也不例外：研究机构和大学引入了家庭办公和数字化授课，所有研讨会、会议和暑期学校都被取消、推迟或在线进行。使用来自 INSPIRE 和 arXiv 数据库的公开数据，我们研究了生命的这种戏剧性变化对高能物理学界出版趋势的影响，重点是粒子现象学和理论。为了获得洞察力，我们收集有关过去 20 年出版趋势的信息，并对其进行详细分析。

用于模拟 SARS-CoV-2 传播的基于随机图的模型

原文标题： A Stochastic Graph-based Model for the Simulation of SARS-CoV-2 Transmission

地址：

作者： Christos Chondros, Stavros D. Nikolopoulos, Iosif Polenakis

摘要： 在这项工作中，我们提出了用于模拟 SARS-CoV-2 传播的基于随机图的模型的设计原则。所提出的方法结合了三个子模型，即空间模型、移动模型和传播模型，以便为研究 SARS-CoV-2 传播所表现出的特性开发一个现实环境。空间模型将从谷歌地图中获取的真实城市图像转换为无向加权图，以捕捉接下来用于个人移动的街道的空间排列。移动模型实现了一种基于随机主体的方法，开发该方法是为了通过使用随机过程网络安全案例分析论文，利用底层图的权重来部署最短路径算法，为在城市中移动的个人分配特定路线。考虑到 SARS-CoV-2 的传播参数，传播模型实现了流行病学模型和空气传播病毒传播的物理物质。最后，我们整合这些子模型，以推导出一个综合框架，用于研究通过 SARS-CoV-2 传播表现出的流行动态。

Twitter 上的（错误）认知和参与：关于 COVID-19 疫苗有效性和大规模免疫工作的谣言

原文标题： (Mis)perceptions and Engagement on Twitter: COVID-19 Vaccine Rumors on Efficacy and Mass Immunization Effort

地址：

作者： Filipo Sharevski, Allice Huff, Peter Jachim, Emma Pieroni

摘要： 本文报告了一项有 606 名参与者的研究的结果，我们分析了 Twitter 上 COVID-19 疫苗谣言对 (a) 疫苗功效的感知和参与效果； (b) 美国的大规模免疫工作。通过简单的内容更改以及在其他有效的 Twitter 内容中添加流行的抗 COVID-19 标签，成功地引发了对疫苗功效的误解。 Twitter 的错误信息上下文标签对持怀疑态度、对疫苗犹豫不决的人产生了“适得其反的效果”，从而加强了他们的反对立场。虽然大多数参与者坚决避免参与 COVID-19 的谣言，但持怀疑态度、对疫苗犹豫不决的人愿意评论、转发、点赞和分享疫苗功效的谣言。我们在扩大消除社交媒体上有关 COVID-19 谣言的努力的背景下讨论了我们的结果的影响。

通过 Twitter 上的比较分析理解 COVID-19 疫苗反应

原文标题： Understanding COVID-19 Vaccine Reaction through Comparative Analysis on Twitter

地址：

作者： Yuesheng Luo, Mayank Kejriwal

摘要： 尽管现在已有多种 COVID-19 疫苗问世，但疫苗在美国仍处于高位犹豫不决。在某种程度上，这个问题也被政治化了，特别是自 11 月总统大选以来。在社交媒体（包括 Twitter）的背景下理解这一时期的疫苗犹豫，可以为计算社会科学家和政策制定者提供宝贵的指导。本文不是研究单个 Twitter 语料库，而是通过比较研究在两个不同时间段（一个在选举前，另一个在几个月后）收集的两个 Twitter 数据集，使用相同的、仔细控制的数据收集和过滤方法。我们的结果表明，从 2020 年秋季到 2021 年春季，讨论从政治转向 COVID-19 疫苗。通过使用聚类和基于机器学习的方法以及抽样和定性分析，我们发现了几个细粒度的疫苗犹豫的原因，其中一些随着时间的推移变得越来越重要（或越来越不重要）。我们的结果还强调了这个问题在过去一年中的强烈两极分化和政治化。

是什么让在线社区“更好”？衡量数千个 Subreddit 的价值、共识和冲突

原文标题： What Makes Online Communities ‘Better’? Measuring Values, Consensus, and Conflict across Thousands of Subreddits

地址：

作者： Galen Weld, Amy X. Zhang, Tim Althoff

摘要： 使在线社交社区变得“更好”是一项具有挑战性的工作，因为在线社区在规模、主题焦点和治理方面千差万别。因此，一个社区重视的东西可能不被另一个社区重视。在这项工作中，我们通过对 2,151 个独特 subreddit 中的 2,769 个 reddit 用户的调查来衡量社区价值，这是迄今为止最大的社区价值调查。通过结合调查响应和对公开 Reddit 数据的定量分析，我们描述了这些价值观在社区内部和社区之间的变化。我们发现，对社区安全程度的分歧比对社区当前状态其他方面的分歧多 47.4%，与新社区相比，长期存在的社区对可信度的重视程度高出 30.1%，并且最近加入的 redditor 对他们的社区的看法比新社区更积极更高级的redditor。我们发现社区版主希望他们的社区比非版主社区成员的民主程度低 56.7%。准确和可扩展的社区价值建模使研究和治理能够适应每个社区的不同价值。为此，我们证明了在二元分类任务上，少量可自动量化的特征刻画了社区之间的大量值变化，ROC AUC 为 0.667。但是，仍然存在显著差异，并且建模社区价值仍然是未来工作的重要主题。我们公开我们的模型和数据，以告知社区设计和治理。

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。本系列在公众号“网络科学研究速递”（netsci）和个人博客进行同步更新。