• 理解SARS-CoV-2的传播：地区病例数与选定的经济和地理参数之间的关联;
• 四大洲COVID-19的幂律增长与软隔离策略效率低下之间有很强的相关性;
• 跟踪联系人以控制COVID-19大流行;
• 行人交通必须在传染性流行病中受到监管;
• 控制冠状病毒大流行的医疗和社会经济成本的策略;
• 意大利的冠状病毒Covid–19传播：通过差分演化用动态的社会距离优化流行病学模型;
• 波兰互联网上感知的COVID-2019/SARS CoV-2的流行病爆发;
• 无标度网络上的流行病传播和减缓;
• 图数据的对抗性攻击和防御：综述;
• 分析癌症相关推文中不实信息的程度;
• 数学真理的爆炸性证明;
• 开发用于可再生能源转型的新技术要实现的目标是“可行性空间”;
• “相信我，我拥有博士学位”：在网上社区披露个人线下社会地位的光环效应倾向得分分析;
• 全球碳排放和足迹不平等与再分配情景的历史演变;
• 加权随机网络的威格纳半圆定律;
• 异构网络表示学习：综述，基准测试，评估及其他;
• 初始状态对带有噪声的复杂社会网络中意见形成的影响;
• 社区抵制虚假信息;
• 深度学习方法用于网络安全的智能命名实体识别;
• 用深度学习方法得到Twitter流增强网络威胁指标;
• 适应不同觅食环境的人工学习主体群体行为的发展;

理解SARS-CoV-2的传播：地区病例数与选定的经济和地理参数之间的关联

原文标题： Understanding the spread of SARS-CoV-2: Associations between the number of cases in regions and selected economic and geographic parameters

地址： http://arxiv.org/abs/2004.00110

作者： Asit Kumar Mishra, Pawel Wargocki

摘要： 我们通过分析Covid-19在全球不同国家和地区的传播及其与气候、地理位置和GDP的潜在关系，得出了一些结果。尽管情况仍在发展，但我们认为这种分析有可能揭示某些潜在趋势。我们主要希望结果能够推动其他研究人员对相关数据进行进一步更详细的分析，这将有助于我们更好地了解情况，以帮助我们做好准备。我们的观察结果表明，高纬度、温带和/或大陆性气候，以及具有一定开放经济的国家，最容易受到这次疫情的影响。

四大洲COVID-19的幂律增长与软隔离策略效率低下之间有很强的相关性

原文标题： Strong correlations between power-law growth of COVID-19 in four continents and the inefficiency of soft quarantine strategies

地址： http://arxiv.org/abs/2004.00044

作者： Cesar Manchein, Eduardo L. Brugnago, Rafael M. da Silva, Carlos F. O. Mendes, Marcus W. Beims

摘要： 在这项工作中，我们分析了截止到2020年3月27日，来自亚洲，欧洲，北美和南美国家的COVID-19确诊感染病例累计数量的增长。我们的结果表明（i）在所有国家都观察到了幂律的增长； （ii）国家之间的幂律曲线的距离相关性在统计上高度相关，表明此类曲线在世界范围内具有普遍性； （iii）软隔离策略不足以拉平增长曲线。此外，我们提出了一种模型和策略，可以使政府在幂律曲线上趋于平缓。我们发现，除了个人的社会隔离之外，众所周知的相关性，识别和隔离受感染的个人的策略可能对扁平化幂律具有更大的相关性。这些实质上是韩国使用的策略。实际上，我们的结果表明，在社会隔离度和感染者隔离度之间允许的平衡可以用来预防经济灾难。不同国家的幂律曲线之间的高度相关性强烈表明，政府的围堵措施可以在全世界成功应用。这些措施必须严厉并尽快实施。

跟踪联系人以控制COVID-19大流行

原文标题： Tracing Contacts to Control the COVID-19 Pandemic

地址： http://arxiv.org/abs/2004.00517

作者： Christoph Günther, Michael Günther, Daniel Günther

摘要： 控制COVID-19大流行需要大量减少接触，这主要是通过将行动控制提高到强制隔离水平来实现的。这导致经济的实质性停滞。暴露于病毒后约三天，该疾病的携带者才具有传染性。最初的症状较晚出现或根本不出现。结果，追踪被识别为携带者的人的接触对于控制大流行至关重要。这种跟踪必须在任何地方都有效，尤其是在人们彼此最靠近的室内。此外，它应尊重人们的隐私。本文提出了一种实现完全可追溯性且隐私风险很小的方法。我们认为，在未来经济复苏期间，后一种能力对于控制大流行是必要的。

行人交通必须在传染性流行病中受到监管

原文标题： Pedestrian traffic must be regulated in contagious epidemics

地址： http://arxiv.org/abs/2004.00423

作者： Bernardo A. Mello

摘要： 控制Covid-19等传染性流行病，通常要求限制人与人之间的身体互动，以降低传染率。本文研究了行人交通的组织方式如何影响彼此经过的步行或奔跑的人的数量。一个例子是人行道上的行人交通。另一个是在公园中使用步行或跑步轨道。正如将要演示的，如果强制执行单向交通并且跑步者与步行者分开，则可以大大减少彼此交叉的人数。

控制冠状病毒大流行的医疗和社会经济成本的策略

原文标题： Strategies for controlling the medical and socio-economic costs of the Corona pandemic

地址： http://arxiv.org/abs/2004.00493

作者： Claudius Gros, Roser Valenti, Kilian Valenti, Daniel Gros

摘要： 为了应对冠状病毒（COVID-19）的迅速蔓延，成千上万的死亡和重症监护病房，许多地区和国家已被各自的政府封锁。在这种情况下，决策者面临着平衡公共卫生考虑和持续封锁的经济成本的问题。我们介绍了一种改进的流行病模型，即受控SIR模型，其中疾病的繁殖率根据政治和社会反应而动态变化。社会隔离措施是由感染数量触发的，提供了动态反馈循环，从而减慢了病毒的传播速度。我们估计了在整个流行过程中发生的几种不同遏制策略的总成本。费用包括重症监护室的直接医疗费用，社会疏远的经济费用以及挽救生命的经济价值。在合理的参数下，如果忽略生命成本价值，则总成本在中等反应性水平下最高。非常严格的措施效果最好，其次是放手政策。我们的主要发现与特定参数估计值无关，这些估计值将根据COVID-19研究状态进行调整。除数值模拟外，还提出了针对受控连续时间SIR模型的显式解析解决方案。对于不受控制的暴发和三倍的再生数，超出群免疫点的其他28％的人口被感染，达到66％的感染水平，总计达到94％。

意大利的冠状病毒Covid–19传播：通过差分演化用动态的社会距离优化流行病学模型

原文标题： Coronavirus Covid–19 spreading in Italy: optimizing an epidemiological model with dynamic social distancing through Differential Evolution

地址： http://arxiv.org/abs/2004.00553

作者： I. De Falco, A. Della Cioppa, U. Scafuri, E. Tarantino

摘要： 本文的目的在于应用一种最新的流行病学模型，即具有社会距离的SEIR（SEIR–SD），通过定义随时间变化的社会距离功能进行扩展，以评估与疾病传播有关的情况。冠状病毒Covid–19在意大利及其两个最重要的地区，即伦巴第和坎帕尼亚。为了有利地使用该模型，必须找到其参数的最合适值。 SEIR-SD模型参数的估计是通过使用启发式优化技术差分演化来进行的。这样，我们可以针对上述三种情况中的每一种，评估从今天到病毒传播结束为止的每日感染病例数，该数字将达到最高峰值的天数，以及感染病例将接近零的那一天。

波兰互联网上感知的COVID-2019/SARS CoV-2的流行病爆发

原文标题： Perception of emergent epidemic of COVID-2019 / SARS CoV-2 on the Polish Internet

地址： http://arxiv.org/abs/2004.00005

作者： Andrzej Jarynowski, Monika Wojta-Kempa, Vitaly Belik

摘要： 我们通过定量分析2020年1月至2020年12月12日（之前和之后）在互联网上的数字足迹（在Twitter，Google，YouTube，Wikipedia和由Event Registry代表的电子媒体上）对波兰社会中COVID-2019流行的看法。于04.03.2020正式在波兰检出）。为此，我们利用数据挖掘，社会网络分析，自然语言处理技术。分析每个检查的互联网平台的代表性和目标人群的组成。我们在疾病引入之前就COVID-2019主题确定了三个感兴趣的时间主要集群：所有平台上与中国和意大利有关的峰值，以及与最近有关打击COVID-2019的特别法有关的社交媒体上的峰值。此外，在正式出现之日，人们的兴趣达到了顶峰，而波兰政府通过大规模的缓解计划宣告抗击疾病的兴趣也呈指数级增长。从社会语言的角度，我们发现威胁，恐惧和预防的概念和问题在引入之前就盛行。介绍之后，有关疾病和流行病的实用概念占主导地位。我们发现，Twitter反映了波兰政治领域的结构性分歧。我们能够确定执政党，主流反对派和新教徒团体的明确社区以及错误信息的潜在来源。疾病引入后，我们还发现了商品之间的界限模糊。

无标度网络上的流行病传播和减缓

原文标题： Propagation and mitigation of epidemics in a scale-free network

地址： http://arxiv.org/abs/2004.00067

作者： Gyula M. Szabó

摘要： 通常使用SIR模型根据早期指数上升的速率来预测COVID-19大流行的流行曲线和最终程度。这些预测隐含了完全的社会融合，这通常是不合理的。在这里，我基于Barabasi-Albert无标度网络模型中流行病的随机传播，展示了这些预测的反例。流行的开始表明 R_0 = 2.6 ，但是与SIR模型预测的 Omega 约70 ％ 不同，它们最终达到的程度只有 Omega 约4 ％ ，而没有外部缓解和 Omega 约0.5 - 1.5 ％ （包含缓解）。顶部的每日感染率也比SIR模型低1–1.5个数量级。仅隔离1.5％（％）最活跃的超级传播者，对范围和最高感染率的影响与盲目隔离整个社区中随机50％（％）的影响类似。

图数据的对抗性攻击和防御：综述

原文标题： Adversarial Attack and Defense on Graph Data: A Survey

地址： http://arxiv.org/abs/1812.10528

作者： Lichao Sun, Yingtong Dou, Carl Yang, Ji Wang, Philip S. Yu, Bo Li

摘要： 深度神经网络（DNN）已广泛应用于各种应用程序，包括图像分类，文本生成，音频识别和图数据分析。但是，最近的研究表明，DNN容易受到对抗性攻击。尽管有许多研究诸如图像和自然语言处理等领域的对抗性攻击和防御策略的著作，但是由于其表示的挑战性，仍然很难将学习到的知识直接转移到图结构数据中。考虑到图分析的重要性，越来越多的工作开始分析图数据上机器学习模型的鲁棒性。尽管如此，当前考虑图数据对抗行为的研究通常集中在具有特定假设的特定类型的攻击上。此外，每项工作都提出了自己的数学公式，这使得不同方法之间的比较变得困难。因此，在本文中，我们旨在调查现有的图数据对抗性学习策略，并首先为图数据的对抗性学习提供统一的表述，涵盖了大多数图对抗性学习研究。此外，我们还比较了对图数据的不同攻击和防御，并讨论了它们相应的贡献和局限性。在这项工作中，我们会根据每个主题的特点系统地组织考虑的工作。这项调查不仅可以为研究社区提供参考，还可以为研究人员带来清晰的形象。此外，我们还创建了一个在线资源，并在过去两年中不断更新相关论文。基于此调查的各种研究比较的更多详细信息在https://github.com/YingtongDou/graph-adversarial-learning-literature上开源。

分析癌症相关推文中不实信息的程度

原文标题： Analysing the Extent of Misinformation in Cancer Related Tweets

地址： http://arxiv.org/abs/2003.13657

作者： Rakesh Bal, Sayan Sinha, Swastika Dutta, Risabh Joshi, Sayan Ghosh, Ritam Dutt

摘要： Twitter已成为讨论各种主题（包括与医学相关的问题，例如癌症）的最热门的场所之一。这有助于传播有关癌症的各种原因，治疗和预防方法的认识。但是，尚未进行适当的分析，该分析讨论了此类索赔的有效性。在这项工作中，我们旨在解决在此类平台中传播的错误信息。我们收集并提供有关推文的数据集，这些推文专门讨论癌症，并提出一种基于注意力的深度学习模型，用于自动检测错误信息及其传播。然后，我们对与错误信息和真相相对应的文本中的语言变化进行比较分析。这种分析有助于我们收集与错误消息相关的各种社会方面的相关见解。

数学真理的爆炸性证明

原文标题： Explosive Proofs of Mathematical Truths

地址： http://arxiv.org/abs/2004.00055

作者： Scott Viteri, Simon DeDeo

摘要： 数学证明既是确定性的范例，也是我们在文化记录中提出的一些最明确合理的论据。但是，它们的明确性会导致自相矛盾，因为随着论点的扩展，其出错的可能性呈指数增长。在这里，我们表明，在结合了演绎和归纳推理的认知合理的信念形成机制下，数学论证可以经历我们所谓的认知阶段过渡：在合理的主张水平下，从不确定性到迅速完全的置信度的戏剧性迅速传播声明错误率。为了说明这一点，我们分析了形式化推理系统Coq中不常见的48个机器辅助证明数据集，包括从古代到21世纪数学的主要定理，以及从Euclid，Apollonius，Spinoza和安德鲁·威尔斯。我们的研究结果既涉及数学历史和数学哲学方面的最新工作，又涉及认知科学的基本问题，即我们如何形成信念并将其证明给他人的理由。

开发用于可再生能源转型的新技术要实现的目标是“可行性空间”

原文标题： A ‘feasibility space’ as a goal to be achieved in the development of new technologies for converting renewable energies

地址： http://arxiv.org/abs/2004.00073

作者： Jones S. Silva, Fausto A. Canales, Alexandre Beluco

摘要： 该方法文章建议建立一个可行性空间，作为在开发新技术以从可再生资源转换能源的过程中要实现的目标。当设计基于可再生资源的能源系统时，可行性空间也可以作为参考。可行性空间是设计阶段的一组参数值，这些参数值定义了能源系统或新技术的经济和技术可行性，当能源系统投入运行或转换动力的新技术投入使用时，必须满足这些参数值操作。对可能的可行性空间的研究允许将能源系统或新技术表征为有吸引力的投资，或将其描述为不可行的企业。 -该方法提出了在能源转换技术的开发过程中要实现的目标-该方法为发电系统和新技术的设计和开发阶段提供了基准-可行性空间构成了基于电力系统的规划工具使用任何规模的可再生资源

“相信我，我拥有博士学位”：在网上社区披露个人线下社会地位的光环效应倾向得分分析

原文标题： “Trust me, I have a Ph.D.”: A Propensity Score Analysis on the Halo Effect of Disclosing One’s Offline Social Status in Online Communities

地址： http://arxiv.org/abs/2004.00105

作者： Kunwoo Park, Haewoon Kwak, Hyunho Song, Meeyoung Cha

摘要： 在线社区采用各种信誉计划来衡量内容质量。这项研究分析了一种新的声誉计划的效果，该计划揭示了在线社区中一个人的离线社会地位，例如学历。我们研究了采用该计划的两个Reddit社区，其中的帖子包含用于标识受教育程度（称为天才）的标签，并且我们研究了“转移的”社会地位如何影响用户之间的互动。我们计算了倾向得分，以测试天赋是否将采用者的临时权限授予了采用者，同时将诸如内容主题之类的混淆变量的影响降至最低。结果表明，与一个没有公开身份的用户相比，在一个包含同行评审的科学文章的社区中，公开学位可导致更高的受众投票率和更大的讨论规模。在另一个侧重于休闲科学主题的社区中，仅公开学位并没有获得这种好处。尽管如此，具有最高学位的用户（例如，博士学位或医学博士学位）仍可能会从听众那里获得更多反馈。这些发现表明，将离线世界和在线世界联系起来的声誉计划可能会根据社区文化的不同而对反馈行为产生光环效应。我们讨论了这项研究对未来声誉机制设计的意义。

全球碳排放和足迹不平等与再分配情景的历史演变

原文标题： Historical Evolution of Global Inequality in Carbon Emissions and Footprints versus Redistributive Scenarios

地址： http://arxiv.org/abs/2004.00111

作者： Gregor Semieniuk, Victor M. Yakovenko

摘要： 最近提出了雄心勃勃的碳排放再分配方案，以根据《巴黎协定》缓解气候变化并实现消除贫困的可持续发展目标。这意味着到2030年，碳足迹不平等现象将大大减少，这实际上将基尼系数减半至0.25。本文通过分析按地区划分的加权国际二氧化碳排放不平等和由于最终消费者造成的全球碳足迹不平等的历史演变，研究了这些方案的可行性。对于后者，将构建一个比现有数据集更全面的新数据集。在这两种情况下，我们发现全球不平等的趋势正在下降，部分原因是中国从分布的低端向中间转移，足迹比领土排放更不平等。这些结果表明，要实现再分配方案，就需要前所未有地减少远低于历史水平的全球不平等。此外，截至2017年的最近几年的领土排放数据显示，下降的基尼系数处于0.5的饱和水平。该观察结果证实了基于最大熵推理的早期预测，即Lorenz曲线收敛于指数分布。这种饱和进一步破坏了重新分配方案的可行性，而这种结构性趋势也因在全球资本主义下加剧碳足迹不平等的结构性趋势而受到阻碍。解决这一难题的方法之一是快速减少全球能源供应的碳含量，以减少全球碳排放量，而不必严重依赖减少碳不平等现象。

加权随机网络的威格纳半圆定律

原文标题： The Wigner’s Semicircle Law of Weighted Random Networks

地址： http://arxiv.org/abs/2004.00125

作者： Yusuke Sakumoto, Masaki Aida

摘要： 谱图论提供了一种代数方法，可以使用代表网络结构的矩阵（例如归一化拉普拉斯矩阵）的特征值和特征向量来研究加权网络的特征。但是，大型复杂网络（例如社会网络）难以正确地将其结构表示为矩阵。如果普遍存在特征值独立于大规模复杂网络中的详细结构，则可以避免这种困难。在本文中，我们将加权网络的维格纳半圆定律阐明为一种普遍性。该法则表明，当加权网络满足以下条件时，可以从一些网络统计信息（平均度，平均链路权重和平方平均链路权重）中计算出加权网络的标准化拉普拉斯矩阵的特征值。节点度和链接权重。

异构网络表示学习：综述，基准测试，评估及其他

原文标题： Heterogeneous Network Representation Learning: Survey, Benchmark, Evaluation, and Beyond

地址： http://arxiv.org/abs/2004.00216

作者： Carl Yang, Yuxin Xiao, Yu Zhang, Yizhou Sun, Jiawei Han

摘要： 由于现实世界中的对象及其相互作用通常是多模式和多类型的，因此异构网络已被广泛用作传统同类网络（图）的更强大，更现实和更通用的超类。同时，最近对表示学习（也称为嵌入）进行了深入研究，并显示了其对各种网络挖掘和分析任务的有效性。由于已经存在广泛的异构网络嵌入（HNE）算法，但没有专门的调查，因此，作为这项工作的第一贡献，我们率先为系统地分类和分析各种现有HNE算法的优点提供了统一的范例。而且，尽管现有的HNE算法虽然大多数都声称是通用的，但经常在不同的数据集上进行评估。可以理解的是，由于HNE的自然应用优势，这种间接比较在很大程度上阻碍了将改进的任务性能正确地归因于有效的数据预处理和新颖的技术设计，尤其是考虑到从实际应用数据构造异构网络的各种可能方式。因此，作为第二个贡献，我们创建了四个基准数据集，这些数据集具有关于尺度，结构，属性/标签可用性以及来自其他来源的 etc.〜等各种属性，可以对HNE算法进行综合评估。作为第三项贡献，我们仔细重构和修改了10种流行的HNE算法的实现并创建了友好的接口，并在多个任务和实验设置之间进行了全面的比较。

初始状态对带有噪声的复杂社会网络中意见形成的影响

原文标题： Effects of Initial State on Opinion Formation in Complex Social Networks with Noises

地址： http://arxiv.org/abs/2004.00319

作者： Yi Yu, Vu X. Nguyen, Gaoxi Xiao

摘要： 即使基于某些最简单的系统演化模型，复杂社会网络中的意见形成也可能表现出复杂的系统动力学。一个有趣且重要的问题是初始状态对最终稳态意见分布的影响。我们表明，尽管在没有噪音的社会系统中，不同的初始意见分布肯定会影响意见演变，但是在有噪音的系统中，只要有足够的时间，不同的初始状态基本上不会对最终稳定状态产生任何重大影响。相反，正是首选意见的基础分布有助于确定系统的最终状态。这种观察与对系统初始状态在意见形成中的作用的长期信念相矛盾。我们提议一些简短的讨论，以支持我们的陈述的理由，以及这种观察在现实生活中的应用的含义。

社区抵制虚假信息

原文标题： Resistance of communities against disinformation

地址： http://arxiv.org/abs/2004.00379

作者： Amirarsalan Rajabi, Seyyedmilad Talebzadehhosseini, Ivan Garibay

摘要： 虚假信息的传播被认为是对社会的巨大威胁，最近受到了前所未有的关注。在本文中，我们提出了一种基于主体的模型来模拟阴谋在人口中的传播。该模型能够比较不同网络结构对同谋者活动的抵抗力。结果表明，网络结构的连通性和密谋者的中心性对于防止密谋变得普遍至关重要。

深度学习方法用于网络安全的智能命名实体识别

原文标题： Deep Learning Approach for Intelligent Named Entity Recognition of Cyber Security

地址： http://arxiv.org/abs/2004.00502

作者： Simran K, Sriram S, Vinayakumar R, Soman KP

摘要： 近年来，以非结构化文本形式生成的网络安全数据的数量异常增加，例如社交媒体资源，博客，文章等。命名实体识别（NER）是将这种非结构化数据转换为可被许多应用程序使用的结构化数据的第一步。 NER上用于网络安全数据的现有方法基于规则和语言特征。本文提出了一种基于深度学习（DL）的，嵌入条件随机场（CRF）的方法。对几种DL架构进行了评估，以找到最佳的架构。在公开基准数据集上，双向门控循环单元（Bi-GRU），卷积神经网络（CNN）和CRF的组合比其他各种DL框架要好。这可能是由于双向结构保留了与序列中的将来词和先前词有关的特征的原因。

用深度学习方法得到Twitter流增强网络威胁指标

原文标题： Deep Learning Approach for Enhanced Cyber Threat Indicators in Twitter Stream

地址： http://arxiv.org/abs/2004.00503

作者： Simran K, Prathiksha Balakrishna, Vinayakumar R, Soman KP

摘要： 近年来，通过社交媒体资源（主要是Twitter）共享的网络安全文本数据的数量有所增加。对此数据的准确分析可以帮助开发针对网络威胁的网络威胁态势感知框架。这项工作为推特数据分析提出了一种基于深度学习的方法。要将推文转换为数字表示形式，可以使用各种文本表示形式。这些特征被馈入深度学习架构，以进行最佳特征提取和分类。各种超参数调整方法用于识别最佳文本表示方法以及用于深度学习模型的最佳网络参数和网络结构。为了进行比较分析，采用了具有经典机器学习算法的经典文本表示方法。通过对实验的详细分析，我们发现具有高级文本表示方法的深度学习体系结构的性能要优于经典文本表示和经典机器学习算法。这样做的主要原因是高级文本表示方法具有学习文本数据之间存在的顺序属性的能力，而深度学习体系结构可在减小特征尺寸的同时学习最佳特征。

适应不同觅食环境的人工学习主体群体行为的发展

原文标题： Development of swarm behavior in artificial learning agents that adapt to different foraging environments

地址： http://arxiv.org/abs/2004.00552

作者： Andrea López-Incera, Katja Ried, Thomas Müller, Hans J. Briegel

摘要： 在从生物学到物理学的众多领域中，已经从多个角度研究了集体行为，尤其是群的形成。在这项工作中，我们应用投影模拟将每个人建模为与邻居和周围环境互动的人工学习主体，以便制定决策并向他们学习。在强化学习框架内，我们讨论了一维学习方案，主体商需要获得粮食资源才能获得回报。我们观察到不同类型的集体运动是如何出现的，具体取决于主体商需要到达资源的距离。例如，当食物源远离主体商最初所在的区域时，会出现高度对齐的群体。此外，我们研究了在不同类型的新兴集体动力学中出现的单个轨迹的属性。经过训练以寻找遥远资源的特工由于集体运动而呈现出具有L’evy特征的个体轨迹，而经过训练以达到附近资源的特工则呈现出布朗似的轨迹。

声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，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://netsci.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。