• 供应链网络对不同地区抗COVID-19封锁之间相互作用的影响;
• 社会影响力对澳大利亚房地产的影响：基于空间主体模型的市场预测;
• 复杂网络中依赖于持续时间的扩散动力学的分层粗粒化方法;
• 隐藏行动设置中的异构记忆：基于主体的方法;
• 哪些因素导致日本各县吸引了大量人口涌入？;
• 网络中的分层社区结构;
• 集体智慧的网络结构：小组讨论的或然利益;
• 使用视觉分析审核基于图的排名的敏感性;
• 航空运输系统长期KPI一致性预测的多层模型;
• 美国COVID-19精英的持续在线扩增;
• 使用局部结构特性提高分层社区检测方法的效率;
• 子图到子图的联合过渡-为功能强大且可解释的图建模的一般化三元闭合;
• 了解全球对最近爆发的COVID-19的反应：Instagram数据分析的见解;

供应链网络对不同地区抗COVID-19封锁之间相互作用的影响

原文标题： The impact of supply-chain networks on interactions between the anti-COVID-19 lockdowns in different regions

地址： http://arxiv.org/abs/2009.06894

作者： Hiroyasu Inoue, Yohsuke Murase, Yasuyuki Todo

摘要： 为了防止COVID-19的传播，许多城市，州和国家已经“封锁”，限制了非必要部门的经济活动。在大多数国家，这种封锁已经使生产大幅缩水。这项研究考察了不同地区封锁的经济影响如何通过供应链（一个生产企业网络）相互作用，并模拟了日本160万家供应链数据上基于主体人的生产模型。我们进一步研究复杂的网络结构如何影响锁定的相互作用，通过将供应链流分解为潜在和循环流组件来强调上游和循环的作用。我们发现，一个地区的上游地位，循环强度以及与其他地区的供应链中的供应商可替代性在很大程度上决定了该地区封锁的经济影响。特别是，当一个地区解除封锁时，其经济复苏将根据其是单独解除封锁还是与其他通过供应链紧密联系的地区一起解除封锁而发生很大变化。这些结果表明需要进行区域间政策协调，以减少因封锁而造成的经济损失。

社会影响力对澳大利亚房地产的影响：基于空间主体模型的市场预测

原文标题： The impact of social influence in Australian real-estate: market forecasting with a spatial agent-based model

地址： http://arxiv.org/abs/2009.06914

作者： Benjamin Patrick Evans, Kirill Glavatskiy, Michael S. Harré, Mikhail Prokopenko

摘要： 住房市场本质上是空间的，但是许多现有的模型都无法捕捉到这种空间的维度。在这里，我们介绍了一种新的基于图的方法，用于将空间成分合并到大型基于城市住房主体的模型（ABM）中。该模型明确刻画了影响主体商决策行为的多种社会和经济因素（例如，害怕失踪，他们的才智趋向以及子市场拓展的力度），并从空间角度解释了这些因素。拟议的模型已通过大悉尼地区的房地产市场数据进行了校准和验证。 ABM模拟结果不仅包括对整个市场的预测，而且还可以在悉尼地方政府区域一级进行针对特定区域的预测。此外，模拟结果还阐明了子市场在空间和房屋所有权方面的移动模式，包括房客，首次购房者以及本地和海外投资者。

复杂网络中依赖于持续时间的扩散动力学的分层粗粒化方法

原文标题： Hierarchical Coarse-grained Approach to the Duration-dependent Spreading Dynamics in Complex Networks

地址： http://arxiv.org/abs/2009.06919

作者： Jin-Fu Chen, Yi-Mu Du, Hui Dong, Chang-Pu Sun

摘要： 已经提出了各种粗粒度模型来研究网络中的扩展动力学。需要微观理论来将传播动力学与个体行为联系起来。在这封信中，我们通过将微观动力学分解为两个基本过程（老化过程和接触过程）来统一对复杂网络上不同传播动力学的描述。导出了微观动力学方程来描述网络上各个节点的动力学。获得了持续时间粗粒度（DCG）方法的层次结构，以研究与持续时间相关的过程，其中过渡速率取决于状态上单个节点的持续时间。应用于流行病传播中，这种形式主义对于再现不同的流行病模型是可行的，例如，易感感染恢复型和易感感染易感性模型，以及与相应的宏观传播参数和微观转变率相关联。 DCG方法使我们能够获得具有任意持续时间依赖的恢复和感染率的常规SIS模型的稳态。当前的层级形式主义也可以用来描述信息和公众舆论的传播，或为网络中的可靠性理论建模。

隐藏行动设置中的异构记忆：基于主体的方法

原文标题： On Heterogeneous Memory in Hidden-Action Setups: An Agent-Based Approach

地址： http://arxiv.org/abs/2009.07124

作者： Patrick Reinwald, Stephan Leitner, Friederike Wall

摘要： 我们遵循主体化方法，并将Holmstr“ om引入的标准隐藏动作模型转换为基于主体的模型。这样做可以使我们放宽一些与（i）信息可用性相关的并入的“英雄主义”假设关于环境以及（ii）委托人和主体人的认知能力（特别关注他们的记忆力）与标准隐藏行动模型相反，委托人和主体人被建模为随着时间的流逝学习具有不同能力的环境处理学习到的信息片段，此外，我们考虑环境的不同特征，我们的分析集中于基于主体模型的内生激励机制的收敛速度和接近程度，并收敛到该方法提出的第二好的解决方案。标准的隐藏动作模型，此外，我们研究了是否可以从基于主体的模型变体中找到稳定的解决方案，结果表明在稳定的环境中注意，紧急结果几乎可以达到标准隐藏动作模型提出的解决方案。令人惊讶地，结果表明环境中的湍流导致较早时期的稳定性。

哪些因素导致日本各县吸引了大量人口涌入？

原文标题： What factors have caused Japanese prefectures to attract a larger population influx?

地址： http://arxiv.org/abs/2009.07144

作者： Keisuke Kokubun

摘要： 长期以来，在东京进行区域推广和集中纠正一直是日本政府的目标。此外，在最近出现新的冠状病毒（COVID-19）流行之后，农村移民的势头正在增加，以通过远程工作的渗透来预防感染的风险。但是，关于哪种土地将吸引人口的争论还不够。因此，在本文中，我们将通过使用每个县的最新政府统计数据，以人口的流入量和过剩流入量为因变量，进行相关分析和多元回归分析，以考虑此问题。分析的结果表明，除了经济因素变量外，气候，舒适性和人为因素变量均与流入量相关，并且表明，当除特定因素外还使用多种因素时，该模型具有最大的解释力。因素。因此，要求地区政府采取区域性促进措施，不仅着眼于经济因素，而且着眼于多方面的因素来吸引外部人口。

网络中的分层社区结构

原文标题： Hierarchical community structure in networks

地址： http://arxiv.org/abs/2009.07196

作者： Michael T. Schaub, Leto Peel

摘要： 模块化和分层结构普遍存在于现实世界的复杂系统中。在尝试检测和研究这些结构方面已经付出了巨大的努力。检测模块化或“社区”结构的重要理论进展包括通过使用概率生成模型正式定义社区结构来确定可检测性的基本限制。检测分层社区结构会带来其他挑战，以及从社区检测继承的挑战。在这里，我们提出了有关网络中分层社区结构的理论研究，迄今为止尚未受到同样严格的关注。我们解决以下问题：1）〜我们应该如何定义有效的社区层次结构？ 2）〜我们应该如何确定网络中是否存在分层结构？ 3）〜如何有效地检测层次结构？我们通过基于随机外部公平分区的概念及其与概率模型（如流行的随机块模型）的关系引入层次结构的定义来解决这些问题。我们列举了检测层次结构所涉及的挑战，并通过研究层次结构的谱特性，提出了一种有效且有原则的检测层次结构的方法。

集体智慧的网络结构：小组讨论的或然利益

原文标题： Network Structures of Collective Intelligence: The Contingent Benefits of Group Discussion

地址： http://arxiv.org/abs/2009.07202

作者： Joshua Becker, Abdullah Almaatouq, Agnes Horvat

摘要： 关于信念形成的研究在组成员之间的交流是否以及何时提高数字估计的准确性（例如经济预测，医疗诊断和求职者评估）方面产生了矛盾的发现。尽管一些证据表明，经过仔细调解的过程（例如“ Delphi方法”）比非结构化的讨论产生了更准确的信念，但其他人则认为，非结构化的讨论要优于调解过程。还有一些人认为独立的人会产生最准确的信念。本文说明了信仰形成的网络理论如何解决这些矛盾，即使在非正式对话中群体缺乏明显的结构时也是如此。新兴的影响力网络结构与讨论前的信念分布相互作用，以缓和沟通对信念形成的影响。结果，交流有时会增加，有时会降低小组中平均信念的准确性。介导过程和非结构化交流的效果有所不同，因此每种交流格式的相对利益取决于群体动态以及互动前信念的统计属性。这些结果解决了先前研究中的矛盾，并为团队和组织提供了实用的建议。

使用视觉分析审核基于图的排名的敏感性

原文标题： Auditing the Sensitivity of Graph-based Ranking with Visual Analytics

地址： http://arxiv.org/abs/2009.07227

作者： Tiankai Xie, Yuxin Ma, Hanghang Tong, My T. Thai, Ross Maciejewski

摘要： 图挖掘在许多学科中起着举足轻重的作用，并且已经开发出各种算法来回答谁/什么类型的问题。例如，我们应在电子商务平台上向给定用户推荐哪些项目？这些问题的答案通常以排名列表的形式返回，并且基于图的排名方法广泛用于工业信息检索设置中。但是，这些排名算法具有多种敏感性，即使排名的微小变化也可能导致产品销售和页面访问量的大幅下降。因此，需要一种工具和方法来帮助模型开发人员和分析人员探索图排序算法对图结构内部扰动的敏感性。在本文中，我们提供了一个可视化分析框架，用于通过执行基于扰动的假设分析来解释和探索任何基于图的排名算法的敏感性。我们通过三个案例研究展示了我们的框架，该案例研究了两种经典的基于图的排名算法（PageRank和HITS）在应用于政治新闻媒体和社会网络中的排名的敏感性。

航空运输系统长期KPI一致性预测的多层模型

原文标题： A multi-layer model for long-term KPI alignment forecasts for the air transportation system

地址： http://arxiv.org/abs/2009.07240

作者： Luis Delgado, Gerald Gurtner, Andrew Cook, Samuel Cristobal, Jorge Martin

摘要： 本文介绍了在Vista项目期间构建的空中交通管理系统的全新整体模型。该模型是一个由主体驱动的模拟器，其中包括各种利益相关者，例如网络经理和航空公司。这是一个微观模型，基于一天中在欧洲的单个乘客行程。本文重点介绍该模型的技术说明，包括数据和校准问题，并介绍了2035年和2050年选定的关键结果。特别是，我们显示了有关排放，减少延误，不确定性和增加航班时刻表缓冲的明确趋势。

美国COVID-19精英的持续在线扩增

原文标题： Sustained Online Amplification of COVID-19 Elites in the United States

地址： http://arxiv.org/abs/2009.07255

作者： Ryan J. Gallagher, Larissa Doroshenko, Sarah Shugars, David Lazer, Brooke Foucault Welles

摘要： COVID-19大流行的持续，不稳定的性质要求个人定期寻求有关最佳卫生习惯，当地社区传播和公共卫生准则的信息。在美国，没有对流感大流行采取统一的应对措施，也没有联邦和地方官员的明确，一致的指示，人们使用社交媒体共同众包COVID-19精英，这是一小部分受信任的COVID-19信息源。我们对在大流行期间在Twitter上受到持续关注的美国COVID-19众包精英进行了人口普查。使用混合方法方法，将Twitter用户面板链接到美国公共选民登记记录，我们发现在COVID-19周围，新闻记者，媒体和政治报道一直在不断扩大，而流行病学家，公共卫生官员和医疗专业人员在Twitter上仅占所有COVID-19精英的一小部分。我们表明，COVID-19精英群体在不同的人口群体之间存在很大差异，并且各个群体与其精英群体之间在种族，地理和政治上都有明显的相似之处和不同之处。考虑到这种变化，我们讨论了使用众包的COVID-19精英人士不成比例的在线语音来公平地促进及时的公共卫生信息和减轻泛滥的错误信息的可能性。

使用局部结构特性提高分层社区检测方法的效率

原文标题： On the use of local structural properties for improving the efficiency of hierarchical community detection methods

地址： http://arxiv.org/abs/2009.06798

作者： Julio-Omar Palacio-Niño, Fernando Berzal

摘要： 社区检测是复杂网络分析中的一个基本问题。它是网络数据挖掘中集群的类似物。在社区检测方法中，分层算法很流行。但是，它们的迭代性质以及重新计算用于拆分网络的结构属性的需求（即Girvan和Newman算法中的边沿介数中心性）使它们不适用于大型网络数据集。在本文中，我们研究了如何将局部结构网络属性用作主体，以提高分层社区检测的效率，同时在模块化方面获得竞争性结果。特别是，我们研究了通常用于执行本地链路预测的结构属性的潜在用途，这是一种与社区结构相关的有监督的学习问题，因为节点易于与社区中的其他节点建立新的链接。此外，我们将网络修剪启发法的性能影响作为一种辅助策略进行检查，以使分层社区检测更加有效

子图到子图的联合过渡-为功能强大且可解释的图建模的一般化三元闭合

原文标题： Joint Subgraph-to-Subgraph Transitions – Generalizing Triadic Closure for Powerful and Interpretable Graph Modeling

地址： http://arxiv.org/abs/2009.06770

作者： Justus Hibshman, Daniel Gonzalez, Satyaki Sikdar, Tim Weninger

摘要： 我们在直观的伞式概括下（子图到子图过渡（SST））对三合会闭包进行了归纳，并结合了先前的三合会闭包的归纳。我们提供了根据这些SST的集合来建模图演化的算法和代码。然后，我们使用SST框架为静态和时间，有向和无向图创建链路预测模型，这些模型会产生高度可解释的结果，同时与最新状态的图神经网络性能相匹配。

了解全球对最近爆发的COVID-19的反应：Instagram数据分析的见解

原文标题： Understanding Global Reaction to the Recent Outbreaks of COVID-19: Insights from Instagram Data Analysis

地址： http://arxiv.org/abs/2009.06862

作者： Abdul Muntakim Rafi, Shivang Rana, Rajwinder Kaur, Q.M. Jonathan Wu, Pooya Moradian Zadeh

摘要： 冠状病毒疾病，也称为COVID-19，是一种严重的急性呼吸道综合症的持续流行病。大流行导致世界各地许多宗教，政治和文化事件的取消。由于全球采取了前所未有的锁定措施，大量人员被困在自己的房屋中。本文通过对Instagram平台上特定主题标签的分析，考察了个人对病毒爆发的反应。对Instagram帖子进行了分析，以试图揭示共同点，即人们在应对危机时使用视觉社交媒体。收集数据后，将选择包含位置数据的帖子。这些数据的一部分是随机选择的，分为五个不同的类别。我们执行一些手动分析，以深入了解我们收集的数据集。之后，我们使用ResNet-50卷积神经网络对与帖子关联的图像进行分类，并使用基于注意力的LSTM网络对字幕进行分类。本文在全球危机时刻发现了社交媒体上的一系列新兴规范。获得的结果表明，我们提出的方法可用于使用Instagram数据自动进行大众情绪分析。

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://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。