• 利用元路径上下文进行异构信息网络中的分类;
• Kermack-McKendrick流行病模型中的相变：附加非线性效应和药群免疫的引入;
• 具有利他惩罚的公共物品博弈中的共生行为;
• 社区分析的二项尾部;
• 在社交媒体上估计具有文本属性的社交POI边界的一种改进方法;
• 通过全局k核的网络稳健性;
• 利用事件特定和块跨度功能从推文中提取COVID事件;
• 通过多尺度动力学传输方程对流行病的空间扩散进行建模和仿真;
• 结构平衡和人际评估动力：超越全混合和双重因素网络;
• 扩展参数空间中的流行病蔓延：超临界尺度定律和亚临界亚稳相;
• 通过零决定因素策略控制条件期望;
• HateXplain：可解释的仇恨语音检测的基准数据集;
• YouNiverse：来自英语YouTube的大规模频道和视频元数据;

利用元路径上下文进行异构信息网络中的分类

原文标题： Leveraging Meta-path Contexts for Classification in Heterogeneous Information Networks

地址： http://arxiv.org/abs/2012.10024

作者： Xiang Li, Danhao Ding, Ben Kao, Yizhou Sun, Nikos Mamoulis

摘要： 异构信息网络（HIN）具有不同类型的对象作为顶点，并且边之间的对象也具有各种类型的关系。我们研究了在HIN中对对象进行分类的问题。当给定稀有标签的对象作为训练集时，大多数现有方法的性能都较差，而在这种情况下提高分类准确性的方法通常在计算上昂贵。为理解决这些问题，我们提出了ConCH，一种图神经网络模型。 ConCH将分类问题表述为一种多任务学习问题，它将半监督学习与自我监督学习相结合，以从标记和未标记的数据中学习。 ConCH使用元路径，它是刻画对象之间语义关系的对象类型序列。基于元路径，它考虑了对象x的两个信息源：（1）检索x的基于元路径的邻居并对其进行排名，并保留前k个邻居。 （2）x到其选定邻居的元路径实例用于导出基于元路径的上下文。 ConCH利用以上信息通过图卷积来共同推导对象嵌入和上下文嵌入。它还使用注意力机制来融合从各种元路径生成的x的嵌入，以获得x的最终嵌入。我们进行了广泛的实验，以评估ConCH针对其他14种分类方法的性能。我们的结果表明，ConCH是一种有效的HIN分类方法。

Kermack-McKendrick流行病模型中的相变：附加非线性效应和药群免疫的引入

原文标题： Phase transition in Kermack-McKendrick Model of Epidemic: Effects of Additional Non-linearity and Introduction of Medicated Herd Immunity

地址： http://arxiv.org/abs/2011.03260

作者： Agniva Datta, Muktish Acharyya

摘要： 流行病传播的数学模型是流行病学领域中一个有趣的挑战。 Kermack和McKendrick在1927年提出的SIR模型是流行病学的原型模型。但是，它有其局限性。在本文中，我们展示了两种独立的方法来概括此模型，第一种是未发现疫苗或准备使用疫苗的方法，第二种是发现疫苗并准备使用疫苗的方法。在第一部分中，我们指出了一个主要的过分简化，即假设变量的时间导数随各个变量的线性幂而变化，并引入了两个新的参数以将进一步的非线性纳入变量的数量。模型中的感染者。结果，我们展示了在新引入的参数中，这种附加的非线性如何如何在感染高峰时间即感染人群达到最大的时间带来显著变化。我们表明，在特殊情况下，即使我们可以从特定传染病的流行阶段过渡到非流行阶段。我们将进一步研究这样一种特殊情况，并将其视为相变问题。然后，我们研究此相变的所有必要参数，例如阶数参数和临界指数。我们观察到 O_p sim（q_c-q）^ beta 。在第二部分中，我们将模型中的人工牛群免疫纳入考虑，并说明如何减少感染高峰时间，并随后减少最大感染人数。最后，我们通过一种统计方法估计了疫苗接种率的临界值，因此我们提出了一种通过有效地向人群提供疫苗来在短时间内消除流行病的方法。

具有利他惩罚的公共物品博弈中的共生行为

原文标题： Symbiotic behaviour in the Public Goods game with altruistic punishment

地址： http://arxiv.org/abs/2012.09948

作者： Lucas S. Flores, Heitor C. M. Fernandes, Marco A. Amaral, Mendeli H. Vainstein

摘要： 寻找克服相互利用的诱惑的方法仍然是行为科学中的一个谜。在演化博弈论的框架中，惩罚策略经常用于促进竞争环境中的合作。在这里，我们在空间公共物品博弈中引入利他惩罚者，该惩罚者惩罚附近所有叛逃者，同时承担这样做的费用。我们在模型中观察到三种不同的行为：i）在没有惩罚者的情况下，对于大多数参数值，合作者都被叛逃者驱赶灭绝； ii）惩罚者群体在较低的时候通过分担惩罚成本而壮成长。iii）惩罚者成本较高时，惩罚者（如果单独使用）会受到剥削，但是在合作者在场的情况下可以形成一种共生的空间结构，这对双方都有利。最后的观察是我们的主要发现，因为在这个参数区域，单独合作或惩罚都无法幸免于叛逃者的策略，而共生空间配置的特殊性表明，晶格拓扑在维持合作中起着核心作用。通过在方格上的蒙特卡洛模拟获得结果，然后通过对近似下不同策略的收益比较来确认，从而得出可能状态的相图。

社区分析的二项尾部

原文标题： Binomial Tails for Community Analysis

地址： http://arxiv.org/abs/2012.09968

作者： Omid Madani, Thanh Ngo, Weifei Zeng, Sai Ankith Averine, Sasidhar Evuru, Varun Malhotra, Shashidhar Gandham, Navindra Yadav

摘要： 网络中社区发现的一项重要任务是评估结果的重要性以及生成的候选组的可靠排名。通常，在实践中会发现许多候选社区，而将分析师的时间集中在最显著和最有希望的发现上至关重要。我们使用二项式模型开发了从尾部概率得出的简单有效的群体评分函数。对合成数据和大量现实世界数据进行的实验提供了证据，表明二项式得分比其他廉价的得分功能（例如电导）具有更强健的排名。此外，我们获得可用于过滤和标记发现的组的置信度值（ p 值）。我们的分析揭示了该方法的各种特性。二项式尾部是简单且通用的，我们描述了社区分析的其他两个应用程序：社区成员资格的程度（这反过来会产生群体评分功能），以及在社区诱发图中发现显著边。

在社交媒体上估计具有文本属性的社交POI边界的一种改进方法

原文标题： An Improved Approach for Estimating Social POI Boundaries With Textual Attributes on Social Media

地址： http://arxiv.org/abs/2012.09990

作者： Cong Tran, Dung D. Vu, Won-Yong Shin

摘要： 尚未充分探讨如何通过利用社交媒体上的文本属性执行基于密度的聚类。在本文中，我们旨在发现形成凸多边形的社会兴趣点（POI）边界。更具体地说，我们提出了一种新方法和算法，该方法和算法建立在我们先前关于社会POI边界估计（SoBEst）的工作之上。这种SoBEst方法考虑了地理区域内的相关记录和不相关记录，其中相关记录在其文本字段中包含POI名称或其变体。我们的研究基于以下经验观察：SoBEst基本假定的每个POI的固定代表坐标可能与某些POI的估计社会POI边界的质心相距甚远。因此，在这种情况下使用SoBEst可能会导致边界估计质量（BEQ）的性能不理想，这表示为 F 度量的函数。为理解决这个问题，我们提出了一个联合优化问题，即通过允许更新 c 同时找到圆的半径和POI的代表坐标 c 。随后，我们设计了一个迭代的SoBEst（I-SoBEst）算法，该算法使我们能够对某些POI实现更高的BEQ。结果表明，所提出的I-SoBEst算法的计算复杂度与记录数成线性比例关系。我们证明了我们的算法优于包括原始SoBEst在内的竞争性聚类方法的优势。

通过全局k核的网络稳健性

原文标题： Network Robustness via Global k-cores

地址： http://arxiv.org/abs/2012.10036

作者： Palash Dey, Suman Kalyan Maity, Sourav Medya, Arlei Silva

摘要： 网络健壮性是衡量网络抵抗对抗攻击的能力的指标。但是，并非网络的所有部分都是平等的。 K核是密集的子图，已知可以刻画许多现实网络的一些关键属性。因此，先前的工作已经尝试通过其k核的稳定性对网络的健壮性进行建模。但是，这些方法仅占一个核心价值，因此无法对全球网络的弹性度量进行编码。在本文中，我们通过提出一种在所有核心上定义的新的网络弹性概念来解决此限制。特别是，我们针对每个节点的初始核心评估了在节点删除下网络的稳定性。我们的目标是通过组合问题来计算鲁棒性：找到b个最关键的节点来删除，以使从其初始核心掉落的节点数量最大化。我们的贡献之一表明，要实现给定目标的任何多项式因子近似值，NP很难实现。在参数化复杂度理论对几个自然参数的分析下，我们还提出了对该问题的细粒度复杂度分析。此外，我们展示了我们的健壮性概念的两种应用：测量物种的演化和表征来自不同域的网络。

利用事件特定和块跨度功能从推文中提取COVID事件

原文标题： Leveraging Event Specific and Chunk Span features to Extract COVID Events from tweets

地址： http://arxiv.org/abs/2012.10052

作者： Ayush Kaushal, Tejas Vaidhya

摘要： 在灾难和大流行期间，尤其是在COVID-19时期，Twitter已成为重要的信息来源。在本文中，我们描述了WNUT 2020 Shared Task-3的系统条目。该任务旨在自动从Twitter提取各种与COVID-19相关的事件，例如最近感染该病毒的个人，症状被拒绝测试并相信可以对付这种感染的人。该系统由用于插槽填充子任务和句子分类子任务的单独的多任务模型组成，同时利用了相应事件的有用句子级别信息。该系统将COVID-Twitter-Bert与候选插槽块功能的注意力加权池结合使用，以刻画有用的信息块。系统在F1为0.6598的情况下在排行榜上排名第一，而无需使用任何合奏或其他数据集。可以从此https URL获得代码和经过训练的模型。

通过多尺度动力学传输方程对流行病的空间扩散进行建模和仿真

原文标题： Modeling and simulating the spatial spread of an epidemic through multiscale kinetic transport equations

地址： http://arxiv.org/abs/2012.10101

作者： Walter Boscheri, Giacomo Dimarco, Lorenzo Pareschi

摘要： 在这项工作中，我们提出了一种新颖的基于空间的多尺度模型，用于在现实地理场景下在二维空间环境中传播传染病。该模型将描述大量通勤人口（城市外）通勤者的动力学传输方程系统与表征非通勤人口小规模（城市）的扩散方程系统相结合。该建模方法可以避免流行病学中传统扩散模型的不切实际的影响，例如大规模上的无限传​​播速度和大规模迁移动力学。基于动力学理论的运输形式主义的构造允许对隔室空间依赖性模型中感染者和易感者之间的相互作用给出清晰的模型解释。此外，在适当的规模限制内，我们的方法允许通过在城市规模上起作用的一致扩散模型来耦合两个人口。在非结构化网格上基于有限体积的系统离散化，以及及时的渐近保存方法，表明该模型能够正确描述流行病空间扩展的主要特征。最后介绍了对COVID-19初始传播的应用。

结构平衡和人际评估动力：超越全混合和双重因素网络

原文标题： Structural Balance and Interpersonal Appraisals Dynamics: Beyond All-to-All and Two-Faction Networks

地址： http://arxiv.org/abs/2012.10151

作者： Wenjun Mei, Ge Chen, Noah E. Friedkin, Florian Dörfler

摘要： 结构平衡理论描述了签名的人际评估网络拓扑的稳定配置。现有的评估网络收敛到结构平衡的模型要么在有限的时间内发散，要么陷入卡住的状态，或者收敛到完整的图表。在本文中，我们研究了一个开放性问题，即如何通过人际评价的局部动力来实现稳定的非所有人结构平衡。我们首先比较一般非全部图表的结构平衡的两个充分合理的定义，即三合一结构平衡和两要素结构平衡，并深入研究它们之间的关系。其次，根据对称机制，影响机制和同质机制这三种被广泛采用的社会学机制，我们提出了两个类似八卦评价动力学的简单模型，即对称影响同质动力学和对称影响。 -意见-同质性（SIOH）动力学。在这些模型中，从任何初始条件开始的评估网络几乎可以肯定地在有限的时间内分别实现了非全部对三合一和两派结构的平衡。此外，SIOH的动态捕捉了人际评价和个人意见的共同演变。关于理论贡献，我们表明，SIH（SIOH响应）动力学的平衡集对应于评估网络中所有可能的三合一（两派响应）结构平衡配置的集。此外，我们证明了，对于任何初始条件，SIH（SIOH响应）动力学中的评估网络几乎可以肯定地在有限的时间内达到三合一（两派响应）的结构平衡。对SIH动力学的数值研究还暗示了一些有洞察力的信息，说明多边关系是减少还是加剧了冲突。

扩展参数空间中的流行病蔓延：超临界尺度定律和亚临界亚稳相

原文标题： Epidemic spreading in an expanded parameter space: the supercritical scaling laws and subcritical metastable phases

地址： http://arxiv.org/abs/2012.10230

作者： Gaetano Campi, Antonio Valletta, Andrea Perali, Augusto Marcelli, Antonio Bianconi

摘要： 到目前为止，对冠状病毒2020年流行病数据的大多数分析都集中在短时间窗口上，因此，目前尚缺乏通过遏制措施（CEwCM）对冠状病毒流行病的统计物理定律进行定量测试的方法。在这里，我们报告了对CEwCM的230天定量分析，涵盖了第一波流行病的全时流逝。我们使用一个3D相图来跟踪倍增时间Td（t）和生殖数Rt（t）的同时演变，表明该扩展的参数空间对于CEwCP的生物物理学是必需的。我们已经证明，在超临界[Rt（t）> 1，Td（t）<40天]方案i）中，总感染病例的曲线Z（t）遵循称为奥斯特瓦尔德定律的增长率。 ii）倍增时间遵循随时间变化的指数定律Td（t）= A exp（（t-t0）/ s）和iii）幂定律Td（t）= C（Rt（t）-1）根据Rt（t）的定义，用指数n验证^ -n。在亚临界状态下[Td（t）> 100天]揭开的2020年第二次流行病波的Td（t）与（Rt-1）的对数-对数图然后按照与第一波相同的幂定律进行爆炸和围堵

通过零决定因素策略控制条件期望

原文标题： Controlling conditional expectations by zero-determinant strategies

地址： http://arxiv.org/abs/2012.10231

作者： Masahiko Ueda

摘要： 我们证明，重复博弈中的记忆 n 零决定因素策略可用于控制有条件的收益平均值。等效地，它们可用于控制有偏乐团的平均收益。在反复的囚徒困境博弈中，我们提供了一些记忆零元决定因素策略的示例。我们还解释说，零行列式策略的变形版本很容易扩展到内存为 n 的情况。

HateXplain：可解释的仇恨语音检测的基准数据集

原文标题： HateXplain: A Benchmark Dataset for Explainable Hate Speech Detection

地址： http://arxiv.org/abs/2012.10289

作者： Binny Mathew, Punyajoy Saha, Seid Muhie Yimam, Chris Biemann, Pawan Goyal, Animesh Mukherjee

摘要： 仇恨言论是困扰在线社交媒体的具有挑战性的问题。尽管不断开发出更好的仇恨语音检测模型，但对仇恨语音的偏见和可解释性方面的研究很少。在本文中，我们介绍了HateXplain，这是涵盖该问题多个方面的第一个基准讨厌语音数据集。我们数据集中的每个帖子都从三个不同的角度进行注释：基本的，常用的3类分类（即，仇恨，令人反感或正常），目标社区（即，成为仇恨言论/攻击性言论的受害者的社区） （在帖子中），以及基本原理，即帖子的标签决策（如仇恨，令人反感或正常）所基于的部分。我们利用现有的最新模型，并观察到即使在分类中表现出色的模型在诸如模型可信度和忠诚度等可解释性指标上也得分不高。我们还观察到，利用人类基本原理进行训练的模型在减少针对目标社区的意外偏见方面表现更好。我们已经在https://github.com/punyajoy/HateXplain上公开了我们的代码和数据集

YouNiverse：来自英语YouTube的大规模频道和视频元数据

原文标题： YouNiverse: Large-Scale Channel and Video Metadata from English-Speaking YouTube

地址： http://arxiv.org/abs/2012.10378

作者： Manoel Horta Ribeiro, Robert West

摘要： YouTube在娱乐和告知全球人们方面起着关键作用。但是，由于缺乏随机采样的数据以及查询平台庞大目录的系统方法，因此研究平台非常困难。在本文中，我们介绍了YouNiverse，这是来自英语YouTube的大量频道和视频元数据的集合。 YouNiverse包含2005年5月至2019年10月之间发布的超过136k频道的元数据和7290万个视频，以及每周订阅者和观看次数的频道级时间序列数据。利用来自提供有关YouTube信息的在线服务socialblade.com的频道排名，我们能够评估和增强频道样本的代表性。可以在https://doi.org/10.5281/zenodo.4327607上公开获得的YouNiverse，将使社区能够对YouTube以及有关YouTube的内容进行研究。

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。