• AttentionFlow：可视化时间序列网络中的影响;
• 学习图表示;
• 智能电网中的时间模体;
• LinkLouvain：考虑链接的A / B测试及其在在线营销活动中的应用;
• 揭示COVID-19大流行期间纽约市出行方式的关键特征;
• 股票市场中的金字塔方案：一种金融市场模拟;

AttentionFlow：可视化时间序列网络中的影响

原文标题： AttentionFlow: Visualising Influence in Networks of Time Series

地址： http://arxiv.org/abs/2102.01974

作者： Minjeong Shin, Alasdair Tran, Siqi Wu, Alexander Mathews, Rong Wang, Georgiana Lyall, Lexing Xie

摘要： 对诸如网页，搜索词和视频之类的在线项目的共同关注反映了具有社会，文化和经济意义的趋势。而且，不同项目的注意力趋势通过诸如超链接或推荐的机制表现出相互影响。存在许多用于时间序列，网络演进或网络影响的可视化工具。但是，几乎没有系统将这三个系统连接在一起。在这项工作中，我们介绍了AttentionFlow，这是一个新系统，用于可视化时间序列网络及其相互之间的动态影响。我们的系统以自我节点为中心，使用两种视觉编码同时显示每个节点上的时间序列：概述的树环和详细的折线图。 AttentionFlow支持交互，例如重叠影响的时间序列，并按时间或通量过滤邻居。我们使用两个真实世界的数据集VevoMusic和WikiTraffic演示了AttentionFlow。我们表明，歌曲的注意力激增可以用外部事件（例如重大奖项）或网络变化（例如发行新歌曲）来解释。单独的案例研究还表明，艺术家的影响力如何在其职业生涯中发生变化，而相关的Wikipedia流量是由文化兴趣驱动的。更广泛地讲，AttentionFlow可以被通用化以可视化诸如道路网络等物理基础设施或诸如天气和地质测量等自然现象上的时间序列网络。

学习图表示

原文标题： Learning Graph Representations

地址： http://arxiv.org/abs/2102.02026

作者： Rucha Bhalchandra Joshi, Subhankar Mishra

摘要： 由于社交和信息网络的各种应用，它们最近获得了极大的普及。通过图以节点和边的形式表示的知识表示应保留尽可能多的原始数据特征。这些图上一些有趣且有用的应用是图分类，节点分类，链路预测等。图神经网络在最近几年中得到了发展。图神经网络（GNN）是有效理解大型动态图数据集的有效方法，该数据集刻画了数十亿个实体（也称为知识图）之间的关系。在本文中，我们讨论了图卷积神经网络图自动编码器和时空图神经网络。可以使用这些方法来学习较小尺寸的图表示。较小尺寸的表示形式可进一步用于下游机器学习任务。

智能电网中的时间模体

原文标题： Temporal Motifs in Smart Grid

地址： http://arxiv.org/abs/2102.01900

作者： Rucha Bhalchandra Joshi, Annada Prasad Behera, Subhankar Mishra

摘要： 复杂网络可以通过模式来表征。这种频繁出现的重要模式称为模体，在时间相关的网络中，它们称为时间模体。一种时态网络，其中观察到时态模体并起主要作用；是智能电网。电器，房屋，社区和整个城市的能源消耗模式可帮助能源公用事业公司和消费者规划其发电量和消耗量。智能电网的时间模体由消费者和生产者组成，边或连接代表网络两个参与者之间的能量流，这些连接持续到电力被消耗/产生为止。本文正式定义了智能网格网络的时间模体，并提出了一种在网络中创建此类时间模体的方法。我们还将讨论时间主题如何适应智能电网配电系统的层次结构。

LinkLouvain：考虑链接的A / B测试及其在在线营销活动中的应用

原文标题： LinkLouvain: Link-Aware A/B Testing and Its Application on Online Marketing Campaign

地址： http://arxiv.org/abs/2102.01902

作者： Tianchi Cai, Daxi Cheng, Chen Liang, Ziqi Liu, Lihong Gu, Huizhi Xie, Zhiqiang Zhang, Xiaodong Zeng, Jinjie Gu

摘要： 许多在线营销活动旨在促进用户交互。运动策略的平均治疗效果（ATE）需要在整个运动中进行监控。通常针对此类需求进行A / B测试，而用户交互的存在会对正常的A / B测试造成干扰。借助链路预测，我们设计了一种网络A / B测试方法LinkLouvain，以最大程度地减少图干扰，并且可以准确，合理地估算广告活动的ATE。在本文中，我们分析了现实世界在线营销活动下的网络A / B测试问题，描述了我们提出的LinkLouvain方法，并根据现实世界数据对其进行了评估。与其他方法相比，我们的方法具有显著的性能，并且已在在线营销活动中进行了部署。

揭示COVID-19大流行期间纽约市出行方式的关键特征

原文标题： Revealing Critical Characteristics of Mobility Patterns in New York City during the Onset of COVID-19 Pandemic

地址： http://arxiv.org/abs/2102.01918

作者： Akhil Anil Rajput, Qingchun Li, Xinyu Gao, Ali Mostafavi

摘要： 由于持续的危机，纽约已成为受灾最严重的COVID-19热点之一和大流行中心。本文通过分析纽约市宏观和微观层面上可用的多个数据集，确定了大流行的影响和政府政策对人员流动的有效性。使用与人口密度，总人口流动性，公共轨道交通使用，车辆使用，热点和非热点移动方式以及人类活动集聚有关的数据源，我们通过汇总分析了纽约市的行政区间和行政区内时刻自治市镇级的数据。我们还评估了2020年3月和2020年4月热点和非热点兴趣点之间的节点间人口流动。结果表明，从3月中旬开始，该城市的人口流动性下降了约80％。往返曼哈顿的运动对公共交通和道路交通造成了最大的干扰。该市于2020年3月1日出现了第一例病例，但只有在3月的第二个星期生效后才可以看到行动不便。由于人们在家工作，并坚持在家待命，曼哈顿对行政区间和行政区内的流动造成了最大的破坏。但是由于与热点相关的运动增多，在曼哈顿传播感染的风险却很高。留在家里的限制还导致布鲁克林和皇后区的人口密度增加，因为人们没有去曼哈顿上班。从这项研究中获得的见解将有助于政策制定者更好地理解人类行为及其对新闻和政府政策的反应。

股票市场中的金字塔方案：一种金融市场模拟

原文标题： Pyramid scheme in stock market: a kind of financial market simulation

地址： http://arxiv.org/abs/2102.02179

作者： Yong Shi, Bo Li, Guangle Du

摘要： 基于Agent的人工股市模拟是研究金融市场的重要手段。在假设投资者由主要资金，小趋势和逆势投资者组成的四个参数的基础上，对具有金字塔结构特征的一种金融现象进行了仿真研究。我们的模拟结果和理论分析揭示了所有小投资者中主基金的收益率与趋势投资者的比例，小投资者的获利和止损参数，主基金的定单大小和主要基金采取的策略。我们的工作有助于解释具有金融市场金字塔计划特征的金融现象，为监管机构设计交易规则，并为投资者制定交易策略。

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。