• 用于结构网络中节点分类的深度核监督哈希;
• 大规模分布式社交平台中的知识、信任、安全性和隐秘性：一种认知网络方法;
• 社交距离时期德克萨斯大学达拉斯分校的小世界学生网络;
• 社会物理感知研究;
• 学习非同源图的新基准;
• 具有时变标签、多种策略和异构入侵动力学的多智能体系统中合作的演变;
• 使用概念图的可视化分析应用程序的设计过程;
• 数据驱动的COVID-19联系网络模型揭示了成本与感染之间的折衷，以实现最佳的局部遏制策略;
• 结合异质性、归纳性和效率进行图表示学习;
• 互惠网络中的引文和性别多样性;
• 关于科学出版中的审阅和开放获取的一些注意事项;
• 流动民主何时可以揭露真相？;
• Reddit的自组织牛市;
• 意见动态与集体决策;
• 超图上的动力学系统;

用于结构网络中节点分类的深度核监督哈希

原文标题： Deep Kernel Supervised Hashing for Node Classification in Structural Networks

地址： http://arxiv.org/abs/2010.13582

作者： Jia-Nan Guo, Xian-Ling Mao, Shu-Yang Lin, Wei Wei, Heyan Huang

摘要： 结构网络中的节点分类已被证明在许多实际应用中很有用。随着网络嵌入的发展，节点分类的性能有了很大的提高。然而，由于低维空间中线性不可分割的问题，几乎所有现有的基于网络嵌入的方法都难以刻画节点的实际类别特征。同时，它们不能同时将网络结构信息和节点标签信息纳入网络嵌入。为理解决上述问题，在本文中，我们提出了一种新颖的深度内核监督哈希（DKSH）方法，以学习节点的哈希表示形式以进行节点分类。具体而言，首先提出了一种深度多核学习，以将节点映射到合适的希尔伯特空间中，以处理线性不可分的问题。然后，不仅仅考虑两个节点之间的结构相似性，还设计了一种新颖的相似性矩阵来合并网络结构信息和节点标签信息。在相似矩阵的监督下，学习到的节点哈希表示法同时从学习到的希尔伯特空间中很好地保留了两种信息。大量实验表明，在三个真实世界基准数据集上，所提出的方法明显优于最新基准。

大规模分布式社交平台中的知识、信任、安全性和隐秘性：一种认知网络方法

原文标题： Knowledge, Trust, Security and Covertness In Massively Distributed Social Platforms: An Epistemic Networks Approach

地址： http://arxiv.org/abs/2104.01197

作者： Mihnea C. Moldoveanu, Joel A.C. Baum

摘要： 由诸如Facebook，LinkedIn，Slack，Twitter，WhatsApp，Instagram和WeChat之类的大型社交平台孕育，结晶和构建的社会网络展现出复杂的认知结构和动态，这些结构和动态是由用户/参与者拥有，共享和塑造的互动知识的性质而产生的。用户的理解，其他用户的理解，其他用户的理解等等，在引导用户在平台上的行为以及平台产生的社会网络的结构和动态方面起着重要作用。我们基于认知网络或Epinet，使用新颖的方法来表征社会网络中的知识状态和流动，以研究平台的结构与在其上形成的社会网络的结构之间的关系。

社交距离时期德克萨斯大学达拉斯分校的小世界学生网络

原文标题： Small World Student Network at the University of Texas at Dallas in Times of Social Distancing

地址： http://arxiv.org/abs/2104.01261

作者： Kailash Subramanian, Joshua M. Williams, Daniel C. DeAnda, Aditya A. Agrawal, Andrei Racila, Aditi R. Prabhu, Lawrence Redlinger, Christopher Wendt, Ravi Prakash

摘要： 为了限制新型冠状病毒在大学校园中的传播，2020年秋季和2021年春季学期的通用策略是提供针对混合或完全在线方式的教学。现在，大学正在考虑是否以及如何扩展混合或完全亲自指导以供将来使用，并从这种经验中吸取教训以备将来使用。我们的论文使用了美国中型公立大学的2019年秋季入学数据，通过学术入学网络分析了按班级或课程水平划分的某些学生群体是否更容易受到传染病传播的影响。复制Weeden和Cornwell [8]，我们发现该机构的注册网络是“小世界”，其特征是集群高，平均路径长度短和多个独立的联系。连通性随着班级地位（研究生与本科生；高级与新生）和课程水平的提高而降低；当学生从一般课程转向专业课程时，网络按专业聚集。在保持其他因素不变的情况下，针对低年级学生的亲自指导的政策与通过低年级学生的网络传播传染的更大风险发生冲突，而没有采取其他措施来最大限度地减少学术联系。有一些学术和经济上的激励措施来强调新生的经历，包括对从第一学年到第二学年的学生流失以及对宿舍基础设施投资成本的补偿的担忧。可能的解决方案可能包括（i）将面对面或混合式授课限制为学生所学专业的课程，这将把较大的网络分成较小的网络，从而限制感染在各个专业之间的传播，并且（ii）采取“手术刀”通过转移最有可能促进流行病传播的在线课程来采用教学模式。

社会物理感知研究

原文标题： A Survey on Social-Physical Sensing

地址： http://arxiv.org/abs/2104.01360

作者： Md Tahmid Rashid, Na Wei, Dong Wang

摘要： 在通用的数据刻画，通信和计算技术的推动下，物理传感彻底改变了自发刻画和解释现实世界现象的途径。尽管有其优点，但各种限制（例如高应用专用性，部分自治和稀疏覆盖）阻碍了物理感知在诸如灾难响应之类的关键场景下的有效性。同时，社交感测正作为一种普遍的感测范式，它利用配备有便携式设备和无处不在的Internet连接（即通过社交媒体或人群感应应用程序）的人类参与者的观察来感知环境。尽管社交感测具有许多好处，但它也固有地具有一些缺点（例如，可靠性不一致，数据来源不确定以及感测可用性有限）。受到物理和社会感测相辅相成的推动，社会物理感测（SPS）逐渐成为一种新兴的感测范式，它以前所未有的规模紧密集成了社会和物理感测器。 SPS的愿景是减轻物理和社会感知的个体弱点，同时在重建社会和社会的“世界状态”时充分利用它们的集体优势。尽管已经探索了大量有趣的SPS应用程序，但是在开发可靠的SPS系统的方式中仍存在一些重要的未解决挑战和开放性研究问题，需要认真研究以解决这些问题。在本文中，我们对SPS进行了全面的调查，重点是SPS的定义和关键推动因素，最新技术应用，潜在的研究挑战以及未来工作的路线图。本文旨在通过彻底检查对构建有效SPS系统至关重要的SPS的各个方面，弥合当前文献中的知识鸿沟。

学习非同源图的新基准

原文标题： New Benchmarks for Learning on Non-Homophilous Graphs

地址： http://arxiv.org/abs/2104.01404

作者： Derek Lim, Xiuyu Li, Felix Hohne, Ser-Nam Lim

摘要： 具有图结构的许多数据都满足同构原理，这意味着相连的节点在特定属性方面趋于相似。这样，用于图机器学习任务的无处不在的数据集通常是高度同质的，奖励性方法，其利用同形作为归纳偏差。最近的工作指出了这一特别的关注点，因为已经引入了新的非亲和性数据集，并且已经开发了更适合于低亲和性设置的图表示学习模型。但是，这些数据集很小，不适合在非同质环境中真正测试新方法的有效性。我们提出了一系列改进的图数据集，这些图数据集具有不满足同形原理的节点标签关系。与此同时，我们引入了一种新的同形体存在或不存在的度量，它比不同制度中的现有度量更适合。我们在提议的数据集中对一系列简单方法和图神经网络进行了基准测试，从而为进一步的研究提供了新的见解。数据和代码可以在https://github.com/CUAI/Non-Homophily-Benchmarks找到。

具有时变标签、多种策略和异构入侵动力学的多智能体系统中合作的演变

原文标题： Evolution of cooperation in multi-agent systems with time-varying tags, multiple strategies, and heterogeneous invasion dynamics

地址： http://arxiv.org/abs/2104.01411

作者： Wonhee Jeong, Tarik Hadzibeganovic, Unjong Yu

摘要： 开放式动态系统中的合作从根本上取决于分布在各个组件之间的信息。然而，在复杂性迅速增加的环境中，可能需要自适应地更改此信息，以不仅能够进行合作，而且还能使生物得以生存。结合演化博弈论，基于智能体的模拟和统计物理方法，我们开发了一个在人口老龄化的人工决策者中与同伴邻居和与遗传无关的人进行空间标签介导的囚徒困境博弈的合作演化模型。移民主体。在具有六种策略的模型中，我们引入了时变标签的概念，以使“新”主体的表型特征可以在可变批准时间后变为“已批准”。我们的蒙特卡洛模拟显示，偏向族裔的以民族为中心的合作只能以低成本和较短的批准时间来主导。在带有固定标签的标准4策略模型中，我们确定了一个关键成本 c _ mathrm crit ，在该成本之上，合作突然转变为纯叛逃阶段，这表明群体偏爱的慷慨性显著脆弱。在带有时变标签的广义6策略模型中，在较大范围的参数空间中观察到协作增强，在中间批准时间达到顶峰，并且成本值超过 c _ mathrm crit 。我们的研究结果表明，在一个开放的，受移民动态影响的系统中，如果一小部分人口采用这种策略，并且对原住民和经批准的入籍公民有均等主义的慷慨支持，则无论他们的实际出身如何，都可能实现高水平的社会合作。这些发现还表明，不是依赖于任意固定的批准时间，而是归化程序的最佳持续时间，整个社会都可以从中获得最大的利益。

使用概念图的可视化分析应用程序的设计过程

原文标题： A Design Process of Visual Analytics Applications using Conceptual Graph

地址： http://arxiv.org/abs/2104.01420

作者： Lei Shi

摘要： VA专业人员通常根据从最终用户那里收集到的质量要求来设计应用程序领域中的最新视觉分析技术。这些VA技术可能不会利用用户关于如何实现其分析目标的领域知识。在本立场文件中，我们围绕一个称为分析表示（AR）的新概念，提出了VA应用程序的用户驱动设计过程。 AR具有针对特定VA应用程序的用户需求及其所需分析轨迹的形式抽象，并且独立于实际的可视化设计。引入了概念图模式来定义AR抽象，可以手动创建或通过半自动化工具构建。使用AR设计VA应用程序可以为最终用户提供最佳分析蓝图，也可以为VA设计人员提供最佳的可视化/算法，这为他们提供了共享的机会。我们在两个案例研究中演示了设计过程的用法。

数据驱动的COVID-19联系网络模型揭示了成本与感染之间的折衷，以实现最佳的局部遏制策略

原文标题： Data-driven Contact Network Models of COVID-19 Reveal Trade-offs between Costs and Infections for Optimal Local Containment Policies

地址： http://arxiv.org/abs/2104.01456

作者： Chao Fan, Xiangqi Jiang, Ronald Lee, Ali Mostafavi

摘要： 为了减缓美国的冠状病毒病（COVID-19）大流行，已经采取了数项非药物措施几个月，但由于取消了限制以恢复经济，该病在许多县仍然是一种危险。 。在经济复苏和感染控制之间进行权衡是许多受灾严重的县面临的主要挑战。理解传播过程并量化当地政策的成本对于应对这一挑战至关重要。在这里，我们从匿名的，地理定位的流动性数据以及人口普查和人口统计数据中调查人口的动态联系方式，以创建数据驱动的基于主体的联系网络。然后，我们使用时变传染模型在美国的十个大都市县中模拟该流行病的传播，并评估减少流动性，使用口罩和重新开放政策的组合。我们发现我们的模型基于动态人口行为刻画了各个县内的时空和异质病例轨迹。我们的结果表明，同时考虑经济成本和政策感染结果的决策工具可以在制定本地遏制策略的决策中提供信息，以实现经济放缓和病毒传播的最佳平衡。

结合异质性、归纳性和效率进行图表示学习

原文标题： Uniting Heterogeneity, Inductiveness, and Efficiency for Graph Representation Learning

地址： http://arxiv.org/abs/2104.01711

作者： Tong Chen, Hongzhi Yin, Jie Ren, Zi Huang, Xiangliang Zhang, Hao Wang

摘要： 利用在各种应用中无处不在的图结构化数据，能够学习节点的紧凑但可表达的矢量表示的模型已成为人们所迫切需要的。最近，基于消息传递范例，图神经网络（GNN）大大提高了图上节点表示学习的性能。但是，大多数类型的GNN仅设计用于齐次图，导致对具有各种类型的节点和边的信息量更大的异构图的适应性较差。而且，尽管有必要为全新的节点（例如，在流传输情况下）归纳产生表示，但是很少有异构的GNN可以绕过转导学习方案，在训练过程中必须知道所有节点。此外，大多数异构GNN的训练效率已因其用于提取与每个元路径或关系相关的语义的复杂设计而受到阻碍。在本文中，我们提出了WIde和DEep消息传递网络（WIDEN），以解决上述关于图表示学习中很少一起研究的关于异构性，归纳性和效率的问题。在WIDEN中，我们提出了一种新颖的归纳，无元路径的消息传递方案，该方案将异构节点特征及其与来自低阶和高阶邻居节点的相关联的边打包在一起。为了进一步提高训练效率，我们创新地提出了一种主动下采样策略，该策略会丢弃不重要的邻居节点，以促进更快的信息传播。在三个真实世界的异构图上进行的实验进一步验证了WIDEN在转导和归纳节点表示学习上的功效，以及针对最新基准的卓越训练效率。

互惠网络中的引文和性别多样性

原文标题： Citations and gender diversity in reciprocal acknowledgement networks

地址： http://arxiv.org/abs/2104.01729

作者： Keigo Kusumegi, Yukie Sano

摘要： 科学文章中的鸣谢不仅表明感激之情，而且还暗示了科学家之间的互动。在这项研究中，我们使用开放存取期刊（PLOS系列）中的数据检查确认交互。我们建立了一个确认网络，其中节点代表作者和被确认的人，而链接对应于确认中提到的内容。使用主题分析，我们展示了确认网络是如何发展的，以及相互关系是如何出现的。为了更好地理解这些互惠关系，我们从两个角度分析了承认的互惠子图：引文和性别多样性。首先，我们计算了互惠和非互惠作者的被引次数。我们发现，互惠作者主要倾向于引用其他互惠作者，而不是非互惠作者。对于性别多样性，我们发现，尽管女性数量较少，但在各个领域，包括女性在内的互惠对往往比男性-男性互惠对的出现更多。

关于科学出版中的审阅和开放获取的一些注意事项

原文标题： Some considerations about reviewing and open-access in scientific publishing

地址： http://arxiv.org/abs/2104.01794

作者： Paolo Politi, Satya N. Majumdar, Antonio Politi, Stefano Ruffo

摘要： 在过去的30年中，科学研究在各个方面都发生了深刻的变化。科学出版也发生了变化，这主要是由于提交的论文数量猛增以及开放存取期刊和出版商的出现。我们对这些问题提出一些思考。

流动民主何时可以揭露真相？

原文标题： When Can Liquid Democracy Unveil the Truth?

地址： http://arxiv.org/abs/2104.01828

作者： Ruben Becker, Gianlorenzo D’Angelo, Esmaeil Delfaraz, Hugo Gilbert

摘要： 在本文中，我们研究了Caragiannis和Micha [10]提出的所谓的ODP问题。在这里，我们处于一个有两个选举备选方案的环境中，其中一个被认为是正确的。在ODP中，目标是在社会网络中组织代表团，以最大程度地选举出被称为地面真理的正确选择的可能性。虽然已知该问题在计算上很困难，但是我们通过提供新颖的强近似硬度结果来增强现有的硬度结果：对于任何正常数 C ，我们证明，除非 P = NP ，否则没有多项式时间算法用于实现 alpha ge（ ln n）^ -C 的近似保证的ODP，其中 n 是投票者的数量。为此目的而设计的减少方法是使用连接不良的社会网络，其中一些选民会遭受错误信息的折磨。有趣的是，在关于选民准确性或网络连通性的某些假设下，我们获得了多项式时间的1/2 / 近似算法。该观察结果正式证明，社会网络的连通性是流动民主范式效率的关键特征。最后，我们进行了广泛的模拟，并观察到简单算法（以集中式或分散式方式工作）在大量实例上的表现优于直接民主。总体而言，我们的贡献就流动民主在哪些情况下可能有益的问题产生了新见解。

Reddit的自组织牛市

原文标题： Reddit’s Self-Organized Bull Runs

地址： http://arxiv.org/abs/2104.01847

作者： Valentina Semenova, Julian Winkler

摘要： 跟踪股价的内生波动已成为行为和演化金融实证工作的主要挑战。本文使用最新的意见动态建模和情感分析方法，使用来自在线讨论论坛Reddit的新数据来量化特定股票市场运动中的社会蔓延或“炒作”。用户之间在WallStreetBets（WSB）subreddit上的影响可通过跟踪用户先前曾参与同一资产讨论的可能性（通过其评论历史记录）来跟踪用户就该资产开始新讨论的可能性来衡量。本文发现，在将来对涉及特定资产的讨论发表评论的用户，大约有四倍的可能性开始有关该资产的新讨论，并且随着用户参与的其他讨论的可能性增加。这是一个有力的指示通过社会互动来复制投资策略。研究结果进一步证实了这一点，即链接提交中表达的情感在一组空间回归模型中具有很强的相关性。特别是，看跌情绪似乎比看涨情绪散布得多。

意见动态与集体决策

原文标题： Opinion Dynamics and Collective Decisions

地址： http://arxiv.org/abs/2104.01855

作者： Jan Lorenz, Martin Neumann

摘要： 我们期望民主使我们能够利用集体智慧，从而使我们的集体决定建立并增强社会福利，并让我们接受他们的分配和规范性后果。集体决策是通过投票程序产生的，这些程序汇总了个人的偏好和判断。在此之前和之后，个人的偏好和判断会随着他们的基本态度，价值观和观点通过讨论和协商而改变。在大型团体中，这些动态自然超出了个人的范围，因此可能会遵循社会物理规律显示出意料之外的自我驱动的宏观系统动态。另一方面，通过媒体，民意调查，政党或利益集团传达的汇总信息和偏好在个人意见形成过程中也起着重要作用。此外，根据即将举行的全民公决，选举或其他集体决定，行动者还能够形成战略性意见。因此，意见动态和集体决策不仅应通过社会选择，博弈论，政治和社会心理学来解决，而且还应从系统动力学和社会物理学的角度来解决。

超图上的动力学系统

原文标题： Dynamical systems on hypergraphs

地址： http://arxiv.org/abs/2104.01973

作者： Timoteo Carletti, Duccio Fanelli

摘要： 我们提出了一个通用框架，该框架使人们能够通过超图对纠缠的动力学系统之间的高阶交互进行建模。几个相关过程可以理想地追溯到所提出的方案。在这里，我们将仅详细说明导致模式自发出现的条件，以及由于基本单元之间的多体交互作用而导致的空间异质性解决方案。特别是，我们将集中在两个相关的设置上。首先，我们将假设总体之间的远程平均场相互作用，然后转向考虑像扩散一样的耦合。提出了两种应用，分别适用于广义Volterra系统和Brusselator模型。

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。