• 在线社会网络用户的意见动态：微观分析;
• 基于异构知识图谱的科学新闻文章表征学习;
• 通过刻画图表示学习的高阶相关性进行分层自适应池化;
• 全球废物网络;
• 联系人动态网络中时间节点特征的聚类;
• 社会网络中通过考虑关联检测异常用户;
• Covid-19流行病对健康和经济影响之间的权衡分析;
• 股票市场的结构性失衡;
• 量子（N+1）级系统中的流量模型和流量堵塞转换;
• “我赢了选举！”：对Twitter上的软性适度干预的实证分析;

在线社会网络用户的意见动态：微观分析

原文标题： Opinion Dynamics of Online Social Network Users: A Micro-Level Analysis

地址： http://arxiv.org/abs/2011.00864

作者： Ivan V. Kozitsin

摘要： 在本文中，我们对大型在线社会网络用户样本的意见动态进行了实证研究。我们根据用户对信息源的订阅，将用户的意见估计为连续的标量，并分析友谊关系如何影响这些估计的动态。在区分积极的（对朋友的看法）和消极的（远离朋友的看法）观点转变时，我们发现观点转变的存在和程度与（主要是通过线性形式或倒U型形式）正相关。用户和他们的朋友之间意见分歧的程度。此外，我们使用意见分歧来调节正向和负向转变之间的平衡：如果重点用户及其朋友的看法过于相似或相异，则正向转变的机会就相对较小。

基于异构知识图谱的科学新闻文章表征学习

原文标题： On Representation Learning for Scientific News Articles Using Heterogeneous Knowledge Graphs

地址： http://arxiv.org/abs/2104.05866

作者： Angelika Romanou, Panayiotis Smeros, Karl Aberer

摘要： 在信息错误和信息膨胀的时代，对制作的新闻进行信誉评估至关重要。但是，考虑到新闻中提供的参考文献有限，事实检查可能具有挑战性。通过利用与新闻相关的知识图可以克服这一挑战。在这项工作中，我们提出了一种通过对科学新闻文章和引用的科学出版物之间的有向图进行建模来创建科学新闻文章表示的方法。用于实验的网络由科学新闻文章，其主题，所引用的研究文献及其相应的作者组成。我们实现并提出了三种不同的方法：1）基线关系图卷积网络（R-GCN），2）异构图神经网络（HetGNN）和3）异构图变压器（HGT）。我们在以下方面的链路预测的下游任务中测试这些模型：a）新闻文章-文章链接，以及b）新闻文章-文章主题链接。结果表明，图神经网络方法在知识跟踪和科学新闻可信度评估领域具有广阔的应用前景。

通过刻画图表示学习的高阶相关性进行分层自适应池化

原文标题： Hierarchical Adaptive Pooling by Capturing High-order Dependency for Graph Representation Learning

地址： http://arxiv.org/abs/2104.05960

作者： Ning Liu, Songlei Jian, Dongsheng Li, Yiming Zhang, Zhiquan Lai, Hongzuo Xu

摘要： 事实证明，图神经网络（GNN）足够成熟，可以处理节点级图表示学习任务上的图结构数据。但是，用于学习表达性图级表示的图池技术至关重要，但仍具有挑战性。现有的合并方法要么难以刻画局部子结构，要么无法有效利用高阶依赖性，从而降低了表达能力。在本文中，我们提出了HAP，这是一种分层的图级表示学习框架，它对图结构具有适应性，即HAP将具有高阶依赖性的局部子结构聚类。 HAP利用新颖的跨级别注意力机制MOA自然地将更多注意力放在近邻上，同时有效地刻画可能包含关键信息的高阶依赖性。它还学习全局图内容GCont，该内容提取图模式属性以使粗化前后的图内容保持稳定，从而为图粗化提供全局指导。这项新颖的创新还促进了具有相同特征形式的图的一般化。在14个数据集上进行的大量实验表明，在图分类任务上，HAP明显优于十二种流行的图池化方法，最大精度提高了22.79％，并且比最新的图匹配和图相似性学习算法的性能高出3.5倍以上％和16.7％。

全球废物网络

原文标题： The world-wide waste web

地址： http://arxiv.org/abs/2104.05711

作者： Johann H. Martínez, Ernesto Estrada

摘要： 全球每年产生7-10亿吨废物，包括300-5亿吨危险废物-易爆，易燃，有毒，腐蚀性和传染性废物。这些硬件中约有10％通过全球废物网（W4）进行交易。在过去30年中，通过W4交易的硬件交易量增长了500％，并将继续增长，在全球范围内造成严重的法律，经济，环境和健康问题。在这里，我们通过研究2003-2009年间163个国家/地区交易的108种废物类别的网络来调查W4的冰山一角。尽管大多数硬件在发达国家之间进行交易，但废物从发达国家流向发展中国家的过程中存在不成比例的不对称性。使用动力学模型，我们模拟废物拥堵如何通过W4传播。我们确定了32个环境绩效差的国家，这些国家的废物拥塞风险很高。因此，它们是对硬件处理和处置不当的威胁。我们发现，在这些国家/地区中，有94％的国家/地区将重金属（HM），挥发性有机化合物（VOC）和/或持久性有机污染物（POP）用作化学指纹（CF）来处理硬件的不当处理。

联系人动态网络中时间节点特征的聚类

原文标题： Clustering of temporal nodes profiles in dynamic networks of contacts

地址： http://arxiv.org/abs/2104.05982

作者： Mehdi Djellabi, Bertrand Jouve

摘要： 流图是时态网络数据的一种非常有用的表示方式，其丰富性提供了广泛的可能方法。旨在推广适用于静态网络的经典方法的各种方法正在不断改进。在本文中，我们描述了一个框架，该框架扩展到[1]中提出的静态网络的流图迭代加权-富-clubs刻画。一般原则是，在整个时间段内，我们不再考虑某个节点是否属于加权富人俱乐部之一，而是将每个节点与一个时间配置文件相关联，该时间配置文件是该节点的连续成员身份与在此期间，出现，消失和变化的加权富人俱乐部。这些配置文件的聚类提供了建立典型时间配置文件的简化列表的可能性，因此可以更深入地理解网络的时间结构。通过记录在各自学校内不同学生之间的互动而产生的真实世界数据对这种方法进行了测试。 [1] M. Djellabi，B。Jouve和F. Amblard。网络中密集和稀疏的顶点连接。复杂网络杂志，8（3），2020。

社会网络中通过考虑关联检测异常用户

原文标题： Relevance-Aware Anomalous Users Detection in Social Network

地址： http://arxiv.org/abs/2104.06095

作者： Yangyang Li, Jingyi Wang, Shaoning Li, Shulong He, Yinhao Cao, Xiong Li, Jun Shi, Yangchao Yang, Yifeng Liu

摘要： 在社会网络中异常用户检测是解决安全问题的当务之急。图神经网络（GNN）已被广泛应用于通过汇总邻域信息来揭示可疑节点或相关性。然而，随着用户行为和互动规模的不断扩大以及多种伪装技术的出现，使得辨别过程变得十分复杂，从而导致检测精度的严重下降。在本文中，我们提出了一种创新的关联感知异常用户检测模型（RAUD），该模型基于异构信息网络（HIN）和GNN从元数据中提取并学习显式和隐式关联。我们使用两个不同的探索层，包括一个自我注意层和一个相似度计算层，以充分考虑用户在不同关系上的亲密关系，以及一个基于图卷积网络（GCN）的后续融合层，以巩固相似度并增强节点嵌入。我们使用现实世界的数据集评估了我们提出的模型，结果表明我们的方法可以实现90％以上的用户分类准确性，远优于其他可比较的基准。

Covid-19流行病对健康和经济影响之间的权衡分析

原文标题： Analysis of the tradeoff between health and economic impacts of the Covid-19 epidemic

地址： http://arxiv.org/abs/2104.06169

作者： Samson Lasaulce, Chao Zhang, Vineeth Varma, Irinel Constantin Morarescu

摘要： 在不同国家已经采取了各种措施来缓解Covid-19流行病。但是，在世界范围内，许多公民对如何采取这些措施并不甚理解，甚至对政府的决定提出了质疑。措施应更多（或更少）限制性吗？他们服用时间是否太长（或太短）？为了提供对这些问题的定量回答，我们考虑了Covid-19流行病传播的著名SEIR模型，并提出了一个实用的政府决策运作模型。尽管简单且显然是可改进的，但所提出的模型使我们能够以务实而有见地的方式研究健康与经济方面之间的权衡。假设该流行病的给定阶段数以及健康和经济方面之间的期望权衡，则可以确定每个阶段的最佳持续时间和每个阶段的最佳严重性水平。对法国进行了数值分析，但采用的方法可以应用于任何国家。该分析的外卖消息之一是，能够在法国实施最佳的四阶段流行病管理策略，将导致105万人受感染，国民生产总值损失2310亿欧元，而不是688万人受感染，以及2410亿欧元。这表明，从提议的模型角度来看，有效实施的流行病管理策略在经济上是良好的，而就健康影响而言可能已经取得了实质性的改善。我们的分析表明，锁定/严重阶段应该更严重但更短，并且调整阶段更早发生。由于人们天生就有偏离官方规则的倾向，因此在整个流行期间每月更新一次措施似乎更为合适。

股票市场的结构性失衡

原文标题： Loss of structural balance in stock markets

地址： http://arxiv.org/abs/2104.06254

作者： E. Ferreira (1), S.Orbe (1), J. Ascorbebeitia (2), B. Álvarez Pereira (3), E. Estrada (4) ((1) Department of Quantitative Methods, University of the Basque Country UPV/EHU, (2) Department of Economic Analysis, University of the Basque Country UPV/EHU, (3) Nova School of Business and Economics (Nova SBE), NOVAFRICA, and BELAB, (4) Institute of Mathematics and Applications, University of Zaragoza, ARAID Foundation. Institute for Cross-Disciplinary Physics and Complex Systems (IFISC, UIB-CSIC), Campus Universitat de les Illes Balears)

摘要： 我们使用排名相关性作为距离函数来建立股票收益之间的相互联系，为七个欧洲国家（美国和日本）的股票建立加权符号网络。我们建立了网络平衡水平与股票可预测性之间的理论关系，研究了其从2005年到2020年第三季度的演变。在2011年8月黑色星期一之后，我们发现九个国家中有六个国家存在明显的平衡失衡过渡在美国，当时该国的经济政策不确定性指数达到了COVID-19危机之前的最高月度水平。这种突然的余额损失主要是由于一群属于非金融部门的低资本股引发的市场网络重组所致。过渡后，这些组中的公司的股票与市场上其余大多数股票之间都呈负相关。网络拓扑结构的隐含变化与股票可预测性的下降直接相关，这一发现对资产分配和投资组合对冲策略具有新的重要意义。

量子（N+1）级系统中的流量模型和流量堵塞转换

原文标题： Traffic models and traffic-jam transition in quantum (N+1)-level systems

地址： http://arxiv.org/abs/2104.06289

作者： Andrea Nava, Domenico Giuliano, Alessandro Papa, Marco Rossi

摘要： 我们提出了一个模型，用于在每个站点上托管（ N + 1）级点的量子图的基础上实现和模拟不同的交通流量条件，从而使我们能够跟踪每种车辆的类型和目的地。通过实施适当的Lindbladian局部耗散器，我们可以得出描述系统流量的主要方程。为了展示我们技术的多功能性和可靠性，我们将其用于模拟不同类型的交通流（对称的三向环形交叉路口和三路交叉口）。最终，我们成功地将我们的预测与经典模型的结果进行了比较。

“我赢了选举！”：对Twitter上的软性适度干预的实证分析

原文标题： “I Won the Election!”: An Empirical Analysis of Soft Moderation Interventions on Twitter

地址： http://arxiv.org/abs/2101.07183

作者： Savvas Zannettou

摘要： 在过去的几年中，关于在线内容审核，审查制度和网络言论自由的原则，引起了激烈的辩论和严重的公众关注。为了缓解这些担忧，Twitter和Facebook等社交媒体平台完善了其内容审核系统，以支持软审核干预措施。软审核干预是指附加到潜在可疑或有害内容的警告标签，以在内容仍可访问的同时向其他用户通知该内容及其性质，从而减轻与审查和言论自由有关的担忧。在这项工作中，我们在Twitter上进行了有关软调节干预措施的第一批实证研究。使用混合方法，我们研究了在Twitter上分享带有警告标签的推文的用户及其政治倾向，这些推文获得的参与度以及用户如何与带有警告标签的推文进行交互。除其他事项外，我们发现带有警告标签的推文中有72％由共和党人共享，而民主党只有11％。通过分析内容参与度，我们发现带有警告标签的推文与没有警告标签的推文相比具有更高的参与度。此外，我们定性分析用户如何与具有警告标签的内容进行交互，从而发现最流行的交互与进一步揭穿虚假声明，嘲笑有争议的推文的作者或内容以及进一步强化或转载虚假声明有关。最后，我们描述了不一致的具体示例，例如，尽管共享有问题且可能有害的信息，但错误地添加了警告标签或未在推文上添加警告标签。

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。