Arxiv网络科学论文摘要14篇(2021-04-30)

  • 科学媒体上宣传是否会增加引用?;
  • 使用复杂网络指标的城市零售生态系统合作与竞争建模;
  • 医疗设备的十层多尺度供应链网络分析:随机故障和智能攻击分析;
  • 赢者会通吃吗?信息超载对社会网络的竞争影响;
  • 剪刀石头布模型中的弱种;
  • PersonalityGate:通用的即插即用GNN门,可通过个性识别任务增强级联预测;
  • 使用开放交通模型估算英国城市地区的公共交通拥堵;
  • 层耦合多路网络中基于矩阵函数的集中度度量;
  • 检测基于观念的群体并揭示调查数据中的两极分化;
  • MUSE:符号网络嵌入的多方面注意力;
  • 多维连续意见模型的分析公式;
  • 基于扩展的同时注册确定大学课程网络中的枢纽:扩展版本;
  • 在StopAsianHate和StopAAPIHate运动中,州一级出于种族动机的仇恨犯罪与公众舆论形成鲜明对比;
  • 使用图神经网络和结构稀疏性的极化在线群体的思想议程设置和框架建模;

科学媒体上宣传是否会增加引用?

原文标题: Does Publicity in the Science Press Drive Citations?

地址: http://arxiv.org/abs/2104.13939

作者: Manolis Antonoyiannakis

摘要: 我们以突出显示的形式研究科学出版物中的宣传如何影响研究论文的引文。使用多元线性回归,我们对2008-2018年《物理评论快报》(PRL)中发表的论文的几个突出显示平台相关的引用优势进行了量化。因此,我们发现引文应计的最强预测因子是《物理学》杂志的观点,其次是《自然》杂志的研究要点,PRL的编辑建议和《自然物理学》杂志的要闻。当我们搜索极端而非平均的引文应计时,会发现类似的分层模式,其形式是Clarivate Analytics将其列为物理学中被引用率最高的前1%的论文。每个突出显示平台的引文优势根据同行评审过程中手稿获得重要性的审查程度进行分层。这意味着我们可以将突出显示的平台视为引文应计的预测指标,其强度程度可以反映每个平台的审核水平。

使用复杂网络指标的城市零售生态系统合作与竞争建模

原文标题: Modelling Cooperation and Competition in Urban Retail Ecosystems with Complex Network Metrics

地址: http://arxiv.org/abs/2104.13981

作者: Jordan Cambe, Krittika D’Silva, Anastasios Noulas, Cecilia Mascolo, Adam Waksman

摘要: 理解新业务对本地市场生态系统的影响是一项艰巨的任务,因为它本质上是多方面的。该领域过去的工作已经研究了同类场所类型的协作或竞争作用(即新书店对现有书店的影响)。但是,这些现有技术的范围和解释力受到限制。为了更好地衡量现代城市中的零售绩效,模型应考虑许多同步相互作用的因素。本文是第一篇在考察新企业的影响时考虑城市中互动的多方面类型的文章。我们首先提供一个建模框架,该框架检查了新业务在其各自本地区域中的作用。使用来自定位技术平台Foursquare的纵向数据集,我们对全球26个主要城市的新场馆影响进行了建模。将城市表示为场所的互联网络,我们量化了城市的结构并描述了其随时间变化的动态。我们注意到在这些零售网络中出现了强大的社区结构,这一观察突出了在零售场所的本地生态系统中出现的合作和竞争力之间的相互作用。接下来,我们将设计一种数据驱动的度量标准,该度量标准将刻画新场所对附近零售商的影​​响的一阶相关性,从而说明场所类型之间的同质和异类交互。最后,我们建立了一个监督的机器学习模型,以预测给定新场所对其本地零售生态系统的影响。我们的方法强调了复杂网络度量在构建机器学习预测模型中的作用。这些模型在零售领域具有广泛的应用,可以支持决策者,企业主和城市规划人员开发模型,以表征和预测城市环境的变化。

医疗设备的十层多尺度供应链网络分析:随机故障和智能攻击分析

原文标题: Ten-tier and multi-scale supplychain network analysis of medical equipment: Random failure and intelligent attack analysis

地址: http://arxiv.org/abs/2104.14046

作者: Kayvan Miri Lavassani, Zachary M. Boyd, Bahar Movahedi

摘要: 本文通过在各种情况下对供应商可达性进行经验网络级分析,探索了供应链的生存能力。具体而言,本研究调查了跨不同规模的多层随机故障的影响,以及对医疗设备全球供应链的智能攻击,该行业的供应链生存能力在COVID-19大流行期间受到了严格测试。从大约45,000家公司中挖掘和分析了全球供应链数据,这些公司具有跨越115,000个相互联系的关系,这些关系跨越了医疗设备落后供应链的10层。这个复杂的供应链网络从四个方面进行了分析,分别是:公司,乡村工业,工业和乡村。这项研究的显著贡献是应用了供应链层级优化工具来确定供应链的最低层级,该层级可以为研究医疗设备行业的供应链模式提供足够的分辨率。我们还开发了数据驱动工具,以在遇到随机故障或不同的智能攻击场景时,确定医疗设备供应链崩溃和支离破碎的阈值。本研究中使用的新型网络分析工具可用于研究其他行业的供应链可达性和生存能力。

赢者会通吃吗?信息超载对社会网络的竞争影响

原文标题: Will the Winner Take All? Competing Influences in Social Networks Under Information Overload

地址: http://arxiv.org/abs/2104.14086

作者: Chen Feng, Jiahui Sun, Luiyi Fu

摘要: 影响力竞争在许多应用中都具有重要意义,例如市场营销,政治和公共活动(例如COVID-19)。现有的工作倾向于认为,更强的影响力将始终赢得并支配几乎整个网络,即“赢家通吃”。但是,这一发现与我们的常识有些矛盾,即许多竞争产品实际上并存,例如Android与iOS。这种矛盾自然引发了一个问题:获胜者会承担全部责任吗?为了回答这个问题,我们通过确定现有技术经常忽略的两个因素对影响力竞争进行了全面研究:(1)对真实扩散网络的不完全观察; (2)信息超载的存在及其对用户行为的影响。为此,我们尝试根据用户相似度恢复可能的扩散链接,这些链接是通过将用户嵌入到潜在空间中来提取的。在此之后,我们进一步推导了用户超载的条件,并制定了竞争过程,在这些过程中,用户的行为在信息超载之前和之后都不同。通过建立竞争动力学的显式表达,我们揭示了信息过载是至关重要的“边界线”,在此之前,“赢者通吃”现象必将发生,而信息过载之后,影响力的份额逐渐稳定并受到共同影响。受它们最初的传播条件影响,功率和过载的出现。进行了大量实验以验证我们的理论结果,只要发现有利的一致性即可。我们的工作揭示了现实世界动态背后的内在驱动力,从而为有效的信息工程提供了有用的见解。

剪刀石头布模型中的弱种

原文标题: Weak species in rock-paper-scissors models

地址: http://arxiv.org/abs/2104.14276

作者: P.P. Avelino, B.F. de Oliveira, R.S. Trintin

摘要: 在这封信中,我们研究了剪刀石头布博弈的May-Leonard公式中的种群动态,其中一种或两种物种(我们称为“弱”)的捕食或繁殖概率降低。我们表明,在非空间模型中,所有三个物种共存的固定解总是不稳定的,而在空间随机模型中,宽参数空间的共存是可能的。我们发现,在具有一个或两个“弱”物种的模型中,只要模拟晶格足够大以使共存占优势,则减少的捕食概率会导致“弱”物种的丰度大大提高。另一方面,我们表明降低的繁殖概率对“弱”物种的丰度影响较小,通常会导致其种群数量略有减少,即“弱”物种之一的种群数量增加在两个物种的情况下,其他物种的减少所带来的补偿远远大于其他物种。我们进一步表明,可以同时考虑捕食和繁殖概率的降低,从获得的结果中准确地估计捕食和繁殖概率同时降低的模型中的物种丰度。

PersonalityGate:通用的即插即用GNN门,可通过个性识别任务增强级联预测

原文标题: PersonalityGate: A General Plug-and-Play GNN Gate to Enhance Cascade Prediction with Personality Recognition Task

地址: http://arxiv.org/abs/2104.14327

作者: Dengcheng Yan, Jie Cao, Yiwen Zhang, Hong Zhong

摘要: 级联预测可从显微镜或宏观镜估计级联的大小或状态。对于理解信息传播过程(如谣言的传播和新技术在社会网络中的传播)至关重要。最近,代替提取手工特征或将级联序列嵌入特征向量中以进行级联预测,引入了图神经网络(GNN)以利用控制级联效应的网络结构。但是,这些模型没有考虑诸如人格特质等社会因素,而这些因素会驱使人类参与信息传播过程。在这项工作中,我们提出了一种新颖的多任务框架,用于通过个性识别任务来增强级联预测。特别地,我们设计了一个通用的即插即用GNN门,名为PersonalityGate,以耦合到现有的基于GNN的级联预测模型中,以增强其有效性并共同提取个人的个性特征。在两个真实世界的数据集上的实验结果证明了我们提出的框架在增强基于GNN的级联预测模型以及预测个人人格特征方面的有效性。

使用开放交通模型估算英国城市地区的公共交通拥堵

原文标题: Estimating public transport congestion in UK urban areas with open transport models

地址: http://arxiv.org/abs/2104.14359

作者: Juste Raimbault, Michael Batty

摘要: 运营中的城市交通模型需要收集异构数据集,并且通常会集成不同的子模型。因此,它们的系统验证和可重现的应用仍然存在问题。我们建议在此贡献中使用具有开放源代码组件和数据的科学工作流系统,从下至上构建运输模型。这些开放模型尤其旨在估算英国所有城市地区的公共交通拥堵状况。这使我们能够在COVID-19危机的背景下建立与公共交通密度有关的健康指标,并测试相关政策。

层耦合多路网络中基于矩阵函数的集中度度量

原文标题: Matrix function-based centrality measures for layer-coupled multiplex networks

地址: http://arxiv.org/abs/2104.14368

作者: Kai Bergermann, Martin Stoll

摘要: 集中度度量可确定复杂网络中最重要的节点。近年来,多层网络已经成为一种灵活的工具,可以用来创建越来越逼真的复杂系统模型。在本文中,我们将基于矩阵函数的集中度和可连通性度量推广到层耦合多路网络的情况。我们使用超邻接矩阵作为网络表示形式,该矩阵已被用于将特征向量中心性推广到时间网络和多路网络。通过这种表示,基于网络上行走的单层基于矩阵函数的集中度度量的定义自然会延续到多层情况下。几种聚合技术可以根据节点,层以及节点对对在网络中的重要性来对它们进行排名。我们提出了一种基于Krylov子空间技术和高斯正交规则的有效且可扩展的数值方法,该方法仅需进行几次迭代即可提供高精度,并且在超邻接矩阵为稀疏的情况下,网络规模可以线性尺度。最后,我们对有向和非有向以及加权和非加权复用网络进行了广泛的数值研究。虽然我们专注于社交和交通应用,但是网络的大小在 89 和 2.28 cdot 10 ^ 6 节点之间,在 3 和 37 层之间。

检测基于观念的群体并揭示调查数据中的两极分化

原文标题: Detect opinion-based groups and reveal polarisation in survey data

地址: http://arxiv.org/abs/2104.14427

作者: Alejandro Dinkelberg, David O’Sullivan, Michael Quayle, Pádraig MacCarron

摘要: 从态度调查数据得出的网络可视化展示了基于意见的群体的结构。我们利用这些网络预测通过社区检测算法可靠地识别群体,并研究基于社会身份的两极分化。我们的目标是提出一种在态度调查中揭示两极分化的方法。该方法可以分为以下步骤:数据准备,基于相似性的网络的构建,基于意见的群体的算法识别以及对社区结构重要性的识别。我们通过将其应用于经验数据和广泛的综合数据集来检验该方法的性能和可能的范围。经验数据的应用指出了可能的结论(即社会认同两极分化),而综合数据集则指出了该方法的边界。在关于政治态度调查的应用示例旁边,我们的结果表明,该方法适用于各种调查,但也受到社区检测算法的有效性的控制。关于基于意见的小组的识别,我们提供了一种可靠的方法来对项目对小组形成的影响进行排名,并作为小组标识符。我们讨论了这种用于识别极化的网络方法如何即使在没有极端意见的情况下也可以对基于非重叠意见的群体进行分类。

MUSE:符号网络嵌入的多方面注意力

原文标题: MUSE: Multi-faceted Attention for Signed Network Embedding

地址: http://arxiv.org/abs/2104.14449

作者: Dengcheng Yan, Youwen Zhang, Wei Li, Yiwen Zhang

摘要: 符号网络嵌入是一种学习带有正向和负向链接的符号网络中节点的低维表示的方法,它可以促进下游任务,例如使用通用数据挖掘框架进行链路预测。由于负链接的独特属性和显著的附加值,现有的符号网络嵌入方法通常基于平衡论和地位论等社会理论来设计专用方法。但是,现有的符号网络嵌入方法会忽略每个节点的多个方面的特征,并将其混合为一个单一的表示形式,这限制了在节点对之间刻画细粒度关注的能力。在本文中,我们提出了MUSE,这是一个多方面的基于注意力的Signed网络嵌入框架,可以解决此问题。具体来说,引入了联合的面内和面间注意机制来聚合来自邻居节点的细粒度信息。此外,平衡理论还被用来指导来自多阶平衡和不平衡邻居的信息聚合。在四个真实世界的符号网络数据集上的实验结果证明了我们提出的框架的有效性。

多维连续意见模型的分析公式

原文标题: Analytical formulation for multidimensional continuous opinion models

地址: http://arxiv.org/abs/2104.14477

作者: Lucia Pedraza, Juan Pablo Pinasco, Nicolas Saintier, Pablo Balenzuela

摘要: 通常,意见形成模型假设个人对给定主题有意见,由于与他人的互动,该意见可能会发生变化。但是,个人在不同的主题上可能有不同的意见,因此n维模型最适合处理这些情况。尽管已经为开发一维意见模型建立了分析模型而付出了很多努力,但对多维模型却没有给予足够的重视。在这项工作中,我们为连续意见的多维模型开发了一种分析方法,其中维度可以是相关的或不相关的。我们表明,对于主体之间的任何一般互惠互动,初始意见分配的均值是守恒的。此外,对于积极的社会影响力相互作用机制,意见分布的方差随时间而减小,并且系统收敛为增量分布函数。特别是,当主体在交互后以离散量接近时,我们计算了收敛时间,显示了相关案例和不相关案例之间的明显差异。

基于扩展的同时注册确定大学课程网络中的枢纽:扩展版本

原文标题: Identifying Hubs in Undergraduate Course Networks Based on Scaled Co-Enrollments: Extended Version

地址: http://arxiv.org/abs/2104.14500

作者: Gary M. Weiss, Nam Nguyen, Karla Dominguez, Daniel D. Leeds

摘要: 理解课程注册模式对于预测将来对未来课程的需求,并为学生提供现实的课程以在他们当前的背景下进行学习非常有价值。本研究使用本科生招生数据形成课程网络,其中联系基于学生共同招生。本文生成的课程网络是基于大型都市大学八年的本科课程入学数据得出的。分析网络以识别经常与许多其他课程一起学习的“中心”课程。考虑了两种中心概念:一种针对所有学生的原始普及率,另一种针对与其他课程共同注册的比例可能性。计算了各种网络指标来评估课程网络。研究了学术部门和高级学术类别(例如人文与STEM)对课程分组的影响。中心课程的标识具有实际应用价值,因为它可以帮助更好地预测课程设置和课程受欢迎程度变化的影响,对于跨学科的中心课程,可以用来增加或减少特定学术部门的兴趣和入学人数和地区。

在StopAsianHate和StopAAPIHate运动中,州一级出于种族动机的仇恨犯罪与公众舆论形成鲜明对比

原文标题: State-level Racially Motivated Hate Crimes Contrast Public Opinion on the #StopAsianHate and #StopAAPIHate Movement

地址: http://arxiv.org/abs/2104.14536

作者: Hanjia Lyu, Yangxin Fan, Ziyu Xiong, Mayya Komisarchik, Jiebo Luo

摘要: StopAsianHate和StopAAPIHate是最常用的两个标签,代表了当前针对亚裔美国人和太平洋岛民社区的仇恨犯罪运动。我们根据StopAsianHate和StopAAPIHate运动对公众舆论进行了社交媒体研究,该运动基于美国30个州(2021年3月18日至4月11日)的46,058位Twitter用户,该运动吸引了更多女性,年轻人,亚洲和黑人社区。 51.56%的Twitter用户表示直接支持,18.38%是有关反亚洲仇恨犯罪的消息,而5.43%的人对该运动持消极态度。公众意见因用户特征而异。此外,在种族歧视动机最强的仇恨犯罪州中,对StopAsianHate和StopAAPIHate运动的负面态度最弱。据我们所知,这是第一个基于大型社交媒体的研究,旨在理解StopAsianHate和StopAAPIHate运动的公众意见。我们希望我们的研究能够提供洞见并促进有关反亚洲仇恨犯罪的研究,并最终帮助解决这样一个严重的社会问题,为所有社区带来共同利益。

使用图神经网络和结构稀疏性的极化在线群体的思想议程设置和框架建模

原文标题: Modeling Ideological Agenda Setting and Framing in Polarized Online Groups with Graph Neural Networks and Structured Sparsity

地址: http://arxiv.org/abs/2104.08829

作者: Valentin Hofmann, Janet B. Pierrehumbert, Hinrich Schütze

摘要: 在线政治话语日趋两极化,要求能够自动检测和监控社交媒体中意识形态鸿沟的计算工具。在这里,我们介绍了一种最少监督的方法,该方法直接利用在线讨论论坛(特别是Reddit)的网络结构来检测两极分化的概念。我们根据道德心理学的见解,沿着议程设置和框架的维度对两极分化进行建模。我们提出的体系结构将图神经网络与结构化稀疏性相结合,并得到表示概念和次要想法的表示形式,这些概念和次要想法刻画了诸如意识形态激进主义和次要reddit劫持之类的现象。我们还创建了一个新的政治言论数据集,涵盖12年和600多个具有不同意识形态的在线群体。

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。

作者:ComplexLY
微信公众号:netsci
欢迎扫描左侧微信公众号二维码进行交流!
本文地址:https://netsci.complexly.cn/post/20210430/