• 用多模态图卷积网络建模城市动力学;
• 平均度较高的团网络上的网络过程：高阶结构的有限影响;
• 事件驱动的时间序列分析和公众对COVID-19的反应比较;
• 特征增强的互连系统上的渗流;
• 影响力最大化的图感知演化算法;
• 学习检测在线社区中的违反规范的行为;
• 城市形态数值分类学的方法论基础;

用多模态图卷积网络建模城市动力学

原文标题： Modelling Urban Dynamics with Multi-Modal Graph Convolutional Networks

地址： http://arxiv.org/abs/2104.14633

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

摘要： 对城市场地的动力学进行建模是一项艰巨的任务，因为它本质上是多方面的。需求是许多复杂和非线性特征的函数，例如邻域组成，实时事件和季节性。图卷积网络（GCN）的最新进展产生了可喜的成果，因为它们构建了系统的图表示并利用了深度学习架构的潜力。但是，在时间设置中使用GCN来建模网络的动态依存关系的工作非常有限。此外，在城市环境中，还没有使用动态GCN来支持场地需求分析和预测的先前工作。在本文中，我们提出了一个新颖的深度学习框架，旨在更好地模拟城市场所的受欢迎程度和增长。使用来自定位技术平台Foursquare的纵向数据集，我们对伦敦和巴黎的各个场馆和场馆类型进行建模。首先，我们将城市表示为场所的互联网络，我们对其城市结构进行量化，并注意到这些零售网络中强大的社区结构，这一观察凸显了零售企业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，我们介绍我们的深度学习架构，该架构将空间和拓扑特征整合到一个时间模型中，该模型可以预测随后时间步伐对场地的需求。我们的实验表明，我们的模型可以理解场地需求的时空趋势，并且始终优于基线模型。相对于最先进的深度学习模型，我们的模型将伦敦的RSME降低了约28％，将巴黎的RSME降低了约13％。我们的方法强调了复杂的网络测度和GCN在构建城市环境预测模型中的作用。该模型可以在零售部门中有许多应用程序，以更好地模拟场所需求和增长。

平均度较高的团网络上的网络过程：高阶结构的有限影响

原文标题： Network processes on clique-networks with high average degree: the limited effect of higher-order structure

地址： http://arxiv.org/abs/2104.14776

作者： Clara Stegehuis, Thomas Peron

摘要： 在本文中，我们调查了本地结构对网络进程的影响。我们调查了一个随机图模型，该模型结合了局部集团结构，从而偏离了大多数标准随机图模型的局部树状行为。对于债券渗透的过程，我们得出了大爆发和临界渗透值的分析近似值。有趣的是，这些推导表明，当顶点的平均度较大时，与局部树状结构的偏差的影响较小。我们的模拟表明，对于平均度数低至6的网络，通常已经开始对本地集团结构不敏感。此外，我们还表明，与先前工作中发现的树状网络相比，簇状网络上键渗滤的行为不同几乎可以完全归因于程度序列的差异，而不是聚类结构的差异。最后，我们通过对相同类型的群集和非群集网络上的Kuramoto模型得出相似的结论和模拟，将这些结果扩展到完全不同的动力学类型。

事件驱动的时间序列分析和公众对COVID-19的反应比较

原文标题： Event-driven timeseries analysis and the comparison of public reactions on COVID-19

地址： http://arxiv.org/abs/2104.14777

作者： Md. Khayrul Bashar

摘要： COVID-19的迅速传播已经影响了全球的人类生活。不同国家的政府已采取了各种措施，但不清楚如何影响人们的生活。在这项研究中，使用基于规则和基于机器学习的模型，使用来自日本，美国，英国和澳大利亚的公共推文来回答上述问题。本研究考虑了两个极性时间序列（均值和PN比率）和两个事件，即“锁定或紧急情况（LED）”和“经济支持包（ESP）”。对围绕LED和ESP事件的子系列进行的统计测试表明，它们分别对（英国和澳大利亚）以及（美国和英国）的人们产生了积极影响，而日本人则表现出相反的效果。手动验证相关推文显示与统计结果一致。使用监督逻辑回归的日本推文的案例研究将推文分为健康担忧，经济担忧和其他类别，准确度为83.11％。有关事件的预测推文再次确认了统计结果。

特征增强的互连系统上的渗流

原文标题： Percolation on feature-enriched interconnected systems

地址： http://arxiv.org/abs/2104.14893

作者： Oriol Artime, Manlio De Domenico

摘要： 渗滤是一种象征性模型，用于在互连系统的某些组件损坏时评估互连系统的健壮性。通常在简单的情况下进行研究，例如以随机顺序删除系统的单元，或按特定的拓扑描述符顺序排序。但是，在绝大多数经验应用中，都需要遵循更复杂的协议来拆除网络，例如，通过组合拓扑属性和非拓扑节点元数据来进行拆除。我们提出了一种新颖的数学框架来填补这一空白：网络具有丰富的特征，并且根据特征空间中的重要性将其节点删除。我们考虑不同性质的特征，从与网络建设有关的特征到与诸如流行病传播等动态过程有关的特征。我们的框架不仅提供了渗流的自然概括，而且更重要的是，提供了一种在现实情况下测试网络健壮性的准确方法。

影响力最大化的图感知演化算法

原文标题： Graph-Aware Evolutionary Algorithms for Influence Maximization

地址： http://arxiv.org/abs/2104.14909

作者： Kateryna Konotopska, Giovanni Iacca

摘要： 如今，社会网络在许多情况下都代表着信息传递的主要来源以及意见和行动的影响方式。例如，一般性广告的功能远不及我们联系人的建议强大。但是，此过程在很大程度上取决于传播这些建议的人员的影响。因此，现代营销通常涉及向一些目标用户或有影响力的人支付广告产品或想法的费用。因此，在社会网络中寻找导致最大信息传播的节点集（即所谓的影响最大化（IM）问题）是一个紧迫的问题，因此，它最近引起了极大的研究兴趣。尤其是，尽管基于图尺寸的尺度比例很差，但是已经提出了几种基于演化算法（EA）的方法。在本文中，我们通过两种方式解决此限制。首先，我们使用近似适应度函数来加速EA。其次，我们将各种图感知机制（例如智能初始化，自定义突变和节点过滤）包含在EA中，以促进EA收敛。我们的实验表明，所提出的修改允许获得相关的运行时增益，并且在某些情况下还可以改善传播结果。

学习检测在线社区中的违反规范的行为

原文标题： Learning for Detecting Norm Violation in Online Communities

地址： http://arxiv.org/abs/2104.14911

作者： Thiago Freitas dos Santos, Nardine Osman, Marco Schorlemmer

摘要： 在本文中，我们专注于在线社区的规范系统。本文讨论了当不同的社区成员以不同的方式解释这些规范时可能出现的问题，这可能导致交互中的意外行为，通常是违反规范的行为会影响个人和社区的体验。为理解决此问题，我们提出了一个框架，该框架能够检测违反规范的行为，并向违规者提供有关使其行为违反规范的行为特征的信息。我们使用机器学习来构建我们的框架，并以Logistic模型树作为分类算法。由于违反规范的情况可能与上下文高度相关，因此我们使用来自Wikipedia在线社区的数据（即Wikipedia编辑中的数据）来训练模型。然后，以Wikipedia用例评估我们的工作，在该用例中，我们重点关注禁止Wikipedia编辑中故意破坏的规范。

城市形态数值分类学的方法论基础

原文标题： Methodological Foundation of a Numerical Taxonomy of Urban Form

地址： http://arxiv.org/abs/2104.14956

作者： Martin Fleischmann, Alessandra Feliciotti, Ombretta Romice, Sergio Porta

摘要： 城市是人类文化的复杂产物，其特征是惊人的可见特征多样性。它们的形式在不断发展，反映出人类不断变化的需求和当地突发事件，在许多城市模式中都体现在太空中。城市形态学为理解许多这种模式奠定了基础，很大程度上依赖于定性研究方法来提取城市区域的独特空间特征。但是，这种方法的人工，劳动密集型和主观性代表了可扩展，可复制和数据驱动的城市形态特征开发的障碍。近年来，随着地理数据科学的发展和数字地图产品的日益普及，该领域的研究人员对定量城市形态学或城市形态计量学产生了兴趣，并有望克服这些局限性。在本文中，我们提出了一种从生物系统学派生的城市形态数值分类法，该方法可以对城市类型进行严格的检测和分类。最初，我们通过最少的数据输入产生了丰富的城市空间数值特征，从而最大程度地减少了由于数据质量和可用性不一致而造成的限制。这些是街道网络，建筑物占地面积和形态细分，这是从建筑物占地面积获得的Voronoi细分的空间单位派生。因此，我们得出同质的城市组织类型（或分类群），并通过确定它们之间的总体形态相似性，生成城市形式的等级分类（物候分类法）。框架并介绍了该方法之后，我们在两个城市-布拉格和阿姆斯特丹-进行了测试，并讨论了潜在的应用和进一步的发展。

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。