• 科学媒体中的宣传是否会推动引用？同行评审的辩护;
• 社会行为与心理健康：COVID-19大流行情况下的快照综述;
• 单纯复形中竞争传播动力学;
• 社会网络级联预测的独立非对称嵌入模型;
• 在具有多个重置节点的复杂网络上随机行走：一种更新方法;
• 分而治之：印度政治危机期间Twitter上的影响者两极分化;
• 监测流行病的一些挑战;
• 标签图的蝶形核心社区搜索;
• 超图元对高阶相互作用的非参数建模;

科学媒体中的宣传是否会推动引用？同行评审的辩护

原文标题： Does publicity in the science press drive citations? A vindication of peer review

地址： http://arxiv.org/abs/2105.08118

作者： Manolis Antonoyiannakis

摘要： 我们以科学出版社的重点报道形式研究宣传如何影响研究论文的引文。在简要回顾了先前的工作之后，我们分析了《物理评论快报》（PRL）中发表的论文，这些论文在八个不同的平台上进行了重点介绍。使用多元线性回归，我们可以确定每个平台如何促进引用。我们还分析了突出显示的论文在其领域中被引用次数排在前1％的论文中的频率。我们发现，对中期引文影响的最强预测因子（出版后长达7年）是物理学的观点，其次是自然界的研究重点，PRL中的编辑建议和自然物理学的研究重点。我们的主要结论是：（a）强调重要性可识别出引用优势，（b）根据同行评审（期刊内部和外部）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。

社会行为与心理健康：COVID-19大流行情况下的快照综述

原文标题： Social Behavior and Mental Health: A Snapshot Survey under COVID-19 Pandemic

地址： http://arxiv.org/abs/2105.08165

作者： Sahraoui Dhelim, Liming Luke Chen, Huansheng Ning, Sajal K Das, Chris Nugent, Devin Burns, Gerard Leavey, Dirk Pesch, Eleanor Bantry-White

摘要： 在线社交媒体为监视人们的社交行为和他们的精神困扰提供了一个渠道。由于COVID-19施加的限制，人们越来越多地使用在线社会网络来表达自己的感受。因此，存在大量不同的用户生成的社交媒体内容。但是，COVID-19大流行改变了我们的生活，学习，社交和再创造的方式，这影响了我们的福祉和心理健康问题。越来越多的研究利用在线社交媒体分析来检测和评估用户的心理状态。在本文中，我们调查了用于精神障碍检测的社交媒体分析的文献，特别着重于2020-2021年在COVID-19的背景下进行的研究。首先，我们根据特征提取类型对调查的研究进行分类，从语言使用模式到审美偏好和在线行为，这些特征均会有所不同。其次，我们探索用于精神障碍检测的检测方法，包括机器学习和深度学习检测方法。最后，我们讨论了使用社交媒体数据检测精神障碍的挑战，包括隐私和道德问题，以及大规模扩展和部署此类系统的技术挑战，并讨论了过去几年的经验教训。

单纯复形中竞争传播动力学

原文标题： Competing spreading dynamics in simplicial complex

地址： http://arxiv.org/abs/2105.08234

作者： Wenyao Li, Xiaoyu Xue, Liming Pan, Tao Lin, Wei Wang

摘要： 生物学和社会系统中的相互作用不限于成对，而是可以任意大小。广泛的研究表明，任意大小的相互作用会显著影响网络系统上的传播动力学。竞争传播动力学，即几种流行病同时传播并相互竞争，在现实世界中已被广泛观察到，然而，任意大小的相互作用影响竞争传播动力学的方式仍然缺乏系统的研究。本研究在以简单复合体为代表的高阶系统上提出了两个竞争的简单化易感性感染易感性流行病模型，并分析了模型的关键现象。在提出的模型中，易感节点只能被两种流行病之一感染，并且感染的传播可以同时通过成对（即边）和高阶（例如2单发）相互作用发生。通过平均场（MF）理论分析和数值模拟，我们表明该模型显示出丰富的动力学行为，具体取决于2-simplex感染强度。当2-simplex感染强度较弱时，模型的相图与简单图一致，该图由三个区域组成：每个流行病的绝对优势区和无流行病区。随着2-simplex感染强度的增加，出现了一个新的阶段区域，称为替代优势区域。在这一地区，一种流行病的生存取决于初始条件。我们的理论分析可以合理地预测每个区域的时间演变和稳态爆发规模。此外，当2-单纯性感染强度对称和不对称时，我们还将探索模型的相图。结果表明，2-simplex感染强度对系统相图有重大影响。

社会网络级联预测的独立非对称嵌入模型

原文标题： Independent Asymmetric Embedding Model for Cascade Prediction on Social Network

地址： http://arxiv.org/abs/2105.08291

作者： Wenjin Xie, Xiaomeng Wang, Tao Jia

摘要： 社会网络上信息传播的预测在营销和舆论控制中具有重要的现实意义。级联预测旨在预测可能在社会网络上重新发布消息的个人。一种方法要么利用人口统计，结构和时间特征进行预测，要么明确依赖特定的信息扩散模型。另一种模型是完全由数据驱动的，不需要全局网络结构。因此，提出了基于网络嵌入的大规模扩散预测模型。这些模型使用他们的级联信息将用户嵌入到潜在空间中，但是在嵌入时没有考虑用户之间的干预。在本文中，我们提出了一种独立的非对称嵌入方法来学习用于级联预测的社会嵌入。与现有方法不同，我们的方法将每个人都嵌入一个潜在影响空间和多个潜在敏感性空间。此外，我们的方法在级联中刻画用户组合的共现规则，以提高计算效率。在真实数据集上进行的广泛实验的结果验证了我们方法的预测准确性和成本效益。

在具有多个重置节点的复杂网络上随机行走：一种更新方法

原文标题： Random walks on complex networks with multiple resetting nodes: a renewal approach

地址： http://arxiv.org/abs/2105.08323

作者： Shuang Wang, Hanshuang Chen, Feng Huang

摘要： 由于在不同领域中的广泛应用，在过去的十年中，受到随机复位影响的随机游走引起了相当大的关注。在本文中，我们研究了具有多个重置节点的复杂网络上的离散时间随机游动。使用更新方法，我们得出了沃克在每个节点中的占用概率以及任意两个节点之间的平均场首次通过时间的精确表达式。在没有复位的情况下，所有结果都与过渡矩阵的谱特性有关。我们在循环网络，随机块模型和Barab’asi-Albert无标度网络上展示了我们的结果，并发现了在此类网络上进行全局搜索时，对多个重置节点进行重置过程的优势。

分而治之：印度政治危机期间Twitter上的影响者两极分化

原文标题： Divided We Rule: Influencer Polarization on Twitter During Political Crises in India

地址： http://arxiv.org/abs/2105.08361

作者： Saloni Dash, Dibyendu Mishra, Gazal Shekhawat, Joyojeet Pal

摘要： 影响者是社交媒体上信息传播的性质和网络的关键。在政治讨论中，有影响力的人特别重要，他们可以通过参与问题来解决问题，并且可以通过在线运营来全部或部分地获得合法性，或者可以使用演艺人员，新闻工作者等离线专业知识。为了量化有影响力的人在政治上的参与度和极性，我们在印度发生政治危机期间，使用Google的通用语句编码器（USE）对6k有影响力的人和26k印度政治家的推文进行编码。然后，我们根据影响者的推文嵌入获得聚合的矢量表示，再加上推文图可帮助计算这些影响者相对于政治问题的立场和极性。我们发现，在COVID-19上，有影响者在政府方面汇聚一堂，但在公民权，克什米尔的建国权和农民抗议等其他三个有争议的问题上，主要是政府调整后的支持者言论扩大了在位者的地位。我们建议，这种方法可以洞悉当今印度的政治分裂，但也可以提供一种在其他情况下研究影响者和​​两极分化的方法。

监测流行病的一些挑战

原文标题： Some Challenges in Monitoring Epidemics

地址： http://arxiv.org/abs/2105.08384

作者： Vaiva Vasiliauskaite, Nino Antulov-Fantulin, Dirk Helbing

摘要： 流行病模型通常通过考虑健康状况不同（例如易感，感染或恢复）的耦合非线性微分方程来反映传染性传播过程的特征。但是，这种分区建模方法忽略了随机效应和网络效应以及流行病学参数和发病率估计所依赖的测量过程的作用，因此无法提供流行病动态的完整描述。为了研究相关问题，考虑到假阳性和假阴性以及偏倚抽样的问题，我们用测量（即测试）过程模型扩展了已建立的流行病学传播模型。与模拟的观察过程（虚拟测量）一起研究由模型生成的地面真相，可以使人们深入理解纯数据驱动的方法来评估流行病的局限性。我们得出的结论是，流行病监测，模拟和预测是邪恶的问题，因为将常规数据驱动方法应用于具有非线性动力学，网络效应和不确定性的复杂系统可能会产生误导。但是，可以使用传播动力学和测量过程的科学知识来纠正某些错误。我们得出结论，这种纠正通常应成为流行病监测，建模和预测工作的一部分。

标签图的蝶形核心社区搜索

原文标题： Butterfly-Core Community Search over Labeled Graphs

地址： http://arxiv.org/abs/2105.08628

作者： Zheng Dong, Xin Huang, Guorui Yuan, Hengshu Zhu, Hui Xiong

摘要： 社区搜索旨在为图中的查询顶点查找密集连接的子图。尽管这项任务已在文献中进行了广泛研究，但大多数现有作品仅着眼于寻找同质群落而不是具有不同标签的异质群落。在本文中，我们在标签图上激发了一个跨组社区搜索的新问题，即蝴蝶核心社区（BCC），其中每个顶点都有一个标签来指示其属性，两个顶点之间的边表示它们的交叉关系。具体来说，对于具有不同标签的两个查询顶点，我们的目标是找到一个紧密连接的交叉社区，该社区包含两个查询顶点并且由蝴蝶网络组成，其中蝴蝶的每个翼由基于一个查询顶点和这些蝴蝶将两个翅膀相连。确实，BCC结构承认结构的凝聚力和最小直径，因此可以有效地刻画异类和简洁的协作团队。此外，我们从理论上证明了该问题是NP难的，并分析了它的不可逼近性。为了有效地解决该问题，我们开发了一种启发式算法，该算法首先找到包含查询顶点的BCC，然后迭代地从图中将最远的顶点移除到查询顶点。该算法可以对最优解实现2近似。为了进一步提高效率，我们设计了蝶形核心索引，并开发了一套高效的算法，用于消除顶点时的蝶形核心识别和维护。在八个真实世界的网络上进行的广泛实验和四个新颖的​​案例研究证明了我们算法的有效性和效率。

超图元对高阶相互作用的非参数建模

原文标题： Nonparametric Modeling of Higher-Order Interactions via Hypergraphons

地址： http://arxiv.org/abs/2105.08678

作者： Krishnakumar Balasubramanian

摘要： 我们研究使用超笔形图的统计和算法方面，这是大型超图的局限性，用于建模高阶交互。尽管从建模的角度来看，超笔形图非常强大，但是我们考虑了有限的一类简单Lipschitz超笔形图（SLH），它们可以进行实际有效的估计。我们还为我们的估计器提供了最适合SLH类的收敛速度。提供仿真结果以证实该理论。

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。