• 具有指定度序列的随机图采样的收敛准则;
• 熵和复杂性揭示了模因演化的前景;
• 具有有限知识的图嵌入模型的对抗攻击框架;
• 链路预测中的词表外实体;
• 气候变化网络：关联因果关系;
• COVID-19恢复期间及以后的气候行动：Twitter文本挖掘研究;
• 受混合机器学习技术和人工智能的启发，一些关于拉丁美洲的SARS-CoV-2和COVID-19的实用预防指南。案例研究：哥伦比亚;
• 采集和分析众包交通数据;
• 他们会怎么做？对自我疏散原型进行建模;
• 使用符号社会网络进行第三次世界大战分析;
• 深度学习社区检测的全面综述;
• 本地，全局和与规模有关的节点角色;
• 随机块模型下保隐私谱聚类的一致性;
• 是什么让您受欢迎：美丽，个性或智慧？;
• 轮换的领导者造就了群集：社会网络决定了医疗保健虚拟社区的增长;
• 衡量医疗团队的信息交换和中介能力;
• 强大的多层基础设施系统的属性：渗流理论综述;
• 名片交换网络的结构模型;

具有指定度序列的随机图采样的收敛准则

原文标题： Convergence criteria for sampling random graphs with specified degree sequences

地址： http://arxiv.org/abs/2105.12120

作者： Upasana Dutta, Aaron Clauset

摘要： 配置模型是用于生成具有指定度数序列的随机图的标准工具，并且通常用作空模型来评估仅由其度数解释的观测网络结构的多少。除了具有自环和多边的网络外，我们缺乏针对配置模型（例如简单图）的直接采样算法。马尔可夫链蒙特卡罗（MCMC）算法基于保留度的双边交换，提供了一种渐近解，可以无偏差地从配置模型中进行采样。然而，准确地检测该马尔可夫链在其平稳分布上的收敛性仍然是一个未解决的问题。在这里，我们提供了一种具体的解决方案，可以无偏差地从配置模型中检测收敛性和样本。我们首先开发一种算法，用于估计采样的MCMC状态之间的足够间隙，以使它们有效独立。将此算法应用于509个经验网络的语料库，我们基于尺度定律推导了一组计算有效的启发式算法，用于自动选择此采样间隙。然后，我们构造一种收敛检测方法，该方法将Kolmogorov-Smirnov检验应用于从马尔可夫链的采样状态得出的网络分类值的序列。通过将该测试与三种通用的马尔可夫链收敛诊断进行比较，我们发现我们的方法在检测收敛方面既更准确又更有效。

熵和复杂性揭示了模因演化的前景

原文标题： Entropy and complexity unveil the landscape of memes evolution

地址： http://arxiv.org/abs/2105.12376

作者： Carlo Michele Valensise, Alessandra Serra, Alessandro Galeazzi, Gabriele Etta, Matteo Cinelli, Walter Quattrociocchi

摘要： 在Internet上，信息迅速而广泛地传播，内容的形式也适应了用户的认知能力。模因是意义系统互联网系统的一个新兴方面，其视觉方案通过适应异构上下文而发展。一个基本的问题是，他们在组织原则上是否表现出文化和时间上的超越特征。在这项工作中，我们研究了Reddit从2011年到2020年十年间200万个视觉模因的统计复杂性和熵的演变。我们发现模因是新兴的互联网元语言形式的一部分这一假说得到了支持：一方面，我们观察到指数增长，其倍增时间约为6个月。另一方面，模因内容的复杂性增加，允许并适应于代表社会趋势和态度。

具有有限知识的图嵌入模型的对抗攻击框架

原文标题： Adversarial Attack Framework on Graph Embedding Models with Limited Knowledge

地址： http://arxiv.org/abs/2105.12419

作者： Heng Chang, Yu Rong, Tingyang Xu, Wenbing Huang, Honglei Zhang, Peng Cui, Xin Wang, Wenwu Zhu, Junzhou Huang

摘要： 随着图嵌入模型在学术和工业领域的成功使用，图嵌入抵御对抗攻击的鲁棒性不可避免地成为图学习中的关键问题。现有作品通常以白盒方式进行攻击：他们需要访问预测/标签来构建对抗性损失。但是，预测/标签的不可访问性使得白盒攻击对于实际的图学习系统而言是不切实际的。本文从更笼统和灵活的意义上推广当前的框架-我们要求使用黑盒驱动来攻击各种图嵌入模型。我们研究了图信号处理与图嵌入模型之间的理论联系，并将图嵌入模型表述为具有相应图滤波器的一般图信号处理。因此，我们设计了一个广义的对抗性攻击者：GF-Attack。无需访问任何标签和模型预测，GF-Attack即可以黑盒的方式直接在图过滤器上执行攻击。我们进一步证明GF-Attack可以执行有效的攻击，而无需知道图嵌入模型的层数。为了验证GF-Attack的一般性，我们在四种流行的图嵌入模型上构造了攻击者。大量实验验证了GF-Attack在多个基准数据集上的有效性。

链路预测中的词表外实体

原文标题： Out-of-Vocabulary Entities in Link Prediction

地址： http://arxiv.org/abs/2105.12524

作者： Caglar Demir, Axel-Cyrille Ngonga Ngomo

摘要： 知识图嵌入技术是使知识图适合于基于矢量表示的众多机器学习方法的关键。链路预测通常用作评估这些嵌入质量的主体。鉴于创建用于链路预测的基准是一项耗时的工作，因此有关该主题的大多数工作仅使用了一些基准。由于基准对于算法的公平比较至关重要，因此确保基准的质量无异于为开发更好的解决方案提供坚实的基础，以更好地链路预测和ipso事实嵌入知识图。对基准的最初研究指出了与从某些基准数据集的开发到测试片段的信息泄漏有关的限制。我们发现了通常用于评估链路预测方法的三个基准的另一个常见限制：测试和验证集中的词汇量不足的实体。我们提供了一种用于发现和删除此类实体的方法的实现，并提供了数据集WN18RR，FB15K-237和YAGO3-10的更正版本。我们对WN18RR，FB15K-237和YAGO3-10的更正版本进行的实验表明，当p值<1％，<1.4％和<1％时，最新方法的测量性能发生了显著变化。 ， 分别。总体而言，最先进的方法在WN18RR的所有指标中平均获得的绝对值平均为 3.29 pm 0.24 ％。这意味着以前的工作中得出的某些结论可能需要重新审视。我们在https://github.com/dice-group/OOV-In-Link-Prediction提供了实验和校正后的数据集的开源实现。

气候变化网络：关联因果关系

原文标题： Networks of climate change: Connecting causes and consequences

地址： http://arxiv.org/abs/2105.12537

作者： Petter Holme, Juan C. Rocha

摘要： 理解全球变暖的原因和后果并制定对策是一个极为复杂的问题。即使研究人员将注意力集中在可发布的调查上，他们的分析通常也包含足够的交互组件，需要进行网络可视化。因此，网络既是气候科学的必要要素也是自然要素。此外，网络为多种计算和分析技术奠定了数学基础。我们才刚刚开始看到气候变化科学与网络之间这种联系的好处。在这篇综述中，我们涵盖了气候变化文献中网络的用例-它们代表什么，如何分析以及带来什么见解。我们还将讨论网络数据，工具和有待探索的问题。

COVID-19恢复期间及以后的气候行动：Twitter文本挖掘研究

原文标题： Climate Action During COVID-19 Recovery and Beyond: A Twitter Text Mining Study

地址： http://arxiv.org/abs/2105.12190

作者： Mohammad S. Parsa, Lukasz Golab, Srinivasan Keshav

摘要： 冠状病毒大流行造成了全球性危机，促使立即采取大规模行动，包括经济停工和行动不便。这些行动对经济产生了毁灭性影响，但对环境产生了一些积极影响。随着世界从大流行中恢复过来，我们提出以下问题：在COVID-19复苏期间及以后，公众对气候行动的态度是什么？我们通过分析Twitter社交媒体平台上的讨论来回答这个问题。我们发现，尽管怀疑论者继续存在，但大多数讨论都支持气候行动，并指出了应对大流行的经验教训，这些经验可以影响未来的气候政策。此外，在大流行期间采取气候行动也引起了人们的关注，例如减轻了公共交通中COVID-19传播的风险。

受混合机器学习技术和人工智能的启发，一些关于拉丁美洲的SARS-CoV-2和COVID-19的实用预防指南。案例研究：哥伦比亚

原文标题： Some Pragmatic Prevention’s Guidelines regarding SARS-CoV-2 and COVID-19 in Latin-America inspired by mixed Machine Learning Techniques and Artificial Mathematical Intelligence. Case Study: Colombia

地址： http://arxiv.org/abs/2105.12213

作者： Danny A. J. Gomez-Ramirez, Yoe A. Herrera-Jaramillo, Johana C. Ortega-Giraldo, Alex M. Ardila-Garcia

摘要： 我们使用一种增强的方法，结合了特定形式的AI技术，观点挖掘和人工智能（AMI），并结合了前三个年度冠状病毒SARS-CoV-2的传播以及哥伦比亚COVID-19疾病的发病率的公共数据自第一例报告阳性病例以来已有几个月。获得的结果，再加上来自AMI中出现的基本认知机制的全球分类法的概念工具，以及来自哥伦比亚公共卫生和主流社交媒体的适当背景信息，使我们能够提出具体的预防性指南，以更好地重组初始的安全和稳定状态哥伦比亚的生活条件，以及类似拉丁美洲国家的生活条件。更具体地说，我们描述了三个主要准则：1）定期进行创造性的可视化和有效的计划； 2）持续使用建设性的语言框架； 3）频繁且适度使用动觉例程。从认知和行为的角度，而不是从生物学的角度，应该将它们理解为有效的工具。更重要的是，应与第三个准则进行整体合作，以确认COVID-19在整个人类（包括精神和身体）对全球的整体影响方面与第三准则进行全面合作。

采集和分析众包交通数据

原文标题： Acquisition and analysis of crowd-sourced traffic data

地址： http://arxiv.org/abs/2105.12235

作者： Markus Hilpert, Jenni A. Shearston, Jemaleddin Cole, Steven N. Chillrud, Micaela E. Martinez

摘要： 来自人群的交通数据为环境建模提供了广阔的前景。但是，此类流量数据的存档通常无法用于研究；相反，必须实时获取数据。本文的目的是介绍我们开发的用于获取和分析实时人群源交通数据的时间序列的方法。我们提供了可以在Unix / Linux等计算环境中运行的脚本，以自动下载针对用户指定兴趣区域的众包Google流量拥塞地图的图块。我们的方法在纽约市和墨西哥城的曼哈顿得到了广泛的国际应用。我们还证明，由于实施了社交疏散政策来遏制纽约市南布朗克斯区发生的COVID-19大流行，Google流量数据可用于量化交通拥堵的减少。

他们会怎么做？对自我疏散原型进行建模

原文标题： What will they do? Modelling self-evacuation archetypes

地址： http://arxiv.org/abs/2105.12366

作者： Dhirendra Singh, Ken Strahan, Jim McLennan, Joel Robertson, Bhagya Wickramasinghe

摘要： 距澳大利亚维多利亚州毁灭性的黑色星期六森林大火发生十年已经过去了，我们正处于紧急情况服务中开始使用社区疏散计算机模拟的时刻。虽然火灾进展建模已嵌入整个维多利亚州各级政府的战略和运营环境中，但社区对此类火灾的响应建模才刚刚开始进行认真评估。为了使社区响应模型成为林区大火规划和准备工作不可或缺的一部分，要解决的关键问题是：面对林区大火，社区真正地会做什么？通常，这种理解来自社区和服务部门的本地经验和专业知识，但是趋势是朝着更明智的数据驱动方法发展。在本文中，我们报告了该领域紧急部门内的最新工作。特别是，我们讨论了Strahan等人的自我疏散原型在维多利亚州区域性社区疏散的基于主体的模型中的应用。这项工作是几个紧急管理利益相关者之间的合并林火疏散模型协作的一部分。

使用符号社会网络进行第三次世界大战分析

原文标题： World War III Analysis using Signed Social Networks

地址： http://arxiv.org/abs/2105.12460

作者： Ranjana Roy, Shivam Gupta, Sravanthi Chede

摘要： 在最近一段时间内，随着许多社交平台的出现，各个部门之间的关系可以从积极，消极或无关系的角度来构架。这些单位可以是构成符号网络基本结构组件的个人，国家或其他机构。这些带符号的网络描绘了这样形成的图的动态特性，仅允许极少的符号组合将图片中的结构平衡定理带入图表。结构平衡理论确认，签署的社会网络倾向于组织起来以避免冲突情况，这与不稳定的关系周期相对应。网络中结构平衡的目的是找到适当的节点分区，以保证系统中的平衡，从而在图中仅允许带有符号边的几个组合三角形。网络领域的大多数工作要么解释了有符号图的重要性，要么应用了平衡定理并试图解决问题。随着最近每个国家崛起为优，竞争成为最好的国家的时代趋势，对第三次世界大战（第三次世界大战）发生的可能怀疑进入每个人的心中。尽管如此，我们的论文旨在回答有关第三次世界大战的一些有趣的问题。在该项目中，我们与创建签名图一起工作，该图以第三次世界大战参加国为节点，并预测了战争期间将组建的国家的最佳联盟。另外，我们直观地描绘了这场战争中将形成的社区数量以及每个社区的参与国。

深度学习社区检测的全面综述

原文标题： A Comprehensive Survey on Community Detection with Deep Learning

地址： http://arxiv.org/abs/2105.12584

作者： Xing Su, Shan Xue, Fanzhen Liu, Jia Wu, Jian Yang, Chuan Zhou, Wenbin Hu, Cecile Paris, Surya Nepal, Di Jin, Quan Z. Sheng, Philip S. Yu

摘要： 社区揭示其成员的功能和联系与网络中其他社区的成员不同。检测社区在网络分析中具有重要意义。尽管有经典的谱聚类和统计推断方法，但近年来，我们发现用于社区检测的深度学习技术有了长足发展，它们在处理高维网络数据方面具有优势。因此，对于学者和从业人员而言，及时全面地概述社区检测通过深度学习的最新进展是合适的。这项调查设计并提出了一种新的分类法，涵盖了不同类别的最新方法，包括基于深度神经网络的基于深度学习的模型，深度非负矩阵分解和深度稀疏过滤。主要类别，即深度神经网络，进一步分为卷积网络，图注意力网络，生成对抗网络和自动编码器。该调查还总结了流行的基准数据集，模型评估指标以及用于实现实验设置的开源实现。然后，我们讨论社区检测在各个领域中的实际应用，并指出实现方案。最后，我们通过建议在这个快速发展的深度学习领域中具有挑战性的主题来概述未来的发展方向。

本地，全局和与规模有关的节点角色

原文标题： Local, global and scale-dependent node roles

地址： http://arxiv.org/abs/2105.12598

作者： Michael Scholkemper, Michael T. Schaub

摘要： 本文重新审视了节点对等的概念，例如结构对等或自构对等，这些概念最初出现在社会网络分析中，以表征参与者在社会系统中扮演的角色，但此后一直是基于图的学​​习的独立兴趣任务。传统上，已经根据节点的一跳邻域或根据全局图结构定义了这种精确的节点等效项。在这里，我们使用比例参数对确切的节点角色进行形式化，描述在分配节点角色时应考虑节点的自我网络的最大距离-受这种想法的影响，即节点的局部角色可能不应该由节点在网络中任意距离。我们提供的数值实验表明，深度3或4的“浅”角色已经如何携带足够的信息来执行高精度的节点分类任务。这些发现证实了最近的图学习方法的成功，该方法通过在相对较小的邻域大小上以（无）监督的方式非线性聚合节点特征，从而根据嵌入来计算近似的节点角色。确实，根据我们的想法，我们可以构建一个浅分类器，该分类器可以与最近的图神经网络架构实现同等的结果。

随机块模型下保隐私谱聚类的一致性

原文标题： Consistency of Privacy-Preserving Spectral Clustering under the Stochastic Block Model

地址： http://arxiv.org/abs/2105.12615

作者： Jonathan Hehir, Aleksandra Slavkovic, Xiaoyue Niu

摘要： 经常采用随机块模型（SBM）-具有社区结构的网络模型-作为分析社区检测方法的理论特性的基本设置。我们考虑了网络在 varepsilon 边差分隐私（DP）下SBM的隐私保护谱聚类的问题，并从中央DP和本地DP角度提供了实用的解释。通过使用一种称为边翻转机制的随机响应隐私机制，我们通过证明在可以保持强大的隐私保证的条件下，同时实现与已知速率匹配的谱聚类收敛速率而无需维护的前提下，朝着差异化私有社区检测的理论分析迈出了第一步。隐私。我们证明了最强的理论结果对于密集网络（节点数在节点数上是线性的）是可以实现的，而在轻度稀疏（节点度大于 n ^ -¹⁄₂ ）下可以实现较弱的一致性。我们在许多网络示例中以经验证明了我们的结果。

是什么让您受欢迎：美丽，个性或智慧？

原文标题： What makes you popular: beauty, personality or intelligence?

地址： http://arxiv.org/abs/2105.12635

作者： A. Fronzetti Colladon, F. Grippa, E. Battistoni, P. A. Gloor, A. La Bella

摘要： 这项研究探讨了友谊和建议网络中受欢迎程度的决定因素。我们让近200名大学生参加了一项实验，以预测人格特质，自我监控，创造力，智力，活力和美丽如何影响友谊和建议网络的发展。我们的结果表明，身体吸引力是发展友谊和与任务相关的互动的关键，而感知的智力和创造力在咨询网络中起着重要的作用。我们的发现似乎支持这样一种观点，即刻板印象中可能存在一个真理核心，即吸引力与积极的社会特征和成功的成果相关。

轮换的领导者造就了群集：社会网络决定了医疗保健虚拟社区的增长

原文标题： It is rotating leaders who build the swarm: social network determinants of growth for healthcare virtual communities of practice

地址： http://arxiv.org/abs/2105.12659

作者： G. Antonacci, A. Fronzetti Colladon, A. Stefanini, P. Gloor

摘要： 目的：本文的目的是通过使用来自社会网络和语义分析的指标进行的为期七年的纵向研究，确定影响医疗保健虚拟实践社区（VCoP）增长的因素。通过研究社交互动的三个维度（连通性，互动性和语言使用）的研究，作者旨在为VCoP经理提供宝贵的见解，以提高社区的成功率。设计/方法/方法：分析了为期7年（2008年4月至2015年4月）的通信，并分析了在同一Web平台上共存的16种不同医疗保健VCoP的14,000名成员之间的情况。多级回归模型用于揭示社区随时间增长的主要决定因素。自变量来自社会网络和语义分析方法。结果：结果表明，结构变量和基于内容的变量可以预测社区的增长。如果社区的结构更加集中，领导者更有活力（他们轮换更多）并且职位所使用的语言不太复杂，那么就会逐渐有更多的人加入社区。研究的局限性/意义：可用的数据集包括一个Web平台和数量有限的控制变量。为了巩固本研究的结果，该实验应在其他医疗保健VCoP上重复进行。原创性/价值：该研究为建立和促进专业社区的成长提供了有用的建议，同时考虑了社区成员之间的互动方式，这些互动的动态演变以及语言的使用。提出了新的分析工具，以及创新的互动指标的使用，这些指标可以显著影响社区的成长，例如轮换领导。

衡量医疗团队的信息交换和中介能力

原文标题： Measuring information exchange and brokerage capacity of healthcare teams

地址： http://arxiv.org/abs/2105.12674

作者： F. Grippa, J. Bucuvalas, A. Booth, E. Alessandrini, A. Fronzetti Colladon, L. M. Wade

摘要： 目的：本文的目的是通过关注医院边界内和跨医院边界的信息交换来探讨可能影响医疗团队绩效的因素。设计/方法/方法：通过网络调查和小组访谈，作者收集了参与四个美国大型儿童医院系统重新设计计划的四个跨学科医疗团队的31名成员的通信网络数据。作者根据管理建议，技术支持和部门内部和部门之间的知识传播来绘制内部和外部社会网络，研究了涉及700多个参与者的交互模式。然后，作者比较了团队绩效和社会网络指标（例如程度，亲密性和介数中心性中心性），并计算了每个团队的交叉联系和约束水平。结果：结果表明，高效的团队更加注重内部，与外部成员的联系也较少。此外，知名度较高的团队经常进行沟通，但总体而言，沟通强度不如其他团队。独创性/价值：映射知识流并平衡跨学科团队的内部关注点和外部连通性，可能有助于医疗保健决策者为患者，家庭和员工创造高价值。

强大的多层基础设施系统的属性：渗流理论综述

原文标题： Properties for Robust Multilayer Infrastructure Systems: A Percolation Theory Review

地址： http://arxiv.org/abs/2105.12701

作者： Zahra Mahabadi, Liz Varga, Tom Dolan

摘要： 电力，运输，电信和供水系统等基础设施系统由多个相互联系和相互依存的组件组成，以生产和分配基本商品和服务。因此，抵抗故障的基础设施系统的健壮性对于现代社会的持久表现至关重要。已经引入了多层网络来对这种系统的复杂性进行建模，而渗流理论是量化网络系统健壮性的最常用方法。这项调查系统地回顾了2010年至2021年之间发表的有关运用渗流理论评估以多层网络为模型的基础设施系统的鲁棒性的文献。我们讨论了用于构建基础结构系统多层模型的所有网络属性。在所有属性中，研究相互依赖强度和社区对多层模型的鲁棒性的影响最为普遍，而在相互依赖的连接中考虑有向链接和反馈条件的论文却很少。所确定的网络特性对多层模型的鲁棒性具有几乎相似的增强和恶化作用。研究的重点主要是简化的任意模型，而不是由真实数据构建的模型。因此，本次审查建议在未来的研究中，以基于实际基础架构系统的更全面的模型为基础。在这种情况下，模型可以一起包含不同的属性，以研究某些属性是否会增强或减弱其他属性的影响。此外，可以量化不同属性对基础架构系统的健壮性的影响大小，并在以后的研究中进行比较，以帮助做出更好的决策来改进基础架构系统。

名片交换网络的结构模型

原文标题： A structural model of business cards exchange networks

地址： http://arxiv.org/abs/2105.12704

作者： Juan Nelson Martinez Dabhura, Shota Komatsu, Takanori Nishida, Angelo Mele

摘要： 社会和专业网络影响劳动力市场动态，知识传播和新业务创造。为了首先理解这些网络的形成方式的决定因素，我们分析了8个个人的多平台联系人管理和专业社会网络工具的240,000多名用户之间的唯一名片交换数据集。我们开发了具有战略交互作用的网络形成的结构模型，并且我们估计用户的收益取决于业务关系以及间接业务交互的组成。我们允许用户在可观察和不可观察特征方面的异质性影响关系的形成和维护方式。模型的静态平衡提供了一种可能性，该可能性是我们可以用闭合形式表征的指数随机图模型的混合。通过采用两步估算程序，变分逼近和最小化最大化方法，我们克服了估算中的一些计量经济学和计算难题。我们的算法具有可扩展性，高度可并行性，并有效利用了计算机内存，可以在大型网络中进行估算。我们显示，用户收益在多个维度上均质显示，例如地点;此外，用户无法观察到的特征也表现出同质性。

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。