• 区块链共识的随机建模;
• 基于半监督分类的图卷积网络的数据增强;
• 用于脑网络可解释分类的反事实图;
• 复杂层次网络系统的信息与评价模型;
• 揭示社区规模人类活动特征对洪水影响快速评估的时间重要性;
• COVID-19 疫苗：在 Twitter 上描述错误信息宣传活动和疫苗犹豫;
• COVID-19类型流行病管理测试中的质量-数量权衡;
• Youtube 上的信息流行病：COVID-19 上内容和回声室的可靠性;
• 多模态推文情绪分析方法的公平和全面比较;
• 空间天气导致的关键国家基础设施故障的经济影响;
• 社会压力推动了 COVID-19 爆发的多波动态;
• 流行病中的群体行为：一种动态耦合的演化博弈方法;

区块链共识的随机建模

原文标题： Stochastic modelling of blockchain consensus

地址： http://arxiv.org/abs/2106.06465

作者： Claudio J. Tessone, Paolo Tasca, Flavio Iannelli

摘要： 区块链和通用分布式账本是基础技术，它们为我们社会经济系统的基础设施和其他基础带来了重大创新。这些 P2P 技术能够在网络内部和网络之间安全地传播信息，而无需受托人或中央机构来强制达成共识。在这个贡献中，我们提出了一个简约的随机模型来理解基于区块链的共识的动态。通过利用随机游走理论，我们对不同网络拓扑上的块传播延迟进行建模，并根据两个紧急属性对区块链系统进行分类。首先，我们确定了两种执行机制：对应于最优系统功能的功能机制；以及以次优区块链的拥塞或分支状态为特征的非功能性机制。其次，我们发现了共识出现期间的相变，并数值研究了相应的临界点。我们的结果为去中心化系统中的共识机制和次优状态提供了重要的见解。

基于半监督分类的图卷积网络的数据增强

原文标题： Data Augmentation for Graph Convolutional Network on Semi-Supervised Classification

地址： http://arxiv.org/abs/2106.08848

作者： Zhengzheng Tang, Ziyue Qiao, Xuehai Hong, Yang Wang, Fayaz Ali Dharejo, Yuanchun Zhou, Yi Du

摘要： 数据增强旨在从原始数据中生成新的合成特征，可以识别出更好的数据表示并提高下游任务的性能和泛化性。然而，基于图的模型的数据增强仍然是一个具有挑战性的问题，因为图数据比传统数据更复杂，传统数据由两个具有不同属性的特征组成：图拓扑和节点属性。在本文中，我们在改进半监督节点分类的节点嵌入的背景下研究了图卷积网络 (GCN) 的图数据增强问题。具体来说，我们对原始特征进行基于余弦相似度的交叉运算以创建新的图特征，包括新的节点属性和新的图拓扑，并将它们组合为特定 GCN 的新成对输入。然后，我们提出了一个注意力集成模型，将这些 GCN 编码的隐藏节点嵌入加权求和到最终节点嵌入中。我们还在训练时对这些隐藏节点嵌入进行视差约束，以确保从不同的特征中刻画非冗余信息。在五个真实世界数据集上的实验结果表明，与原始 GCN 模型相比，我们的方法提高了分类准确率（+2.5% - +84.2%）。

用于脑网络可解释分类的反事实图

原文标题： Counterfactual Graphs for Explainable Classification of Brain Networks

地址： http://arxiv.org/abs/2106.08640

作者： Carlo Abrate, Francesco Bonchi

摘要： 训练能够区分健康大脑和功能失调大脑的图分类器，可以帮助识别与特定认知表型相关的子结构。然而，图分类器的预测能力对神经科学家的兴趣有限，他们有很多工具可以诊断特定的精神障碍。重要的是模型的解释，因为它可以提供新的见解和新的假设。在本文中，我们提出emph反事实图作为一种对任何黑盒图分类器产生局部事后解释的方法。给定一个图和一个黑盒，反事实是这样一种图，它虽然与原始图具有很高的结构相似性，但被黑盒归入了不同的类别。我们提出并根据经验比较了几种反事实图搜索策略。我们针对具有已知最佳反事实的白盒分类器的实验表明，我们的方法虽然是启发式的，但可以产生非常接近最佳反事实的反事实。最后，我们展示了如何使用反事实图来构建全局解释，正确捕捉不同黑盒分类器的行为，并为神经科学家提供有趣的见解。

复杂层次网络系统的信息与评价模型

原文标题： Information and evaluation models of complex hierarchical network systems

地址： http://arxiv.org/abs/2106.08780

作者： Olexandr Polishchuk, Mykhailo Yadzhak

摘要： 考虑了选择、存储、搜索和分析关于复杂分层网络系统元素的状态、功能和交互的信息的问题。提出了此类系统信息模型的构建原则和运行效率评价模型。这些模型是根据对系统进行定期计划研究的结果以及对其各个层次结构中组件活动的持续监控而形成的。研究了系统信息模型中的新颖性检测问题，并展示了评估理论方法的应用如何解决该问题。所提出的对真实复杂系统的行为进行复杂分析和优化数据处理的方法可以显著简化和加快此类系统进一步行动的决策过程。

揭示社区规模人类活动特征对洪水影响快速评估的时间重要性

原文标题： Unraveling the Temporal Importance of Community-scale Human Activity Features for Rapid Assessment of Flood Impacts

地址： http://arxiv.org/abs/2106.08370

作者： Fax Yuan, Yang Yang, Qingchun Li, Ali Mostafavi

摘要： 本研究的目的是探索社区尺度人类活动特征对快速评估洪水影响的时间重要性。最终洪水影响数据，例如洪水淹没地图和保险索赔，仅在洪水退去数周和数月后才可用。然而，危机响应管理人员需要近乎实时的数据来确定紧急响应的优先级。这个时间滞后产生了对快速洪水影响评估的需要。最近的一些研究显示，使用人类活动波动作为洪水影响指标的结果很有希望。然而，现有的研究主要使用单一社区规模的活动特征来估计洪水影响，并没有调查它们在指示洪水影响方面的时间重要性。因此，在本研究中，我们研究了不同洪水事件阶段人类活动特征异质性的重要性。使用四个社区规模的大数据类别，我们得出了与人类活动变化相关的十个特征，并评估了它们对快速评估洪水影响的时间重要性。我们使用多个随机森林模型检查了每个特征在指示 2017 年德克萨斯州哈里斯县哈维飓风背景下洪水影响程度方面的时间重要性。我们的研究结果表明：1）人类活动指数和拥堵道路百分比的波动是响应和恢复阶段快速洪水影响评估的最重要指标； 2) 信用卡交易的变化居中； 3) 地理定位社交媒体帖子 (Twitter) 的模式在洪水阶段的重要性较低。这项研究的结果可以迅速形成一个多工具，使危机管理人员能够识别在各个阶段具有严重洪水影响的热点，然后规划和优先考虑有效的响应策略。

COVID-19 疫苗：在 Twitter 上描述错误信息宣传活动和疫苗犹豫

原文标题： COVID-19 Vaccines: Characterizing Misinformation Campaigns and Vaccine Hesitancy on Twitter

地址： http://arxiv.org/abs/2106.08423

作者： Karishma Sharma, Yizhou Zhang, Yan Liu

摘要： 社交媒体上的疫苗犹豫和错误信息增加了人们对实现群体免疫和克服大流行所需的 COVID-19 疫苗接种的担忧。然而，在整个大流行期间，反科学和政治错误信息和阴谋一直猖獗。对于 COVID-19 疫苗，我们调查错误信息和阴谋活动及其特征行为。我们确定是否协调努力在疫苗相关讨论中传播错误信息，并找到协调促进“大重置”阴谋集团的帐户，以宣传疫苗相关的错误信息和强烈的反疫苗和反社会信息，例如抵制疫苗护照、无锁唐斯和面具。我们从信息传播结构中表征其他错误信息社区，并研究大型反疫苗错误信息社区和较小的反疫苗社区，包括极右翼反疫苗阴谋集团。与主流和健康新闻相比，左倾群体更支持疫苗，右倾群体更受反疫苗和极右翼错误信息/阴谋社区的影响。无论是针对疫苗讨论还是政治讨论，错误信息社区都更加直言不讳，我们发现不同社区的特征行为存在其他差异。最后，我们调查了会增加疫苗犹豫的错误信息叙述和信息失真策略，使用主题建模并与报告的疫苗副作用 (VAERS) 进行比较，发现在社交媒体上更频繁地讨论更罕见的副作用。

COVID-19类型流行病管理测试中的质量-数量权衡

原文标题： Quality-Quantity Trade-offs in Tests for Management of COVID-19-like Epidemics

地址： http://arxiv.org/abs/2106.08591

作者： Harish Sasikumar, Manoj Varma

摘要： 有多种测试方法可以确定个人感染，它们的性能、成本和延迟各不相同。不幸的是，性能更好的测试有时成本更高、更耗时，并且只能针对一小部分人群进行。另一方面，可以使用更便宜、快速的测试对更多的人进行测试，但可能只能提供不太可靠的结果。在这项工作中，我们研究了成本和测试延迟之间的相互作用，以及部分和完全锁定提供的额外优势。为了理解不同测试策略的影响，我们在现实的随机社会网络上实施了这些策略，其中发生了类似 COVID-19 的流行病。具体来说，我们比较了两个测试的性能，这些测试模仿了为 COVID-19 检测实施的流行测试的特征。我们提出了程序和直观的理解，以确定测试的最佳组合，以最大限度地减少感染高峰以及在测试数量受到固定总预算限制时的总隔离天数。

Youtube 上的信息流行病：COVID-19 上内容和回声室的可靠性

原文标题： Infodemics on Youtube: Reliability of Content and Echo Chambers on COVID-19

地址： http://arxiv.org/abs/2106.08684

作者： Niccolò Di Marco, Matteo Cinelli, Walter Quattrociocchi

摘要： 社交媒体从根本上改变了信息的消费和报告方式。此外，社会网络引发了对空前数量的内容的非中介访问。世界卫生组织 (WHO) 创造了信息流行病一词，以识别流行病期间的信息过剩。事实上，不准确和误导性信息的传播可能会改变行为并使危机管理和健康应对复杂化。本文通过 YouTube 上的大量数据分析解决了 COVID-19 大流行期间的信息传播问题。首先，我们分析了超过 200 万用户对 68 个不同 YouTube 频道发布的 13000 个视频的参与度，这些视频具有不同的政治偏见和事实核查指数。然后，我们调查每个用户的政治偏好与她/他对可疑/可靠信息的消费之间的关系。我们的结果，使用信息论措施量化，为政治偏见和信息渠道的可信度所代表的两个维度的回声室的存在提供了证据。最后，我们观察到在正确随机化用户的交互模式后无法重现回声室结构。

多模态推文情绪分析方法的公平和全面比较

原文标题： A Fair and Comprehensive Comparison of Multimodal Tweet Sentiment Analysis Methods

地址： http://arxiv.org/abs/2106.08829

作者： Gullal S. Cheema, Sherzod Hakimov, Eric Müller-Budack, Ralph Ewerth

摘要： 意见和情感分析是表征社交媒体帖子中主观信息的一项重要任务。在本文中，我们对六种最先进的方法进行了全面的实验评估和比较，从中我们重新实现了其中一种方法。此外，我们研究了涵盖内容不同方面的不同文本和视觉特征嵌入，以及最近引入的多模式 CLIP 嵌入。针对推文和相应图像的两个不同的公开可用基准数据集提供了实验结果。与以往工作的评估方法相比，我们引入了可重复且公平的评估方案，以使结果具有可比性。最后，我们进行了错误分析，以概述方法的局限性和未来工作的可能性。

空间天气导致的关键国家基础设施故障的经济影响

原文标题： The Economic Impact of Critical National Infrastructure Failure Due to Space Weather

地址： http://arxiv.org/abs/2106.08945

作者： Edward J. Oughton

摘要： 空间天气是对可能对技术产生不利影响的不同太阳或空间现象的统称。然而，与飓风或地震等陆地自然灾害相比，目前对空间天气灾害的理解仍处于起步阶段。事实上，某些类型的太空天气，例如大型日冕物质抛射 (CME)，是低概率、高严重性危害的典型例子。很少有重大事件、时间序列数据较短以及对关键基础设施的潜在影响缺乏共识，阻碍了空间天气的经济影响评估。然而，空间天气有可能破坏广泛的关键国家基础设施 (CNI) 系统，包括电力传输、卫星通信和定位、航空和铁路运输。最近，人们对这些潜在的经济和社会影响越来越感兴趣。估计范围从 1989 年魁北克事件造成的数百万美元的设备损坏，到一些分析家报告的更广泛的经济因未来潜在的灾难情景而损失数十亿美元。因此，这为本文追踪空间天气社会经济评价的起源和发展提供了动力，从 1989 年到 2017 年，并阐明了该领域的未来研究方向。

社会压力推动了 COVID-19 爆发的多波动态

原文标题： Social stress drives the multi-wave dynamics of COVID-19 outbreaks

地址： http://arxiv.org/abs/2106.08966

作者： I.A. Kastalskiy, E.V. Pankratova, E.M. Mirkes, V.B. Kazantsev, A.N. Gorban

摘要： 流行病的动态取决于人们在爆发期间的行为如何变化。控制干预对发病率的影响是显而易见的，并得到了基于 SIR 类型模型的大量研究的支持。然而，现有模型并不能解释具有不同内在社会文化特征的国家爆发情况的差异，而是更具体地描述了爆发的复杂动态。提出了一个 COVID-19 大流行模型系统，将社会物理学工具描述的社会压力动态与经典流行病模型相结合。即使将动态 SIR 模型与一般适应综合症阶段的经典三元组（警报-抵抗-衰竭）相结合，也可以高度准确地描述世界各国的可用统计数据。社会压力的概念化导致弱势群体根据行为模式划分为不同的群体，这些群体可以进行详细跟踪。与模型与数据的最佳拟合相对应的一组动力学常数清楚地表征了社会将精力集中在预防流行病上并在相当长的时间内保持这种集中的能力。这种特征可以进一步帮助制定特定于特定社会的管理策略：国家、地区或社会群体。

流行病中的群体行为：一种动态耦合的演化博弈方法

原文标题： Herd Behaviors in Epidemics: A Dynamics-Coupled Evolutionary Games Approach

地址： http://arxiv.org/abs/2106.08998

作者： Shutian Liu, Yuhan Zhao, Quanyan Zhu

摘要： 最近的 COVID-19 大流行导致人们对传染病的建模和分析越来越感兴趣。大流行对我们在日常生活中的行为和互动方式产生了重大影响。过去的一年见证了人类行为与流行病传播之间的强烈相互作用。在本文中，我们提出了一个演化博弈论框架来研究群体行为和流行病的耦合演化。我们的框架通过将经典的基于度的平均场流行病模型与演化博弈动力学相结合，将其扩展到复杂网络上。人口中统计上等效的个人根据适应度或取决于流行病状态的收益来选择他们的社会活动强度。同时，传染病在复杂网络上的传播受到玩家社交活动的相互影响。我们通过研究给定群体行为的流行病的平稳特性和给定流行病过程的博弈结构特性来分析耦合动力学。羊群的决定被证明是战略替代品。我们制定了一个等效的有限玩家博弈和等效网络来表示有限种群之间的相互作用。我们开发了保留结构的近似技术来研究行为和流行动态联合演化的时间相关特性。数值实验中模拟的耦合动力学与真实的 COVID-19 统计数据之间的相似性表明了我们框架的预测能力。

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。