• 在没有元路径的情况下将异构网络嵌入到双曲空间中;
• Twitter 上基于图的联合流行病关注和关系提取;
• COVID-19 如何改变众筹：来自 GoFundMe 的证据;
• 社会学习策略的元控制;
• 区间加权网络中的中心性度量;
• 科学出版物引用时间序列中的异常扩散;
• 视觉网络中的空间结构和信息传递;
• FinGAT：用于推荐 Top-K 盈利股票的金融图注意力网络;
• 图嵌入方法在实际任务中的系统比较;
• 区间加权网络中的社区检测;
• 分析像素空间中深度神经网络的对抗鲁棒性：语义视角;

在没有元路径的情况下将异构网络嵌入到双曲空间中

原文标题： Embedding Heterogeneous Networks into Hyperbolic Space Without Meta-path

地址： http://arxiv.org/abs/2106.09923

作者： Lili Wang, Chongyang Gao, Chenghan Huang, Ruibo Liu, Weicheng Ma, Soroush Vosoughi

摘要： 在现实世界中发现的网络是多种多样的。一种常见的网络类型是异构网络，其中节点（和边）可以是不同类型的。因此，人们一直在努力学习低维空间中这些异构网络的表示。然而，大多数现有的异构网络嵌入方法都存在以下两个缺点：（1）目标空间通常是欧几里得的。相反，最近的许多工作表明，复杂网络可能具有非欧几里得的双曲潜在解剖结构。 (2) 这些方法通常依赖于元路径，元路径选择需要特定领域的先验知识。此外，同一网络上的不同下游任务可能需要不同的元路径以生成特定于任务的嵌入。在本文中，我们提出了一种新的自引导随机游走方法，它不需要元路径来将异构网络嵌入双曲线空间。我们对两个公共数据集的网络重建和链路预测任务进行了彻底的实验，表明我们的模型在所有任务中都优于各种众所周知的基线。

Twitter 上基于图的联合流行病关注和关系提取

原文标题： Graph-based Joint Pandemic Concern and Relation Extraction on Twitter

地址： http://arxiv.org/abs/2106.09929

作者： Jingli Shi, Weihua Li, Sira Yongchareon, Yi Yang, Quan Bai

摘要： 公众关注检测为当局在大流行爆发之前或期间进行危机管理提供了潜在的指导。从在线社交媒体平台检测人们的关注和关注已被广泛认为是缓解公众恐慌和预防社会危机的有效方法。然而，从社交媒体中的海量信息中及时发现问题是一项巨大的挑战，尤其是在没有公共卫生紧急情况（例如 COVID-19）的情况下，有足够的手动标记数据时。在本文中，我们提出了一种新颖的端到端深度学习模型，基于图卷积网络和与关注图集成的双向长短期记忆来识别人们的关注点及其对应关系。除了来自 BERT 嵌入的序列特征外，推文的区域特征可以通过关注图模块提取，这不仅有利于关注检测，而且使我们的模型具有高噪声容忍度。因此，我们的模型可以解决手动标记数据不足的问题。我们进行了广泛的实验，通过使用手动标记的推文和自动标记的推文来评估所提出的模型。实验结果表明，我们的模型在现实世界数据集上的表现优于最先进的模型。

COVID-19 如何改变众筹：来自 GoFundMe 的证据

原文标题： How COVID-19 Have Changed Crowdfunding: Evidence From GoFundMe

地址： http://arxiv.org/abs/2106.09981

作者： Junda Wang, Xupin Zhang, Jiebo Luo

摘要： 尽管 COVID-19 的长期影响尚待确定，但它对众筹的直接影响仍然是显著的。本研究采用计算方法来更深入地理解这种变化。使用过去两年在 GoFundMe 上发布的所有活动的独特数据集，我们探索了导致众筹项目成功融资的因素。特别是，我们研究了众筹项目的语料库，分析了众筹网站上常见的封面图片和其他变量。此外，我们构建了一个分类器和一个回归模型来评估基于 XGBoost 的特征的重要性。此外，我们采用反事实分析来调查特征与众筹成功之间的因果关系。更重要的是，进行了情绪分析和配对样本 t 检验，以检查 2020 年 3 月开始的 COVID-19 爆发前后众筹活动的差异。首先，我们注意到众筹成功存在显著的种族差异。其次，我们发现在 COVID-19 爆发后，通过活动描述表达的悲伤情绪变得很重要。考虑到所有这些因素，我们的研究结果阐明了 COVID-19 对众筹活动的影响。

社会学习策略的元控制

原文标题： Meta-control of social learning strategies

地址： http://arxiv.org/abs/2106.10015

作者： Anil Yaman, Nicolas Bredeche, Onur Çaylak, Joel Z. Leibo, Sang Wan Lee

摘要： 社会学习，在没有实际经验的情况下复制他人的行为，提供了一种具有成本效益的知识获取方式。然而，它提出了一个基本问题，即哪些人拥有可靠的信息：成功的个人与大多数人。前者和后者分别被称为基于成功和顺从的社会学习策略。我们在这里表明，虽然基于成功的策略充分利用了低不确定性的良性环境，但它在不确定环境中失败了。另一方面，顺从策略可以有效地减轻这种不利影响。基于这些发现，我们假设个人和社会学习策略的元控制在不稳定和不确定的环境中提供了有效和样本高效的学习。对一组具有各种波动性和不确定性的环境进行的模拟证实了我们的假设。结果表明，社会学习的元控制通过利用他人的学习作为外部知识库，为主体提供了以最小的探索成本解决环境不确定性的杠杆。

区间加权网络中的中心性度量

原文标题： Centrality Measures in Interval-Weighted Networks

地址： http://arxiv.org/abs/2106.10016

作者： Hélder Alves, Paula Brito, Pedro Campos

摘要： 网络科学中使用中心性度量来评估顶点的中心性或它们在网络中的位置。根据某些标准，有大量的中心性度量。然而，加权网络最知名的中心性度量、度中心性、接近中心性和中介中心性的概括仅假设边权重为常数。本文提出了一种方法来概括度、接近度和介数中心性，同时考虑到封闭区间（区间加权网络 - IWN）形式的边权重的可变性。我们将我们的中心性度量方法应用于两个现实世界的 IWN。第一个是葡萄牙大陆的通勤网络，位于 23 个 NUTS 3 地区之间。第二个重点是 28 个欧洲国家之间的年度商品贸易，从 2003 年到 2015 年。

科学出版物引用时间序列中的异常扩散

原文标题： Anomalous diffusion in the citation time series of scientific publications

地址： http://arxiv.org/abs/2106.10038

作者： Maryam Zamani, Erez Aghion, Peter Pollner, Tamas Vicsek, Holger Kantz

摘要： 我们分析了三个不同科学领域手稿的引用时间序列；物理学、社会科学和技术。每年被引次数的时间序列的演变，即引文轨迹，异常扩散，它们的方差随时间变化propto t^2H​​，其中Hneq 1/2。我们提供了导致异常行为的各种因素的详细分析：非平稳性、长期相关性和肥尾增量分布。这些论文在各个领域表现出高度的异质性，因为最高被引论文的统计数据与低被引论文的统计数据根本不同。引文数据显示高度相关且非平稳；因为除了少数被引用次数高的论文外，所有论文都会及时消亡。

视觉网络中的空间结构和信息传递

原文标题： Spatial structure and information transfer in visual networks

地址： http://arxiv.org/abs/2106.10133

作者： Winnie Poel, Claudia Winklmayr, Pawel Romanczuk

摘要： 在人类和动物群体中，社会交往往往依赖于通过对他人行为的视觉观察来传递信息。这些视觉交互受物理定律和感官限制的约束。远处的人看起来更小，因此在视觉上变得更难发现，而靠近的邻居往往会遮挡视野的大片区域并阻止与身后个人的互动。在这里，我们系统地研究了一个群体的空间结构、其密度以及物理身体的极化和纵横比对视觉交互网络特性的影响。在这样的网络中，如果个人可以看到彼此，而不是其他交互模型（例如度量或拓扑网络）由于个人的身体而忽略了这些限制，那么他们就会相互连接。我们研究了空间配置对这些网络的静态特性的影响，以及它对信息或行为传输的影响，我们通过两种通用的社会传染模型进行了调查。我们希望我们的工作对动物群体的研究产生影响，它可以为不同宏观状态的功能益处的研究提供信息。它也可能适用于构建通过视觉进行通信的机器人群，或用于理解恐慌在人群中的传播。

FinGAT：用于推荐 Top-K 盈利股票的金融图注意力网络

原文标题： FinGAT: Financial Graph Attention Networks for Recommending Top-K Profitable Stocks

地址： http://arxiv.org/abs/2106.10159

作者： Yi-Ling Hsu, Yu-Che Tsai, Cheng-Te Li

摘要： 金融科技（FinTech）备受投资者和企业关注。虽然金融科技中的传统股票分析旨在预测股票价格，但在盈利性股票推荐方面的努力较少。此外，在现有的股票价格时间序列建模方法中，股票和行业（即股票类别）之间的关系要么被忽视，要么被预先定义。忽略股票关系将错过股票之间共享的信息，而使用预定义的关系无法描述股票之间股票价格的潜在相互作用或影响。在这项工作中，我们的目标是使用股票价格和行业信息的时间序列，推荐收益率最高的前 K 个盈利股票。我们提出了一种新的基于深度学习的模型，金融图注意力网络（FinGAT），以在没有给出股票之间的预定义关系的情况下处理任务。 FinGAT 的想法是三方面的。首先，我们设计了一个分层学习组件来从股票时间序列中学习短期和长期序列模式。其次，构建股票之间的全连接图和部门之间的全连接图，以及图注意力网络，以理解股票和部门之间的潜在相互作用。第三，设计了一个多任务目标来联合推荐有利可图的股票并预测股票走势。与最先进的方法相比，在台湾股票、标准普尔 500 指数和纳斯达克数据集上进行的实验展示了我们的 FinGAT 卓越的推荐性能。

图嵌入方法在实际任务中的系统比较

原文标题： Systematic comparison of graph embedding methods in practical tasks

地址： http://arxiv.org/abs/2106.10198

作者： Yi-Jiao Zhang, Kai-Cheng Yang, Filippo Radicchi

摘要： 网络嵌入技术旨在表示几何空间中图的结构特性。这些表示被认为在下游任务中很有用，例如链路预测和聚类。然而，市场上可用的图嵌入方法的数量很多，从业者面临着为给定应用选择合适方法的重要选择。目前的工作试图通过对 11 种不同的图嵌入方法进行系统比较来缩小这一知识差距。我们考虑在双曲线和欧几里德度量空间中嵌入网络的方法，以及基于非度量社区的嵌入方法。我们应用这些方法嵌入了一百多个真实世界和合成网络。三个常见的下游任务——映射准确性、贪婪路由和链路预测——被认为是评估各种嵌入方法的质量。我们的结果表明，一些欧几里得嵌入方法在贪婪路由方面表现出色。至于链路预测，基于社区和双曲线嵌入方法的整体性能优于基于欧几里德空间的方法。我们比较了不同方法的运行时间，并进一步分析了不同网络特征（如度分布、模块化和聚类系数）对不同嵌入方法质量的影响。我们发布了我们的评估框架，为任意嵌入方法提供标准化的基准。

区间加权网络中的社区检测

原文标题： Community Detection in Interval-Weighted Networks

地址： http://arxiv.org/abs/2106.10217

作者： Hélder Alves, Paula Brito, Pedro Campos

摘要： 在本文中，我们介绍并发展了区间加权网络 (IWN) 的概念，这是一种社会网络分析中的新方法，其中边权重由包含精确信息的闭合区间表示，理解内在可变性。我们为 Newman 的模块化和模块化增益以及 Louvain 算法 (LA) 扩展了 IWN，考虑到了列联表的网络表格表示。我们将我们的方法应用于葡萄牙大陆 23 个 NUTS 3 地区之间的真实通勤网络。区域的最佳划分是使用两种新的不同方法开发和比较的，称为“Classic Louvain”（CL）和“Hybrid Louvain”（HL），它们允许考虑在原始网络中观察到的可变性，从而最大限度地减少原始数据中存在的信息丢失。我们的研究结果表明，葡萄牙将 23 个地区划分为三个主要社区。但是，我们根据所使用的社区检测方法找到了不同的地理分区。这种分析在许多实际应用中很有用，因为它考虑到权重可能在范围内变化，而不是恒定不变。

分析像素空间中深度神经网络的对抗鲁棒性：语义视角

原文标题： Analyzing Adversarial Robustness of Deep Neural Networks in Pixel Space: a Semantic Perspective

地址： http://arxiv.org/abs/2106.09872

作者： Lina Wang, Xingshu Chen, Yulong Wang, Yawei Yue, Yi Zhu, Xuemei Zeng, Wei Wang

摘要： 深度神经网络对对抗性示例的脆弱性，通过修改具有难以察觉的扰动的输入恶意制作以误导网络产生不正确的输出，揭示了缺乏鲁棒性并带来安全问题。以前的工作在图像级别研究图像分类器的对抗性鲁棒性，并且不加区分地使用图像中的所有像素信息，缺乏对图像像素空间中具有不同语义含义的区域的探索。在这项工作中，我们通过提出一种算法来在分割图像的不同区域逐个像素地寻找可能的扰动，从而填补这一空白并探​​索对抗性图像的像素空间。在 CIFAR-10 和 ImageNet 上的大量实验结果证明，仅在图像的某些像素中搜索修改后的像素可以成功发起单像素对抗性攻击，而不需要整个图像的所有像素，并且存在多个分散的脆弱点在图像的不同区域。我们还证明了图像上不同区域的对抗鲁棒性随包含的语义信息量而变化。

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。