• 复杂系统中关键转变的预警信号;
• 成为更好的自己：研究方向的变化与科学绩效变化的相关性;
• DiSH-trend：考虑趋势影响的干预建模模拟器;
• 孤独的人以特殊的方式处理世界;
• 量化主体对社交互动中接触序列的影响;
• 非属性图上的图神经网络的位置和结构节点特征;
• 含时网络中的有向渗流;
• 传播漏洞对拓扑复杂度的隐性依赖;
• 疾病传播与竞争意见协同演化的多层网络模型;
• 高维数据可视化近期趋势分析调查;
• 按影响力对在线社交用户进行排名;
• 用于链路预测的概率网络嵌入的对抗性鲁棒性;
• 分块和编码：学习如何压缩图;
• 基于模板的图聚类;
• 平均收益对合作演化的自组织影响;
• 在足球联赛中进行预测的基于物理的算法;
• 使用空间模型推断语言变化的驱动因素;
• 通过实证分析和非线性 Kesten 过程研究英国家庭财富;

复杂系统中关键转变的预警信号

原文标题： Early warning signals for critical transitions in complex systems

地址： http://arxiv.org/abs/2107.01210

作者： Sandip V. George, Sneha Kachhara, G. Ambika

摘要： 在这篇综述中，我们提出了不同的预警信号测量方法，可以指示复杂系统中关键转变的发生。我们从触发关键转变的机制、它们与警告信号的关系以及用于检测突然转变或倾斜的预警信号 (EWS) 的方法开始。在这种情况下，我们简要讨论了一些实际系统中的应用，例如生态、气候和环境、医学、流行病、金融和工程中的转变。最后，我们提到了在特定应用中检测 EWS 的问题以及我们对该领域未来趋势的看法，特别是与复杂网络上连接系统动态的突然转变有关。

成为更好的自己：研究方向的变化与科学绩效变化的相关性

原文标题： Become a better you: correlation between the change of research direction and the change of scientific performance

地址： http://arxiv.org/abs/2107.01232

作者： Xiaoyao Yu, Boleslaw K. Szymanski, Tao Jia

摘要： 探索科学家如何决定他们的研究议程和相应的后果很重要，因为他们的决定共同塑造了当代科学。有研究关注具有不同问题选择策略的个人的整体表现。在这里，我们提出一个略有不同但相对未经探索的问题：科学家的研究议程的变化与她的科学表现的变化有何关联。使用超过 14,000 位物理学作者的发表记录，我们定量衡量研究方向变化的程度和个人的绩效变化。我们发现方向变化和影响变化之间存在很强的正相关关系。与过去相比，方向变化较大的科学家不仅更有可能创作出具有更高科学影响力的作品，而且科学影响力的增长率也更高。另一方面，方向变化与生产力变化无关。那些停留在熟悉的话题上的人发表文章的速度并不比那些冒险进入新领域并确立自己地位的人快。这项工作中研究方向的衡量标准与研究议程的多样性和主题之间的转换概率无关，从新的角度捕捉个人职业的演变。尽管这一发现不可避免地受到生存偏见的影响，但它揭示了个体科学家职业发展中的一系列问题。

DiSH-trend：考虑趋势影响的干预建模模拟器

原文标题： DiSH-trend: Intervention Modeling Simulator That Accounts for Trend Influences

地址： http://arxiv.org/abs/2107.01302

作者： Stefan Andjelkovic, Natasa Miskov-Zivanov

摘要： 有向图上的模拟是理解连接图包含循环的系统中的动力学的重要方法。 Discrete Stochastic Heterogeneous Simulator (DiSH) 是应用广泛的仿真工具之一，它使用调节器值来计算调节元件的状态更新。在这里，我们提出了一种新的模拟方法 DiSH-trend，它也考虑了调节元素的趋势。我们展示了基于趋势的监管以及混合监管的特征，混合监管是基于趋势和基于水平的方法的组合。建模能力在一个小玩具模型上展示，展示了不同的功能。埃塞俄比亚奥罗米亚地区更大的粮食不安全网络模型展示了现实世界的能力。向模型添加基于趋势的监管会增加建模的灵活性，而混合监管可以提高定性动态行为预测。通过适当的数据，DiSH-trend 成为探索干预策略的强大工具。

孤独的人以特殊的方式处理世界

原文标题： Lonely individuals process the world in idiosyncratic ways

地址： http://arxiv.org/abs/2107.01312

作者： Elisa C. Baek, Ryan Hyon, Karina López, Mason A. Porter, Carolyn Parkinson

摘要： 孤独感（即常常伴随着社会脱节的主观感觉的痛苦感觉）对身心健康有害，自我报告的被他人理解感的缺陷是孤独感的危险因素。是什么导致了孤独者的这些缺陷？我们使用功能性磁共振成像 (fMRI) 来不显眼地测量人们对自然刺激（特别是视频）的心理处理随着时间的推移而展开的各个方面的相对对齐。因此，我们测试了孤独的人是否真的以特殊的方式处理世界，而不仅仅是夸大或误解他人的观点与他们自己的观点有多么不同（这可能导致他们感到被误解，即使他们实际上与周围的人看待世界相似）。我们发现了这种特质的证据：在免费观看视频期间，孤独个体的神经反应与其社区中的同龄人不同，特别是在大脑区域（例如，默认模式网络的区域）中，类似的反应与共享心理观点和主观理解。即使在控制了人口统计学相似性、参与者客观社会孤立的总体水平以及他们彼此之间的友谊之后，我们的发现仍然是可靠的。这些结果表明，主要被与自己看待世界不同的人所包围可能是孤独的一个危险因素，即使他们是朋友。

量化主体对社交互动中接触序列的影响

原文标题： Quantifying agent impacts on contact sequences in social interactions

地址： http://arxiv.org/abs/2107.01443

作者： Mark M. Dekker, Tessa F. Blanken, Fabian Dablander, Jiamin Ou, Denny Borsboom, Debabrata Panja

摘要： 人类社会行为在 SARS-CoV-2 或假新闻等病原体如何在人群中传播方面起着至关重要的作用。社会互动决定了个人之间的联系网络，而传播，需要个人到个人的传播，发生在网络之上。因此，研究联系网络的拓扑方面不仅有可能对个人行为如何影响传播现象提供有价值的见解，而且还可能为设计有效的行为干预开辟可能性。由于交互的时间性质——因为网络的拓扑结构，包括谁与谁接触、何时、多长时间以及以哪个精确的顺序，随时间变化（迅速）——分析它们需要开发网络方法和指标与为静态（即时不变）网络开发的那些相比，尊重时间可变性。在这里，通过事件映射，我们提出了一种方法，通过转换主体联系人的时间网络数据来量化主体混合的速度。我们定义了一种称为“接触序列中心性”的新度量，它量化了个人对接触序列的影响，反映了个人传播的行为潜力。比较主体之间的联系序列中心性可以对主体的影响进行排名并识别潜在的“行为超级传播者”。该方法应用于在阿姆斯特丹艺术博览会上收集的社交互动数据。我们将测量与现有的网络指标（时间和静态）联系起来，发现（主要是在更长的时间尺度上）传统指标失去了与联系序列中心性的相似性。我们的工作强调了在分析社交互动时考虑接触顺序性质的重要性。

非属性图上的图神经网络的位置和结构节点特征

原文标题： On Positional and Structural Node Features for Graph Neural Networks on Non-attributed Graphs

地址： http://arxiv.org/abs/2107.01495

作者： Hejie Cui, Zijie Lu, Pan Li, Carl Yang

摘要： 图神经网络（GNN）已广泛应用于各种与图相关的问题，例如节点分类和图分类，其优越的性能主要建立在自然节点特征可用的情况下。然而，在没有自然节点特征的情况下，GNN 是如何工作的还不是很清楚，特别是关于构建人工节点的各种方法。在本文中，我们指出了两种类型的人工节点特征，即位置和结构节点特征，并提供了为什么它们更适合某些任务的见解，即位置节点分类、结构节点分类和图分类。在 10 个基准数据集上的大量实验结果验证了我们的见解，从而为非属性图上 GNN 的不同人工节点特征之间的选择提供了实用指南。代码可在 https://github.com/zjzijielu/gnn-exp/ 获得。

含时网络中的有向渗流

原文标题： Directed Percolation in Temporal Networks

地址： http://arxiv.org/abs/2107.01510

作者： Arash Badie-Modiri, Abbas K. Rizi, Márton Karsai, Mikko Kiveä

摘要： 渗透理论很好地描述了静态网络中的连接转换，但没有为时间网络开发相应的描述。我们将时间网络的连通性问题映射到有向渗透，并表明随机时间网络模型中的可达性相变，由任何有限等待时间过程引起，与有向渗透的平均场指数一起出现。此外，我们测量了适应大规模真实时间网络的中心热力学量，以揭示其全局连通性的可达性转变。

传播漏洞对拓扑复杂度的隐性依赖

原文标题： The hidden dependence of spreading vulnerability on topological complexity

地址： http://arxiv.org/abs/2107.01651

作者： Mark M. Dekker, Debabrata Panja

摘要： 许多动态现象，例如病原体传播、网络传输中断和（假）新闻传播，都关注在具有随时间变化的架构的网络（通常称为时间网络）之上进行的传播。仅从拓扑信息评估系统促进传播现象的倾向，我们称之为传播脆弱性，仍然是一项具有挑战性的任务。我们报告了在拓扑复杂性的新度量方面的方法论进步：“纠缠熵”。使用公开可用的数据集，我们证明了该指标自然允许在截然不同的系统之间进行拓扑比较，并且重要的是，揭示了系统的传播脆弱性可以与其拓扑复杂性定量相关。在此过程中，该指标为各种自然、社会、生物和工程系统中的应用打开了大门。

疾病传播与竞争意见协同演化的多层网络模型

原文标题： A Multilayer Network Model of the Coevolution of the Spread of a Disease and Competing Opinions

地址： http://arxiv.org/abs/2107.01713

作者： Kaiyan Peng, Zheng Lu, Vanessa Lin, Michael R. Lindstrom, Christian Parkinson, Chuntian Wang, Andrea L. Bertozzi, Mason A. Porter

摘要： 在 COVID-19 大流行期间，关于保持社交距离的相互矛盾的观点席卷了社交媒体，影响了人类行为和 COVID-19 的传播。受此类现象的启发，我们构建了一个两层多路网络，用于疾病的耦合传播和相互矛盾的观点。我们将每个过程建模为一种传染。在一层，我们考虑了两种观点的同时演变——支持物理隔离和反对物理隔离——它们相互竞争并相互免疫。疾病在另一层发展，当个人采用支持物理隔离（分别是反物理隔离）的意见时，他们不太可能（分别，更有可能）被感染。我们通过将单层对近似推广到多层网络来开发平均场类型的近似；这些近似与蒙特卡罗模拟非常吻合，适用于广泛的参数和几种网络结构。通过数值模拟，我们通过两种相互冲突的观点之间以及观点与疾病之间的复杂相互作用来说明观点动态对疾病传播的影响。我们发现延长个人持有意见的持续时间可能有助于抑制疾病传播，并且我们证明增加节点度的跨层相关性或层内相关性可能会导致更少的个体感染疾病。

高维数据可视化近期趋势分析调查

原文标题： An Analytical Survey on Recent Trends in High Dimensional Data Visualization

地址： http://arxiv.org/abs/2107.01887

作者： Alexander Kiefer, Md. Khaledur Rahman

摘要： 数据可视化是处理任何大小或维度的数据以生成一组可理解的低维度数据的过程，使其更容易被人们操纵和理解。我们论文的目标是调查当前高维数据可视化技术的性能，并通过相关的量化指标量化其优缺点，包括运行时间、内存使用、聚类质量、分离质量、全局结构保存和局部结构保存。为了进行分析，我们选择了最先进方法的一个子集。我们的工作展示了所选算法如何生成具有独特品质的嵌入，这些嵌入适合某些任务，以及这些算法中的每一个如何受到计算资源的约束。

按影响力对在线社交用户进行排名

原文标题： Ranking Online Social Users by their Influence

地址： http://arxiv.org/abs/2107.01914

作者： Anastasios Giovanidis, Bruno Baynat, Clémence Magnien, Antoine Vendeville

摘要： 我们引入了一个原始的数学模型来分析通用在线社交平台中帖子的传播。主要的新颖之处在于，每个用户不仅被简单地视为社交图谱上的一个节点，而是进一步配备了自己的墙和新闻源，并拥有自己的个人自我发布和重新发布活动。作为使用我们开发的模型的主要结果，我们以封闭形式推导出来自给定用户的帖子在任何其他人的墙和新闻源上找到的概率。这些是线性方程组的解，可以迭代求解。事实上，我们的模型在建模假设方面非常灵活。使用从解决方案得出的概率，我们定义了一个新的衡量每个用户对整个网络的影响的度量，Psi-score，它将用户在图表上的位置与用户（重新）发布活动相结合。在所有用户具有相同活动率的同构情况下，Psi-score 的变体等于 PageRank。此外，我们将新模型及其 Psi 分数与从非常大的数据跟踪（Twitter、微博）测量的经验影响进行了比较。结果表明，这些新工具可以准确地对此类现实世界应用程序中具有不对称（重新）发布活动的影响者进行排名。

用于链路预测的概率网络嵌入的对抗性鲁棒性

原文标题： Adversarial Robustness of Probabilistic Network Embedding for Link Prediction

地址： http://arxiv.org/abs/2107.01936

作者： Xi Chen, Bo Kang, Jefrey Lijffijt, Tijl De Bie

摘要： 在当今的网络社会中，许多现实世界的问题可以被形式化为预测网络中的链接，例如 Facebook 好友推荐、电子商务推荐以及引用网络中科学合作的预测。由于其最先进的性能，链路预测问题越来越多地通过网络嵌入方法来解决。然而，与更简单的基线相比，这些方法缺乏透明度，因此它们对对抗性攻击的鲁棒性是一个可能的关注点：对网络的一个或几个小的对抗性修改是否会对使用网络嵌入模型？先前的研究已经研究了网络嵌入模型的对抗性鲁棒性，重点是节点和图级别的分类。另一方面，关于链路预测下游任务的鲁棒性的探索要少得多。本文通过研究条件网络嵌入 (CNE) 的对抗性鲁棒性，这是一种最先进的概率网络嵌入模型，用于链路预测，有助于填补这一空白。更具体地说，给定 CNE 和网络，我们测量模型的链路预测对网络的小对抗性扰动的敏感性，即节点对的链接状态的变化。因此，我们的方法允许人们识别网络中最容易受到这种扰动的链接和非链接，以供分析师进一步调查。我们分析了最敏感和最不敏感的扰动的特征，并根据经验证实我们的方法不仅成功地识别了最脆弱的链接和非链接，而且由于有效的近似，它以节省时间的方式这样做。

分块和编码：学习如何压缩图

原文标题： Partition and Code: learning how to compress graphs

地址： http://arxiv.org/abs/2107.01952

作者： Giorgos Bouritsas, Andreas Loukas, Nikolaos Karalias, Michael M. Bronstein

摘要： 我们可以使用机器学习来压缩图数据吗？图中没有排序对传统的压缩算法构成了重大挑战，限制了它们可获得的收益以及发现相关模式的能力。另一方面，大多数图压缩方法依赖于领域相关的手工表示，无法适应不同的底层图分布。这项工作旨在建立无损图压缩方法应遵循的必要原则，以接近熵存储下界。我们没有对图分布做出严格的假设，而是将压缩器制定为一个概率模型，可以从数据中学习并推广到不可见的实例。我们的“分区和代码”框架需要三个步骤：首先，分区算法将图分解为基本结构，然后将这些结构映射到我们学习概率分布的小字典的元素，最后，熵编码器翻译表示成比特。所有三个步骤都是参数化的，可以使用梯度下降进行训练。我们在理论上比较了几种图编码的压缩质量，并在温和的条件下证明了它们预期描述长度的总排序。此外，我们表明，在相同条件下，PnC 实现了压缩增益 w.r.t.随顶点数线性或二次增长的基线。我们的算法在不同的现实世界网络上进行了定量评估，获得了关于不同系列的非参数和参数图压缩器的显著性能改进。

基于模板的图聚类

原文标题： Template-Based Graph Clustering

地址： http://arxiv.org/abs/2107.01994

作者： Mateus Riva, Florian Yger, Pietro Gori, Roberto M. Cesar Jr., Isabelle Bloch

摘要： 我们提出了一种新的图聚类方法，该方法由有关集群（或社区）底层结构的附加信息指导。该问题被表述为将图与具有较小维度的模板匹配，因此将观察到的图（待聚类）的 n 个顶点与模板图的 k 个顶点匹配，使用其边作为支持信息，并在正交矩阵集上放松以找到 k 维嵌入。通过对聚类密度及其关系进行编码的相关先验，我们的方法优于经典方法，尤其是对于具有挑战性的案例。

平均收益对合作演化的自组织影响

原文标题： The self-organizing impact of averaged payoffs on the evolution of cooperation

地址： http://arxiv.org/abs/2107.01997

作者： A. Szolnoki, M. Perc

摘要： 根据演化博弈论的基本原理，群体中更成功的策略应该传播。因此，在策略模仿过程中，参与者将其支付值与竞争策略持有的支付值进行比较。但这些信息并不总是准确的。为避免歧义，学习器可能因此决定通过平均其邻域对手的支付值来收集更可靠的统计数据，然后再做出决定。标准显微协议的这种简单改变显著提高了群体中的合作水平。此外，可以通过增加环境的作用和评估圈的规模来加强积极影响。解释这种改进的机制是基于自组织过程，该过程揭示了在面对面比较过程中部分隐藏的叛逃者聚集的不利后果。值得注意的是，所报告的现象不仅限于格子种群，而且对于由不规则相互作用网络描述的系统仍然有效。

在足球联赛中进行预测的基于物理的算法

原文标题： A physics-based algorithm to perform predictions in football leagues

地址： http://arxiv.org/abs/2107.02029

作者： Eduardo V. Stock, Roberto da Silva, Henrique A. Fernandes

摘要： 在这项工作中，我们根据球队的潜力扩展了足球联赛的随机模型 [R.达席尔瓦等。计算。物理。社区。 184, 661–670 (2013)] 用于做出预测，而不仅仅是对真实联赛标点符号的统计数据进行成功表征。我们的改编考虑了主场和客场球队的潜力，同时考虑了主场比赛的优势。该算法通过使用市场价值或/和正在进行的球队的表现作为蒙特卡罗模拟背景下的初始条件来预测锦标赛的结果。我们将我们的结果与“FiveThirtyEight”项目执行的全球知名的 SPI 预测进行比较。结果表明，即使使用一些成分，并且在更复杂的赛季（例如 2020 年的比赛在体育场内没有球迷在场的情况下进行），该算法也能够提供良好的预测。

使用空间模型推断语言变化的驱动因素

原文标题： Inferring the drivers of language change using spatial models

地址： http://arxiv.org/abs/2107.02056

作者： James Burridge, Tamsin Blaxter

摘要： 发现和量化语言变化的驱动因素是一项重大挑战。关于因果因素的假设激增，但难以严格检验。在这里我们问一个简单的问题：20 世纪英语的变化可以解释为空间扩散的结果，还是其他过程产生了偏向于某些语言形式的偏见？我们使用两个最全面的空间数据集来衡量 20 世纪开始和结束时的英语状态，我们校准了一个简单的空间模型，以便从早期状态初始化，然后演变为后期状态。我们的校准表明，虽然一些变化可以单独用扩散来解释，但其他变化显然是变体之间大量不对称的结果。我们讨论了这些不对称的起源，作为副产品，我们对 20 世纪英语特征的空间演变进行了完整的时空预测，并对未来进行了预测。

通过实证分析和非线性 Kesten 过程研究英国家庭财富

原文标题： A Study of UK Household Wealth through Empirical Analysis and a Non-linear Kesten Process

地址： http://arxiv.org/abs/2107.02169

作者： Samuel Forbes, Stefan Grosskinsky

摘要： 我们通过对财富调查和富豪榜数据的详细分析来研究英国家庭的财富分布，并提出非线性 Kesten 过程来模拟家庭财富的动态。我们模型的主要特点是我们专注于财富增长而忽视交换，财富的回报率随着财富的增加而增加。已经很好地研究了具有财富独立回报率的线性情况，导致长期限制内的对数正态财富分布基本上独立于初始条件。我们通过理论分析和模拟发现，我们模型中的非线性导致更现实的幂律尾，并且可以解释英国和其他国家经验财富分配中明显的双尾结构。我们模型的其他现实特征包括不平等随着时间的推移而增加，与线性模型相比，对初始条件的依赖性更强。

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。