• 单纯复形中的传染;
• 社会网络中兴趣预测的随机意见动态;
• 忧虑、应对与辞职——大流行一年后情绪反应的重复测量研究;
• 沟通网络与群体效能：英语维基百科案例;
• 锡斯坦和德黑兰配电网用电量时间序列分析比较;
• 学习时间交互网络的深度结构点过程;
• CLAIM：未知社会网络中影响力最大化的课程学习策略;
• 室内噪声水平测量和主观舒适度：基于智能手机的参与式实验;
• 网络上的社会平衡动态：多极社会的出现;
• 量化科学领域的兴衰;
• 探索社交媒体和空间特征在中国 COVID-19 大流行期间的影响;
• 双曲空间中通过隐式分层学习的离散时间时间网络嵌入;
• 逆势同步超出成对相互作用的限制;
• 能源系统中电热和热能存储的分类、潜在作用和建模;
• 用户均衡流量分配：k个路径加减算法;

单纯复形中的传染

原文标题： Contagion in simplicial complexes

地址： http://arxiv.org/abs/2107.03411

作者： Z. Li, Z. Deng, Z. Han, K. Alfaro-Bittner, B. Barzel, S. Boccaletti

摘要： 信息在社会、生物和技术系统中的传播是其动态行为的关键组成部分。当仅限于成对交互时，可以对这些传播过程的相关参数和关键转变（尤其是大流行转变）进行相当严格的控制，这表明传播覆盖大部分网络的条件。挑战在于，在许多相关应用程序中，传播是由高阶关系驱动的，其中多个组件经历组交互。为理解决这个问题，我们分析了简单复杂环境中的传播动态，旨在捕捉不同阶次相互作用的共存。我们发现，虽然成对相互作用在传播的初始阶段起着关键作用，但一旦它获得覆盖，高阶单纯形就会接管并推动传染动态。结果是一个独特的传播相图，表现出不连续的大流行转变，因此提供了与传统网络传播动态的质的不同。

社会网络中兴趣预测的随机意见动态

原文标题： Stochastic Opinion Dynamics for Interest Prediction in Social Networks

地址： http://arxiv.org/abs/2107.03449

作者： Marios Papachristou, Dimitris Fotakis

摘要： 我们利用在线社会网络的核心-外围结构和强大的同质性来开发更快、更准确的用户兴趣预测算法。现代社会网络的核心由相对较少的有影响力的用户组成，他们的兴趣档案是公开的，而大多数外围用户基于共同的兴趣关注他们。我们的方法是从外围节点的有影响力的连接的兴趣开始预测其兴趣。为此，我们需要一个正式的模型来解释共同利益如何导致网络连接。因此，我们提出了一个随机兴趣形成模型，即最近邻影响模型（NNIM），它受到 Hegselmann-Krause 意见形成模型的启发，旨在解释同质性如何塑造网络。基于NNIM，我们开发了一种有效的方法来预测外围用户的兴趣。在技​​术层面，我们使用 Variational Expectation-Maximization 来优化使用 NNIM 的平均场近似的瞬时似然函数。我们证明我们的算法收敛速度很快，并且能够平滑地扩展到具有数百万个节点的网络。我们在标准网络基准上的实验表明，我们的算法比最著名的节点嵌入方法快两个数量级，并达到了相似的精度。

忧虑、应对与辞职——大流行一年后情绪反应的重复测量研究

原文标题： Worry, coping and resignation – A repeated-measures study on emotional responses after a year in the pandemic

地址： http://arxiv.org/abs/2107.03466

作者： Maximilian Mozes, Isabelle van der Vegt, Bennett Kleinberg

摘要： COVID-19 封锁措施的引入和恢复正常的前景要求社会变革。最紧迫的问题之一是个人如何适应大流行。本文在重复测量设计中检查了对大流行的情绪反应。数据（n=1698）是在 2020 年 4 月（在严格的封锁措施期间）和 2021 年 4 月（在疫苗接种计划获得关注时）收集的。我们要求参与者报告他们的情绪并在文本数据中表达这些情绪。统计测试显示了更好地适应大流行的平均趋势。然而，聚类分析表明一个更复杂的异质模式，具有良好应对和辞职的参与者亚组。语言计算分析发现，话题和 n-gram 频率转移到了对疫苗接种计划的关注上，而不是一般的担忧。讨论了识别高危人群对公共精神卫生工作的影响。该数据集是公开可用的。

沟通网络与群体效能：英语维基百科案例

原文标题： Communication networks and group effectiveness: the case of English Wikipedia

地址： http://arxiv.org/abs/2107.03506

作者： Agnieszka Rychwalska, Szymon Talaga, Karolina Ziembowicz, Dariusz Jemielniak

摘要： 由在线社区生产的精选知识产品 - 例如开源软件或像维基百科这样的知识库 - 被广泛的受众日常使用，因此它们的质量会影响广大公众。然而，目前尚不清楚是什么促成了此类在线同行生产系统的有效性：哪些条件或社会过程有助于他们提供优质产品。具体来说，虽然在线协作中经常研究共同贡献（即双向网络），但人际沟通在协调在线对等生产中的作用却很少被研究。为了弥补这一差距，我们重建了聚集在所谓的 Wikiprojects 中的 Wikipedia 编辑之间的个人通信网络（直接消息传递） - 专注于特定主题领域内文章的贡献者团队。我们发现，有效的项目会交换大量的直接信息，并且它们的沟通结构允许进行复杂的协调：通过选择性的联系在本地共享信息，同时在整个团队中进行全球共享。为了验证这些网络测量如何与小组沟通重要性的主观感知相关，我们对选定项目的成员进行了半结构化访谈。我们的受访者使用直接交流来提供反馈、维持密切关系并利用维基百科社区的社会资本。我们的结果强调了在线协作中沟通结构的重要性：在线同行制作社区依靠人际沟通来协调他们的工作并保持高水平的参与。为此类社区设计的平台应允许进行充分的组级交流以及一对一的互动。

锡斯坦和德黑兰配电网用电量时间序列分析比较

原文标题： Analysis and Comparison of Time Series of Power Consumption of Sistan and Tehran distribution networks

地址： http://arxiv.org/abs/2107.03515

作者： Masoud Safarishaal, Saeid Safarishaal, Elahe Safarishaal

摘要： 以时间序列形式呈现的数据作为其分析和应用最近在不同领域和领域变得越来越重要。时间序列数据的预测和分类在多个领域都发挥着至关重要的作用。本文对锡斯坦的两个配电网和德黑兰的四个配电网之一进行了2012-2014年期间每天12点用电相关的时间序列分析。通过分析这两个网络的电力消耗，可以比较这两个地区的发展和气候差异以及社会、工业和环境现象的影响。选择这两个网络的原因是将贫困地区与首都地区进行比较。 CRP 工具软件和工具包已被用于分析和比较时间序列，并已使用各种工具来比较两个时间序列。

学习时间交互网络的深度结构点过程

原文标题： Deep Structural Point Process for Learning Temporal Interaction Networks

地址： http://arxiv.org/abs/2107.03573

作者： Jiangxia Cao, Xixun Lin, Xin Cong, Shu Guo, Hengzhu Tang, Tingwen Liu, Bin Wang

摘要： 这项工作研究了学习时间交互网络的问题。时间交互网络由用户和项目之间的一系列按时间顺序排列的交互组成。以前的方法通过使用循环神经网络的不同变体来模拟顺序交互来解决这个问题，这没有考虑时间交互网络的结构信息，并且不可避免地导致次优结果。为此，我们提出了一种新的深度结构点过程，称为 DSPP，用于学习时间交互网络。 DSPP 同时将拓扑结构和长程依赖结构合并到我们的强度函数中，以增强模型的表达能力。具体来说，通过使用拓扑结构作为强先验，我们首先设计了一个拓扑融合编码器来获得节点嵌入。然后开发了一个注意力转移编码器来学习用户和项目之间连续时间的长程依赖结构。提出的两个模块使我们的模型能够刻画时间交互网络中的用户-项目相关性和动态影响。针对项目预测和时间预测任务，DSPP 在三个真实世界的数据集上进行评估。大量实验表明，我们的模型在最先进的基线上取得了一致且显著的改进。

CLAIM：未知社会网络中影响力最大化的课程学习策略

原文标题： CLAIM: Curriculum Learning Policy for Influence Maximization in Unknown Social Networks

地址： http://arxiv.org/abs/2107.03603

作者： Dexun Li, Meghna Lowalekar, Pradeep Varakantham

摘要： 影响最大化是在网络中找到可以最大化信息扩散的一小部分节点的问题。最近，它还在艾滋病毒预防、药物滥用预防、小额信贷采用等方面得到了应用，其目标是在现实世界的物理社会网络中识别一组可以向大群体传播信息的同行领导者人。与在线社会网络不同，现实世界的网络并不完全为人所知，并且收集有关网络的信息的成本很高，因为它涉及对多人进行调查。在本文中，我们专注于影响最大化的网络发现问题。这个方向的现有工作提出了一个强化学习框架。由于现实世界环境中的环境交互成本很高，因此强化学习算法必须尽可能减少环境交互，即样本效率。在这项工作中，我们提出了 CLAIM - 影响最大化的课程学习策略，以提高 RL 方法的样本效率。我们对真实世界的数据集进行了实验，并表明我们的方法可以胜过当前的最佳方法。

室内噪声水平测量和主观舒适度：基于智能手机的参与式实验

原文标题： Indoor noise level measurements and subjective comfort: a smartphone-based participatory experiment

地址： http://arxiv.org/abs/2107.03646

作者： Carlo Andrea Rozzi, Francesco Frigerio, Luca Balletti, Silvia Mattoni, Daniele Grasso, Jacopo Fogola

摘要： 我们设计并执行了一项参与式传感计划，以探索公民操作的智能手机分布式网络在评估住宅区环境噪声影响方面的可靠性和有效性。参与者在家中收集的噪音水平数据被分析并与上下文信息和不同情况、时间和环境的主观舒适度相关联。我们讨论如何加强方法和程序，特别是关于设备的校准，以使类似的公民科学努力在监测环境噪声方面有效和有用。

网络上的社会平衡动态：多极社会的出现

原文标题： Dynamics of Social Balance on Networks: The Emergence of Multipolar Societies

地址： http://arxiv.org/abs/2107.03706

作者： Pouya Manshour, Afshin Montakhab

摘要： 在社会平衡理论的背景下，单极或双极社会的实现和稳定受到了很多关注。然而，多极社会在现实世界中是司空见惯的，尽管其出现的机制很少被探索。在这里，我们调查了具有友好（积极）和敌对（消极）关系的交互主体社会向最终稳定的多极状态的演变。三元组根据它们对网络施加的张力程度来分配能量。主体更新它们的连接以平均降低系统的总能量（张力）。我们的方法是为完全由负关系组成的三元组考虑可变能量 epsilonin[0,1]。我们表明系统的最终状态取决于友好链接 rho_0 的初始密度。对于大于 epsilon 依赖阈值 rho^c_0(epsilon) 单极（天堂）状态的初始密度。然而，对于 rho_0 leq rho^c_0(epsilon) 可以出现多极和双极状态。我们观察到稳定的最终极点的数量随着 epsilon 的减少而增加，其中从双极社会到多极社会的第一次转变发生在 epsilon^ 0.67。我们通过提供平均场计算来结束论文，该计算提供了对临界（依赖于 epsilon）初始正链路密度的估计，这与我们的模拟一致。

量化科学领域的兴衰

原文标题： Quantifying the rise and fall of scientific fields

地址： http://arxiv.org/abs/2107.03749

作者： Chakresh Singh, Emma Barme, Robert Ward, Liubov Tupikina, Marc Santolini

摘要： 科学通过推动相邻可能的界限而进步。在全球科学事业呈指数级增长的同时，在细观层面上，研究思路的探索和利用体现在研究领域的兴衰中。实证文献主要是逐案研究了这种动态，重点是解释知识生产社区如何以及为何发展。尽管领域在不同的时间和人口尺度上上升和下降，但它们通常被认为经历了一组共同​​的演化阶段。为了理解推动这些阶段超越案例研究的社会过程，我们需要一种量化和比较不同领域的方法相同的条款。在本文中，我们开发了用于识别科学领域发展中的尺度不变模式的技术，并使用来自 arXiv 存储库的 150 万份预印本证明了它们的实用性，这些预印本涵盖了 175 美元的研究领域，涵盖物理、数学、计算机科学、定量生物学和定量金融。我们表明，场始终遵循由两个参数右尾 Gumbel 时间分布刻画的上升和下降模式。我们引入了特定于领域的重新调整时间，并探索了文章和作者在创建、采用、峰值和衰减演化阶段共享的通用属性。我们发现，一个领域的早期阶段的特点是由跨学科作者的小团队混合认知遥远的领域，而晚期阶段则表现出建立在该领域先前工作的基础上的专业化大型团队的作用。这种方法为定量探索科学研究领域演变的一般模式提供了基础，对创新研究具有普遍意义。

探索社交媒体和空间特征在中国 COVID-19 大流行期间的影响

原文标题： Exploring the effect of social media and spatial characteristics during the COVID-19 pandemic in China

地址： http://arxiv.org/abs/2107.03766

作者： Xiu-Xiu Zhan, Kaiyue Zhang, Lun Ge, Junming Huang, Zinan Zhang, Lu Wei, Gui-Quan Sun, Chuang Liu, Zi-Ke Zhang

摘要： 宣布 COVID-19 为大流行病在很大程度上扩大了相关信息在 Twitter、Facebook 和微信等社交媒体上的传播。与之前的研究侧重于如何检测与 COVID-19 相关的错误信息或假新闻不同，我们调查疾病和信息如何在人群中共同演化。我们关注 COVID-19 及其信息在该疾病在中国广泛传播期间，即 2020 年 1 月 25 日至 3 月 24 日。我们首先通过对两个传播过程的空间分析来探索疾病和信息如何共同演化.我们在省一级可视化疾病和信息的地理位置，发现与信息相比，疾病更具地理定位性。我们发现疾病和信息数据之间存在高度相关性，而且人们只关心社区的传播。关于信息的内容，我们发现与消极和中性信息相比，积极信息与疾病的负相关性更强。此外，我们引入了机器学习算法，即线性回归和随机森林，以使用不同的疾病空间相关和信息相关特征进一步预测感染人数。我们发现附近城市的疾病空间相关特征有助于提高预测精度。同时，与信息相关的特征也有助于提高预测性能，但有延迟，即改进来自于使用例如 10 天前的消息数量进行疾病预测。本文提出的方法可能揭示新出现感染的新线索

双曲空间中通过隐式分层学习的离散时间时间网络嵌入

原文标题： Discrete-time Temporal Network Embedding via Implicit Hierarchical Learning in Hyperbolic Space

地址： http://arxiv.org/abs/2107.03767

作者： Menglin Yang, Min Zhou, Marcus Kalander, Zengfeng Huang, Irwin King

摘要： 近年来，时间网络上的表示学习引起了相当大的关注。努力主要集中在对欧几里德空间中的结构依赖性和时间演化规律进行建模，然而，这低估了许多现实世界时间网络中固有的复杂性和层次属性，导致次优嵌入。为了探索复杂时间网络的这些特性，我们提出了一个双曲含时图网络（HTGN），它充分利用了双曲几何的指数容量和层次意识。更具体地说，HTGN 将含时图映射到双曲空间，并结合双曲图神经网络和双曲门控循环神经网络，同时捕捉演化行为并隐式保留层次信息。此外，在双曲空间中，我们提出了两个重要的模块，使 HTGN 能够成功地对时间网络进行建模：（1）双曲时间上下文自注意（HTA）模块以关注历史状态和（2）双曲时间一致性（HTC）模块以确保稳定性和泛化性。在多个真实世界数据集上的实验结果证明了 HTGN 在含时图嵌入方面的优越性，因为它在各种时间链路预测任务中始终以显著优势优于竞争方法。具体来说，HTGN 在链路预测方面实现了高达 9.98% 的 AUC 改进，在新链路预测方面实现了 11.4% 的 AUC 改进。此外，消融研究进一步验证了双曲几何的表示能力以及所提出的 HTA 和 HTC 模块的有效性。

逆势同步超出成对相互作用的限制

原文标题： Contrarians synchronize beyond the limit of pairwise interactions

地址： http://arxiv.org/abs/2107.03818

作者： K. Kovalenko, X. Dai, K. Alfaro-Bittner, A.M. Raigorodskii, M. Perc, S. Boccaletti

摘要： 我们提供的证据表明，当单元之间的相互作用超出成对相互作用的限制时，一群纯反向全局耦合的 D 维仓本振荡器达到集体同步状态。提供了用于描述前向和后向转换的微观动力学的精确解决方案，这需要将种群的不完美对称性破坏为具有两个不同瞬时相位的集群的锁频状态。我们的结果揭开了在许多情况下（例如在社会系统中）需要多维选择和新颖动态状态的群体互动的全部潜力的面纱。

能源系统中电热和热能存储的分类、潜在作用和建模

原文标题： Classification, Potential Role, and Modeling of Power-to-Heat and Thermal Energy Storage in Energy Systems

地址： http://arxiv.org/abs/2107.03960

作者： Md. Nasimul Islam Maruf, German Morales-Espana, Jos Sijm, Niina Helisto, Juha Kiviluoma

摘要： 大多数电热和热能储存技术已经成熟，并且已经对欧洲的能源转型产生了影响。然而，这些技术的详细模型通常非常复杂，使得在大规模能源模型中实现它们具有挑战性，由于计算限制，需要简单性，例如线性和适当的精度。在文献中，所有部门的主要电力转热和热能存储技术尚未明确确定和表征。他们的潜在作用还没有从欧洲的角度得到充分讨论，他们的数学建模方程也没有以汇编的形式呈现。本文在三个主要部分对研究空白做出了贡献。首先，对气候中和、高效、技术成熟的主要电热和热能储存技术进行识别和分类，以补充或替代目前基于化石燃料的供暖。第二部分介绍了已识别技术的技术准备水平，并讨论了它们在可持续的欧洲能源系统中的潜在作用。第三部分给出了大规模优化能量模型中技术的数学建模方程。我们将电热泵、电锅炉、电阻加热器和混合加热系统确定为最有前途的电热选择。我们将最有前途的热能储存技术分为四大类。低温电热泵、电锅炉、电阻加热器以及显热和潜热存储显示出很高的技术准备水平，可以满足大部分热量需求。最后，数学公式体现了已识别技术的主要影响。

用户均衡流量分配：k个路径加减算法

原文标题： User equilibrium traffic assignment: k paths subtracting-adding algorithm

地址： http://arxiv.org/abs/2107.04018

作者： Milos Nikolic, Dusan Teodorovic

摘要： 交通分配问题是最重要的交通规划问题之一。交通规划师、交通工程师和计算机科学家面临的任务是生成高质量的用户均衡近似解，从而在合理的 CPU 时间内实现交通场景比较。我们引入 k 路径减法相加 (k-PSA) 算法来逼近流量分配问题的用户均衡。 k-PSA算法由两个交替阶段组成：（1）吸引路径集的扩大； (2) 在为每个起点-终点节点对生成的有吸引力的路径之间减去-添加行程。所提出的算法迭代地执行这两个阶段，直到每个起点-终点对的路径数为 k。我们在文献中的四个基准交通网络上测试了所提出的算法。执行的数值测试表明，所提出的方法在短时间内生成的解决方案平均非常接近用户均衡。

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。