• 带纠错的信息传播;
• 打车服务中劳动力供应的演变;
• 真实网络上的多尺度意见动态;
• 社会成核：作为相变的群体形成;
• 人类活动和流动数据揭示了 COVID-19 期间社会弱势人群暴露风险降低指标的差异;
• 具有补偿成本函数的拼车匹配：对采用、效率和服务水平的影响;
• 相关随机块模型：精确图匹配及其恢复社区的应用;
• 适应性和科学中的主线惩罚;
• 基于深度学习的基于主体的社会网络模型的参数搜索;
• 通过 DAO 管理分散的复杂查询;
• 马尔可夫城市尺度建模和减轻轮胎微粒;
• 用于图距离、嵌入对齐等的高维可扩展最优传输;
• 用智能手机传感检查年轻人饮酒的社会背景;

带纠错的信息传播

原文标题： Information Spread with Error Correction

地址： http://arxiv.org/abs/2107.06362

作者： Omri Ben-Eliezer, Elchanan Mossel, Madhu Sudan

摘要： 我们研究具有通信错误和局部纠错的网络中的信息传播过程。具体来说，我们考虑一个简单的模型，其中最初为单一来源所知的单个信息通过网络分散，并且通信错误导致主体对这些信息的意见不同。自然地，这种错误会很快使通信完全不可靠，在这项工作中，我们研究了这种不可靠性可以在多大程度上通过局部纠错来减轻，其中节点根据（某些子集）他们的意见定期纠正他们的意见。邻居。我们通过监控平均意见，即在给定时间持有意见的所有节点中拥有正确信息的主体的比例，来分析错误在信息传播的“早期阶段”如何传播。我们的主要结果表明，即使在纠错方面付出了巨大的努力，少量的噪声也会导致早期的平均意见与事实几乎不相关。我们还提出了一些本地方法来帮助主体判断他们拥有的信息何时稳定。

打车服务中劳动力供应的演变

原文标题： Evolution of Labour Supply in Ridesourcing

地址： http://arxiv.org/abs/2107.06637

作者： Arjan de Ruijter, Oded Cats, Rafal Kucharski, Hans van Lint

摘要： 与传统的交通服务相反，拼车系统中的供应来自零工工人的个人劳动决策。供应分散化对按需运输服务演变的影响在很大程度上是未知的。为此，我们提出了一个动态模型，包括随后的供应方流程：（i）初始接触平台信息，（ii）长期注册决定，以及（iii）每日参与决定，受制于一天-基于当天匹配结果的日常学习。我们构建了一系列实验来研究供应市场属性和定价策略的影响。我们发现，拼车服务中的劳动力供应可能是非线性的，并且会经历多次转变，导致收入水平和服务水平随着时间的推移发生显著变化。我们的结果表明，拼车市场可能会受益于供应上限和佣金监管。

真实网络上的多尺度意见动态

原文标题： Multiscale opinion dynamics on real networks

地址： http://arxiv.org/abs/2107.06656

作者： Elisenda Ortiz, M.Ángeles Serrano

摘要： 尽管已知群体级别的信息会影响社会网络中的行为反应，但很少有模型能够解释这一点。在这项工作中，我们引入了多尺度选民模型 (MVM)，它依赖于网络几何结构来合并不同尺度的同质影响。我们使用数值模拟来监控合成几何网络和几个真实数据集中 MVM 动力学的演变。我们确定了从混合二元意见到完全共识的动态的最后阶段之间的过渡，这取决于团体的组成和规模以及他们的影响力。引人注目的是，由更多样化和更少仿射节点组成的群体促进了最终的共识。相反，反映节点之间相似性的组，如网络的潜在几何形状所刻画的，会产生相同意见的亚稳态集群，这阻碍了向普遍一致的过渡。最后，我们详细研究了意见分离现象，发现意见集群允许视觉解释。在网络的潜在双曲线空间中观察到的空间模式描绘了意见域，并导致对意见极化动态的新见解。

社会成核：作为相变的群体形成

原文标题： Social nucleation: Group formation as a phase transition

地址： http://arxiv.org/abs/2107.06696

作者： Frank Schweitzer, Georges Andres

摘要： 社会群体的自发形成和随后的成长、解体、合并和竞争与亚稳态有限系统中的物理相变具有相似之处。我们研究了三种不同的场景，即渗透、旋节线分解和成核，以描述不同规模和密度的社会群体的形成。在我们基于主体的模型中，我们使用主体的意见与其建立链接的能力之间的反馈。组可以限制进一步的链接形成，但如果成本超过组收益，主体也可以离开。我们确定成本/收益和社会影响的关键参数，以获得一个大群体或具有不同意见的几个群体的稳定共存。分析调查允许推导出控制群体形成和共存的不同临界密度。我们的新方法揭示了网络增长的早期阶段和大型连接组件的出现。

人类活动和流动数据揭示了 COVID-19 期间社会弱势人群暴露风险降低指标的差异

原文标题： Human Activity and Mobility Data Reveal Disparities in Exposure Risk Reduction Indicators among Socially Vulnerable Populations during COVID-19

地址： http://arxiv.org/abs/2107.06705

作者： Natalie Coleman, Xinyu Gao, Jared DeLeon, Ali Mostafavi

摘要： 非药物干预 (NPI) 是减轻 COVID-19 大流行在美国的传播和影响的一种方法。非营利机构促进保护行动以降低暴露风险，并可以减少社区内的流动模式。越来越多的研究文献表明，社会弱势群体受到 COVID-19 更高感染率和更高死亡率的不成比例的影响，尽管对这种健康差异的潜在机制理解有限。因此，该研究在五个城市位置的粒度范围内检查了两个不同且互补的数据集。通过统计和空间分析，该研究广泛调查了社会弱势群体因非营利机构而降低的暴露风险。流动性数据集跟踪跨邮政编码的人口流动；它用于起点-终点网络分析。人口活动数据集基于人口普查街区组 (CBG) 到兴趣点 (POI) 的访问次数，例如杂货店、餐馆、教育中心和医疗设施；它用于人口-设施相互作用的网络分析。流动性数据集显示，实施非营利机构后，社会弱势群体以邮政编码区之间流入的形式增加了流动性。类似地，人口活动分析显示，基于 CBG 到 POI 的流入访问次数增加，从而增加了在 POI 接触的风险，以及从 POI 到家庭 CBG 的流出访问次数增加，社会弱势群体的暴露风险增加。增加 CBG 内传播的风险。这些发现可以帮助应急规划人员和公共卫生官员理解不同群体如何能够实施保护行动，并可以为未来流行病提供更公平和数据驱动的非营利机构政策。

具有补偿成本函数的拼车匹配：对采用、效率和服务水平的影响

原文标题： Ride-Pooling Matching with a Compensatory Cost Function: Implications for Adoption, Efficiency and Level of Service

地址： http://arxiv.org/abs/2107.06710

作者： Arjan de Ruijter, Oded Cats, Javier Alonso-Mora, Serge Hoogendoorn

摘要： 通过更有效地利用车辆容量，拼车平台可以潜在地减少拥堵水平，而不会不利地延长旅行时间。虽然之前的研究得出结论，共享乘车可以提供巨大的好处，但初步证据表明采用率较低。我们假设之前调查拼车潜力的研究未能考虑到用户在考虑拼车时可能会做出的权衡。我们通过将共享产生的用户净收益制定为补偿功能来解决这个缺点，其中额外的旅行时间和船上不适需要通过价格折扣来补偿，以便旅行者选择共享乘车而不是私人乘车。提议的公式嵌入到匹配旅行请求和车辆的方法中。我们进行了一系列实验，研究拼车服务的潜力如何取决于旅行需求特征、用户偏好和服务提供商采用的定价政策。特别是，评估了各种行为设置在用户共享乘车意愿和延迟厌恶方面对服务采用及其运营效率的影响。我们的结果表明，只有当用户非常愿意分享他们的乘车（即为私人乘车附加低保费）并为此提供 50% 的折扣时，才能实现先前研究发现的总车辆里程节省。我们发现，在不太有利的行为场景中，拼车的交通距离节省低至 15%。

相关随机块模型：精确图匹配及其恢复社区的应用

原文标题： Correlated Stochastic Block Models: Exact Graph Matching with Applications to Recovering Communities

地址： http://arxiv.org/abs/2107.06767

作者： Miklos Z. Racz, Anirudh Sridhar

摘要： 我们考虑从多个相关网络中学习潜在社区结构的任务。首先，我们研究学习两个边相关随机块模型之间的潜在顶点对应关系的问题，重点是平均度数是顶点数的对数形式。我们推导出精确恢复的精确信息论阈值：在阈值之上，存在一个估计器以接近 1 的概率输出真实对应关系，而在它之下，没有估计器可以以远离 0 的概率恢复真实对应关系。 作为一个应用在我们的结果中，我们展示了如何在参数机制中使用多个相关图准确地恢复潜在社区，在这些情况下，仅使用单个图在理论上是不可能的。

适应性和科学中的主线惩罚

原文标题： Adaptability and the Pivot Penalty in Science

地址： http://arxiv.org/abs/2107.06476

作者： Ryan Hill, Yian Yin, Carolyn Stein, Dashun Wang, Benjamin F. Jones

摘要： 应对新问题、新机遇和新挑战的能力对于人类进步和人类社会的复原力至关重要，但科学满足新需求的能力仍然知之甚少。在这里，我们部署了一个新的测量框架来研究对 COVID-19 大流行的科学反应和整个科学的适应性。我们发现，随着病毒的出现，科学迅速转向了 COVID-19，所有领域的科学家都从他们之前的研究流中取得了巨大的飞跃。然而，这种适应性反应揭示了一种普遍存在的“枢轴惩罚”，新研究的影响随着科学家们从他们之前的工作中走得更远而急剧下降。在 COVID-19 研究中，枢轴惩罚很严重，但这并不是 COVID-19 独有的。相反，它几乎普遍适用于所有科学，并且在过去五年中一直在增长。虽然进一步具有条件旋转的特征，包括科学家的职业阶段、先前的专业知识和影响、合作规模、新合著者的使用和资金，但我们发现无论这些特征如何，中心惩罚仍然存在并保持实质性，表明中心惩罚作为一种支配科学适应能力的基本摩擦。枢纽惩罚不仅对科学系统的设计和人类通过科学进步应对紧急挑战的能力具有关键影响，而且可能与其他社会和经济系统相关，在这些系统中，为满足新需求而转变是生存和成功的核心.

基于深度学习的基于主体的社会网络模型的参数搜索

原文标题： Deep learning based parameter search for an agent based social network model

地址： http://arxiv.org/abs/2107.06507

作者： Yohsuke Murase, Hang-Hyun Jo, János Török, János Kertész, Kimmo Kaski

摘要： 人与人之间的互动产生了复杂的社会网络，其特征是异构度分布、权重拓扑关系、重叠社区结构和链接动态。理解这样的网络是科学的主要目标，因为它是从疾病传播到政治运动的许多新兴社会现象的支架。研究它们的合适工具是基于主体的建模，其中代表人的节点做出有关创建和删除链接的决定，从而产生各种宏观行为模式。在这里，我们专注于研究加权社会网络模型的泛化，它是描述社交联系和社会网络形成的最基本的基于主体的模型之一。这种广义加权社会网络 (GWSN) 模型结合了三元闭包、同质相互作用和各种链接终止机制，这些机制在之前的工作中已单独研究过。因此，GWSN 模型的输入参数数量增加，模型行为变得过于复杂，这使得阐明模型行为具有挑战性。我们使用超级计算机进行了大量模拟，并将结果作为深度神经网络的训练数据进行回归分析，以根据输入参数预测生成网络的属性。获得的回归模型还用于全局敏感性分析，以确定哪些参数有影响或不显著。我们相信这种方法适用于一大类复杂的网络模型，从而为更现实的基于主体的定量建模开辟了道路。

通过 DAO 管理分散的复杂查询

原文标题： Governing Decentralized Complex Queries Through a DAO

地址： http://arxiv.org/abs/2107.06790

作者： Mirko Zichichi, Luca Serena, Stefano Ferretti, Gabriele D’Angelo

摘要： 最近，出现了能够解决数据完整性和真实性问题的新一代 P2P 系统，用于为“更加”去中心化的互联网开发新应用程序，即分布式账本技术（DLT）和去中心化文件系统（DFS）。但是，这些技术仍然存在一些未解决的问题，主要与数据查找和发现有关。在本文中，首先，我们提出了一个分布式哈希表 (DHT) 系统，该系统可以有效地管理对存储在 DFS 中的数据执行的基于关键字的分散查询。通过超立方体逻辑布局，查询在网络之间有效路由，其中​​每个节点负责特定的关键字集和相关内容。其次，我们基于去中心化自治组织（DAO）的实施，为上述网络的治理提供了一个框架。我们展示了智能合约的使用如何为积极为 DHT 做出贡献的节点实现组织决策和奖励。最后，我们提供了我们提议的实现的实验验证，其中对超立方体的不同逻辑节点执行相同的协议使我们能够评估网络内的通信效率。

马尔可夫城市尺度建模和减轻轮胎微粒

原文标题： Markovian city-scale modelling and mitigation of micro-particles from tyres

地址： http://arxiv.org/abs/2107.06860

作者： Gunda Obereigner, Roman Overko, Serife Yilmaz, Emanuele Crisostomi, Robert Shorten

摘要： 未来几年，轮胎自然磨损过程导致的轮胎排放很可能成为全球监管机构关注的主要问题。尽管正在努力理解轮胎磨损过程并开发主动系统来管理该过程，但开发模型以预测城市规模的车辆网络的总体情况的问题尚未得到考虑。我们在本文中的目标是展示一个这样的模型，该模型使用马尔可夫链的思想构建。我们的建模方法的应用在本说明的末尾给出。

用于图距离、嵌入对齐等的高维可扩展最优传输

原文标题： Scalable Optimal Transport in High Dimensions for Graph Distances, Embedding Alignment, and More

地址： http://arxiv.org/abs/2107.06876

作者： Johannes Klicpera, Marten Lienen, Stephan Günnemann

摘要： 当前计算最优传输 (OT) 的最佳实践是通过熵正则化和 Sinkhorn 迭代。该算法在二次时间内运行，因为它需要完整的成对成本矩阵，这对于大型对象集来说成本过高。在这项工作中，我们提出了成本矩阵的两种有效对数线性时间近似：首先，基于局部敏感哈希 (LSH) 的稀疏近似，其次，基于 LSH 的稀疏校正的 Nystr”om 近似，我们调用本地更正的 Nystr”om (LCN)。这些近似使得熵正则化 OT 的通用对数线性时间算法即使在深度学习中常见的复杂、高维空间中也表现良好。我们从理论上分析了这些近似值，并作为实际应用程序的一个组件直接和端到端地对它们进行了实验评估。使用我们的无监督词嵌入对齐的近似值使我们能够将最先进的方法加速 3 倍，同时将准确度提高 3.1 个百分点，而无需任何额外的模型更改。对于图距离回归，我们提出了图传输网络 (GTN)，它将图神经网络 (GNN) 与增强型 Sinkhorn 相结合。 GTN 比之前的模型高出 48%，并且仍然在节点数量上以对数线性扩展。

用智能手机传感检查年轻人饮酒的社会背景

原文标题： Examining the Social Context of Alcohol Drinking in Young Adults with Smartphone Sensing

地址： http://arxiv.org/abs/2107.06302

作者： Lakmal Meegahapola, Florian Labhart, Thanh-Trung Phan, Daniel Gatica-Perez

摘要： 根据之前的工作，饮酒者与周围其他人（朋友、家人、配偶等）的关系类型，以及这些人的人数（单独、一人、一群人等）饮酒量、饮酒地点、动机、心情等与饮酒的诸多方面有关。尽管在酒精研究中社会背景被认为是影响年轻人饮酒行为的一个重要方面，但在智能手机传感方面的研究工作相对较少。在这项研究中，我们使用由三个月内的自我报告和被动智能手机传感数据组成的数据集，分析了瑞士 241 名年轻人的周末夜生活饮酒行为。使用多项统计分析，我们表明来自加速度计、位置、应用程序使用、蓝牙和接近度等模式的特征可以提供有关饮酒的不同社会背景的信息。我们使用智能手机传感数据定义和评估了七项社会情境推理任务，在四个二类和三个三类推理中获得了 75%-86% 的准确率。此外，我们讨论了使用准确率超过 70% 的智能手机传感器数据识别一组朋友的性别构成的可能性。结果令人鼓舞：(a) 支持未来对酒精消费的干预，更有意义地结合用户的社会背景，以及 (b) 在创建饮酒日志时减少用户自我报告的需要。

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。