• 新思想的丧失：大流行对科学家的潜在长期影响;
• 隐藏在时间网络中;
• 社交媒体情感宏观反映整个社会的情感体验;
• 印度大学图书馆和信息科学研究：增长、核心期刊、关键词和合作模式;
• 行人人群中的社会群体：回顾他们对动态及其建模的影响;
• 异嗜性网络的基于特征分解的有效图适应;
• 探索和挖掘属性相互作用序列;
• 符号社会网络中谣言传播和结构稳定性的共同演化;
• 城镇居民社会资本空间集中;
• COVID19 导致的封锁对爱尔兰空气质量的影响;
• 均方位移驱动的 COVID-19 异常扩散的分类;
• 动态网络中吸引-排斥相互作用的观点：进展与未来;

新思想的丧失：大流行对科学家的潜在长期影响

原文标题： Loss of New Ideas: Potentially Long-lasting Effects of the Pandemic on Scientists

地址： http://arxiv.org/abs/2107.13073

作者： Jian Gao, Yian Yin, Kyle R. Myers, Karim R. Lakhani, Dashun Wang

摘要： 广泛的研究记录了 COVID-19 大流行对科学家的直接影响，但尚不清楚这些影响是否以及如何随着时间的推移而发生变化。在这里，我们比较了 2020 年 4 月至 2021 年 1 月期间对主要研究者进行的两项调查的结果，以及对大规模出版物数据的分析。我们发现在某些方面出现了明显的复苏迹象，因为科学家们花在工作上的时间几乎恢复到大流行前的水平。然而，最新数据也揭示了大流行正在影响科学工作者的一个新维度：启动新研究项目的速度。除了直接从事 COVID 相关研究的一小部分科学家外，大多数科学家在 2020 年开始的新研究项目明显减少。这种下降在报告最初中断最大的同一人口统计群体中最为明显：女性科学家和那些带着年幼的孩子。然而，与大流行的早期阶段形成鲜明对比的是，当科学领域之间存在巨大差异时，新项目的损失在各个领域似乎非常相似。对大规模出版数据的分析显示，全球新合作率下降，尤其是在非 COVID 相关的预印本中，这与报告的新项目下降一致。总体而言，这些研究结果强调，虽然在某些国家大流行可能即将结束，但它对科学劳动力的巨大且不平等的影响可能会持续下去，这可能对不平等和科学的长期活力产生广泛的影响。

隐藏在时间网络中

原文标题： Hiding in Temporal Networks

地址： http://arxiv.org/abs/2107.13174

作者： Marcin Waniek, Petter Holme, Talal Rahwan

摘要： 社会网络分析工具可以通过检查一个人的联系来推断各种属性。一些研究人员研究了逃避者面临的问题，其目标是战略性地重新连接他们的社会关系以误导此类工具，从而隐藏他们的私人属性。然而，迄今为止，这些文献只考虑了静态网络，而忽略了结构随时间演变的时间网络的更一般情况。在这一观察的推动下，我们研究了逃避者如何向拥有时间中心性措施的对手隐瞒自己的重要性。我们考虑这个问题的计算和结构方面：计算最佳隐藏方式在计算上可行吗？如果是，哪些网络特征有助于隐藏？这个主题已经在静态网络中进行了研究，但在这项工作中，我们通过考虑边随时间变化的时间网络来增加问题的真实性。我们发现找到最佳隐藏方式通常在计算上是不可行的。另一方面，通过操纵联系人，可以增加惊人的隐私。与静态网络相比，时间网络为这种类型的操纵提供了更多的策略，因此在某种程度上更容易隐藏。

社交媒体情感宏观反映整个社会的情感体验

原文标题： Social media emotion macroscopes reflect emotional experiences in society at large

地址： http://arxiv.org/abs/2107.13236

作者： David Garcia, Max Pellert, Jana Lasser, Hannah Metzler

摘要： 社交媒体在大规模和长时间内生成有关人类行为的数据，为社会科学中的传统方法提供了一种补充方法。可以使用计算方法处理来自社交媒体的数百万文本，以研究随时间和跨区域的情绪。然而，最近的研究表明，社交媒体情绪与个人层面的影响问卷之间以及社交媒体情绪的静态区域聚合与人口层面的主观幸福感之间存在弱相关性，质疑社交媒体数据研究情绪的有效性。然而，迄今为止，还没有研究测试社交媒体情绪宏观镜在整个社会层面跟踪情绪的时间演变的有效性。在这里，我们提出了一项预先注册的预测研究，该研究表明，在英国的每周代表性调查中，国家层面的 Twitter 情绪表达的性别重新调整时间序列与自我报告的情绪总量有很大的相关性。后续探索性分析显示，在充满情感的推文中，第三人称引用的频率很高，这表明社交媒体数据提供了一种社交感知他人情绪的方式，而不仅仅是用户的情绪体验。这些结果表明，尽管社交媒体在代表性和算法混杂方面存在问题，但将高级文本分析方法与社交媒体情感宏观中的用户人口统计信息相结合，可以提供除社交媒体用户之外的一般人群的信息量。 .

印度大学图书馆和信息科学研究：增长、核心期刊、关键词和合作模式

原文标题： Library and Information Science Research in Indian Universities: Growth, Core Journals, Keywords and Collaboration Patterns

地址： http://arxiv.org/abs/2107.13238

作者： Swapan Kumar Patra

摘要： 本文描绘了印度大学的图书馆和信息科学 (LIS) 研究。作为两个著名的引文数据库，Web of Science 和 Scopus 对印度 LIS 期刊的覆盖非常有限，大约 114 所选定的印度大学的图书馆和科学部门以及两个在 LIS 研究中具有重要意义的国家机构生成的出版物都是从图书馆中提取的, 信息科学与技术文摘 (LISTA)。使用科学计量学和社会网络分析 (SNA) 工具分析了相关的出版记录。该研究追踪了出版物的增长、突出的关键词、发表文章的领先期刊以及印度大学出版物的机构合作模式。结果表明，LIS 中印度大学的学术出版物有所增长。但是，出版物的数量仅限于少数具有重要意义的大学和国家研究所。最大的 LIS 研究成果发表在印度期刊上。文献计量学相关研究是最重要的研究领域。位于印度主要城市的生产机构表现出良好的合作关系。该研究的结论是一些可能有助于制定印度 LIS 研究政策的观察结果。

行人人群中的社会群体：回顾他们对动态及其建模的影响

原文标题： Social groups in pedestrian crowds: Review of their influence on the dynamics and their modelling

地址： http://arxiv.org/abs/2107.13293

作者： Alexandre Nicolas (CNRS, UCBL), Fadratul Hafinaz

摘要： 行人经常会遇到一些社会关系的陪伴，而不是独自行走。这样形成的社会群体，根据上下文以不同的比例组成，不是随机组织的，而是表现出鲜明的特征，例如众所周知的 3 人群体呈 V 形排列的趋势。因此，群体结构的存在可能会影响人群的集体动态，在考虑紧急情况时可能会以一种关键的方式影响。在多年来对这些群体方面视而不见之后，在人群模拟软件中对群体建模的努力在过去几十年里蓬勃发展。这篇相当简短的评论首先描述了它们的经验特征及其对全球流动的影响。然后，它旨在对在不同类型的模型中对此类群体进行建模的主要策略进行教学讨论，以便为未来的建模者提供指导。

异嗜性网络的基于特征分解的有效图适应

原文标题： Effective Eigendecomposition based Graph Adaptation for Heterophilic Networks

地址： http://arxiv.org/abs/2107.13312

作者： Vijay Lingam, Rahul Ragesh, Arun Iyer, Sundararajan Sellamanickam

摘要： 当图具有很强的同质性时，即连接的节点具有相同的标签时，图神经网络 (GNN) 表现出优异的性能。然而，它们在异嗜图上表现不佳。有几种方法通过提出使用标记数据优化特定于任务的损失函数来适应图的模型来解决异质性问题。根据手头任务的需要，通过注意力或通过减弱或增强各种低频/高频信号来进行这些适应。最近的方法适应了图的特征值。这种适应的一个重要解释是这些模型选择/加权图的特征向量。基于这种解释，我们提出了一种基于特征分解的方法，并提出了提高 GNN 在异嗜图上的性能的特征网络模型。性能改进是通过学习灵活的图适应函数来实现的，这些函数可以调节图的特征值。通过参数共享对这些函数进行正则化有助于进一步提高性能。我们的方法在异嗜图上的性能比最先进的方法提高了 11%。

探索和挖掘属性相互作用序列

原文标题： Exploring and mining attributed sequences of interactions

地址： http://arxiv.org/abs/2107.13329

作者： Tiphaine Viard, Henry Soldano, Guillaume Santini

摘要： 我们面临着由随时间交互的实体组成的数据：这可以是个人会议、客户购买产品、在 IP 网络上交换数据包的机器等。捕捉动态以及这些相互作用的结构对于分析至关重要。这些交互几乎总是可以用内容来标记：群体归属、产品评论、摘要等。我们将这些交互流建模为流图，这是一种随着时间的推移对交互进行建模的最新框架。形式概念分析提供了一个框架，用于分析在上下文中演变的概念。将图视为上下文，它最近已被应用于对社交图执行封闭模式挖掘。在本文中，我们对交互序列中的模式挖掘感兴趣。在回忆和扩展从图的形式概念分析到流图的概念之后，我们引入算法来枚举标记流图上的闭合模式，并介绍一种选择相关闭合模式的方法。我们对学生之间的交互和作者之间的引用的两个真实世界数据集进行了实验，并展示了我们方法的可行性和相关性。

符号社会网络中谣言传播和结构稳定性的共同演化

原文标题： Co-evolution of Rumor Diffusion and Structural Stability in Signed Social Networks

地址： http://arxiv.org/abs/2107.13437

作者： Temirlan Kalimzhanov, Amir Haji Ali Khamseh’i, Aresh Dadlani, Muthukrishnan Senthil Kumar, Ahmad Khonsari

摘要： 社会网络 (SN) 中谣言传播的预测和控制与潜在的连接模式密切相关。与大多数专注于积极的社交用户互动的现有努力相反，传染过程对具有独特友好（积极）和敌对（消极）关系的签名 SN 的时间演变的影响在很大程度上仍未得到探索。在本文中，我们研究了社会链接极性与故意制造的信息传播与用户警觉性之间的相互作用。特别是，我们提出了一种基于 Heider 平衡理论的新型能量模型，该模型将随机易感-警报-感染-易感谣言流行模型与签名 SN 的结构平衡联系起来，以证实社会紧张局势与谣言传播之间的权衡。此外，还分析了敌对社交链接在形成不相交的警报用户和受感染用户的友好集群中的作用。使用三个真实世界的数据集，我们进一步提出了一种省时的算法，以加快我们的蒙特卡罗模拟方法中的能量计算，并展示了关于用户意识和初始网络设置在达到结构平衡的局部和全局的有效性和合理性方面的令人信服的见解网络能量状态。

城镇居民社会资本空间集中

原文标题： Spatially concentrated social capital of urban residents

地址： http://arxiv.org/abs/2107.13474

作者： Ádám J. Kovács, Sándor Juhász, Eszter Bokányi, Balázs Lengyel

摘要： 跨越不同城市社区的社会联系可以通过动员城市中的社会资本来帮助个人繁荣。然而，人们对社会资本的详细空间结构如何在低收入和高收入城市社区中变化的理解较少。本文表明，与高收入社区的居民相比，在社会网络上衡量的社会资本在空间上更集中于低收入社区的居民。我们使用大规模地理定位 Twitter 数据集绘制了美国 50 个最大都市区的个人在线社交联系的微观地理。然后，我们通过用户家庭位置周围短距离半径（1、5 和 10 公里）圈内的朋友份额、封闭度和支持关系份额来分析个人社会资本的空间维度。我们将低于中等收入社区的居民与高于中等收入社区的居民进行了比较，发现生活在相对贫困社区的用户在附近拥有更高的连接份额。此外，他们的网络在离家很近的距离内更具凝聚力和支持。这些模式普遍存在于美国 50 个最大的大都市区，只有少数例外。发现的社会资本微观地理集中度的差异会加剧城市内部的隔离和收入不平等，从而损害低收入居民的社交圈。

COVID19 导致的封锁对爱尔兰空气质量的影响

原文标题： Impact of COVID19-induced Lockdown on Air Quality in Ireland

地址： http://arxiv.org/abs/2107.13514

作者： Dewansh Kaloni, Yee Hui Lee, Soumyabrata Dev

摘要： 空气污染一直是世界上大多数主要大城市长期存在的问题。多个国家实施了多项措施，包括严格的气候法和减少车辆数量。然而，在最近的 COVID19 大流行之后，人们重新关注重新审视低空气质量问题。一些国家实施了严格的封锁措施，停止了车辆交通和其他经济活动，以减少 COVID19 的传播。在本文中，我们分析了这种由 COVID19 引起的封锁对大气空气质量的影响。我们的案例研究位于爱尔兰都柏林市。我们分析了主要负责工业和车辆污染的常见气体污染物的平均浓度， viz. 二氧化氮（NO_2）。这些浓度是从 Sentinel-5P 收集的大气对流层柱中获得的，Sentinel-5P 是欧洲航天局的地球观测卫星。我们观察到，由于全国实施了严格的封锁措施，都柏林的 NO_2 浓度水平显著下降。

均方位移驱动的 COVID-19 异常扩散的分类

原文标题： Classification of COVID-19 anomalous diffusion driven by mean squared displacement

地址： http://arxiv.org/abs/2107.13517

作者： Yingjie Liang, Peiyao Guan, Shuhong Wang, Lin Qiu

摘要： 在这项研究中，我们根据每日新增病例的均方位移 (MSD) 对两类国家的 COVID-19 异常扩散进行了分类，其中包括总病例数排名前四的国家和随机选择的四个国家。 COVID-19 的扩散是一个随机过程，每日新增病例被视为扩散粒子的位移。 COVID-19在每个国家的扩散环境是异质的，其中潜在的动态过程是异常扩散。计算出的 MSD 是时间的幂律函数，幂律指数不是常数而是随时间变化。幂律指数是通过使用双指数模型和长短期记忆网络 (LSTM) 来估计的。磁共振成像 (MRI) 中经常使用的双指数模型可以量化幂律指数并进行简单的预测。 LSTM 网络在预测幂律指数方面比双指数模型具有更好的准确性。 LSTM网络更灵活，首选预测幂律指数，独立于独特的数学公式。 COVID-19 的扩散过程可以根据幂律指数进行分类。可以提出更具体的评估和建议并提交给政府，以控制 COVID-19 的传播。

动态网络中吸引-排斥相互作用的观点：进展与未来

原文标题： Perspective on attractive-repulsive interactions in dynamical networks: progress and future

地址： http://arxiv.org/abs/2107.13526

作者： Soumen Majhi, Sayantan Nag Chowdhury, Dibakar Ghosh

摘要： 复杂动态网络中出现的集体行为取决于耦合函数和底层耦合拓扑。通过这个观点，我们提供了最近研究工作的简短而深刻的摘录，这些工作探索了吸引力和排斥相互作用的协同作用如何影响相互作用动力系统系综的命运。我们回顾了集体状态的化身，从嵌合或孤立状态到极端事件和由于不同网络排列而引起的振荡猝灭。尽管现有文献表明已经取得了许多重要的发展，但我们还是提出了在该研究领域进行进一步研究的重要途径。

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。