• 尽可能通过网络中的本地决策中继消息;
• 用于灾害的手机定位数据：自然灾害与流行病回顾;
• 数字共享经济中服务平台的两种基本排队模式;
• 跨学科和职业年龄的生产力和期刊影响之间的关联;
• 给我讲一个关于你自己的故事：购物体验和自我满足感的话语;
• 超图中的高阶模体分析;
• 使用社交媒体数据情感分析调查公众对自动驾驶汽车态度的影响因素;

尽可能通过网络中的本地决策中继消息

原文标题： Relay a message as far as possible with local decisions in a network

地址： http://arxiv.org/abs/2108.02777

作者： Ricky X. F. Chen

摘要： 假设在网络中的节点 v 处生成了一条消息，并且 v 决定将消息传递给邻居 u 之一，然后 u 决定将消息传递给它自己的邻居之一，等等。如何通过本地决策尽可能地传递消息？据我们所知，除了随机选择可用的相邻节点之外，不存在通用解决方案。在这里，我们报告一些进展。我们的第一个贡献是一个名为 tp-separate 链分解的新框架，用于研究网络结构。每个 tp-separate 链都会引起节点的排名。然后我们证明可以通过搜索网络上某些动态系统的一些稳定状态来本地和分布式计算秩，并且可以用于搜索包含任何给定节点的保证长度的长路径。对许多典型的现实世界网络的数值分析证明了该方法的有效性。

用于灾害的手机定位数据：自然灾害与流行病回顾

原文标题： Mobile Phone Location Data for Disasters: A Review from Natural Hazards and Epidemics

地址： http://arxiv.org/abs/2108.02849

作者： Takahiro Yabe, Nicholas K W Jones, P Suresh C Rao, Marta C Gonzalez, Satish V Ukkusuri

摘要： 快速城市化和气候变化趋势与各种社会、经济和政治因素的复杂相互作用交织在一起。灾害风险的增加趋势最近引发了许多事件，从大西洋前所未有的 5 级飓风到 COVID-19 大流行。虽然世界各地都面临着为此类灾难做准备、应对和恢复的紧迫需求，但从移动电话设备收集的大规模位置数据为应对这些挑战开辟了新的途径。手机位置数据使我们能够以前所未有的时空粒度和规模观察、估计和模拟人类的移动动态。 COVID-19 大流行刺激了使用手机位置数据进行大流行和灾难响应。然而，缺乏综合过去十年利用手机定位数据和自然灾害和流行病案例研究的综合评价。我们通过总结现有工作并指出使用数据支持灾难响应和恢复的有希望的领域和未来挑战来解决这一差距。

数字共享经济中服务平台的两种基本排队模式

原文标题： Two Basic Queueing Models of Service Platforms in Digital Sharing Economy

地址： http://arxiv.org/abs/2108.02852

作者： Heng-Li Liu, Quan-Lin Li, Xiaole Wu, Chi Zhang

摘要： 本文通过两种不同的平台匹配信息策略，描述了数字共享经济中服务平台的两种基本排队模式。我们表明服务平台的两种排队模型可以表示为与级别无关的准生死（QBD）过程。使用所提出的 QBD 流程，我们对服务平台的两种排队模型进行了详细分析，包括系统稳定性、寻道者和闲置所有者的平均固定数量、到达寻道者的预期逗留时间以及预期利润。服务平台和每个业主。最后，通过数值例子验证了我们的理论结果，并展示了服务平台的性能指标如何受到一些关键系统参数的影响。我们相信，本文提出的方法论和成果不仅可以应用于开发广泛的服务平台排队模型，而且将开启一系列关于服务性能评估、最优控制和排队博弈的有前景的创新研究。平台和数字共享经济。

跨学科和职业年龄的生产力和期刊影响之间的关联

原文标题： Association between productivity and journal impact across disciplines and career age

地址： http://arxiv.org/abs/2108.02920

作者： Andre S. Sunahara, Matjaz Perc, Haroldo V. Ribeiro

摘要： 生产力与科学生产的影响之间的关联是科学界的一个长期争论，至今仍存在争议且知之甚少。在这里，我们对巴西科学精英的年度出版物数量与平均期刊影响指标之间的关联进行了大规模分析。我们发现这种关联是特定于学科的，取决于职业年龄，并且在具有异常表现和非异常表现的研究人员中相似。离群研究人员要么在生产力或期刊声望方面表现出色，但他们很少在这两个方面都做到这一点。非异常值也遵循这一趋势，在生产力和期刊声望之间呈现负相关，但具有学科依赖性。我们的研究表明，学者们反对在连续的职业生涯中同时改变他们的生产力和期刊声望水平。我们还发现，与生产力和期刊声望有关的职业模式是特定于学科的，共同点是大多数学科的生产力随着职业年龄的增长而提高，并且在职业生涯早期阶段在期刊影响方面表现出色的机会更高。

给我讲一个关于你自己的故事：购物体验和自我满足感的话语

原文标题： Tell me a story about yourself: The words of shopping experience and self-satisfaction

地址： http://arxiv.org/abs/2108.03016

作者： L Petruzzellis, A Fronzetti Colladon, M Visentin, J.-C. Chebat

摘要： 在本文中，我们调查了通过要求自由表达他们进入商店时的感受的客户样本获得的购物体验的口头表达。使用文本挖掘和社会网络分析的新工具，我们分析了访谈，以理解购物体验中引起的情绪、满意度以及参与者将这些概念与自我满足和自我认同联系起来的方式之间的联系。结果表明，情绪在有关购买前购物体验的话语中的重要作用以及与自我的内向联系。我们的结果还表明，现代零售环境应该在乐趣、幻想、情绪和情感方面增强享乐购物体验。

超图中的高阶模体分析

原文标题： Higher-order motif analysis in hypergraphs

地址： http://arxiv.org/abs/2108.03192

作者： Quintino Francesco Lotito, Federico Musciotto, Alberto Montresor, Federico Battiston

摘要： 大量关于社会、技术和生物网络系统的新数据表明，系统单元之间的大量交互不仅限于成对，而是涉及更多的节点。为了正确编码这种高阶交互，需要更丰富的数学框架，例如超图，其中超链接描述任意数量节点之间的连接。在这里，我们引入了高阶模体的概念，即小的连接子图，其中顶点可以通过任何顺序的相互作用连接起来。我们提供了作为模体大小函数的高阶模体数量的下限和上限，并提出了一种有效的算法来从经验数据中提取完整的高阶模体轮廓。我们确定了不同的超图系列，其特征是局部尺度上不同的高阶连接模式。我们还刻画了结构加固的证据，这种机制将更高阶相互作用的强度与在成对水平上相互作用更多的节点相关联。我们的工作突出了高阶模体的信息能力，提供了第一种在网络微尺度超图中提取高阶指纹的方法。

使用社交媒体数据情感分析调查公众对自动驾驶汽车态度的影响因素

原文标题： Investigating The Impacting Factors on The Public’s Attitudes Towards Autonomous Vehicles Using Sentiment Analysis from Social Media Data

地址： http://arxiv.org/abs/2108.03206

作者： Shengzhao Wang, Meitang Li, Bo Yu, Shan Bao, Yuren Chen

摘要： 公众的态度在自动驾驶汽车（AV）的接受、购买、使用和研发中起着至关重要的作用。迄今为止，公众对自动驾驶汽车的态度大多是通过传统的调查数据来估算的，劳动力成本高，样本量少，这可能也是未从多方面研究公众对自动驾驶汽车态度的影响因素的原因之一。方面还比较全面。为理解决这个问题，本研究旨在提出一种方法，通过使用大规模社交媒体数据来调查影响公众对自动驾驶汽车的态度和接受度的关键因素。使用网络抓取方法从七个类别中提取了总共 954,151 个与 AV 相关的 Twitter 数据和 53 个候选自变量。然后，通过计算情感分数，使用情感分析来衡量公众对自动驾驶汽车的态度。采用随机森林算法根据重要性初步选择候选自变量，同时考虑推文主观性水平导致的未观察到的异质性，采用线性混合模型探索影响因素。结果显示，公众对自动驾驶汽车的整体态度略显乐观。 “醉酒”、“盲点”和“流动性”等因素对公众态度的影响最大。此外，人们在谈论“激光雷达”和“特斯拉”等与高科技相关的词时，更容易表达积极的情绪。相反，发现“COVID-19”、“行人”、“困倦”和“高速公路”等因素对公众的态度产生了显著的负面影响。本研究的结果有利于自动驾驶技术的发展、自动驾驶相关政策制定的指导方针以及公众对自动驾驶的理解和接受。

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。