• 模块化和重尾度分布;
• 网络社区检测常用方法的比较和改进;
• 在线分裂话题的语言特征：堕胎、气候变化和枪支管制中的争议案例研究;
• 基于交互社会接触和生产能力图的流行病演变的向量逻辑斯蒂动力学方法;
• 社交联系图上概率 SIR 流行病的控制场景;
• 网络心理测量学和认知网络科学为检测、理解和解决数学焦虑的复杂性开辟了新途径：综述;
• 具有高阶交互的网络中的向量中心性;
• 考虑结构的硬负挖掘异构图对比学习;
• 社交媒体情感的表情化：纵向推特情感数据集的收集与分析;
• 模拟城市动态和交通基础设施项目的国际治理;
• 在危机时期分配刺激支票;

模块化和重尾度分布

原文标题： Modularity and Heavy-Tailed Degree Distributions

地址： http://arxiv.org/abs/2108.13450

作者： Larry Wilson

摘要： 识别图中的顶点簇仍然是一个重要的问题，模块化继续被用作解决问题的工具。模块化衡量顶点划分为簇的质量，明确地以不同的方式对待不同度的顶点，当高度的顶点放在同一簇中时施加更大的惩罚。我们声称这种不平等的处理会对基于重尾度分布图的模块化的聚类算法的性能产生负面影响。我们使用 Greedy Modularity hill-climb 在具有幂律度分布的图中查找聚类，并观察到它在聚类低度顶点时表现不佳。我们提出了一个简单的模块化变体，我们称之为扁平模块化。我们发现，使用相同的算法和修改后的分数，我们提高了聚类算法在低度顶点上的性能和整体性能。我们相信，从模块化到扁平模块化的微小变化可以提高许多依赖模块化来衡量划分为集群的质量的现实世界过程中的输出，只需一个小的变化，这确实是一种简化，到实施。

网络社区检测常用方法的比较和改进

原文标题： On Comparing and Enhancing Common Approaches to Network Community Detection

地址： http://arxiv.org/abs/2108.13482

作者： Niko Motschnig, Alexander Ramharter, Oliver Schweiger, Philipp Zabka, Klaus-Tycho Foerster

摘要： 在这项工作中，我们探索了网络中社区检测的四种常见算法，即凝聚层次聚类、分裂层次聚类（Girvan-Newman）、Fastgreedy 和 Louvain 方法。我们研究了它们的机制，并在标准数据集上比较了它们在实现和聚类行为结果方面的差异。我们进一步提出了对这些算法的一些改进，这些改进在我们的评估中显示出有希望的结果，例如邻居矩阵构造的自邻域，鲁汶方法的确定性稍快版本，有利于较小的集群和对 Fastgreedy 算法的各种实现更改。

在线分裂话题的语言特征：堕胎、气候变化和枪支管制中的争议案例研究

原文标题： Linguistic Characterization of Divisive Topics Online: Case Studies on Contentiousness in Abortion, Climate Change, and Gun Control

地址： http://arxiv.org/abs/2108.13556

作者： Jacob Beel, Tong Xiang, Sandeep Soni, Diyi Yang

摘要： 随着公共话语继续在网上移动和增长，社交媒体平台上关于分裂话题的对话也有所增加。这些分裂的话题会引发有争议和无争议的对话。尽管这些对话的区别（通常被认为是使这些对话引起争议的原因）被广泛地理解，但对这些对话的语言特征知之甚少。先前的工作表明，有争议的内容和结构可以作为这项任务的预测因素，但是，其中大多数都集中在一般对话、非常具体的事件或复杂的结构分析上。此外，先前工作中使用的许多模型缺乏可解释性，这是在线审核的关键因素。我们的工作通过关注高度分裂的话题（堕胎、气候变化和枪支管制）的对话，将一组新颖的语言和对话特征和用户因素操作化，并将它们结合起来构建可解释的模型，从而填补了这些空白。我们证明了这些特征可以在很大程度上提高对该任务的预测性能，并且还可以实现细微的可解释性。我们对这三个有争议的话题的案例研究表明，某些通用语言特征与对话中的争议性高度相关，而另一些则表现出对特定分裂话题的重大语境影响。

基于交互社会接触和生产能力图的流行病演变的向量逻辑斯蒂动力学方法

原文标题： A vector logistic dynamical approach to epidemic evolution on interacting social-contact and production-capacity graphs

地址： http://arxiv.org/abs/2108.13692

作者： Jan B. Broekaert, Davide La Torre

摘要： 人口不均一性，在个体社会接触网络和个体感染恢复率的变化中，使得传染病传播的动态不确定。因此，具有适当协作组件的重叠经济生产网络在某种程度上受到不可预测的影响。我们的模型针对与其经济能力网络交互的社会联系网络中的 SIS 动态提出了一种“向量逻辑”动态方法。向量逻辑描述中图状态的概率解释提供了一种评估感染者的均值和方差对生产能力的影响的方法，并允许对社会连通性监管进行战略规划。根据“累积”、“多数”和“脆弱性”替代措施评估疫情对生产能力的平均影响和波动的影响。

社交联系图上概率 SIR 流行病的控制场景

原文标题： Control Scenarios for Probabilistic SIR Epidemics on Social-Connection Graphs

地址： http://arxiv.org/abs/2108.13714

作者： Jan B. Broekaert, Davide La Torre

摘要： 现实社会关系图上流行病演变的概率方法允许受试者之间的特征差异，包括个体结构和社会接触（“自我网络”）的数量以及根据年龄或医疗先决条件的个体感染和恢复率。在我们基于图表的概率易感感染去除 (SIR) 模型中，我们通过限制、疫苗接种及其组合来比较控制场景的感染负荷和主体成本。流行病扩散是在为更真实的人与人特征设计的随机社会联系图上进行的。

网络心理测量学和认知网络科学为检测、理解和解决数学焦虑的复杂性开辟了新途径：综述

原文标题： Network psychometrics and cognitive network science open new ways for detecting, understanding and tackling the complexity of math anxiety: A review

地址： http://arxiv.org/abs/2108.13800

作者： Massimo Stella

摘要： 数学焦虑是一种临床病理学，它会损害数学相关环境中的认知处理。最初被认为只会影响没有经验、成绩不佳的学生，最近的调查表明，即使在成绩优异的学习者中，数学焦虑也非常普遍。这篇基于数据的研究综述将数学焦虑概括为一个复杂的系统，它：(i) 在意识和潜意识层面削弱幸福感、自信和信息处理，(ii) 可以通过社会互动传播，如病原体，并因认知扭曲而恶化，(iii) 影响了全球 64 个教育系统中 63 个的大约 20% 的学生，但与学业成绩的相关性较弱，并且 (iv) 对学生的福祉、计算素养和职业构成了具体威胁科学的前景。这些模式强调了超越性能来评估数学焦虑的关键需求。网络心理测量学和认知网络科学的最新进展为检测、解释和干预此类临床状况提供了理想的框架。融合教育研究、心理学和数据科学，这里审查的方法将心理结构重建为复杂系统，表示为多元相关模型（例如图探索性分析）或语义/情感关联的认知网络（例如自由关联网络或形式网络） ）。这些相互关联的网络不仅可以检测到其他隐藏的数学焦虑水平，而且 - 更重要的是 - 它们可以揭示相互作用因素的具体布局，例如特定队列中数学焦虑背后的关键来源和目标。正如这里所讨论的，这些网络方法为揭示学生的感知、情绪和心理健康开辟了具体的途径，并且可以使未来强大的数据干预解决数学焦虑问题。

具有高阶交互的网络中的向量中心性

原文标题： Vector Centrality in Networks with Higher-Order Interactions

地址： http://arxiv.org/abs/2108.13846

作者： Kirill Kovalenko, Miguel Romance, David Aleja, Ekaterina Vasilyeva, Regino Criado, Andrei M Raigorodskii, Julio Flores, Karin Alfaro-Bittner, Matjaz Perc, Stefano Boccaletti

摘要： 识别网络系统中最具影响力的节点对于优化其功能和控制至关重要。为此提出了几个标量指标，但最近对高阶网络的关注转移使它们失去了性能保证。我们提出了一种新的节点中心性度量，它不再是一个标量值，而是一个维数比图中交互的最高阶低一维的向量。这种向量度量与仅包含成对交互的网络的特征向量中心性相关联，而在交互发生在高阶的所有其他情况下，它具有显著的附加值。特别是，它能够揭示同一节点在不同交互顺序下可能扮演的不同角色，这是单个标量度量无法检索的信息。

考虑结构的硬负挖掘异构图对比学习

原文标题： Structure-Aware Hard Negative Mining for Heterogeneous Graph Contrastive Learning

地址： http://arxiv.org/abs/2108.13886

作者： Yanqiao Zhu, Yichen Xu, Hejie Cui, Carl Yang, Qiang Liu, Shu Wu

摘要： 最近，异构图神经网络 (GNN) 已成为分析 HG 的事实上的模型，而它们中的大多数都依赖于相对大量的标记数据。在这项工作中，我们在 HG 上研究了对比学习 (CL)，这是自我监督方法中的一个关键组成部分，以缓解标签稀缺问题。我们首先根据元路径和网络模式生成多个语义视图。然后，通过将对应于不同语义视图的节点嵌入推到彼此靠近（正）并将其他嵌入分开（负），我们可以获得没有人工注释的信息表示。然而，这种 CL 方法忽略了负样本的相对硬度，这可能导致性能欠佳。考虑到 GNN 的复杂图结构和平滑特性，我们提出了一种结构感知硬负挖掘方案，通过 HG 的结构特征测量硬度。通过合成更多的负节点，我们以有限的计算开销为更难的负节点赋予更大的权重，以进一步提高性能。对三个真实世界数据集的实证研究表明了我们提出的方法的有效性。所提出的方法始终优于现有的最先进方法，尤其是甚至超过了几个受监督的方法。

社交媒体情感的表情化：纵向推特情感数据集的收集与分析

原文标题： The emojification of sentiment on social media: Collection and analysis of a longitudinal Twitter sentiment dataset

地址： http://arxiv.org/abs/2108.13898

作者： Wenjie Yin, Rabab Alkhalifa, Arkaitz Zubiaga

摘要： 社交媒体作为一种以计算机为媒介的通信手段，已被广泛用于研究用户对事件或主题表达的情绪。然而，关于多年来社交媒体中情绪如何演变的纵向研究存在差距。为了填补这一空白，我们开发了 TM-Senti，这是一个新的大规模、远程监督的 Twitter 情感数据集，拥有超过 1.84 亿条推文，涵盖了超过 7 年的时间段。我们描述并评估了我们的方法，以将一个大规模的、基于表情符号和表情符号的标记情感分析数据集以及对结果数据集的分析组合在一起。我们的分析突出了有趣的时间变化，其中包括越来越多地使用表情符号而不是表情符号。我们公开发布数据集，以进一步研究包括情感分析和推文文本分类在内的任务。由于数据集所基于的 Internet Archive 上公开可用的推文存档，数据集可以完全重新水化，包括推文元数据并且不会丢失推文。

模拟城市动态和交通基础设施项目的国际治理

原文标题： Simulating urban dynamics and international governance of transportation infrastructure projects

地址： http://arxiv.org/abs/2108.13915

作者： Juste Raimbault

摘要： 宏观尺度的城市系统，其轨迹受基础设施网络演变的制约。在国际交通基础设施项目的特殊情况下，这会导致复杂的规划和管理情况。为了理解这种动态并预测未来的可持续发展轨迹，我们在国际范围内引入了城市和交通网络之间的协同演化模型，该模型通过包含交通治理来模拟网络增长。该模型应用于城市的综合系统，系统地探索了参数空间，显示了城市动态与治理结构之间的强烈相互作用。我们还研究了作为建筑成本和可达性收益之间折衷的优化模式，未来可能应用于国际运输项目的可持续长期规划。

在危机时期分配刺激支票

原文标题： Allocating Stimulus Checks in Times of Crisis

地址： http://arxiv.org/abs/2106.07560

作者： Marios Papachristou, Jon Kleinberg

摘要： 我们研究将救助（刺激、补贴分配）分配给参与受收入冲击影响的金融网络的人的问题。我们以 Eisenberg 和 Noe 的金融清算框架为基础，该框架允许纳入基于离散救助的救助政策，该救助政策受全球人们收到的刺激检查类型的激励，作为 COVID-19 经济救助计划的一部分。我们表明，为了最大化这种形式的各种社会福利目标，在金融网络上优化分配此类救助是一个计算上难以处理的问题。我们开发了近似算法来优化这些目标并为其近似比率建立保证。然后，我们在优化问题中加入多个公平性约束，并在有和没有这些约束的情况下建立解决方案的相对界限。最后，我们将我们的方法应用于各种数据，无论是在具有真实世界数据的大型金融机构系统的背景下，还是在人与企业之间的金融互动的现实社会背景下，我们使用半来自移动模式的人工数据。我们的结果表明，我们开发和研究的算法在实践中具有合理的结果，并且优于其他基于网络的启发式算法。我们认为，从社会层面来看所提出的问题可以帮助政策制定者就发放补贴做出明智的决定。

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。