• 同处一地是科学进步的催化剂;
• 图神经网络的节点局部化;
• 非同构图的大规模学习：新的基准和强大的简单方法;
• 真实网络的超低维数检测;
• 阿波罗网络上修正的流行病扩散过程;
• 捕捉 SNS 中信息传播的动态：方法论和技术综述;
• 热力学极限中的疫苗接种困境;
• 问“谁”，而不是“什么”：使用 Twitter 数据预测比特币波动率;
• 多人在线竞技游戏中软件补丁的异构效应;
• 使用物理信息偏微分方程对摆动方程进行模型化简;

同处一地是科学进步的催化剂

原文标题： Being Together in Place as a Catalyst for Scientific Advance

地址： http://arxiv.org/abs/2107.04165

作者： Eamon Duede, Misha Teplitskiy, Karim Lakhani, James Evans

摘要： COVID-19 大流行迫使包括大学和研究机构在内的社会各个层面都保持社交距离，这引发了关于物理距离对科学和学术进步的持续重要性的基本问题。使用关于参考工作对科学家自己论文的智力影响的定制作者调查，结合重点和参考工作之间地理和语义距离的精确测量，我们发现在同一机构与对科学家和参考工作的智力影响密切相关。学者发表的著作。然而，这种影响随着知识距离的增加而增加：一个机构的同事所做的参考工作越不同，它对自己的影响就越大。世界各地的大学构成了从事不同工作的人们通过部门、委员会、研讨会和社区进行持续互动的场所。这些互动对他们发表的研究产生了独特的影响，表明需要取代而不是取代多样化的参与以实现可持续发展。

图神经网络的节点局部化

原文标题： Node-wise Localization of Graph Neural Networks

地址： http://arxiv.org/abs/2110.14322

作者： Zemin Liu, Yuan Fang, Chenghao Liu, Steven C.H. Hoi

摘要： 图神经网络 (GNN) 作为强大的图表示学习模型系列出现。为了导出节点表示，他们使用了一个全局模型，该模型递归地聚合来自相邻节点的信息。然而，不同的节点位于不同局部上下文中的图的不同部分，使得它们的分布在整个图中有所不同。理想情况下，节点如何接收其邻域信息应该是其本地上下文的函数，以偏离所有节点共享的全局 GNN 模型。为了在不过度拟合的情况下利用节点局部性，我们通过考虑图的全局和局部方面来提出 GNN 的节点定位。从全局来看，图上的所有节点都依赖于一个底层的全局 GNN 来对图上的一般模式进行编码；在本地，每个节点都被本地化为一个独特的模型，作为全局模型及其本地上下文的函数。最后，我们对四个基准图进行了广泛的实验，并始终获得超越最先进 GNN 的有希望的性能。

非同构图的大规模学习：新的基准和强大的简单方法

原文标题： Large Scale Learning on Non-Homophilous Graphs: New Benchmarks and Strong Simple Methods

地址： http://arxiv.org/abs/2110.14446

作者： Derek Lim, Felix Hohne, Xiuyu Li, Sijia Linda Huang, Vaishnavi Gupta, Omkar Bhalerao, Ser-Nam Lim

摘要： 许多广泛用于图机器学习任务的数据集通常是同质的，其中具有相似标签的节点相互连接。最近，已经开发出新的图神经网络 (GNN)，超越了同质性机制；然而，他们的评估通常是在应用领域有限的小图上进行的。我们从各种应用领域收集并引入了不同的非同质数据集，这些数据集比之前的数据集拥有多达 384 倍的节点和 1398 倍的边。我们进一步表明，现有的可扩展图学习和图小批量技术会导致这些非同类数据集的性能下降，从而强调需要进一步研究可扩展的非同类方法。为理解决这些问题，我们引入了 LINKX——一种强大的简单方法，允许直接进行小批量训练和推理。在我们提出的数据集上使用具有代表性的简单方法和 GNN 进行的大量实验结果表明，LINKX 在非同质图学习方面取得了最先进的性能。我们的代码和数据可在 https://github.com/CUAI/Non-Homophily-Large-Scale 获得。

真实网络的超低维数检测

原文标题： Detecting the ultra low dimensionality of real networks

地址： http://arxiv.org/abs/2110.14507

作者： Pedro Almagro, Marian Boguna, M. Angeles Serrano

摘要： 减少维度冗余以在高维数据集和复杂网络中找到简化模式已成为许多科学领域的主要努力。然而，检测其潜在空间的维度具有挑战性，但对于生成用于众多下游任务的有效嵌入来说是必要的。在这里，我们提出了一种无需任何先验空间嵌入即可推断网络维数的方法。由于双曲线几何能够捕捉真实网络的复杂连通性，我们检测到远低于使用其他方法报告的值的超低维。我们将我们的方法应用于来自不同领域的真实网络，并发现了意想不到的规律，包括：组织特异性生物分子网络维数极低；大脑连接组接近其解剖嵌入的三个维度；以及社会网络和互联网，需要略高的维度。除了为超高效降维铺平道路之外，我们的发现还有助于解决与维数有关的基本问题，例如临界行为的普遍性。

阿波罗网络上修正的流行病扩散过程

原文标题： Modified Epidemic Diffusive Process on the Apollonian Network

地址： http://arxiv.org/abs/2110.14141

作者： D. S. M. Alencar, A. Macedo-Filho, T. F. A. Alves, G. A. Alves, R. S. Ferreira, F. W. S. Lima

摘要： 我们对 Apollonian 网络上的流行病传播过程进行了分析，该分析可以描述一种流行病在非久坐人群中的传播。在此分析中，通过蒙特卡罗方法在计算环境中采用了改进的扩散流行过程。我们的模型对于模拟由两类个体组成的更接近现实的系统很有用：易感 (A) 和感染 (B)。个体可以根据恒定的扩散率 D_A 和 D_B 在网络中扩散，分别针对 A 类和 B 类，并遵守三个扩散机制，即 DA<D B、D_A=D_B 和 D_A>D_B。进入同一个站点i，根据基于Gillespie 算法的动力学规则发生反应。有限尺寸尺度分析表明，我们的模型表现出连续相变到吸收状态，其中一组临界指数由 beta/nu=0.66(1)、1/nu=0.46(2)、和 gamma/nu=-0.24(2) 对每个被调查的制度都很常见。总之，以这组临界指数为特征的连续相变在规则晶格和复杂网络中都没有与平均场普遍性类相同的指数。

捕捉 SNS 中信息传播的动态：方法论和技术综述

原文标题： Capturing Dynamics of Information Diffusion in SNS: A Survey of Methodology and Techniques

地址： http://arxiv.org/abs/2110.14245

作者： Huacheng Li, Chunhe Xia, Tianbo Wang, Sheng Wen, Chao Chen, Yang Xiang

摘要： 研究 SNS（社会网络服务）中的信息传播在学术界和工业界都具有显著意义。从理论上讲，它促进了统计学、社会学和数据挖掘等其他学科的发展。实际上，传播建模为许多下游应用程序（ 例如、舆论监控、谣言来源识别和病毒式营销）提供了基础支持。在这一领域已经付出了巨大的努力来理解和量化信息传播动态。本次调查调查并总结了扩散建模中新兴的杰出作品。我们首先从信息、用户决策和社会向量三个组成部分提出了统一的信息扩散概念，然后详细介绍了扩散建模的方法。然后，提出了一种采用混合哲学（ ie,粒度和技术）的新分类法，并从假设、方法和利弊等方面对我们分类法下的基本扩散模型进行了一系列比较研究。 .我们进一步总结了基于这些基本模型的特殊场景和重要下游任务中的代表性扩散建模。最后，讨论了遵循扩散建模方法的该领域的未解决问题。

热力学极限中的疫苗接种困境

原文标题： Vaccination Dilemma in the thermodynamic limit

地址： http://arxiv.org/abs/2110.14291

作者： Arjun Krishnan U M, Colin Benjamin

摘要： 疫苗接种博弈是一种社会困境，指的是当人群暴露于传染病时个体面临的难题（是否接种）。由于 COVID-19 大流行，该模型最近获得了很大的关注，因为公众对疫苗的看法在疾病动态中起着重要作用。本文使用源自称为 Nash 均衡映射的 1D Ising 模型的分析方法研究了热力学极限下的疫苗接种博弈。关于疫苗接种的个人困境来自内部冲突，人们试图平衡免疫的感知优势与他们通过不同新闻媒体听到的与疫苗接种相关的明显风险。我们比较了其他基于 1D Ising 的模型（即达尔文演化和基于主体的模拟）的纳什均衡映射结果。本研究旨在研究无限人口关于选择接种或不接种疫苗的比例的行为。虽然纳什均衡映射和基于主体的模拟大多一致，但达尔文演化论与这两种模型相差甚远。它无法合理预测总体中参与者的均衡行为。我们应用我们的研究结果通过 NE 映射和基于主体的方法分析阿斯利康 (AZ) COVID-19 疫苗风险与疾病死亡的争论。尽管存在风险，但两者都预测 40 美元以上的人的 AZ 疫苗覆盖率接近 100 美元。与此同时，年轻人也表现出些许的不情愿。我们预测，虽然政府通过强制接种疫苗和/或广告活动对老年人口进行干预是不必要的，但对于年轻人口（年龄：20-39 美元）而言，政府通过媒体活动和/或疫苗接种活动提供的一些鼓励可能是必要的.

问“谁”，而不是“什么”：使用 Twitter 数据预测比特币波动率

原文标题： Ask “Who”, Not “What”: Bitcoin Volatility Forecasting with Twitter Data

地址： http://arxiv.org/abs/2110.14317

作者： M. Eren Akbiyik, Mert Erkul, Killian Kaempf, Vaiva Vasiliauskaite, Nino Antulov-Fantulin

摘要： 理解交易价格的变化（波动性）及其对外部信息的反应是金融领域一个深入研究的课题。在这项研究中，我们使用来自 Twitter 的公共社交媒体数据的深度学习表示，专注于对相对较新的加密货币资产类别（特别是比特币）的波动率预测。对于实地工作，我们从超过 3000 万条与比特币相关的推文中提取语义信息和用户交互统计数据，并结合 144 天范围内的 15 分钟日内价格数据。使用这些数据，我们构建了几个利用收集到的信息组合的深度学习架构。对于所有架构，我们进行了消融研究以评估模型中每个组件和特征集的影响。我们发现以下假设的统计证据：（i）时间卷积网络的性能明显优于文献中的自回归模型和其他基于深度学习的模型，以及（ii）推文作者元信息，甚至与推文本身分离，是比语义内容和推文数量统计更好的预测器。

多人在线竞技游戏中软件补丁的异构效应

原文标题： Heterogeneous Effects of Software Patches in a Multiplayer Online Battle Arena Game

地址： http://arxiv.org/abs/2110.14632

作者： Yuzi He, Christopher Tran, Julie Jiang, Keith Burghardt, Emilio Ferrara, Elena Zheleva, Kristina Lerman

摘要： 在线博弈的受欢迎程度急剧上升，部分原因是流媒体和价值数十亿美元的电子竞技产业。在线博弈会定期更新其软件以修复错误、添加功能以改善博弈的外观和感觉，并更改博弈机制以保持博弈的乐趣和挑战性。然而，一个悬而未决的问题是这些变化对玩家表现和博弈平衡的影响，以及玩家如何适应这些突然的变化。为理解决这些问题，我们使用因果推断来衡量软件补丁对英雄联盟（一种流行的基于团队的多人在线博弈）的影响。我们表明，根据玩家的技能水平以及他们是否在博弈之间休息，博弈补丁对玩家的影响大不相同。我们发现，尽管努力使博弈玩法更加平等，但在一个补丁之后，好玩家和差玩家之间的差距会增加。此外，更长的博弈间休息时间往往会在补丁后提高玩家的表现。总的来说，我们的结果突出了因果推断的效用，特别是异质治疗效果估计，作为量化博弈平衡的复杂机制及其与玩家表现的相互作用的工具。

使用物理信息偏微分方程对摆动方程进行模型化简

原文标题： Model Reduction of Swing Equations with Physics Informed PDE

地址： http://arxiv.org/abs/2110.14066

作者： Laurent Pagnier, Michael Chertkov, Julian Fritzsch, Philippe Jacquod

摘要： 这份手稿是建立稳健有效的模型简化方法以刻画传输级电力系统中的瞬态动态的第一步。这种动态通常通过所谓的摆动方程在几秒到几十秒的时间尺度上建模，摆动方程是在电网的空间离散模型上定义的常微分方程。我们建议，遵循 Seymlyen (1974) 和 Thorpe、Seyler 和 Phadke (1999)，将摆动方程映射到具有时间无关系数的两个空间和一个时间维度的抛物线型线性非齐次偏微分方程 (PDE) 和正确定义的边界条件。连续二维空间域由电网服务区域的地理地图定义，并与从电纳、机器惯性和阻尼的平滑图拉普拉斯算子导出的 PDE 系数相关联。非均匀源项表示空间分布的能量注入/消耗。我们在 PanTaGruEl（泛欧输电网和发电模型）上说明了我们的方法。我们表明，当适当粗粒度时，即从挥杆方程中各个离散系数的空间卷积过程中提取的 PDE 系数和源项，得到的 PDE 忠实而有效地再现了原始挥杆动力学。我们最后讨论了这项工作的未来扩展，其中所提出的基于 PDE 的简化建模将初始化物理信息机器学习方法，用于实时建模、n-1 可行性评估和电力系统的瞬态稳定性分析。

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。