• 通过谱距离进行图结构攻击;
• 空间区域化作为最佳数据压缩;
• 多模城市移动性和多层交通网络;
• 用概率因果关系量化责任——气候行动案例;
• 随机网络族的测地统计;
• 计数值网络上指数随机图模型的参数估计程序：比较模拟研究;

通过谱距离进行图结构攻击

原文标题： Graph Structural Attack by Spectral Distance

地址： http://arxiv.org/abs/2111.00684

作者： Lu Lin, Ethan Blaser, Hongning Wang

摘要： 图卷积网络 (GCN) 由于其在图学习任务上的卓越性能而引起了极大的兴趣，但也显示出易受对抗性攻击的影响。在本文中，研究了一种有效的图结构攻击来破坏傅立叶域中的图谱滤波器。我们根据图拉普拉斯算子的特征值定义谱距离来测量谱滤波器的破坏。然后，我们通过同时最大化特定于任务的攻击目标和建议的谱距离来生成边扰动。实验证明了所提出的攻击在训练和测试时在白盒设置中的显著有效性。我们的定性分析显示了攻击行为与谱分布的强加变化之间的联系，这提供了经验证据，即最大化谱距离是改变空间域中图的结构属性并扰乱傅立叶中的频率分量的有效方式领域。

空间区域化作为最佳数据压缩

原文标题： Spatial regionalization as optimal data compression

地址： http://arxiv.org/abs/2111.01813

作者： Alec Kirkley

摘要： 将区域单位聚合为连续集群的过程，称为区域化，是空间数据分析的核心。区域化提供了一种方法来减少采样数据中的噪声或异常值的影响，为政策制定确定社会经济同质区域，并在许多其他应用程序中简化地图中数据的可视化。大多数现有的区域化方法需要大量的手动输入，例如所需区域的数量或区域人口之间的相似性度量，这对于某些应用可能是可取的，但不允许我们提取仅由数据本身定义的自然区域.在这里，我们将区域化问题视为数据压缩问题之一。我们将具有相应分布数据的空间单元的最佳分区定义为最小化传输数据所需的描述长度的分区，并开发了一种高效的、无参数的贪婪优化算法来识别该分区。我们证明我们的方法能够在嘈杂的合成分布数据中恢复种植的空间集群，并且它可以识别真实人口数据中有意义的种族边界。使用我们的描述长度公式，我们发现从 1980 年到 2010 年期间，美国大都市区的空间种族数据中包含的信息变得更加难以压缩，这反映了这些大都市的城市隔离模式日益复杂。我们认为这些都市的整体多样性不断增加是导致数据可压缩性降低的主要因素，而种族聚集的空间尺度似乎并不是一个重要因素。

多模城市移动性和多层交通网络

原文标题： Multimodal urban mobility and multilayer transport networks

地址： http://arxiv.org/abs/2111.02152

作者： Luis Guillermo Natera Orozco, Laura Alessandretti, Meead Saberi, Michael Szell, Federico Battiston

摘要： 交通网络，从自行车道到公共汽车和铁路，是城市交通的支柱。在大都市区，不同交通方式的融合对于保障快速和可持续的人员流动变得至关重要。使用网络科学方法，多式联运系统可以被描述为多层网络，其中与不同运输方式相关联的网络不是孤立地考虑的，而是作为一组相互连接的层。尽管多模态在现代城市中很重要，但目前缺乏对该主题的统一看法。在这里，我们全面概述了多层交通网络和多模式城市交通的新兴研究领域，重点关注复杂系统、城市数据科学和城市科学等跨学科领域的贡献。首先，我们介绍多层网络的数学框架。我们将其应用于多模式基础设施的调查模型，以及用于量化多模式的措施以及相关的实证结果。我们回顾了多式联运和公共交通系统动力学中的建模方法和观察证据，重点关注综合现实世界的移动模式，其中个人使用不同的交通方式在城市系统中导航。然后，我们提供有关多模式基础设施和移动性的免费可用数据集的调查，以及用于分析的开源工具列表。最后，我们总结了对开放研究问题和未来研究有希望的方向的展望。

用概率因果关系量化责任——气候行动案例

原文标题： Quantifying Responsibility with Probabilistic Causation – The Case of Climate Action

地址： http://arxiv.org/abs/2111.02304

作者： Sarah Hiller, Jobst Heitzig

摘要： 许多与道德和经济相关的现实世界情况，例如针对气候危机的集体（不）行动，不仅涉及其决策以复杂方式相互作用的不同主体，还涉及各种形式的不确定性，包括可量化的风险和不可量化的风险歧义。在这种情况下，对道德上不希望的结果的道德责任或避免这些结果的责任的评估具有挑战性，并且容易出现决策不足或过度决策的风险。与采用基于必要性和充分性组合的因果关系概念的现有方法或专注于“负责”与“不负责”的二元分类的某些逻辑相比，我们提出了一组量化指标，以单位为单位评估责任程度可能性。为此，我们采用扩展形式的博弈树作为表示决策场景的框架，并根据一组经过分析评估的范例场景的正确表示来评估提议的责任函数。我们在真实世界决策场景的简化表示上测试表现最佳的指标，并能够计算出有意义的责任分数。

随机网络族的测地统计

原文标题： Geodesic statistics for random network families

地址： http://arxiv.org/abs/2111.02330

作者： Sahil Loomba, Nick S. Jones

摘要： 网络系统研究的一个关键任务是推导出影响连接性、同步性和稳健性的局部和全局属性。计算网络中的最短路径或测地线会产生节点中心性和网络连接性的度量，这些度量有助于解释此类现象。我们推导出最短路径长度的分析分布，在超临界状态的巨型组件或亚临界状态的小组件上，任何具有条件独立边的稀疏（可能有向）图在无限大小的极限内。我们为广泛使用的网络系列提供特定结果，如随机块模型、点积图、随机几何图和图。最短路径长度分布的生存函数具有一个简单的封闭形式下界，该下界对有限长度渐近紧，对穿越网络中的独立测地线具有自然的解释，并在上述网络族中提供了新的见解。值得注意的是，最短路径长度分布允许我们为上面的网络族推导出重要的图属性，如键渗透阈值、巨分量的大小、平均最短路径长度以及接近度和中介中心性。我们还提供了一组 20 个经验网络的佐证分析。这个统一的框架展示了如何在没有访问真实或模拟网络的情况下廉价地计算丰富的随机图系列的测地线统计数据，尤其是当它们稀疏但大得令人望而却步时。

计数值网络上指数随机图模型的参数估计程序：比较模拟研究

原文标题： Parameter Estimation Procedures for Exponential-Family Random Graph Models on Count-Valued Networks: A Comparative Simulation Study

地址： http://arxiv.org/abs/2111.02372

作者： Peng Huang, Carter T. Butts

摘要： 指数随机图模型 (ERGM) 已成为建模社交和其他网络的重要框架。与未评估的对应物相比，有价值网络的 ERGM 研究较少，并且带来了特殊的计算挑战。边值在非负整数上的网络（计数值网络）就是一个重要的例子，其应用范围从迁移和贸易流数据到交互和相遇频率的数据。在这里，我们为计数值 ERGM 提出了一种有效的最大伪似然估计（MPLE）方案，并通过基于迁移流的模拟研究将其性能与现有的对比发散（CD）和蒙特卡罗最大似然估计（MCMLE）方法进行比较美国两个州的网络。我们的结果表明，边值方差是方法性能的关键因素，高方差边对 CD 构成了特殊挑战。 MCMLE 可以很好地工作，但在高方差情况下需要仔细播种，而 MPLE 本身在边方差高时表现良好。

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。