• 结合网络结构和非线性恢复提高声誉评估的性能;
• Neuro-Hotnet：一种用于脑功能连接估计的图论方法;
• 基于图表示学习方法的5G学术网络分析;
• 解释城市尺度律起源的数学模型：综合综述;
• 具有节点属性的社会网络中重叠社区检测的增强型多目标生物地理学优化;
• 利用异构社区特征的城市洪水临近预报时空图深度学习模型;
• 美国本地新闻在线和 COVID：报道、案例、死亡和受众之间的关系;
• 具有平均场选民的两层投票系统中的最佳权重;
• 埃博拉疫情的网络流行病学;

结合网络结构和非线性恢复提高声誉评估的性能

原文标题： Improving the performance of reputation evaluating by combining the structure of network and nonlinear recovery

地址： http://arxiv.org/abs/2111.08092

作者： Meng Li, Chengyuan Han, Yuanxiang Jiang, Zengru Di

摘要： 表征评估者的声誉对于消费者从在线评级系统中获取有用信息尤为重要。此外，克服垃圾邮件攻击对评级系统的困难并获得评估者声誉的可靠性是研究中的一个重要课题。我们注意到，现有的评价者声誉评价方法大多仅依靠评价者的评分信息和异常行为来建立声誉系统，而忽略了评价系统的系统性方面，包括评价者-对象二分网络的结构和影响。非线性效应。本研究通过将评估者-对象二分网络的结构与评级信息相结合并引入惩罚和奖励因素，提出了一种改进的声誉评估方法。这种新方法已经在大规模人工数据集和两个真实数据集上进行了实证分析。结果表明，所提出的方法在存在垃圾邮件攻击的情况下更加准确和鲁棒。这个新想法为在稀疏二分评级网络中构建声誉评估模型提供了一种新方法。

Neuro-Hotnet：一种用于脑功能连接估计的图论方法

原文标题： Neuro-Hotnet: A Graph Theoretic Approach for Brain FC Estimation

地址： http://arxiv.org/abs/2111.08118

作者： Nathan Tung, Eli Upfal, Jerome Sanes, Ani Eloyan

摘要： 用于量化大脑区域之间相互作用的功能连接 (FC) 通常是通过功能磁共振成像 (fMRI) 来估计的。人们对多模态成像在高维环境中获得更可靠的 FC 估计的潜力越来越感兴趣。最近的工作发现了图算法在将 fMRI 信号与从扩散张量成像 (DTI) 估计的结构连通性相结合以进行 FC 估计的用途。与此同时，专注于从头识别具有显著连通性水平的图子网络的新算法正在寻找其他生物学应用并取得巨大成功。此类算法开发了图影响的概念，有助于揭示感兴趣的子网络，同时保持对发现的严格统计控制。我们开发了一种新算法，将这些方法中的一些用于具有计算效率和可扩展性的 FC 估计。我们提出的算法利用 DTI 数据上的图随机游走来定义结构影响的新度量，突出显示最大兴趣的连接组件。然后使用置换测试将子网拓扑与合适的零假设进行比较。最后，对个别发现的成分进行显著性测试。广泛的模拟表明，我们的方法在功能上与当前使用的方法相当，同时快速、稳健且易于实现。我们还分析了人类连接组项目数据库中的任务-fMRI 数据，并在执行运动任务期间发现了大脑相互作用的新见解。预计我们的方法的透明度和灵活性将被证明是有价值的，因为进一步理解结构 - 功能关系会为网络估计的未来提供信息。随着神经数据变得更加细化和维度的增长，可扩展性也只会变得更加重要。

基于图表示学习方法的5G学术网络分析

原文标题： Analysis of 5G academic Network based on graph representation learning method

地址： http://arxiv.org/abs/2111.08264

作者： Xiaoming Li, Guangquan Xu, Wei Yu, Pengfei Jiao, Xiangyu Song

摘要： 随着第五代移动通信技术（5G）的快速发展，5G论文构建的学术社会网络中协作形式多样、数据量大，使得学术社会网络的管理和分析变得越来越具有挑战性。尽管表示学习在分析学术和社会网络方面取得了特别的成功，但目前大多数表示学习模型都专注于维护节点的一阶和二阶相似性。它们在网络中很少具有类似的空间独立性结构特征。本文提出了一种基于非负矩阵分解（NMF）的低阶网络表示学习模型（LNLM）来解决这些问题。该模型采用随机游走的方法提取节点的低阶特征，将多个分量映射到一个低维空间，有效地维护了成员之间的内部相关性。本文验证了该模型的性能，通过多标签分类、聚类、链路预测等下游任务，对四个测试数据集和四个真实网络数据集进行对比实验。 8种主流网络表征学习模型对比表明，所提模型能够显著提高检测效率和学习方法，有效提取网络的局部和低阶特征。

解释城市尺度律起源的数学模型：综合综述

原文标题： Mathematical models to explain the origin of urban scaling laws: a synthetic review

地址： http://arxiv.org/abs/2111.08365

作者： Fabiano L. Ribeiro, Diego Rybski

摘要： 考虑到人类因城市化程度的提高和城市的密集化而面临的挑战，寻求一种可以提供定量和系统方法来管理城市的城市理论是重中之重。如果这样的理论是可行的，那么它的表述就必须是数学的。作为对处理这样一种理解城市现象的系统方式的数学思想进行组织的贡献，我们展示了这些材料，重点关注最近被称为新城市科学的一个重要方面。在本文中，我们回顾了文献中旨在解释城市尺度起源和出现的主要数学模型。我们打算展示模型，确定它们之间的相似性和联系，并找出不同模型导致相同输出的情况。此外，我们报告了最初在特定模型中引入的一些想法也可以在另一个模型中引入的情况，从而产生更多的多样化并增加模型的范围。本文中处理的模型从不同的前提解释了城市规模：从重力思想、通过致密化思想和城市几何学，到层次结构和社会网络属性。我们还调查了这些不同的基本思想可以被解释为相似的场景——相似性可能但不明显。此外，关于引力思想，我们提出了一个通用框架，其中包括作为特定案例分析的所有引力模型。

具有节点属性的社会网络中重叠社区检测的增强型多目标生物地理学优化

原文标题： An Enhanced Multi-Objective Biogeography-Based Optimization for Overlapping Community Detection in Social Networks with Node Attributes

地址： http://arxiv.org/abs/1811.02309

作者： Ali Reihanian, Mohammad-Reza Feizi-Derakhshi, Hadi S. Aghdasi

摘要： 社区检测是社会网络分析中最重要和最有趣的问题之一。近年来，在社区检测过程中同时考虑节点属性和社会网络的拓扑结构引起了许多学者的关注，这种考虑最近被用于一些社区检测方法中，以提高其效率并增强其检测能力。在寻找有意义和相关的社区方面的表现。但问题是，这些方法中的大多数往往会找到不重叠的社区，而许多现实世界的网络包含的社区往往在某种程度上重叠。为理解决这个问题，本文提出了一种基于多目标生物地理学优化（BBO）的演化算法MOBBO-OCD，在同步考虑节点属性的社会网络中自动寻找重叠社区。网络中连接的密度和节点属性的相似性。在 MOBBO-OCD 中，引入了一种称为 OLAR 的基于扩展轨迹的邻接表示来编码和解码重叠社区。 MOBBO-OCD的演化过程中，在OLAR的基础上，采用了基于秩的迁移算子，以及新的两阶段变异策略和新的双点交叉，有效地引导种群进入演化路径。为了评估 MOBBO-OCD 的性能，本文提出了一种称为 alpha_SAEM 的新指标，该指标能够同时考虑节点属性和链接结构两个方面来评估重叠和非重叠分区的优劣。定量评估表明，MOBBO-OCD 取得了良好的结果，远远优于文献中 15 种相关社区检测算法的结果。

利用异构社区特征的城市洪水临近预报时空图深度学习模型

原文标题： A Spatial-temporal Graph Deep Learning Model for Urban Flood Nowcasting Leveraging Heterogeneous Community Features

地址： http://arxiv.org/abs/2111.08450

作者： Hamed Farahmand, Yuanchang Xu, Ali Mostafavi

摘要： 本研究的目的是通过整合基于物理和人类感知的特征，开发和测试用于城市洪水临近预报的新型结构化深度学习建模框架。我们提出了一种新的计算建模框架，包括基于注意力的时空图卷积网络 (ASTGCN) 模型以及实时收集、预处理并输入模型以考虑空间和时间信息和依赖性的不同数据流改善洪水临近预报。计算建模框架的新颖性有三方面：首先，由于空间和含时图卷积模块，该模型能够考虑洪水传播中的空间和时间依赖性；其次，它能够刻画可以表示洪水状态的异构时间数据流的影响，包括基于物理的特征，如降雨强度和水位高程，以及人类感知的数据，如洪水报告和人类活动的波动。第三，它的注意力机制使模型能够将注意力集中在动态变化的最具影响力的特征上。我们展示了建模框架在德克萨斯州哈里斯县作为案例研究和飓风哈维作为洪水事件的背景下的应用。结果表明，该模型在人口普查区域级别的城市洪水淹没临近预报方面具有优异的性能，精度为 0.808，召回率为 0.891，表明该模型与其他一些新模型相比具有更好的性能。此外，当异构动态特征添加到完全依赖于基于物理的特征的模型中时，ASTGCN 模型的性能会提高，这证明了使用异构人类感知数据进行洪水临近预报的前景，

美国本地新闻在线和 COVID：报道、案例、死亡和受众之间的关系

原文标题： Local News Online and COVID in the U.S.: Relationships among Coverage, Cases, Deaths, and Audience

地址： http://arxiv.org/abs/2111.08515

作者： Kenneth Joseph, Benjamin D. Horne, Jon Green, John P. Wihbey

摘要： 我们提供了来自美国在线本地新闻实时信息监控系统的分析。我们研究了在线本地新闻对 COVID 的报道、一个地区的病例和死亡人数以及当地新闻媒体及其受众的属性之间的关系。我们的分析依赖于 300 多家本地新闻媒体的在线内容的独特数据集，包括 2020 年 4 月至 2021 年 2 月的 10 个月内超过 750,000 篇文章。我们发现本地新闻媒体随时间推移对 COVID 的报道率是主要与国家层面的死亡率有关，但这种影响在大流行过程中逐渐消散，因为有关 COVID 的新闻被社会政治事件（如 2020 年美国大选）稳步取代。我们还发现，COVID 报道的数量和内容因当地政治、媒体受众规模以及更多弱势群体收到的与大流行相关的新闻较少的证据而异。

具有平均场选民的两层投票系统中的最佳权重

原文标题： Optimal Weights in a Two-Tier Voting System with Mean-Field Voters

地址： http://arxiv.org/abs/2111.08636

作者： Werner Kirsch, Gabor Toth

摘要： 我们分析了两层投票系统，其中选民由多组平均场模型描述，该模型允许组内和跨组边界的相关选民。目标是确定每个组在理事会中获得的最佳权重，以最小化理事会投票与假设的全民公投的预期二次偏差。平均场模型根据选民之间的互动强度表现出不同的行为。当交互作用较弱时，我们通过对所有组相等的常数项和与组人口的平方根成正比的项之和来获得最佳权重。当相互作用很强时，最佳权重通常不是唯一确定的。事实上，当所有组都是正耦合时，任何权重分配都是最佳的。对于两个相互竞争的组群，总权重的差异必须是一个特定的数字，但每个集群内的权重分配是任意的。我们还获得了两种交互机制的条件，在这些条件下，由于权重的负性，不可能达到最小的民主赤字。

埃博拉疫情的网络流行病学

原文标题： The network epidemiology of an Ebola epidemic

地址： http://arxiv.org/abs/2111.08686

作者： Laurent Hébert-Dufresne, Jean-Gabriel Young, Jamie Bedson, Laura A. Skrip, Danielle Pedi, Mohamed F. Jalloh, Bastian Raulier, Olivier Lapointe-Gagné, Amara Jambai, Antoine Allard, Benjamin M. Althouse

摘要： 连接不同规模的流行动态，从个人到社区再到国家，仍然是疾病建模的主要挑战之一。在这里，我们重温了针对局部流行病的最大公共卫生努力之一：2014-2016 年塞拉利昂的埃博拉病毒病 (EVD) 流行病。我们利用塞拉利昂卫生和卫生部、美国疾病控制和预防中心和其他响应合作伙伴的监测和接触者追踪协议收集的数据来验证连接人口（发病率）、社区（当地预测）和个体（继发感染）疾病传播规模。通过这样做，我们更好地理解了结束埃博拉病毒病流行的原因：减少新集群的引入（主要病例），而不是减少本地传播模式（二次感染）。我们还发现，疫情的前 90 天包含了足够的信息，可以对埃博拉病毒病病例进行概率预测；我们显示的预测得到了疾病监测和接触者追踪的独立确认。总而言之，利用国际支持当地应对措施开始前两个月的可用数据，网络流行病学可以推断出当地传播的异质性、超级传播事件的风险以及每个社区最终病例的概率预测。我们希望我们的框架将有助于将大量数据收集工作与个人行为联系起来，并有助于减少突发卫生事件和新出现的流行病期间的不确定性。

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。