• 全球价值链国家的兴衰;
• 高铁对中国人才流动的重要但异质的影响;
• SHGNN：结构感知异构图神经网络;
• DiVA：用于大型网络信息扩散的可扩展、交互式和可定制的可视化分析平台;
• 识别集群质量指标中的偏差;
• 美国各州的动态聚类揭示了预测 SARS-CoV-2 大流行行为的四种不同的感染模式;
• 网络上意见动态的自适应有界置信模型;
• 使用消息传递理论在元种群流行模型中识别有影响的亚种群;
• 市场的 q-spin Potts 模型：股票指数的损益不对称是一种新兴现象;
• 通过股票市场指标进行的 COVID-19 预测;
• 在线评论系统中的虚假评论组检测;
• SIR 模型中的锁定干预：再生数是正确的控制变量吗？;
• 戴口罩的分类混合对网络中流行病传播的影响;

全球价值链国家的兴衰

原文标题： The rise and fall of countries in the global value chains

地址： http://arxiv.org/abs/2112.05870

作者： Luiz G. A. Alves, Giuseppe Mangioni, Francisco A. Rodrigues, Pietro Panzarasa, Yamir Moreno

摘要： 各国通过参与连接多个地理上分散的生产阶段的后向和前向交易来参与全球价值链。受网络理论的启发，我们将全球贸易建模为一个多层网络，并通过调查特征向量中心性集中在一小部分国家的趋势来研究其权力结构，这种现象称为本地化转型。我们表明，就在全球金融危机之前，2007 年市场经历了显著的结构性变化。那一年见证了各国在全球价值链中的突然重新定位，特别是美国和中国两大经济体的主导地位发生了显著逆转。我们根据国家特征向量中心性的时间序列揭示了多层网络的层次结构，并表明贸易往往集中在具有不同权力动态但地理位置接近的国家之间。我们进一步调查了个别行业对国家经济主导地位的贡献，并表明 2007 年国家市场定位在行业内也发生了变化。此外，我们阐明了国内贸易在引领中国的地缘政治格局中发挥的关键作用超越美国，巩固其作为全球价值链领先经济体的地位。我们的研究表明，2008 年危机如何为政策制定者和政府提供见解，让他们理解如何将即将到来的外生冲击的早期结构性信号转化为机会，在不断变化的地缘政治格局中重新设计国家的全球角色。

高铁对中国人才流动的重要但异质的影响

原文标题： Substantial but heterogeneous impacts of high-speed rail on talent flow in China

地址： http://arxiv.org/abs/2112.06508

作者： Xie Mei, Gao Jian, Zhou Tao

摘要： 中国高铁（HSR）的大幅扩张促进了城市间人与人之间的交流和互动。人才说，尽管有大量文献记录了高铁对当地经济发展、研究合作、旅游和资本流动等各种变量的影响，但人们对高铁如何影响受过良好教育的工人流动知之甚少。在这里，我们基于在线求职者的大规模简历数据估算了中国城市之间的人才流动，并探讨了高铁对它的影响。具体而言，我们采用了控制多个社会经济因素的多元线性回归模型和两阶段最小二乘回归模型，该模型将高铁引入城市以解决内生性问题。我们发现高铁的引入对一个城市的人才净流入有整体的积极影响，尽管流入和流出都增加了。此外，高铁对人才流动的影响在不同经济发展水平的城市和不同行业的人才之间存在较大差异。具体而言，发达城市受益于高铁，而欠发达城市则相对受损。高铁相连的城市在吸引二三产业人才方面具有显著优势。高铁的这些实质性但异质性的影响表明，迫切需要更全面地思考进入高铁网络的长期利益，特别是对于欠发达城市以及在制造业和服务业方面具有比较优势的城市。

SHGNN：结构感知异构图神经网络

原文标题： SHGNN: Structure-Aware Heterogeneous Graph Neural Network

地址： http://arxiv.org/abs/2112.06244

作者： Wentao Xu1, Yingce Xia, Weiqing Liu, Jiang Bian, Jian Yin, Tie-Yan Liu

摘要： 许多现实世界的图（网络）是异构的，具有不同类型的节点和边。异构图嵌入，旨在学习异构图的低维节点表示，对于各种下游应用至关重要。近年来，人们提出了许多基于元路径的嵌入方法来学习异构图的语义信息。然而，大多数现有技术在学习异构图嵌入时忽略了图结构信息。本文提出了一种新颖的结构感知异构图神经网络 (SHGNN) 来解决上述限制。具体来说，我们首先利用特征传播模块来刻画元路径中中间节点的局部结构信息。接下来，我们使用树注意力聚合器将图结构信息合并到元路径上的聚合模块中。最后，我们利用元路径聚合器来融合从不同元路径聚合的信息。我们对节点分类和聚类任务进行了实验，并在基准数据集上取得了最先进的结果，这表明了我们提出的方法的有效性。

DiVA：用于大型网络信息扩散的可扩展、交互式和可定制的可视化分析平台

原文标题： DiVA: A Scalable, Interactive and Customizable Visual Analytics Platform for Information Diffusion on Large Networks

地址： http://arxiv.org/abs/2112.06267

作者： Dhruv Sahnan, Vasu Goel, Sarah Masud, Chhavi Jain, Vikram Goyal, Tanmoy Chakraborty

摘要： 随着数字平台在我们生活中的普及，研究人员对研究似乎正在迅速发展的社会互动的不同方面产生了浓厚的兴趣。分析信息的传播（又名扩散）带来了多个研究领域，例如用户参与建模、确定新兴主题、预测在线帖子的病毒式传播和预测信息级联。尽管这种兴趣不断增加，但易于使用的界面之间仍然存在真空，用于大规模可视化扩散模型。在本文中，我们介绍了 DiVA——扩散可视化和分析，该工具提供了可扩展的 Web 界面和可扩展的 API 来分析网络上的各种扩散趋势。 DiVA 独特地支持同时比较两个相互竞争的扩散模型，甚至支持与地面实况结果的比较，这两者都有助于对现实世界的场景进行连贯的理解。除了针对用于信息传播的公开 Web 界面对 DiVA 进行详尽的功能比较和系统评估之外，我们还进行了一项用户研究以理解 DiVA 的优势和局限性。我们注意到评估者具有无缝的用户体验，尤其是在分析大型网络上的传播时。

识别集群质量指标中的偏差

原文标题： Identifying bias in cluster quality metrics

地址： http://arxiv.org/abs/2112.06287

作者： Martí Renedo-Mirambell, Argimiro Arratia

摘要： 我们研究流行的集群质量指标的潜在偏差，例如电导或模块化。我们提出了一种使用随机和优先连接块模型构建的方法来生成具有预设社区结构的网络，并将应用质量指标。这些模型还允许我们生成不同强度的多级结构，这将显示指标是否有利于划分为更多或更少数量的集群。此外，我们提出了另一个质量指标，密度比。我们观察到，大多数研究的指标倾向于划分为较少数量的大集群，即使它们的相对内部和外部连接是相同的。发现偏差较小的指标是模块化和密度比。

美国各州的动态聚类揭示了预测 SARS-CoV-2 大流行行为的四种不同的感染模式

原文标题： Dynamical clustering of U.S. states reveals four distinct infection patterns that predict SARS-CoV-2 pandemic behavior

地址： http://arxiv.org/abs/2112.05782

作者： Joseph L. Natale, Varun Viswanath, Oscar Trujillo Acevedo, Sophia Pérez Giottonini, Sandy Ihuiyan Romero Hernández, Diana G. Cruz Millán, A. Montserrat Palacios-Puga, Ammar Mandvi, Brian M. Khan, Martin Lilik, Jay Park, Benjamin L. Smarr

摘要： 迄今为止，SARS-CoV-2 大流行已在美国 50 个州以不同的方式展开，反映在感染“波”的不同时间进展和当地感染率的大小上。尽管表现形式明显多样，但在从 2020 年秋季到 2021 年冬季的过渡期间，美国大多数州都经历了单日新增病例的最大增幅。大众媒体还引用了各州之间的其他相似之处——尽管政府政策通常存在差异，但据报道戴口罩合规率和疫苗接种百分比。在这里，我们确定了一组强大的低维集群，它们 1) 总结了美国所有 50 个州都可以访问的四个历史 COVID-19“波浪机会”的时间和相对高度，2) 与与这些相关的地理和干预模式相关联它们包含的州组，以及 3) 预测 2021 年夏末新感染“第五波”的各个方面。特别是，我们认为聚类阐明了疫苗接种率与州组内随后的病例数变化之间的负相关关系.我们提出了疫苗接种充当“安全带”的假设，实际上限制了新病例增加的可能范围，即使在 2021 年夏季，变异驱动的激增的背景下也是如此。

网络上意见动态的自适应有界置信模型

原文标题： An Adaptive Bounded-Confidence Model of Opinion Dynamics on Networks

地址： http://arxiv.org/abs/2112.05856

作者： Unchitta Kan, Michelle Feng, Mason A. Porter

摘要： 在社会网络中相互互动的个人经常交换想法并影响彼此的意见。研究意见在网络上传播的动态的一种流行方法是通过检查有界置信度 (BC) 模型，其中网络的节点具有连续值状态，这些状态对它们的意见进行编码，并且如果它们位于某些范围内，则可以接受其他意见对自己的意见充满信心。我们通过研究与网络结构共同演化的意见动态，扩展了著名的 BC 模型 Deffuant–Weisbuch (DW) 模型。我们提出了 DW 模型的自适应变体，其中网络节点可以 (1) 在与相邻节点交互时改变他们的意见，以及 (2) 基于意见容忍阈值断开与邻居的连接，然后形成一个遵循同质性原则与节点的新连接。该意见容忍阈值用作确定相邻节点的意见是否足够不同以被视为不一致的阈值。我们发现，对于网络节点，我们的自适应 BC 模型需要比标准 DW 模型更大的置信界限才能达成共识。有趣的是，我们的模型包括具有“伪共识”稳态的区域，其中在意见共识组中存在两个彼此有少量偏差的子集群。我们对我们的自适应 BC 模型进行了广泛的数值模拟，并检查了早期动力学和节点的重要性，并具有初步的温和意见以达成共识。我们还研究了协同演化对动力学收敛时间的影响。

使用消息传递理论在元种群流行模型中识别有影响的亚种群

原文标题： Identifying influential subpopulations in metapopulation epidemic models using the message-passing theory

地址： http://arxiv.org/abs/2112.05879

作者： Jeehye Choi, Byungjoon Min

摘要： 在元种群流行模型中识别有影响的亚种群对全球大流行的监测和干预政策具有深远的潜在影响。然而，缺乏基于严格数学背景来确定元种群模型中影响节点的方法。在这项研究中，我们推导出了用于元种群建模的消息传递理论，并提出了一种确定有影响的传播者的方法。根据我们的分析，当应用于现实世界的数据时，我们将最危险的城市确定为大流行的潜在种子。此外，我们特别评估了亚群水平上各种异质性来源的相对重要性，例如连接数量和移动模式，以确定传播过程的特性。我们通过考虑各种移动性和传输概率的经验和合成网络的广泛数值模拟来验证我们的理论。我们确认我们的理论可以准确预测元种群模型中的有影响力的亚种群。

市场的 q-spin Potts 模型：股票指数的损益不对称是一种新兴现象

原文标题： A q-spin Potts model of markets: Gain-loss asymmetry in stock indices as an emergent phenomenon

地址： http://arxiv.org/abs/2112.06290

作者： Stefan Bornholdt (Bremen University)

摘要： 受磁性物理模型启发的市场自旋模型，如 Ising 模型，允许研究市场中相互作用的主体的集体动态。可能状态的数量主要限于两个（买入或卖出）或三个选项。然而，在最简单的模型中，竞争股票的羊群效应和整个市场的集体动态可能无法实现。在这里，我研究了简单 Ising 市场模型的 q-spin Potts 模型版本，以在自旋模型中表示股票市场指数的动态。结果，观察到由该市场中的股票组成的指数变量的时间序列中的自组织损益不对称。

通过股票市场指标进行的 COVID-19 预测

原文标题： COVID-19 Forecasts via Stock Market Indicators

地址： http://arxiv.org/abs/2112.06393

作者： Yi Liang, James Unwin

摘要： 可靠的短期预测可以为后勤规划，尤其是医院员工和设备等资源的优化分配提供潜在的挽救生命的见解。通过用烛台重新解释 COVID-19 的日常案例，我们能够应用一些最受欢迎的股市技术指标来获得对大流行病过程的预测能力。通过对 MACD、RSI 和烛台分析进行定量评估，我们展示了它们在预测股市数据和 WHO COVID-19 数据方面的统计意义。特别是，我们通过考虑识别随后的大流行浪潮的开始来展示这种新颖方法的实用性。最后，我们的新方法用于评估当前的卫生政策是否正在影响新的 COVID-19 病例的增长。

在线评论系统中的虚假评论组检测

原文标题： Fake Reviewer Group Detection in Online Review Systems

地址： http://arxiv.org/abs/2112.06403

作者： Chen Cao, Shihao Li, Shuo Yu, Zhikui Chen

摘要： 在线评论系统是影响客户购买决策的重要组成部分。为了操纵产品的声誉，许多商店雇用大量人员制作虚假评论以误导客户。以前的方法通过检测恶意个人来解决这个问题，而忽略了垃圾邮件活动通常是成群结队的这一事实，即个人共同撰写虚假评论。然而，由于难以捕捉组中的潜在关系，虚假评论者组检测更具挑战性。在这项工作中，我们提出了一种无监督的端到端方法来检测在线评论中的虚假评论者群体。具体来说，我们的方法可以总结为两个过程。首先，使用基于模块化的图卷积网络检测凝聚组。然后从个体和群体两个层面通过几个异常指标来衡量每个群体的可疑性。通过可疑性，最终可以发现虚假的审阅者群体。在真实世界的数据集上进行了大量实验，结果表明，与最先进的基线相比，我们提出的方法在检测虚假评论者群体方面是有效的。

SIR 模型中的锁定干预：再生数是正确的控制变量吗？

原文标题： Lockdown interventions in SIR model: Is the reproduction number the right control variable?

地址： http://arxiv.org/abs/2112.06546

作者： Leonardo Cianfanelli, Francesca Parise, Daron Acemoglu, Giacomo Como, Asuman Ozdaglar

摘要： 最近的 COVID-19 大流行凸显了在大流行的第一阶段进行非药物干预的必要性。其中，锁定政策被证明是不可避免的，但从经济角度来看，成本极高。为了更好地理解封锁干预的经济成本和流行病成本之间的权衡，我们在这里重点关注一个简​​单的 SIR 流行病模型，并将锁定作为最优控制问题的解决方案进行研究。我们首先在数值上表明，随着时间范围的增长，最佳锁定策略表现出从抑制到缓解的阶段转变，即，如果时间范围很短，则最佳策略是实施严格的锁定以避免感染扩散，而如果时间范围是长久以来，最优控制将系统引导至群体免疫，以减少经济损失。然后，我们考虑了两种替代政策，受政府对 COVID-19 大流行的反应的推动，其中选择锁定水平以稳定繁殖数量（即“拉平曲线”）或受感染的比例（即包含感染人数）住院）。我们分析计算这两种反馈策略的性能，并将它们与最佳控制进行比较。有趣的是，我们表明，在无限地平线的限制下，稳定感染者的数量比控制繁殖数量更可取，并且实际上产生接近最佳性能的结果。

戴口罩的分类混合对网络中流行病传播的影响

原文标题： Impact of assortative mixing by mask-wearing on the propagation of epidemics in networks

地址： http://arxiv.org/abs/2112.06589

作者： Hiromu Watanabe, Takehisa Hasegawa

摘要： 在这项研究中，我们讨论了佩戴口罩的混合混合对使用口罩抑制流行病传播的有效性的影响。我们采用口罩模型，这是一种涉及口罩佩戴者和非口罩佩戴者的流行病模型。我们推导出大规模爆发的发生概率和平均规模、流行阈值和面具模型在遵循任意度分布的分类混合随机网络中的平均流行规模。将我们的分析应用于泊松随机网络，我们发现通过戴口罩进行的分类（不分类）混合会降低（增加）流行阈值。在高传播率的情况下，我们确定，当混合模式强烈分类时，使用口罩在降低大爆发的发生概率和平均规模以及平均流行规模方面最有效。在无标度网络中，只要掩码覆盖率不低，当混合模式是强协调性和最大不协调性时，掩码的使用最有效。

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。