• 网络中排名和社区之间的相互作用;
• 用于 COVID-19 传播建模的平均场博弈;
• 人员流动数据中的偏差影响流行病建模;
• 从封面判断一本书：预测标题对 Reddit 帖子流行度的边际影响;
• 行人横穿流宏观和微观动力学分析与建模;

网络中排名和社区之间的相互作用

原文标题： The interplay between ranking and communities in networks

地址： http://arxiv.org/abs/2112.12670

作者： Laura Iacovissi, Caterina De Bacco

摘要： 社区检测和层次提取通常被认为是网络上的独立推理任务。在研究真实世界数据时只考虑两者之一可能过于简单化。在这项工作中，我们提出了一个基于社区和层次结构之间相互作用的生成模型。它假设每个节点在交互机制中都有一个偏好，具有相同偏好的节点更有可能进行交互，同时仍然允许异构交互。算法实现是有效的，因为它利用了网络数据集的稀疏性。我们展示了我们在合成和真实世界数据上的方法，并将性能与两种标准方法进行社区检测和排名提取进行比较。我们发现该算法准确地检索了每个节点在不同场景中的偏好，并且我们表明它可以区分行为与大多数节点不同的小节点子集。因此，该模型可以识别网络是否具有整体首选交互机制。这在没有关于什么结构可以很好地解释观察到的网络数据集的明确“先验”信息的情况下是相关的。我们的模型允许从业者从数据中自动学习。

用于 COVID-19 传播建模的平均场博弈

原文标题： Mean field game for modeling of COVID-19 spread

地址： http://arxiv.org/abs/2112.12313

作者： Viktoriya Petrakova, Olga Krivorotko

摘要： 本文提出了一种对流行病传播进行建模的可能方法。所提出的模型基于不同群体内的平均场控制，即可疑 (S)、感染 (I)、移除 ® 和交叉免疫 ©。文中提出了求解此类问题的数值算法，保证了时间轴内种群总质量的守恒。数值实验证明了对 COVID-19 病毒在新西伯利亚（俄罗斯）两个 100 天期间的传播进行建模的结果。

人员流动数据中的偏差影响流行病建模

原文标题： Biases in human mobility data impact epidemic modeling

地址： http://arxiv.org/abs/2112.12521

作者： Frank Schlosser, Vedran Sekara, Dirk Brockmann, Manuel Garcia-Herranz

摘要： 大规模人员流动数据是数据驱动决策和许多科学领域的关键资源。最近，在 COVID-19 大流行期间广泛使用移动数据来研究政府政策的影响并为流行病模型提供信息。大规模移动性通常使用数字工具（例如移动电话）来衡量。然而，这些数字主体如何真实地代表一般人群的实际旅行行为仍然是一个悬而未决的问题。在这里，我们检查了来自多个国家/地区的移动数据集，并确定了由不平等获取和不平等使用手机引起的两种根本不同类型的偏见。我们引入了数据生成偏差的概念，这是一种以前被忽视的偏差类型，当个人产生的数据量影响他们在数据集中的表示时就会出现这种偏差。我们在所有检查的数据集中发现了数据生成偏差的证据，因为高财富个人的人数过多，最富有的 20% 贡献了所有记录旅行的 50% 以上，大大扭曲了数据集。这种不平等是必然的，因为我们发现不同财富群体的流动模式在结构上是不同的，高财富用户的流动网络更密集，包含更多的远程连接。为了减轻这种偏差，我们提出了一个去偏差数据的框架，并展示了如何使用简单的技术来提高代表性。使用我们的方法，我们展示了偏见如何严重影响动态过程的结果，例如流行病模拟，其中有偏见的数据错误地估计了疾病传播的严重性和速度。总的来说，我们表明不考虑偏差会对研究结果产生不利影响，并敦促研究人员和从业人员在未来所有人类流动性研究中考虑数据公平性。

从封面判断一本书：预测标题对 Reddit 帖子流行度的边际影响

原文标题： Judging a book by its cover: Predicting the marginal impact of title on Reddit post popularity

地址： http://arxiv.org/abs/2112.12191

作者： Evan Weissburg, Arya Kumar, Paramveer Dhillon

摘要： 有几个因素会影响社交媒体上的内容受欢迎程度，包括帖子的内容、时间和人员。在这些因素中，内容的内容和时间最容易定制，以最大限度地提高收视率和影响力。此外，与通常固定的帖子正文相比，帖子的标题（内容的一部分）最容易定制。因此，在本文中，我们通过提出一个可解释的基于注意力的模型来评估帖子标题对其受欢迎程度的影响，同时控制发布时间（时间）。我们的方法在预测各种规模、主题和格式的多个在线社区上帖子的受欢迎程度方面取得了最先进的性能，同时仍然简约。对我们模型的注意力权重的解释揭示了帖子标题中的特定单词如何影响其在不同社区中的受欢迎程度的异质模式。我们的结果突出了情感一致性、个人故事讲述甚至个性政治在推动内容病毒式传播方面的力量。

行人横穿流宏观和微观动力学分析与建模

原文标题： Analysis and modelling of macroscopic and microscopic dynamics of a pedestrian cross-flow

地址： http://arxiv.org/abs/2112.12304

作者： Francesco Zanlungo, Claudio Feliciani, Zeynep Yücel, Katsuhiro Nishinari, Takayuki Kanda

摘要： 在这项工作中，我们调查了人群在交叉流中的行为。我们首先分析一组受控实验的结果，其中受试者被分成两组，以这种方式探索不同的密度设置，并要求穿过交叉区域。我们通过分析以及传统指标（如密度和速度、步行和身体方向）来研究实验结果，研究这些微观可观察量如何受密度影响。此外，我们报告了对交叉区域自组织条纹出现的初步但定量的分析，这种现象以前曾在模型中定性报告和再现，但其定量分析是一个新的贡献。我们还尝试使用模型层次结构重现经验结果，这些模型在身体形状的细节（使用盘状身体与更逼真的椭圆形）和如何避免碰撞（仅使用有关“质心”距离和速度，或实际引入体型信息）。我们验证了最详细的模型（即，使用体型信息和椭圆体）在显著方面优于最简单的模型（仅使用质心距离和速度，以及圆盘形体）。此外，我们观察到，如果在避免碰撞时不使用此类信息而引入椭圆体，则模型的性能相对较差。然而，不同模型之间的差异仅与描述可观察分布的“尾部”有关，这表明更复杂的模型仅可用于描述高密度设置。我们还验证了所有模型中都出现了“条纹形成”。

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。