• CompanyName2Vec：基于招聘广告的公司实体匹配;
• 基于模体的聚类网络上相互作用粒子的平均场逼近;
• NiemaGraphGen：一个内存高效的全球规模接触网络模拟工具包;
• 认知主体之间的共识是困难的;
• 多社区网络的流行病传播峰值感染率;
• 纳米战可导致疫情死灰复燃，无法促进合作;
• 特征丰富的多元词汇网络揭示了早期语言学习的心理策略;

CompanyName2Vec：基于招聘广告的公司实体匹配

原文标题： CompanyName2Vec: Company Entity Matching Based on Job Ads

地址： http://arxiv.org/abs/2201.04687

作者： Ran Ziv, Ilan Gronau, Michael Fire

摘要： 实体匹配是所有现实世界系统的重要组成部分，它接收来自不同来源的结构化和非结构化数据。通常没有通用键可用于连接记录。大量数据清理和集成过程需要在任何数据分析之前完成，或者可以执行进一步处理。尽管记录链接通常被认为是一个有点乏味但必要的步骤，但它揭示了有价值的见解，支持数据可视化，并指导对数据的进一步分析方法。在这里，我们专注于组织实体匹配。我们介绍了 CompanyName2Vec，这是一种解决公司实体匹配 (CEM) 的新算法，它使用神经网络模型从招聘广告语料库中学习公司名称语义，而不依赖匹配公司的名称以外的任何信息。基于真实数据，我们表明 CompanyName2Vec 优于其他评估方法，并以 89.3% 的平均成功率解决了 CEM 挑战。

基于模体的聚类网络上相互作用粒子的平均场逼近

原文标题： Motif-based mean-field approximation of interacting particles on clustered networks

地址： http://arxiv.org/abs/2201.04999

作者： Kai Cui, Wasiur R. KhudaBukhsh, Heinz Koeppl

摘要： 图上的相互作用粒子通常用于研究物理学中的磁行为、流行病学中的疾病传播以及社会科学中的意见动态。关于大型图的此类系统的平均场近似的文献仅限于无簇图，基于度数和对的标准近似通常相当准确。在这里，我们提出了一种基于主题的平均场近似，它考虑了大型聚类图中的高阶子图结构。在数值上，我们的方程与现有方法失败的随机模拟一致。

NiemaGraphGen：一个内存高效的全球规模接触网络模拟工具包

原文标题： NiemaGraphGen: A memory-efficient global-scale contact network simulation toolkit

地址： http://arxiv.org/abs/2201.04625

作者： Niema Moshiri

摘要： 流行病模拟需要能够从各种随机图模型中采样接触网络。现有方法可以模拟城市规模甚至国家规模的联系网络，但由于高内存消耗，无法切实模拟全球规模的联系网络。 NiemaGraphGen (NGG) 是一种内存高效的图生成工具，可以模拟全球规模的接触网络。 NGG 避免将整个图存储在内存中，而是打算在数据流管道中使用，从而导致内存消耗比现有工具小几个数量级。 NGG 为模拟社交联系网络提供了可大规模扩展的解决方案，支持全球范围内的流行病模拟研究。

认知主体之间的共识是困难的

原文标题： Consensus between Epistemic Agents is Difficult

地址： http://arxiv.org/abs/2201.04642

作者： Damian R. Sowinski, Jonathan Carroll-Nellenback, Jeremy M. DeSilva, Adam Frank, Gourab Ghoshal, Marcelo Gleiser, Hari Seldon

摘要： 我们在两个数据流之间引入了一个认知信息度量，我们称之为 influence。与转移熵密切相关的是，该度量必须由具有有限内存资源的认知主体通过对可访问数据流进行采样来估计。我们表明，即使在理想条件下，使用稍微不同的采样策略的认知主体可能无法就哪个数据流影响哪个数据流的结论达成共识。作为一个例子，我们检查了一个真实世界的数据流，其中不同的采样策略导致了相互矛盾的结论，解释了为什么一些带有政治色彩的主题可能由于纯粹的认知原因而存在，而与世界的实际本体无关。

多社区网络的流行病传播峰值感染率

原文标题： Peak infection rate in epidemic spreading for multi-community networks

地址： http://arxiv.org/abs/2201.04697

作者： Jing Ma, Xiangyi Meng, Lidia A. Braunstein

摘要： 减缓全球流行病（例如 COVID-19）传播的最有效策略之一是关闭国际机场。从网络理论的角度来看，这是因为国际机场和航班作为个体社区在本质上扮演着国家间的桥梁节点和桥梁纽带的角色，主导着整个多社区体系中的流行病传播特征。在所有流行病特征中，峰值感染率I_max是在医疗资源有限的情况下评估流行病策略的决定性因素，但在多社区模型中很少考虑。在本文中，我们研究了在易感感染恢复（SIR）模型的演化下，由一小部分桥节点互连的一般两社区系统及其动态特性，特别是 I_max .通过比较系统不同部分的特征时间尺度，我们可以分析推导出 I_max 与 r 的渐近行为，如 rrightarrow 0，在每个制度中遵循不同的幂律关系的相图。当 r 不够小时，我们还检测到 I_max 遵循双方不同制度的幂律关系的交叉点。我们的结果可以更好地预测作用于桥节点的策略的有效性，由幂律指数 epsilon_I 表示，如 I_maxpropto r^1/epsilon_I。

纳米战可导致疫情死灰复燃，无法促进合作

原文标题： Nanowars can cause epidemic resurgence and fail to promote cooperation

地址： http://arxiv.org/abs/2201.04747

作者： Dirk Helbing, Matjaž Perc

摘要： 在一个不可持续的“人口过剩”世界中，使用基于纳米技术的有针对性的自主武器对人类的未来意味着什么？为了获得一些见解，我们做了一个简化的博弈论思想实验。我们考虑一个群体，其中主体人玩公共物品博弈，同时流行病正在蔓延。被感染的叛逃者的主体人以一定的概率被杀死并被易感的合作者取代。我们表明，这样的“纳米战争”，即使旨在促进良好行为和地球健康，不仅不能促进合作，而且还会显著增加重复流行病浪潮的可能性。事实上，新生的合作者很容易成为附近叛逃者的目标。因此，与直觉相反，所讨论的干预甚至可能会产生所期望的相反效果，从而促进背叛。我们还发现了受感染的叛逃者死亡率的一个关键阈值，超过该阈值后，再次流行的流行浪潮成为必然。总之，我们迫切呼吁对纳米技术和自主武器进行国际监管。

特征丰富的多元词汇网络揭示了早期语言学习的心理策略

原文标题： Feature-rich multiplex lexical networks reveal mental strategies of early language learning

地址： http://arxiv.org/abs/2201.05061

作者： Salvatore Citraro, Michael S. Vitevitch, Massimo Stella, Giulio Rossetti

摘要： 人类头脑中的知识呈现出二元矢量/网络性质。将单词建模为向量是自然语言处理的关键，而单词关联网络可以映射语义记忆的性质。我们通过引入 FEature-Rich MUltiplex LEXical (FERMULEX) 网络来调和这些分散在语言学、心理学和计算机科学中的范式。这种新颖的框架融合了网络中的结构相似性和单词的向量特征，可以独立组合或探索。相似性模型跨知识的语义/句法/语音方面的异质词关联。单词富含多维特征嵌入，包括频率、获取年龄、长度和多义词。这些方面使得对认知知识的前所未有的探索成为可能。通过 CHILDES 数据，我们使用 FERMULEX 网络对 18 到 30 个月的 1000 名幼儿的规范语言习得进行建模。相似性和嵌入通过一致性来捕捉词的同质性，一致性通过距离和特征来衡量分类混合。 Conformity 挖掘出一个语言核心，包含频繁/多义/短名词和动词，是基本句子生成的关键，支持最近出现的 30 个月儿童句法结构的证据。该内核对网络核心检测和仅特征聚类是不可见的：它源于单词的双重向量/网络性质。我们的定量分析揭示了早期单词学习的两个关键策略。将单词获取建模为 FERMULEX 拓扑上的随机游走，我们强调了交流发展库存 (CDI) 的非均匀填充。基于一致性的步行者对 CDI 中的早期单词学习做出准确 (75%)、精确 (55%) 和部分记忆良好 (34%) 的预测，为先前的经验发现和发展理论提供定量支持。

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。