• 经典图结构特征在社区标签上优于基于分解的图嵌入方法;
• 贝多芬四重奏的谐波结构：一种复杂的网络方法;
• Barabasi-Albert 网络上接触过程的相图;
• SciGRID_gas——欧洲天然气运输网络的数据模型;
• 面向数学家的非专家数据伦理介绍;
• 使用对比学习理解和检测仇恨内容;
• 您的推文很重要：社交媒体情绪如何与美国的 COVID-19 疫苗接种率相关联;
• 静态人群中的行人不是谷物，而是博弈玩家;
• 推特新闻源信誉分析：2019年西班牙总统大选特例;
• 意见动力学模型的集合，以理解未定者在疫苗接种辩论中的作用;
• Minimax-Regret 气候政策与气候建模和代际折扣中的深度不确定性;

经典图结构特征在社区标签上优于基于分解的图嵌入方法

原文标题： Classic Graph Structural Features Outperform Factorization-Based Graph Embedding Methods on Community Labeling

地址： http://arxiv.org/abs/2201.08481

作者： Andrew Stolman, Caleb Levy, C. Seshadhri, Aneesh Sharma

摘要： 图表示学习（也称为图嵌入）是一种将网络结构整合到机器学习模型中的流行技术。无监督图嵌入方法旨在通过学习每个节点的低维向量表示（嵌入）来刻画图结构。尽管这些嵌入广泛用于各种下游转换机器学习任务，但对于这种方法对常见任务的有效性几乎没有原则性分析。在这项工作中，我们为一类嵌入在成对社区标记的共同任务中的表现提供了实证和理论分析。这是经典社区检测问题的二元变体，它试图构建一个分类器来确定一对顶点是否参与社区。根据我们的基础理解目标，我们专注于一类流行的无监督嵌入技术，该技术学习顶点邻近矩阵的低秩分解（该类包括 GraRep、DeepWalk、node2vec、NetMF 等方法）。我们对具有基本事实的各种真实和合成图进行社区标记的详细实证分析。在我们研究的所有案例中，通过嵌入特征训练的模型在社区标签上表现不佳。相比之下，具有经典图结构特征的简单逻辑模型轻松胜过嵌入模型。为了更原则性地理解，我们对这些嵌入在刻画社区结构方面的（无效）有效性提供了理论分析。我们正式证明流行的低维分解方法要么不能产生社区结构，要么只能产生“不稳定”的社区。这些社区在小扰动下本质上是不稳定的。

贝多芬四重奏的谐波结构：一种复杂的网络方法

原文标题： Harmonic structures of Beethoven quartets: a complex network approach

地址： http://arxiv.org/abs/2201.08796

作者： Théo Frottier, Bertrand Georgeot, Olivier Giraud

摘要： 我们提出了一种复杂的网络方法来支持西方音调音乐的谐波结构。从贝多芬弦乐四重奏的数据库中，我们构建了一个有向网络，其节点是音乐和弦，边连接和弦。我们展示了网络是无标度的，并且在应用排名算法时具有特定的属性。我们探索其社区结构及其音乐解释，并提出源自网络理论的统计措施，允许在风格上区分作曲时期。我们的工作为色调和谐的结构特性的网络方法开辟了道路。

Barabasi-Albert 网络上接触过程的相图

原文标题： Phase Diagram of the Contact Process on Barabasi-Albert Networks

地址： http://arxiv.org/abs/2201.08708

作者： D. S. M. Alencar, T. F. A. Alves, G. A. Alves, R. S. Ferreira, A. Macedo-Filho, F. W. S. Lima

摘要： 我们展示了 Barabasi 网络上的联系过程的结果。接触过程是一种没有永久免疫力但具有吸收状态的流行病传播模型。对于有限格，吸收状态是真正的静止状态，这导致需要模拟准静止状态，我们通过两种方式进行了模拟：通过插入自发感染个体重新激活，或者通过准静止方法，我们当系统访问吸收状态时，存储活动状态列表以继续模拟。系统呈现吸收相变，其中临界行为服从平均场指数 beta=1、gamma’=0 和 nu=2。然而，不同的准静止状态呈现不同的有限大小对数校正。我们还将模型的临界阈值报告为网络连通性倒数 1/z 的线性函数，并且 z to infty 的临界阈值函数的外推产生基本再生数 R_0=1正如预期的那样，完整的图表。减少网络连接会导致该模型的关键基本再生数 R_0 增加。

SciGRID_gas——欧洲天然气运输网络的数据模型

原文标题： SciGRID_gas – Data Model of the European Gas Transport Network

地址： http://arxiv.org/abs/2201.08827

作者： Adam Pluta, Wided Medjroubi, Jan Diettrich, Jan Dasenbrock, Hendrik-Pieter Tetens

摘要： 当前欧洲能源部门向气候中和的过渡需要详细而可靠的能源系统建模。能源系统建模的质量和相关性在很大程度上取决于模型输入数据集的可用性和质量。然而，仍然缺少详细可靠的数据集，尤其是能源基础设施数据集。在这篇文章中，我们介绍了我们开发欧洲天然气运输网络的开源和开放数据模型的方法。各种免费可用的数据源被用来收集天然气运输数据集及其属性。处理各种数据源的结果数据集，并将独特的元素合并在一起。统计和启发式方法用于生成缺失的网络元素属性。结果，我们成功地创建了一个仅使用开源数据的天然气运输网络模型。 SciGRID_gas 模型包含 237.000 公里的管道数据，这是理解长度值的非常好的近似值。此外，还提供了压缩机站、LNG接收站、存储、生产侧、燃气电厂、边境口岸和需求时间序列的数据集。最后，我们讨论了数据差距以及如何弥补这些差距。

面向数学家的非专家数据伦理介绍

原文标题： A Non-Expert’s Introduction to Data Ethics for Mathematicians

地址： http://arxiv.org/abs/2201.07794

作者： Mason A. Porter

摘要： 我简要介绍了数据伦理。我的主要受众是数学家，但我希望我的讨论也对其他人有用。我不是数据伦理方面的专家，我的文章只是一个起点。我鼓励读者检查我讨论的资源，并继续仔细思考数据伦理以及数据和数据分析在他们一生中的社会影响。

使用对比学习理解和检测仇恨内容

原文标题： Understanding and Detecting Hateful Content using Contrastive Learning

地址： http://arxiv.org/abs/2201.08387

作者： Felipe González-Pizarro, Savvas Zannettou

摘要： 仇恨言论和仇恨图像在网络上的传播是一个重大问题，需要加以缓解以改善我们的网络体验。这项工作通过使用 OpenAI 的 CLIP 对 4chan 的 /pol/ 上的反犹太主义和伊斯兰恐惧症进行多模式分析，有助于检测和理解网络上的仇恨内容的研究工作。这个大型预训练模型使用对比学习范式。我们设计了一种方法来使用 Google 的 Perspective API 和手动注释来识别一组反犹太主义和伊斯兰恐惧症的仇恨文本短语。然后，我们使用 OpenAI 的 CLIP 来识别与我们的反犹太主义/伊斯兰恐惧症文本短语高度相似的图像。通过在一个包含 6600 万个帖子和 580 万个在 4chan 的 /pol/ 上共享 18 个月的图像的数据集上运行我们的方法，我们检测到 573,513 个帖子包含 92K 反犹太主义/伊斯兰恐惧症图像和 246K 个帖子，其中包含 420 个仇恨短语。除此之外，我们发现我们可以使用 OpenAI 的 CLIP 模型来检测仇恨内容，准确度得分为 0.84（F1 得分 = 0.58）。此外，我们发现与反犹太主义/伊斯兰恐惧症文本短语相比，4chan 的 /pol/ 上的反犹太主义/伊斯兰恐惧症图像在 2 倍以上的帖子中被共享，这凸显了设计更多工具来检测仇恨图像的必要性。最后，我们公开了一个包含 420 个反犹太主义/伊斯兰恐惧症短语和 92K 图像的数据集，可以帮助研究人员进一步理解反犹太主义/伊斯兰恐惧症并开发更准确的仇恨言论检测模型。

您的推文很重要：社交媒体情绪如何与美国的 COVID-19 疫苗接种率相关联

原文标题： Your Tweets Matter: How Social Media Sentiments Associate with COVID-19 Vaccination Rates in the US

地址： http://arxiv.org/abs/2201.08460

作者： Ana Aleksandric, Mercy Jesuloluwa Obasanya, Sarah Melcher, Shirin Nilizadeh, Gabriela Mustata Wilson

摘要： 目的：该研究的目的是检查社交媒体围绕 COVID-19 疫苗接种的情绪与美国 (US) 疫苗接种率的影响之间的关联，以及导致 COVID-19 疫苗犹豫的其他因素。方法：本研究中使用的数据集包括 2021 年 1 月 4 日至 5 月 11 日在美国实时收集的与疫苗相关的英文推文，以及健康素养 (HL)、社会脆弱性指数 (SVI)、和州一级的疫苗接种率。结果：本研究中的研究结果表明，推文的情绪与美国的疫苗接种率之间存在显著相关性。结果还表明 HL 和 SVI 之间存在显著的负相关，并且州人口统计数据与 HL 和 SVI 相关。讨论：社交媒体活动提供了有关疫苗接种的公众意见的见解，并有助于确定提高美国疫苗接种率所需的公共卫生干预措施。结论：作为疫苗接种运动的一部分，公共卫生干预需要考虑健康素养、社会脆弱性指数和社交媒体情绪监测。

静态人群中的行人不是谷物，而是博弈玩家

原文标题： Pedestrians in static crowds are not grains, but game players

地址： http://arxiv.org/abs/2201.08592

作者： Thibault Bonnemain, Matteo Butano (LPTMS), Théophile Bonnet (IJCLab, LPTMS, CEA), Iñaki Echeverría-Huarte (UPNA), Antoine Seguin (FAST), Alexandre Nicolas (ILM), Cécile Appert-Rolland (IJCLab), Denis Ullmo (LPTMS)

摘要： 行人人群的短期（“运营”）动态通常被认为不涉及任何预期，除非可能避免最迫在眉睫的碰撞。我们表明，当前植根于这种信念的模型无法重现当入侵者穿过静态人群时通过实验观察到的基本特征。我们将缺失的要素识别为行人在下一次交互之后提前计划足够远的能力，这解释了为什么他们接受暂时横向移动到入侵者两侧更密集的区域而不是离开入侵者。在此基础上，基于平均场博弈论的最小模型被证明在捕捉与此设置相关的实验观察以及其他日常生活情况（如部分地铁登机）方面非常成功。这些发现清楚地证明了长期博弈论方法是捕捉人群动态基本要素的关键。

推特新闻源信誉分析：2019年西班牙总统大选特例

原文标题： Reputation analysis of news sources in Twitter: Particular case of Spanish presidential election in 2019

地址： http://arxiv.org/abs/2201.08609

作者： Aarón López-García, Rafael Benítez

摘要： 假新闻影响着很大一部分人口，甚至成为社会的危险。大多数情况下，这种虚假信息流是通过互联网发生的。意识到这个问题，在这项工作中，我们提出了一个综合指标来衡量 Twitter 中的用户声誉，以分析该社会网络中内容的可信度。为了展示指标的实用性，我们分析了 2019 年至 2020 年西班牙一些政治话题的数据，我们检查了机器人在新闻传播中起决定性作用，以及正如预期的那样，人气和声誉之间的联系关于事件可信度的报告。

意见动力学模型的集合，以理解未定者在疫苗接种辩论中的作用

原文标题： Ensemble of Opinion Dynamics Models to Understand the Role of the Undecided in the Vaccination Debate

地址： http://arxiv.org/abs/2201.08822

作者： Jacopo Lenti, Giancarlo Ruffo

摘要： 我们提出了三个模型，用于描述支持vax 和无vax 派系招募未定人口的情况。从 Facebook 页面的真实数据开始，我们比较了三个捕捉未定人群不同行为的意见动态模型。第一个是 SIS 模型的变体，其中未决定的位置被认为是无关紧要的。中立派可以被两个极端派系之一“感染”，加入他们的阵营，当他们对辩论失去兴趣并恢复中立时，他们会“恢复”。第二种模式是三方选民模式：中立页面代表中间立场。他们倾向于他们最初的想法，这与其他各方不同。最后是适用于疫苗接种辩论的双语模型：中立的个人与支持疫苗和反疫苗的派系一致，在极端之间采取妥协的立场（“双语”）。如果他们有一个片面的我们的结果描绘了三种模型之间的一致性：由于在在线社会网络（即使他们从一个较小的人口开始）。虽然大多数支持疫苗的节点都被隔离在自己的社区中，但不支持疫苗的节点却纠缠在网络的核心，大多数未决定的人口是在最后一节中，我们提出并比较了一些可以在网络上应用以防止反vax被攻陷的政策：它们使我们得出结论，审查策略无效，以及基于场景的隔离在未遵循的决定上，而在网络中添加链接有利于遏制 pro-vax 域，从而减少 pro-vaxxers 与未决定人群之间的距离。

Minimax-Regret 气候政策与气候建模和代际折扣中的深度不确定性

原文标题： Minimax-Regret Climate Policy with Deep Uncertainty in Climate Modeling and Intergenerational Discounting

地址： http://arxiv.org/abs/2201.08826

作者： Stephen J. DeCanio, Charles F. Manski, Alan H. Sanstad

摘要： 综合评估模型已成为比较旨在减少温室气体排放的气候政策的主要工具。政策比较通常通过考虑寻求在碳减排成本和气候变化造成的经济损失之间做出最佳权衡的计划者来进行。规划问题已被形式化为最优控制之一，其目标是在一个时间范围内最小化减排和损害的总成本。将气候政策作为一个控制问题来研究假定规划者知道足以使优化可行，但物理和经济不确定性比比皆是。早些时候，Manski、Sanstad 和 DeCanio 提出并研究了使用 minimax-regret (MMR) 决策标准来解释气候建模中的深层不确定性。在这里，我们研究了气候政策的选择，以最大限度地减少最大遗憾，同时在正确的气候模型和适当的时间贴现率方面存在很大的不确定性，以用于政策后果的代际评估。该分析指定了一系列贴现率，以表达有关适当利率的经验和规范不确定性。关于气候政策的研究结果新颖且内容丰富。 MMR 分析指出使用相对较低的 0.02 贴现率来制定气候政策。对于用于衡量成本和损害的大多数参数值，MMR 决策规则将未来最大温升保持在 1900-10 水平以上 2C 以下。

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。