• 图/网络上的时间和空间广义扩散方程;
• 《巫师》的网络地图;
• 具有不确定性的多智能体系统的非麦克斯韦动力学模型的蒙特卡罗随机 Galerkin 方法;
• 新闻分享网络在社交媒体上暴露信息污染者;
• 处理有毒语音检测中的偏差：一项综述;
• 物理世界中的停车搜索：利用物理和图论方法计算搜索时间;
• 极端洪水期间对道路网络和进入关键地点的当地影响;
• 物理学驱动的足球优势空间研究;
• 回溯 COVID-19：早期病例发病率的基于物理的估计;
• 使用线性阈值模型分析社区感知中心性度量;
• 比较在线社会网络中的社区感知中心性度量;
• 使用重叠模块化活力识别有影响力的节点;
• Covid-19 疫苗犹豫和大影响者;
• 随机块模型的差分私有社区检测;
• 重新制定下一步观察建议以减少激演化途径;
• 随机顺序更新下的具有反一致性的阈值模型;

图/网络上的时间和空间广义扩散方程

原文标题： Time and space generalized diffusion equation on graphs/networks

地址： http://arxiv.org/abs/2202.00318

作者： Fernando Diaz-Diaz, Ernesto Estrada

摘要： 正常和异常扩散在许多复杂系统中无处不在[1]。在这里，我们定义了一个时间和空间广义扩散方程（GDE），它在图/网络上使用分数时间导数和变换的 d 路径拉普拉斯算子。我们分析地找到了这个方程的解，并证明它涵盖了作为模型两个参数的函数的正常、亚扩散和超扩散状态。我们扩展 GDE 以考虑具有正常和异常扩散的时间交替的系统，例如可以在蛋白质沿 DNA 链的扩散中观察到这种系统。我们在模拟线性 DNA 链的一维系统上进行计算实验。结果表明，亚扩散-超扩散交替状态允许扩散粒子以更快的全局探索速度探索链中更慢的小区域，而不是亚扩散-亚扩散状态。因此，滑动（亚扩散）与跳跃和节间转移（超扩散）机制的交替显示蛋白质-DNA相互作用的重要进展。

《巫师》的网络地图

原文标题： A Network Map of The Witcher

地址： http://arxiv.org/abs/2202.00235

作者： Milan Janosov

摘要： Andrzej Sapkowski 的奇幻小说系列《巫师》启发了多款电脑游戏，甚至于 2019 年在 Netflix 上推出，最新一季将于 2021 年 12 月播出。《巫师》等虚构故事情节可以通过网络科学很好地概括和简化，提取一系列复杂事件的主干。换句话说，网络映射和数据科学可以将数千页转换为一张简单的、可视化的社交地图。这种示范性的可视化还通过揭示隐藏的模式来突出网络科学的力量，例如数百人及其无数相遇中的影响者、中心和派系。由于这些方法也可以应用于小说及其改编作品，它们还允许我们比较原作和改编作品，从演员阵容到情节。因此，在本文中，我对《巫师》的社会特征进行了社会网络分析，比较了小说和电视剧。

具有不确定性的多智能体系统的非麦克斯韦动力学模型的蒙特卡罗随机 Galerkin 方法

原文标题： Monte Carlo stochastic Galerkin methods for non-Maxwellian kinetic models of multiagent systems with uncertainties

地址： http://arxiv.org/abs/2202.00062

作者： Andrea Medaglia, Andrea Tosin, Mattia Zanella

摘要： 在本文中，我们专注于构建具有不确定性的非麦克斯韦动力学模型的近似混合方案。在多智能体系统的背景下，在动力学水平上引入内核有助于避免非物理相互作用。这里提出的方法将相空间中的直接模拟蒙特卡罗 (DSMC) 与随机空间中的随机 Galerkin (sG) 方法相结合。开发的方案保留理解决方案的主要物理特性以及随机空间中的准确性。方法的一致性是针对可以在参数的准不变机制中获得的替代 Fokker-Planck 模型进行测试的。报告了该方案在多智能体系统的非麦克斯韦模型中的几种应用。

新闻分享网络在社交媒体上暴露信息污染者

原文标题： News Sharing Networks Expose Information Polluters on Social Media

地址： http://arxiv.org/abs/2202.00094

作者： Bao Tran Truong, Oliver Melbourne Allen, Filippo Menczer

摘要： 错误信息的传播对社交媒体生态系统构成威胁。我们提出了三种挖掘新闻共享网络的方法，以大规模检测信息污染者，这对于减轻其影响至关重要。每个都取决于关于可信度如何在不同类型的信息传播网络中流动的假设：转发网络刻画错误信息在账户之间的传播，账户-来源二分网络关注账户共享来源的可信度，而新闻合作-共享网络考虑不同帐户共享的内容之间的相似性。我们应用或扩展了几种网络中心性和嵌入算法来计算帐户可信度。然后，我们在由 Twitter 数据构建的经验网络上系统地评估这些方法。我们发现我们提出的一些中心性度​​量扩展对于转发和二分网络非常有效。图嵌入可以应用于转发和共享网络，它以更高的复杂性和更低的透明度为代价优于基于中心性的方法。

处理有毒语音检测中的偏差：一项综述

原文标题： Handling Bias in Toxic Speech Detection: A Survey

地址： http://arxiv.org/abs/2202.00126

作者： Tanmay Garg, Sarah Masud, Tharun Suresh, Tanmoy Chakraborty

摘要： 社交媒体使用量的大幅增长见证了仇恨言论、辱骂性帖子、网络欺凌等团队中的网络毒性海啸。由于其固有的主观性，检测网络毒性具有挑战性。诸如演讲的背景、地理、社会政治气候以及帖子的制作者和消费者的背景等因素在确定内容是否可以被标记为有毒方面起着至关重要的作用。在生产中采用自动毒性检测模型可能会导致他们最初旨在帮助的各种人口和心理群体被边化。它激起了研究人员对检查意外偏见及其缓解措施的兴趣。由于这项工作的新生和多方面的性质，完整的文献在其术语、技术和发现方面是混乱的。在本文中，我们进行了系统研究，以讨论现有方法的局限性和挑战。我们首先开发了一种分类法，用于对各种意外偏差进行分类，并提出了一套用于量化此类偏差的评估指标。我们仔细研究了每种提议的用于评估和减轻有毒语音检测中的偏差的方法。为了检查现有方法的局限性，我们还进行了一个案例研究，以介绍由于基于知识的偏差缓解方法而产生的偏差转移的概念。调查最后概述了关键挑战、研究差距和未来方向。虽然减少在线平台的毒性仍然是一个活跃的研究领域，但对各种偏见及其缓解策略的系统研究将有助于研究界产生稳健和公平的模型。

物理世界中的停车搜索：利用物理和图论方法计算搜索时间

原文标题： Parking search in the physical world: Calculating the search time by leveraging physical and graph theoretical methods

地址： http://arxiv.org/abs/2202.00258

作者： Nilankur Dutta (ILM), Thibault Charlottin (ENTPE, ILM), Alexandre Nicolas (ILM, CNRS)

摘要： 停车在交通政策中发挥着核心作用，并产生广泛的影响：虽然在许多西方城市，每位驾驶员每年寻找停车位的平均时间超过数十小时，但相关的巡航交通会产生重大的外部性。然而，管理停车搜索时间的法律在许多方面仍然不透明，这阻碍了对问题及其决定因素的一般理解。在这里，我们以数学上恰当的方式构建了停车问题，将重点放在了街道网络的作用和停车位的不平等吸引力上。这个问题以两种独立的方式解决，在任何街道网络中都有效，对司机的任意行为都有效。在数值上，这是通过计算高效且通用的基于主体的模型来完成的。在分析上，我们利用统计物理和图论的机制来推导出一个通用的平均场关系，将停车搜索时间作为停车位占用率的函数；后者的表达式是在静止状态下获得的。我们表明，这些理论结果适用于玩具网络以及法国里昂市的复杂、大规模案例。总的来说，这些发现阐明了直接控制搜索时间的因素，并在现实环境中的停车问题和物理问题之间建立了正式的联系。

极端洪水期间对道路网络和进入关键地点的当地影响

原文标题： Local impacts on road networks and access to critical locations during extreme floods

地址： http://arxiv.org/abs/2202.00292

作者： Simone Loreti, Enrico Ser-Giacomi, Andreas Zischg, Margreth Keiler, Marc Barthelemy

摘要： 从 1998 年到 2017 年，洪水影响了全球超过 20 亿人，预计由于气候变暖、人口增长和快速城市化，洪水的发生率将增加。最近在面临洪水时理解交通网络弹性的方法主要使用渗透框架，但我们在这里通过现实的高分辨率洪水模拟表明它是不够的。事实上，巨大的连接组件并不相关，相反，我们建议根据当地城镇的可达性划分道路网络，并定义表征洪水事件影响的新措施。我们的分析允许通过向大量个人提供关键服务（如住院服务、食品供应等）来确定洪水期间的关键城市。这种方法与实际风险管理特别相关，并将帮助决策者分配资源在空间和时间上。

物理学驱动的足球优势空间研究

原文标题： A physics-driven study of dominance space in soccer

地址： http://arxiv.org/abs/2202.00414

作者： Costas J. Efthimiou, Gregory DeCamillis, Indranil Ghosh

摘要： 在 arXiv:2107.05714 中，从理论的角度仔细研究了 Voronoi 图的概念。然后，引入了一种物理驱动的运动学方法来生成改进的足球优势空间模型。忠实于确定性方法，我们通过引入（a）玩家在其周围区域的不对称影响，（b）对玩家运动的摩擦力，以及（c）同时组合来扩展原始工作两种效果。不对称的影响是相当直观的；玩家在他们奔跑的方向上比任何其他方向都有更多的控制权。他们必须越急转弯才能到达球场上的某个点，他们对该点的控制就越弱。根据简单的运动学定律，可以明确量化这种影响。对于摩擦力，一部分来自空气阻力，因此与玩家速度的平方成正比，这在流体动力学中是众所周知的。没有其他外部摩擦力，但根据生物运动学的建议，存在与肌肉消耗能量有关的内部摩擦力，它与球员的速度成正比。尽管这些添加可以直观地理解，但在数学上它们引入了许多分析复杂性。我们通过引入一些合理的简化假设来建立球场优势区域的精确解析解。鉴于这些解决方案，Metrica Sports 为公开可用的数据绘制了新的 Voronoi 图。一般来说，优势区域不再需要是凸的，它们可能包含孔，并且可能是断开的。最快的玩家可能会在远离其他玩家的地方占据优势。

回溯 COVID-19：早期病例发病率的基于物理的估计

原文标题： Backcasting COVID-19: A Physics-Informed Estimate for Early Case Incidence

地址： http://arxiv.org/abs/2202.00507

作者： G.A. Kevrekidis, Z. Rapti, Y. Drossinos, P.G. Kevrekidis, M.A. Barmann, Q.Y. Chen, J. Cuevas-Maraver

摘要： 人们普遍认为，在 COVID-19 大流行的第一阶段报告的病例数严重低估了实际病例数。我们利用 Whitney 和 Takens 的延迟嵌入定理，并使用高斯过程回归，根据几个欧洲国家、韩国和巴西的第二波疫情估计 2020 年第一波期间的病例数。我们假设第二波被更准确地监控，因此它可以被信任。然后，我们仅使用死亡人数或住院人数，构建与隐含的原始动力系统的多形微分同胚。最后，我们将微分同胚限制在动力系统的报告案例坐标上。我们的主要发现是，在所研究的欧洲国家中，实际病例被低估了多达 50%。另一方面，在具有示范性和主动缓解方法的韩国，预计实际病例和报告病例之间的差异要小得多，估计低估了大约 17%。我们认为，我们的回溯框架适用于其他流行病爆发，其中（由于数据有限或质量差）实际病例存在不确定性。

使用线性阈值模型分析社区感知中心性度量

原文标题： Analyzing Community-aware Centrality Measures Using The Linear Threshold Model

地址： http://arxiv.org/abs/2202.00514

作者： Stephany Rajeh, Ali Yassin, Ali Jaber, Hocine Cherifi

摘要： 瞄准复杂网络中的有影响力的节点可以阻止或阻止谣言、流行病和停电。由于社区在现实世界的网络中很普遍，社区感知中心性措施利用这些信息来定位有影响力的节点。研究表明，它们与对社区结构不可知的经典措施相比具有优势。尽管扩散过程至关重要，但以前的研究主要考虑著名的易感感染恢复 (SIR) 流行病传播模型。这项工作使用流行的线性阈值 (LT) 传播模型调查了先前分析的一致性，该模型描述了我们现实生活中的许多传播过程。我们对 13 个真实世界网络上的 7 个有影响力的社区感知中心性度量进行了比较分析。总体而言，结果表明基于社区的中介者、社区中心性和模块化活力优于其他衡量标准。此外，基于社区的调解器在预算紧张（即最初激活的一小部分节点）时更有效，而 Comm Centrality 和 Modularity Vitality 在中到高比例的初始激活节点中表现更好。

比较在线社会网络中的社区感知中心性度量

原文标题： Comparing Community-aware Centrality Measures in Online Social Networks

地址： http://arxiv.org/abs/2202.00515

作者： Stephany Rajeh, Marinette Savonnet, Eric Leclercq, Hocine Cherifi

摘要： 识别关键节点对于加速或阻止网络中的动态传播至关重要。社区意识中心性措施通过利用网络的社区结构来解决这个问题。尽管设计新的社区意识中心性措施的趋势越来越大，但没有对拟议措施的有效性进行系统调查。本研究使用真实世界在线社会网络上的易感感染恢复 (SIR) 模型对突出的社区意识中心性度量进行了广泛的比较评估。总体而言，结果表明具有社区和基于社区的中心性度量的 K-shell 在识别单传播者问题下的影响节点方面是最准确的。此外，流行病传播率不会显著影响社区意识中心性措施的行为。

使用重叠模块化活力识别有影响力的节点

原文标题： Identifying Influential Nodes Using Overlapping Modularity Vitality

地址： http://arxiv.org/abs/2202.00516

作者： Stephany Rajeh, Marinette Savonnet, Eric Leclercq, Hocine Cherifi

摘要： 发现有影响力的节点以控制网络中的扩散现象至关重要。在最近的工作中，越来越多的趋势是研究社区结构在解决这个问题方面的作用。到目前为止，绝大多数所谓的社区感知中心性措施都依赖于非重叠的社区结构。然而，在许多现实世界的网络中，例如社会网络，社区是重叠的。换句话说，一个节点可以属于多个社区。为了克服这个缺点，我们提出并研究了“重叠模块化活力”中心性度量。 “模块化活力”的这种扩展量化了移除节点时的社区结构强度变化。它允许根据节点对网络重叠模块化的贡献将节点识别为集线器或桥接器。使用易感感染恢复 (SIR) 流行病扩散模型对其非重叠版本进行了比较分析，该模型已在一组六个真实世界网络上进行。总体而言，重叠模块化活力优于其替代品。这些结果说明了整合有关重叠社区结构的知识以有效识别有影响力的节点的重要性。此外，可以使用多种排名策略，因为这两种措施都已签署。结果表明，选择具有最高正值或最高绝对中心值的节点比选择具有最大负值的节点传播流行病更有效。

Covid-19 疫苗犹豫和大影响者

原文标题： Covid-19 vaccine hesitancy and mega-influencers

地址： http://arxiv.org/abs/2202.00630

作者： Anna Haensch, Natasa Dragovic, Christoph Börgers, Bruce Boghosian

摘要： Covid-19 疫苗在美国广泛使用，但我们的 Covid-19 疫苗接种率仍远低于 100%。不仅如此，疾病预防控制中心的数据显示，即使在 Covid-19 疫苗接种工作开始时疫苗接受率相对较高的地方，这种意愿也不一定会转化为随后几个月的高疫苗接种率。我们使用与阿拉巴马州数据一致的参数来模拟这种转变是如何产生的。模拟表明，在阿拉巴马州，当地的互动将有利于围绕最初的多数观点达成紧密共识，即接受 Covid-19 疫苗。然而事实并非如此。因此，我们将大众媒体、州长等大型影响者的影响添加到我们的模型中。我们的模拟表明，一个对疫苗犹豫不决的大型影响者，覆盖了大部分人口，确实可以导致共识从根本上转变，从接受到犹豫。令人惊讶的是，即使超级影响者只接触到已经有点同意他们的个人，并且在保守的假设下，个人对超级影响者的重视程度不会超过他们对其中一个朋友的重视程度。或邻居。我们的模拟还表明，具有相反观点的竞争性大影响者可以将平均人口意见转移回去，但不能恢复围绕该观点的共识紧密度。我们的代码和数据分布在 ODyN（意见动态网络）库中，可在 https://github.com/annahaensch/ODyN 获得。

随机块模型的差分私有社区检测

原文标题： Differentially Private Community Detection for Stochastic Block Models

地址： http://arxiv.org/abs/2202.00636

作者： Mohamed Seif, Dung Nguyen, Anil Vullikanti, Ravi Tandon

摘要： 在图上进行社区检测的目标是在给定用户之间的连接性（由图的邻接矩阵表示）的情况下恢复用户的潜在标签/属性（例如，政治派别）。当从随机块模型 (SBM) 生成图时，在理解社区检测的基本限制方面最近取得了重大进展。具体来说，已经为 SBM 获得了清晰的信息论极限和有效算法，作为 p 和 q 的函数，它们代表了社区内和社区间的连接概率。在本文中，我们研究了社区检测问题，同时保留了顶点之间的各个连接（边）的隐私。着眼于(epsilon, delta)-边差分隐私（DP）的概念，我们试图理解(p, q)、DP预算(epsilon, delta)、准确恢复社区标签的计算效率。为此，我们提出并分析了三大类差异私人社区恢复机制的相关信息论权衡：a）基于稳定性的机制； b) 基于抽样的机制； c) 图扰动机制。我们的主要发现是稳定性和基于抽样的机制导致 (p,q) 和隐私预算 (epsilon, delta) 之间的更好权衡；然而，这是以更高的计算复杂度为代价的。另一方面，尽管复杂度低，但图扰动机制需要隐私预算 epsilon 以扩展为 Omega(log(n)) 以进行精确恢复。据我们所知，这是第一项研究隐私约束对社区检测基本限制的影响的工作。

重新制定下一步观察建议以减少激演化途径

原文标题： Rewiring What-to-Watch-Next Recommendations to Reduce Radicalization Pathways

地址： http://arxiv.org/abs/2202.00640

作者： Francesco Fabbri, Yanhao Wang, Francesco Bonchi, Carlos Castillo, Michael Mathioudakis

摘要： 推荐系统通常向用户推荐与他们过去消费的内容相似的内容。如果用户碰巧接触到强烈两极分化的内容，她随后可能会收到推荐，这些推荐可能会引导她转向越来越激进的内容，最终陷入我们所谓的“激演化路径”。在本文中，我们研究了使用基于图的方法减轻激演化途径的问题。具体来说，我们将“what-to-to-watch-next”推荐器的推荐集建模为 d-regular 有向图，其中节点对应于内容项、推荐链接以及可能的用户会话的路径。我们将代表激进内容的节点的“隔离”分数测量为从该节点到代表非激进内容的任何节点的随机游走的预期长度。高隔离分数与使用户陷入激演化途径的机会更大有关。因此，我们通过选择少量边来“重连”来定义减少激演化路径流行的问题，从而最小化所有激演化节点之间的隔离分数的最大值，同时保持建议的相关性。我们证明，找到重新连接的最佳建议集的问题是 NP-hard 和 NP-hard 在任何因素内逼近。因此，我们将注意力转向启发式算法，并提出了一种基于吸收随机游走理论的高效而有效的贪心算法。我们在视频和新闻推荐背景下对真实世界数据集的实验证实了我们提议的有效性。

随机顺序更新下的具有反一致性的阈值模型

原文标题： The threshold model with anticonformity under random sequential updating

地址： http://arxiv.org/abs/2202.00653

作者： Bartłomiej Nowak, Michel Grabisch, Katarzyna Sznajd-Weron

摘要： 我们研究了在模拟连续时间的异步更新模式下具有反一致性的阈值模型的不对称版本。我们使用三种不同的方法在完整图上研究该模型：平均场近似、蒙特卡罗模拟和马尔可夫链方法。后一种方法产生任意小系统的分析结果，与平均场方法相反，平均场方法仅对无限系统是严格正确的。我们表明，对于足够大的系统，所有三种方法都会产生相同的结果，正如预期的那样。我们考虑两种情况：（1）同质的，其中所有主体具有相同的容忍阈值；（2）异质的，其中阈值由由两个正形状参数 alpha 和 beta 参数化的 beta 分布给出美元。异构情况可以被视为一个广义模型，在特殊情况下简化为同质模型。我们表明，特别有趣的行为，包括社会滞后和临界质量，仅在产生真实社会系统中观察到的分布形状的 alpha 和 beta 值时才会出现。

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。