• 使用等变和稳定位置编码的更强大的图神经网络的;
• 有序子模性及其在多样化推荐中的应用;
• 电压结构;
• GraphWorld：假图为 GNN 带来真正的洞察力;
• ONBRA：时间网络中时间中介中心性的严格估计;
• 估计飓风疏散中 Covid-19 的输入风险：适用于德克萨斯州劳拉飓风的预测框架;
• COVID-19 爆发期间的心理健康大流行：在社交媒体上寻求帮助;
• 动态社区网络上的群体博弈;
• 集群推动声誉网络上的合作，其他一切都是固定的;
• 癌症研究中的传感器技术用于诊断和治疗的新方向：和探索性分析;
• 无监督社会网络提取;
• 词的“自我网络”中的结构不变量和语义指纹;
• 有限时间相关性促进电网中的大电压角波动;
• 数字接触追踪流行病模型;
• 地缘政治条约的多关系结构的弹性与过去的殖民世界秩序和离岸金融避风港密切相关;

使用等变和稳定位置编码的更强大的图神经网络的

原文标题： Equivariant and Stable Positional Encoding for More Powerful Graph Neural Networks

地址： http://arxiv.org/abs/2203.00199

作者： Haorui Wang, Haoteng Yin, Muhan Zhang, Pan Li

摘要： 图神经网络（GNN）在许多基于图的学​​习任务中显示出巨大的优势，但对于基于节点集的任务（例如链接/主题预测等）往往无法准确预测。许多工作最近提出通过使用随机节点特征或节点距离特征来解决这个问题。然而，它们要么收敛缓慢，要么预测不准确，要么复杂度高。在这项工作中，我们重新审视了允许使用位置编码 (PE) 技术（如 Laplacian Eigenmap、Deepwalk 等）给出的节点位置特征的 GNN。具有 PE​​ 的 GNN 经常受到批评，因为它们不能推广到看不见的图（归纳）或稳定图.在这里，我们以原则性的方式研究这些问题，并提出一个可证明的解决方案，即一类称为 PEG 的 GNN 层，并经过严格的数学分析。 PEG 使用单独的通道来更新原始节点特征和位置特征。 PEG 对 w.r.t 施加置换等方差。原始节点特征和旋转等方差 w.r.t.同时定位特征。在 8 个真实世界网络上进行的大量链路预测实验证明了 PEG 在泛化和可扩展性方面的优势。

有序子模性及其在多样化推荐中的应用

原文标题： Ordered Submodularity and its Applications to Diversifying Recommendations

地址： http://arxiv.org/abs/2203.00233

作者： Jon Kleinberg, Emily Ryu, Éva Tardos

摘要： 从影响最大化到传感器放置再到内容推荐，许多重要优化问题的基本任务是从更大的集合中选择最优的 k 项目组。子模性在允许对此类子集选择问题使用近似算法方面非常有效。然而，在一些应用程序中，我们不仅对集合的元素感兴趣，而且对它们出现的顺序感兴趣，这打破了所有选定项目都得到同等考虑的假设。一类这样的应用程序涉及搜索结果、产品推荐、新闻文章和其他内容的呈现，因为有据可查的现象是人类更加关注排名较高的项目。因此，针对多样性、用户覆盖率、校准或其他目标的内容呈现优化更准确地代表了一个序列选择问题，传统的子模近似结果不再适用。尽管已经提出了对序列的子模块化扩展，但没有一个旨在对项目根据其在排名列表中的位置做出贡献的设置进行建模，因此它们无法表达这些类型的优化问题。在本文中，我们旨在解决这一建模差距。在这里，我们提出了一种新的有序子模块形式，它刻画了内容表示中的这些排序问题，更一般地说，是一类对排序序列的优化问题，其中不同的列表位置对目标函数的贡献不同。我们分析了贪心算法的自然有序类似物，并表明它提供了 2 美元的近似值。我们还表明这个界限是紧密的，确定我们的新框架在概念上和数量上与以前的集合和序列子模块形式不同。

电压结构

原文标题： Structure from Voltage

地址： http://arxiv.org/abs/2203.00063

作者： Robi Bhattacharjee, Alex Cloninger, Yoav Freund

摘要： 有效阻力 (ER) 是询问图结构的一种有吸引力的方法。它是计算图拉普拉斯算子的特征向量的替代方法。图拉普拉斯算子用于在高维数据中查找低维结构。在这里，基于 ER 的分析也比基于特征向量的方法具有优势。不幸的是 Von Luxburg 等人。 (2010) 表明，当顶点对应于度量空间上分布的样本时，远点之间的 ER 的极限收敛到一个不包含有关图结构信息的微不足道的量。我们表明，通过在 n 个顶点乘以 n^2 的图表中使用尺度电阻，可以获得电压和有效电阻的有意义的限制。我们还表明，通过向度量图添加“地面”节点，可以获得一种简单而自然的方法来计算从选定点到所有其他点的所有距离。

GraphWorld：假图为 GNN 带来真正的洞察力

原文标题： GraphWorld: Fake Graphs Bring Real Insights for GNNs

地址： http://arxiv.org/abs/2203.00112

作者： John Palowitch, Anton Tsitsulin, Brandon Mayer, Bryan Perozzi

摘要： 尽管图神经网络 (GNN) 领域取得了进展，但目前只有少数 (~5) 数据集用于评估新模型。这种对少数数据集的持续依赖对模型之间的性能差异提供了最小的洞察力，对于可能拥有看起来与用作学术基准的数据集非常不同的数据集的工业从业者来说尤其具有挑战性。在 Google 研究 GNN 基础设施和开源软件的过程中，我们一直在寻求开发改进的基准，这些基准具有强大的、可调整的、可扩展的和可推广的。在这项工作中，我们介绍了 GraphWorld，这是一种新颖的方法和系统，用于在任意大量的合成图上为任何可能的 GNN 任务对 GNN 模型进行基准测试。 GraphWorld 允许用户有效地生成一个包含数百万统计数据集的世界。它易于访问、可扩展且易于使用。 GraphWorld 可以在没有专门硬件的情况下在单台机器上运行，或者可以轻松扩展以在任意集群或云框架上运行。使用 GraphWorld，用户可以对图生成器参数进行细粒度控制，并且可以使用内置的超参数调整对任意 GNN 模型进行基准测试。我们展示了 GraphWorld 实验中关于数百万个基准数据集上数万个 GNN 模型的性能特征的见解。我们进一步表明，GraphWorld 有效地探索了标准基准未覆盖的基准数据集空间区域，揭示了历史上无法获得的模型之间的比较。使用 GraphWorld，我们还能够详细研究图属性和任务性能指标之间的关系，这对于经典的真实世界基准集合几乎是不可能的。

ONBRA：时间网络中时间中介中心性的严格估计

原文标题： ONBRA: Rigorous Estimation of the Temporal Betweenness Centrality in Temporal Networks

地址： http://arxiv.org/abs/2203.00653

作者： Diego Santoro, Ilie Sarpe

摘要： 在网络分析中，节点的中介中心性非正式地刻画了访问该节点的最短路径的一部分。中介中心性度量的计算是现代网络分析中的一项基本任务，能够识别此类网络中最中心的节点。除了庞大之外，现代网络还包含有关其事件发生时间的信息。这样的网络通常被称为时间网络。与静态网络（即没有时间信息的网络）相比，时间信息使得研究时间网络中的中介中心性（即时间中介中心性）更具挑战性。此外，考虑到其极高的计算成本，即使在中等规模的网络上，时间中介中心性的精确计算通常也是不切实际的。降低这种计算成本的一种自然方法是获得对时间中介中心性的精确值的高质量估计。在这项工作中，我们提出了 ONBRA，这是第一个基于采样的近似算法，用于估计时间网络中节点的时间中介中心性值，为其输出质量提供严格的概率保证。 ONBRA 能够计算时间网络最短路径在两种不同最优性标准下的时间中介中心性值的估计。此外，ONBRA 利用 emphempirical Bernstein bound（一种先进的集中不等式）输出具有尖锐理论保证的高质量估计。最后，我们的实验评估表明，ONBRA 显著减少了在几个现实世界网络上精确计算时间中介中心性所需的计算资源，同时报告具有严格保证的高质量估计。

估计飓风疏散中 Covid-19 的输入风险：适用于德克萨斯州劳拉飓风的预测框架

原文标题： Estimating Importation Risk of Covid-19 in Hurricane Evacuations: A Prediction Framework Applied to Hurricane Laura in Texas

地址： http://arxiv.org/abs/2203.00136

作者： Michelle Audirac, Mauricio Tec, Enrique Garcia-Tejeda, Spencer Fox

摘要： 2020 年 8 月，随着德克萨斯州从夏季 COVID-19 的大幅激增中回落，预测表明飓风劳拉正在向德克萨斯州东部海岸线的 600 万居民移动，有可能将 COVID-19 传播到全州并导致大流行死灰复燃。为了协助面临双重威胁的地方当局，我们将沿海居民的调查预期和观察到的飓风疏散率整合到一个统计框架中，并结合当地的大流行状况预测 COVID-19 将如何应对飓风而传播。对于飓风劳拉，我们估计有 499,500 [90% 可信区间 (CI): 347,500, 624,000] 人撤离德克萨斯州各县，没有一个县的飓风撤离人数超过 2.5%，并且有 2,900 [90% CI: 1,700, 5,800] 次 Covid-19 在全州的出口。一般来说，接收估计集中在人口密度较高的地区。尽管如此，预计小地区的进口风险会更高，在我们的案例研究中，每 10,000 名居民的最大进口数量为 10 人。总体而言，我们提出了一个灵活且可转移的框架，该框架捕捉空间异质性并结合地理成分来预测自然灾害后的人口流动。随着飓风的频率和强度不断增加，可以部署我们的框架以响应预期的飓风路径，以指导备灾和规划。

COVID-19 爆发期间的心理健康大流行：在社交媒体上寻求帮助

原文标题： Mental Health Pandemic during the COVID-19 Outbreak: Calls for Help on Social Media

地址： http://arxiv.org/abs/2203.00237

作者： M. Bak (1), J. Chin (1), C. Chiu (1) ((1) University of Illinois Urbana-Champaign)

摘要： COVID-19 爆发期间社会孤立程度的提高使个人面临更大的孤独风险（Bu 等人，2020），其中孤独程度的升高与抑郁症密切相关（Killgore 等人，2020；Palgi 等人，2020；Weeks等人，1980 年）。先前的研究表明，孤独的人更有可能从在线社交平台（例如 Reddit）寻求心理健康帮助，这是一个让孤独的人通过与广泛的社会网络进行匿名交流来寻求心理健康支持的舒适环境（Andy，2021 ；Bonetti 等人，2010 年；Morahan-Martin 等人，2003 年）。因此，本研究旨在识别和分析在 COVID-19 爆发期间与抑郁症相关的关于孤独子版块的对话，以及对大流行期间与抑郁症相关的信息监控的影响。通过使用 Reddit API 收集的数据，我们的研究利用逻辑回归和主题建模来分类和检查在爆发期间与抑郁症相关的关于孤独子版块的讨论。我们的研究结果表明，参与抑郁症相关讨论的孤独者可能会面临更高的心理健康问题和家庭问题风险、更高水平的关系寻求以及对社会支持的更高需求。此外，结果表明，作为一种应对行为和在线学习环境中的挑战，狗的收养有所增加。最后，回访用户披露并寻求有关心理健康问题触发因素的信息，表明点对点心理健康支持对孤独子版块的重要性。我们未来的工作将在临床上验证当前的方法，这对危机期间的监测系统设计产生影响。

动态社区网络上的群体博弈

原文标题： Population games on dynamic community networks

地址： http://arxiv.org/abs/2203.00371

作者： Alain Govaert, Lorenzo Zino, Emma Tegling

摘要： 在这封信中，我们处理具有动态演化社区的网络上的人口博弈的演化博弈论学习过程。具体来说，我们提出了一个新的数学框架，其中社区网络上的确定性、连续时间复制器方程与社区之间由环境反馈机制控制的封闭动态流动过程相结合，从而产生协同演化动力学。通过对所获得的微分方程系统的严格分析，我们表征了耦合动力系统的平衡。此外，对于具有两个动作和对称奖励的一类人口博弈，Lyapunov 论证被用来建立一个演化民间定理，以保证收敛到博弈的演化稳定状态。提供数值模拟来说明和证实我们的发现。

集群推动声誉网络上的合作，其他一切都是固定的

原文标题： Clustering Drives Cooperation on Reputation Networks, All Else Fixed

地址： http://arxiv.org/abs/2203.00372

作者： Tamas David-Barrett

摘要： 社会网络上基于声誉的合作提供了图属性和社会信任之间的因果机制。最近关于社会“结构性微观基础”的论文利用这一洞察力展示了人口统计过程，如生育率下降、城市化和移民，如何改变人类社会的逻辑。这篇论文以一种不专门研究网络的科学家可以理解的方式展示了潜在的机制。此外，该论文表明，当网络的大小和程度是固定的（即所有图具有相同数量的主体，它们都具有相同数量的连接）时，聚类系数会导致合作方式的差异社会网络是。

癌症研究中的传感器技术用于诊断和治疗的新方向：和探索性分析

原文标题： Sensor technologies in cancer research for new directions in diagnosis and treatment: and exploratory analysis

地址： http://arxiv.org/abs/2203.00502

作者： Mario Coccia, Saeed Roshani, Melika Mosleh

摘要： 本研究的目的是对应用于癌症研究的主要传感器技术进行探索性分析，以检测诊断和治疗的新方向。该研究重点关注全球发病率和死亡率高的癌症类型：乳腺癌、肺癌、结直肠癌和前列腺癌。 Web of Science (WOS) 核心合集数据库的数据用于检索 1991-2021 年期间与传感器技术和癌症研究相关的文章。我们使用 Gephi 软件 0.9.2 版来可视化传感器技术与研究中的癌症之间相互作用的共词网络。结果显示了每种癌症类型的主要相互作用簇。生物传感器是唯一一种在所有类型的癌症中都发挥重要作用的传感器：乳腺癌、肺癌、前列腺癌和结肠直肠癌。电化学传感器应用于除肺癌以外的所有研究中的癌症。电化学生物传感器用于乳腺癌、肺癌和前列腺癌的研究，但不用于结直肠癌。光学传感器也可以被认为是显著用于乳腺癌、前列腺癌和结肠直肠癌的传感器技术之一。这项研究表明，这种类型的传感器应用在更多样化的方法中。此外，由于用于治疗过程的呼吸分析，氧传感器主要用于肺癌和乳腺癌的研究。最后，CMOS传感器是主要用于肺癌和结直肠癌的技术。这里的结果为癌症研究中传感器科学和技术的发展提出了新的方向，以支持针对具有加速增长潜力和对癌症诊断和治疗产生积极社会影响的新技术轨迹的创新和研究政策。

无监督社会网络提取

原文标题： Social Network Extraction Unsupervised

地址： http://arxiv.org/abs/2203.00515

作者： Mahyuddin K. M. Nasution, Rahmad Syah

摘要： 在信息技术时代，数据科学和人工智能是两个发展方向。在科学数据方面，其中一项任务是从具有大数据性质的信息源中提取社会网络。同时，在人工智能方面，相互矛盾的方法的存在会对知识产生影响。本文将无监督描述为从信息源中提取社会网络的方法流。有多种可能的方法和策略，以肤浅的方法作为起始概念。每种方法都有其优点，但总的来说，它有助于相互融合，即简化、丰富和强调结果。

词的“自我网络”中的结构不变量和语义指纹

原文标题： Structural invariants and semantic fingerprints in the “ego network” of words

地址： http://arxiv.org/abs/2203.00588

作者： Kilian Ollivier, Chiara Boldrini, Andrea Passarella, Marco Conti

摘要： 来自人类学的成熟认知模型表明，由于认知限制限制了我们进行社交互动的“带宽”，人类根据规则结构组织他们的社会关系。在这项工作中，我们假设在其他认知过程中可以找到类似的规律，例如涉及语言产生的过程。为了调查这一说法，我们分析了一个数据集，其中包含一组异构 Twitter 用户（普通用户和专业作家）的推文。利用一种类似于用于揭示已确立的社会认知约束的方法，我们发现了结构和语义层面的规律。在前者，我们发现一个同心的分层结构（我们称之为词的自我网络，类似于社会关系的自我网络）很好地捕捉到了个人如何组织他们使用的词。这种结构中的层的大小在向外移动时有规律地增长（大约是前一层的 2-3 倍），并且倒数第二个外部层始终占使用词的大约 60% 和 30%，与用户的总层数。对于语义分析，每个自我网络的每个环都由一个语义配置文件描述，该配置文件刻画与环中的单词相关的主题。我们发现环 #1 在模型中具有特殊作用。它在语义上是环中最不同和最多样化的。我们还表明，在最内环中重要的主题也具有在其他每个环以及整个自我网络中都占主导地位的特征。在这方面，环#1 可以看作是自我单词网络的语义指纹。

有限时间相关性促进电网中的大电压角波动

原文标题： Finite-time Correlations Boost Large Voltage-Angle Fluctuations in Electric Power Grids

地址： http://arxiv.org/abs/2203.00590

作者： Melvyn Tyloo, Jason Hindes, Philippe Jacquod

摘要： 能源部门的脱碳伴随着新的可再生能源在电力系统中的日益普及。这种来源与传统生产的不同之处在于，首先，它们会引起更大的、不可调度的发电波动，其次，它们缺乏惯性。因此，用新的可再生能源代替传统发电会引起更强、更频繁的干扰，并改变干扰在交流电网中传播的方式。最近的测量确实报告了本地电网频率数据分布中的长非高斯尾部。较大的频率偏差可能导致电网不稳定，在最坏的情况下导致级联故障和大规模停电。在这份手稿中，我们研究了相关噪声干扰（以其分布的累积量为特征）如何通过网状高压电网传播。我们表明，对于单一波动源，当噪声相关时间大于网络的固有时间尺度时，噪声分布的有限偏度和正峰度形式的非高斯性在整个网络上传播，但它们消失了如果噪音快速波动，则距离较短。我们进一步表明，随着不相关噪声源数量的增加，Berry-Esseen 定理会导致非高斯性消失。我们的研究结果表明，当供电功率的非高斯波动随时间尺度的波动大于系统的固有时间尺度时，它们对电网动态的持续存在会对电网动态产生全球影响，我们认为，这是相关的制度在实际电网中。我们的预测得到了对真实电网模型的数值模拟的证实。

数字接触追踪流行病模型

原文标题： Models for digitally contact-traced epidemics

地址： http://arxiv.org/abs/2203.00609

作者： Chiara Boldrini, Andrea Passarella, Marco Conti

摘要： 人与人之间的接触是传染性呼吸道感染的绝对驱动因素。因此，限制和跟踪接触者是控制 COVID-19 流行病的关键策略。数字接触者追踪已被提议作为一种自动化解决方案来扩大传统接触者追踪。然而，目前研究界正在讨论接触者追踪应用程序在人群中的必要渗透，以实现控制流行病的预期目标。为了理解数字接触者追踪的影响，已经提出了几种数学模型。在本文中，我们调查了主要模型，并提出了一个分隔 SEIR 模型，与相关文献中的模型不同，该模型可以根据接触者追踪推导出关于流行病控制的封闭形式条件应用程序渗透率和测试效率。封闭形式的条件对于模型的可理解性至关重要，因此对于决策者（包括数字接触者追踪设计者）正确评估流行病中的依赖关系。使用我们的模型，我们发现仅靠数字接触者追踪很难控制流行病：对于不受限制的 COVID-19，这需要大约 1 天的测试周转时间和超过 80% 的人口的应用程序使用率，这在实践。但是，如果辅以其他缓解策略，例如保持社交距离和戴口罩，数字接触者追踪仍然可以发挥作用。

地缘政治条约的多关系结构的弹性与过去的殖民世界秩序和离岸金融避风港密切相关

原文标题： The resilience of the multirelational structure of geopolitical treaties is critically linked to past colonial world order and offshore fiscal havens

地址： http://arxiv.org/abs/2203.00618

作者： Pier Luigi Sacco, Alex Arenas, Manlio De Domenico

摘要： 世界政治和经济秩序的治理建立在不同地理范围内的复杂国际条约架构之上。在制度高度动荡的历史阶段，评估这种架构在单个国家单方面背叛和单个条约破裂方面的稳定性非常重要。我们对整个全球架构进行分析，发现最具颠覆性的国家不是世界大国（德国和法国除外），而是中小微国家。政治稳定高度依赖于许多前殖民地海外领土，这些领土如今已成为全球财政避风港网络的一部分，以及新兴经济体，主要来自东南亚。经济稳定取决于中等规模的欧洲和非洲国家。然而，除了 WTO 之外，单一的全球条约具有惊人的破坏性潜力。这些明显违反直觉的结果强调了对国际关系采用非线性方法的重要性，其中使用先进的网络科学技术分析复杂的多层全球治理架构。我们的研究结果表明，世界秩序的潜在脆弱性似乎与全球不平等和财政不公正的关系比人们普遍认为的要直接得多，而且在当前的国际关系情景中，殖民世界秩序的遗产仍然非常强大。特别是与避税相关的既得利益似乎在全球治理的政治架构中具有结构性作用

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。