• GRAND+：可扩展图随机神经网络;
• 三元组形成的无标度网络增长能否刻画真实通信网络中的单纯复形分布？;
• 通过社会网络挖掘调查 COVID-19 对教育的影响;
• 高阶网络的动力学：综述;
• 深度图生成综述：方法和应用;
• 具有样本依赖下界的乘法随机过程的分析与应用;
• 足球：团队韧性和伯尔尼奇迹的定量分析;
• 使用改进的 SIR 模型动态分析 COVID-19 在不同社区中的感染状态;
• 译者可靠性评估的贝叶斯方法;
• 单纯复形上的随机流行病模型;

GRAND+：可扩展图随机神经网络

原文标题： GRAND+: Scalable Graph Random Neural Networks

地址： http://arxiv.org/abs/2203.06389

作者： Wenzheng Feng, Yuxiao Dong, Tinglin Huang, Ziqi Yin, Xu Cheng, Evgeny Kharlamov, Jie Tang

摘要： 图神经网络（GNN）已被广泛用于图的半监督学习。最近的一项研究表明，图随机神经网络 (GRAND) 模型可以为这个问题产生最先进的性能。然而，GRAND 很难处理大规模图，因为它的有效性依赖于计算成本高昂的数据增强过程。在这项工作中，我们提出了一个可扩展的高性能 GNN 框架 GRAND+，用于半监督图学习。为理解决上述问题，我们在 GRAND+ 中开发了一种通用前推 (GFPush) 算法来预先计算通用传播矩阵，并使用它以小批量方式执行图数据增强。我们表明，GFPush 的低时间和空间复杂性使 GRAND+ 能够有效地扩展到大图。此外，我们在 GRAND+ 的模型优化中引入了置信度感知一致性损失，促进了 GRAND+ 的泛化优势。我们对七个不同大小的公共数据集进行了广泛的实验。结果表明，GRAND+ 1) 能够扩展到大型图并且比现有的可扩展 GNN 花费更少的运行时间，并且 2) 可以在所有数据集上对全批次和可扩展 GNN 提供一致的准确性改进。

三元组形成的无标度网络增长能否刻画真实通信网络中的单纯复形分布？

原文标题： Can Scale-free Network Growth with Triad Formation Capture Simplicial Complex Distributions in Real Communication Networks?

地址： http://arxiv.org/abs/2203.06491

作者： Mayank Kejriwal, Ke Shen

摘要： 近年来，人们越来越认识到高阶结构是现实世界网络中的重要特征。一类特别突出的结构被称为单纯复形。尽管它们应用于复杂的过程，例如社会传染和新的中心性度量，但目前对这些复合体在通信网络中的分布特性知之甚少。此外，关于已建立的增长模型（例如具有三元组形成的无标度网络增长）是否足够复杂以捕捉单纯复形的分布特性也是一个悬而未决的问题。在本文中，我们使用五个真实世界通信网络的经验数据来提出两个重要的单纯复结构分布的函数形式。我们还表明，虽然具有三元组形成的无标度网络增长模型刻画了使用该模型演化的网络中这些分布的形式，但真实网络与其模拟等效网络之间的最佳拟合参数存在显著差异。辅助贡献是这五个现实世界网络中两个单纯复形的经验分布。

通过社会网络挖掘调查 COVID-19 对教育的影响

原文标题： Investigating the Impact of COVID-19 on Education by Social Network Mining

地址： http://arxiv.org/abs/2203.06584

作者： Mohadese Jamalian, Hamed Vahdat-Nejad, Hamideh Hajiabadi

摘要： Covid-19 病毒一直是 2020 年和 2021 年社会网络上讨论最多的话题之一，并影响了全球的经典教育范式。在这项研究中，在包含大量地名的 GeoNames 地理数据库的帮助下，对许多与 Covid-19 病毒和教育相关的推文进行了考虑和地理标记。为了检测用户的感受，使用基于 RoBERTa 语言的模型进行情感分析。最后，我们获得了 Covid-19 确诊病例较多的国家的总推文、正面推文和负面推文的频率趋势。调查结果揭示了推文频率趋势与几个国家确诊病例的官方统计数据之间的相关性。

高阶网络的动力学：综述

原文标题： Dynamics on higher-order networks: A review

地址： http://arxiv.org/abs/2203.06601

作者： Soumen Majhi, Matjaz Perc, Dibakar Ghosh

摘要： 网络科学已经发展成为研究复杂系统不可或缺的平台。但是最近的研究已经确定了经典网络的局限性，其中链接连接节点对，以全面描述组交互。因此，一个链接可以连接两个以上节点的高阶网络已成为网络科学的一个新前沿。由于群体互动在社会、生物和技术系统中很常见，因此高阶网络最近在许多研究领域带来了重要的新发现。我们在这里回顾这些工作，特别关注高阶网络上出现的动力学的新颖方面。我们涵盖了迄今为止研究过的各种动态过程，包括不同的同步现象、传染过程、合作的演变和共识的形成。我们还概述了未来研究的开放挑战和有希望的方向。

深度图生成综述：方法和应用

原文标题： A Survey on Deep Graph Generation: Methods and Applications

地址： http://arxiv.org/abs/2203.06714

作者： Yanqiao Zhu, Yuanqi Du, Yinkai Wang, Yichen Xu, Jieyu Zhang, Qiang Liu, Shu Wu

摘要： 图在编码许多领域中现实世界对象的关系信息时无处不在。由于深度学习模型的最新进展，图生成的目的是从与观察到的图相似的分布中生成新图，它受到了越来越多的关注。在本文中，我们对现有的图生成文献进行了全面的回顾，从各种新兴方法到其广泛的应用领域。具体来说，我们首先制定了深度图生成的问题，并讨论了它与几个相关的图学习任务的区别。其次，我们根据模型架构将最先进的方法分为三类，并总结了它们的生成策略。第三，我们介绍了深度图生成的三个关键应用领域。最后，我们强调了未来深度图生成研究中的挑战和机遇。

具有样本依赖下界的乘法随机过程的分析与应用

原文标题： Analysis and application of multiplicative stochastic process with a sample-dependent lower bound

地址： http://arxiv.org/abs/2203.06812

作者： Ken Yamamoto, Yoshihiro Yamazaki

摘要： 研究了下界对数正态分布的乘法随机过程。对于过程，构建模型，并导出其分布函数（涉及四个参数）和相关的统计性质。通过调整参数，确认理论分布与一些真实数据的经验分布是一致的。

足球：团队韧性和伯尔尼奇迹的定量分析

原文标题： Soccer: a quantitative analysis of team resilience and the miracle of Bern

地址： http://arxiv.org/abs/2203.06933

作者： Ralph Stömmer

摘要： 韧性是积极应对逆境的能力。几十年来，它一直在心理学中进行研究，重点关注个人如何克服创伤或应对职业生涯中的挫折和障碍。在运动背景下对复原力的研究是相当新的。活动基于在竞争激烈的环境中的洞察力，微小的影响会影响天平。衡量运动恢复力的一个关键问题是要测量哪些参数。这里提出了一个新概念来衡量足球队的弹性。比赛的频率是确定的，最初落后 2 球的足球队最终成功赢得比赛或至少打平。该分析适用于德国顶级足球联赛德甲联赛的最后 59 个赛季。将经验数据与源自泊松分布的理论模型进行比较。它展示了顶级足球联赛中的领先球队在韧性方面与平均水平的差异，这提供了对顶级足球球队隐藏秘密的进一步洞察。

使用改进的 SIR 模型动态分析 COVID-19 在不同社区中的感染状态

原文标题： Dynamical analysis of the infection status in diverse communities due to COVID-19 using a modified SIR model

地址： http://arxiv.org/abs/2203.07077

作者： Ian Cooper, Argha Mondal, Chris G. Antonopoulos, Arindam Mishra

摘要： 在本文中，我们模拟和研究了 COVID-19 在德国、日本、印度和印度受严重影响的邦（即德里、马哈拉施特拉邦、西孟加拉邦、喀拉拉邦和卡纳塔克邦）的传播。我们考虑了 2020 年 4 月至 2021 年 7 月在 Worldometers 和 COVID-19 印度网站上发布的记录数据，包括这些国家和州受到大流行病严重打击的重要时期。我们的方法基于经典的易感-感染-移除 (SIR) 模型，可以跟踪社区中感染的演变，我们 (a) 允许在出现激增、爆发或二次波时重置易感和受感染人群出现在记录的数据集中，(b) 考虑 SIR 模型中表示有效传播和恢复率的参数是时间的函数，© 通过将模型解与记录的数据集相结合来估计死亡人数在连续激增、爆发或二次波之间对它们进行近似，从而提供更准确的估计。我们报告这些国家和州的当前感染状况，以及印度和日本的感染和死亡情况。我们的模型可以适应记录的数据，并可以用来解释它们，重要的是，它可以预测感染、康复、移除和死亡的人数，以及它可以估计有效感染率和康复率作为时间的函数，假设爆发发生在给定的时间。后者可用于预测未来的繁殖数量，以及对感染和死亡人数的预测，我们的方法可用于建议实施干预策略和缓解政策，以控制感染和死亡人数个人。这有助于减少全球传播的影响并改善人们的福祉。

译者可靠性评估的贝叶斯方法

原文标题： A Bayesian approach to translators’ reliability assessment

地址： http://arxiv.org/abs/2203.07135

作者： Marco Miccheli, Andrea Tacchella, Andrea Zaccaria, Dario Mazzilli, Sébastien Bratières, Luciano Pietronero

摘要： 由人工翻译人员进行的翻译质量评估 (TQA) 是一个广泛使用的过程，用于估计越来越多使用的机器翻译性能，以及在翻译行业的客户和翻译供应商之间寻找协议。虽然翻译学者意识到采用可靠方法进行 TQA 过程的重要性，但似乎只有有限的文献面临采用定量方法的可靠性问题。在这里，我们将 TQA 视为一个复杂的过程，从复杂系统的物理角度考虑它，并且我们使用贝叶斯方法面临可靠性问题。使用翻译质量评估数据集，在完全由 Language Service Provider Translated Srl 生成的错误注释设置中，我们构建了两个贝叶斯模型，参数化 TQA 过程中涉及的特征，即翻译难度、所涉及的译者的特征制作翻译和评估其质量（审稿人）。在无监督环境中验证模型后，表明即使每个翻译工作只有一次审阅，也可以获得关于译员的有意义的见解，我们提取了关于译员和审校的信息，我们表明审稿人的可靠性不能被认为是理所当然的，即使他们是专业的翻译人员：在审阅另一位翻译人员的翻译时，翻译人员的专业知识也会导致认知偏差。然而，最专业的翻译人员在翻译任务和评估翻译质量方面都表现出最高水平的一致性。

单纯复形上的随机流行病模型

原文标题： Stochastic epidemic model on a simplicial complex

地址： http://arxiv.org/abs/2203.06241

作者： Gerardo Palafox-Castillo, Arturo Berrones-Santos

摘要： 具有成对连接的复杂网络已广泛用于系统内交互的建模。尽管这些类型的模型能够在各种情况下刻画丰富的结构和不同的阶段，但在某些情况下，它们缺乏明确的高阶交互可能会导致限制。在这项工作中，定义了一个单纯复形上的随机流行病模型，概括了网络上已知的马尔可夫 SIR 流行病过程。通过直接模拟和平均场分析表明，通过单纯形引入三阶相互作用，SIR 模型可以显示其动态和静止状态相对于模型的成对版本的重要差异。

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。