• 流行度预测问题的图表示学习综述;
• 将异质性纳入图神经网络以进行图分类;
• 联合时间-顶点分数傅里叶变换;
• 从统计物理学的角度分析国际事件：以乌克兰为例;
• 表征参与 QAnon 阴谋论的用户参与 Reddit;
• 冲突时期的推文：一个公共数据集跟踪关于乌克兰和俄罗斯之间战争的 Twitter 话语;
• 使用基于主体的模拟对奥地利医疗保健系统的弹性进行压力测试;
• 粒子物理项目的社会影响;
• Covid-19 变体的时间交互驱动传染模型揭示了令人惊讶的竞争条件;

流行度预测问题的图表示学习综述

原文标题： Graph Representation Learning for Popularity Prediction Problem: A Survey

地址： http://arxiv.org/abs/2203.07632

作者： Tiantian Chen, Jianxiong Guo, Weili Wu

摘要： Twitter、Facebook、LinkedIn 和微信等在线社交平台在过去十年中发展迅速，已成为人们相互交流和分享信息的最有效平台之一。由于“口碑”效应，信息通常可以在这些社交媒体平台上迅速传播。因此，研究驱动信息传播的机制并量化信息传播的后果非常重要。很多努力都集中在这个问题上，以帮助我们更好地理解并在病毒式营销和广告中实现更高的绩效。另一方面，神经网络的发展在过去几年蓬勃发展，催生了大量的图表示学习（GRL）模型。与传统模型相比，GRL 方法通常被证明更有效。在本文中，我们全面回顾了使用 GRL 方法进行流行度预测问题的现有工作，并将相关文献根据主要使用的模型和技术分为两大类：基于嵌入的方法和深度学习方法。深度学习方法进一步分为六小类：卷积神经网络、图卷积网络、图注意力网络、图神经网络、循环神经网络和强化学习。我们比较了这些不同模型的性能，并讨论了它们的优势和局限性。最后，我们概述了流行度预测问题的挑战和未来机会。

将异质性纳入图神经网络以进行图分类

原文标题： Incorporating Heterophily into Graph Neural Networks for Graph Classification

地址： http://arxiv.org/abs/2203.07678

作者： Wei Ye, Jiayi Yang, Sourav Medya, Ambuj Singh

摘要： 图神经网络（GNN）通常在图中假设强同质性，很少考虑异质性，这意味着连接的节点往往具有不同的类标签和不同的特征。在现实世界的场景中，图可能具有同时表现出同质性和异质性的节点。未能推广到此设置会使许多 GNN 在图分类中表现不佳。在本文中，我们通过确定两种有用的设计来解决这一限制，并开发一种称为 IHGNN（将异质性融入图神经网络）的新型 GNN 架构。这些设计包括节点的自我嵌入和邻居嵌入的集成和分离；并将所有节点嵌入连接起来作为最终的图级读出函数。在第一个设计中，集成与分离通过单射函数相结合，该单射函数是 MLP 和串联函数的组合。第二种设计使图级读出功能能够区分不同的节点嵌入。由于两种设计中使用的函数都是单射的，IHGNN 虽然简单，但具有与 1-WL 一样强大的表现力。我们在各种图数据集上对 IHGNN 进行了实证验证，并证明它在图分类任务上实现了最先进的性能。

联合时间-顶点分数傅里叶变换

原文标题： Joint Time-Vertex Fractional Fourier Transform

地址： http://arxiv.org/abs/2203.07655

作者： Bünyamin Kartal, Eray Özgünay, Aykut Koç

摘要： 图信号处理通过使用在图顶点上定义的图信号成功地刻画了非欧几里得域上的高维数据。但是，每个顶点上的数据源也可以持续提供时间序列信号，这样每个顶点上的图信号现在都是时间序列信号。联合时间顶点傅里叶变换 (JFT) 和时间顶点信号处理的相关框架使我们能够通过提供谱分析来研究在联合时间顶点域上定义的此类信号。正如分数傅里叶变换 (FRT) 推广普通傅里叶变换 (FT) 一样，我们提出联合时间顶点分数傅里叶变换 (JFRT) 作为对 JFT 的推广。 JFRT 通过将时间域和顶点域傅里叶分析扩展到分数阶，为联合时间-顶点处理提供了额外的分数分析工具。我们从理论上表明，所提出的 JFRT 推广了 JFT 并满足索引可加性、可逆性、归约性和单一性（对于某些图拓扑）的属性。我们为基于 JFRT 的去噪以及计算成本分析提供了理论推导。数值实验的结果也展示了 JFRT 的好处。

从统计物理学的角度分析国际事件：以乌克兰为例

原文标题： Analysing international events through the lens of statistical physics: the case of Ukraine

地址： http://arxiv.org/abs/2203.07403

作者： Massimiliano Zanin, Johann H. Martínez

摘要： 在过去的几年里，统计物理学作为分析真实复杂系统的框架受到了越来越多的关注。然而，在国际政治事件的情况下，这一点就不太清楚了，部分原因是获取有关这些事件的相关定量数据的复杂性。在这里，我们分析了自 2021 年 1 月以来在乌克兰发生的暴力事件的详细数据集，并通过熵和复杂性指标以及功能网络分析了它们的时间和空间相关性。结果描述了一个复杂的场景，事件以非随机方式出现，但最东部地区在功能上与该国其他地区脱节——这与普遍的“两个乌克兰”观点相反。我们进一步吸取了一些教训和场所以供未来分析。

表征参与 QAnon 阴谋论的用户参与 Reddit

原文标题： Characterizing Reddit Participation of Users Who Engage in the QAnon Conspiracy Theories

地址： http://arxiv.org/abs/2203.07433

作者： Kristen Engel, Yiqing Hua, Taixiang Zeng, Mor Naaman

摘要： 广泛传播的阴谋论可能会对我们的社会产生重大影响。本文重点关注 QAnon 阴谋论，这是一种通过社交媒体成功开始并传播的后果阴谋论。我们的工作描述了参与以 QAnon 为重点的子版块的 Reddit 用户如何参与平台上的活动，尤其是在他们自己的社区之外。以 2018 年针对 QAnon 相关活动的大规模 Reddit 审核国家为来源，我们确定了 13,000 名活跃于早期 QAnon 社区的用户。从 2016 年 10 月到 2021 年 1 月，我们收集了这些用户在整个 Reddit 上发布的 210 万次提交和 1080 万条评论。这些用户中的大多数仅在 QAnon 阴谋论出现后才活跃，而在 Reddit 2018 年 QAnon 禁令之后活跃度下降.对“QAnon 狂热”用户特别活跃的 915 个子版块样本进行的定性分析表明，他们参与了各种各样的子版块，通常与 QAnon 无关。然而，大多数用户的意见都集中在对阴谋论持同情态度的子版块中，其特点是支持特朗普的讨论，或强调不受约束的行为（通常是反建制和反干预主义）。对其中 1,571 份提交的样本进行的进一步研究表明，大多数都包含来自低质量来源的链接，这给更广泛的 Reddit 社区带来了潜在的伤害。这些结果表明，早期 QAnon 用户在 Reddit 上的活动可能致力于并致力于阴谋，这对平台审核设计和未来研究都产生了影响。

冲突时期的推文：一个公共数据集跟踪关于乌克兰和俄罗斯之间战争的 Twitter 话语

原文标题： Tweets in Time of Conflict: A Public Dataset Tracking the Twitter Discourse on the War Between Ukraine and Russia

地址： http://arxiv.org/abs/2203.07488

作者： Emily Chen, Emilio Ferrara

摘要： 2022年2月24日，俄罗斯入侵乌克兰。在接下来的几天里，从外行到新闻主播的报道不断涌现，冲突迅速升级为战争。俄罗斯立即遭到全世界的强烈反对和谴责。虽然战争继续助长乌克兰持续的人道主义和难民危机，但在线空间出现了第二个战场，无论是使用社交媒体为冲突双方争取支持，还是在信息战的背景下.在本文中，我们展示了 2022 年 2 月 22 日至 2022 年 3 月 8 日期间超过 6300 万条推文的集合，我们将发布这些推文供更广泛的研究社区使用。该数据集可在 https://github.com/echen102/ukraine-russia 找到，并将随着战争的继续展开而维护和定期更新。我们的初步分析已经显示了公众参与俄罗斯国家赞助媒体和其他已知推送不可靠信息的领域的证据；前者在俄罗斯入侵当天的活动激增。我们希望这个公共数据集可以帮助研究界进一步理解社交媒体在冲突时期在信息传播、影响运动、基层动员等方面所发挥的不断变化的作用。

使用基于主体的模拟对奥地利医疗保健系统的弹性进行压力测试

原文标题： Stress-testing the Resilience of the Austrian Healthcare System Using Agent-Based Simulation

地址： http://arxiv.org/abs/2203.07746

作者： Michaela Kaleta, Jana Lasser, Elma Dervic, Liuhuaying Yang, Johannes Sorger, Ruggiero Lo Sardo, Stefan Thurner, Alexandra Kautzky-Willer, Peter Klimek

摘要： 患者不是随机联系医生，而是通过他们之间自然出现的患者流动网络。随着退休、大规模隔离以及在大流行期间因疾病或其他冲击而导致的缺勤使这些网络变得稀薄，该系统可能会被推向一个临界点，即失去向民众提供医疗服务的能力。在这里，我们提出了一个数据驱动的框架，通过基于主体的模型来量化奥地利对初级和二级保健冲击的区域弹性。对于每个地区和医学专业，我们根据管理数据构建详细的患者共享网络，并通过从系统中删除越来越多的医生来对这些网络进行压力测试。这使我们能够衡量区域弹性指标，描述在个别患者不再接受治疗之前可以从某个区域移除多少医生。我们发现确实存在这样的临界点，并且地区和医学专业的弹性差异很大。这些系统性差异可以通过量化他们假设的移除会给系统带来多少压力（风险评分）或他们能够吸收移除其他医生的压力（效益评分）来与个体医生的指标相关联。我们的压力测试框架可以使卫生当局快速确定获得护理的瓶颈，并检查这些自然出现的医生网络以及潜在的缺勤将如何影响它们。

粒子物理项目的社会影响

原文标题： Societal impacts of particle physics projects

地址： http://arxiv.org/abs/2203.07995

作者： R. Zens, M. Headley, D. Wolf, A. Markovitz, F. Dukes, J. Tang, K. Bloom, V. Boisvert

摘要： 由美国政府资助的大型粒子物理项目需要评估和减轻每个项目对当地社区的潜在影响。然而，除了满足政府要求之外，粒子物理项目还通过有意义地参与当地社区，在当地决策、建立关系和构建关于关键项目的讨论中发挥重要作用。在美国粒子物理社区规划练习 (Snowmass) 的这份白皮书中，我们研究了三个机构所做的几项当地社区参与工作：劳伦斯伯克利国家实验室 (Berkeley Lab)、费米国家加速器实验室 (Fermilab) 和桑福德地下研究中心设施（冲浪）。尽管每个设施都专注于不同类型社区的不同努力，但每项研究都强调了采用一致的外展技术、促进多样性、建立持久关系以及为开放和诚实的沟通创造环境的重要性和好处。

Covid-19 变体的时间交互驱动传染模型揭示了令人惊讶的竞争条件

原文标题： Temporal interaction-driven contagion model of Covid-19 variants reveals surprising competition conditions

地址： http://arxiv.org/abs/2203.08115

作者： Alex Abbey, Yuval Shahar, Osnat Mokryn

摘要： 社会互动的时间动态被证明会影响疾病的传播。在这里，我们模拟了许多病原体在时间网络上具有不同水平的交叉免疫的进展和竞争条件。我们使用我们的 Covid-19 的交互驱动传染模型并对其一些变体进行建模。我们在时间随机网络和真实世界交互数据上获得的结果表明，时间动态对竞争条件至关重要。我们考虑了两种和三种相互竞争的病原体，并表明在某些条件下，较慢的病原体将保持活跃并产生第二波感染大多数人群。然后，我们表明，当考虑相遇的持续时间时，传播动态会发生显著变化。我们的研究结果表明，在考虑空气传播疾病时，考虑临时会议的持续时间以模拟病原体在人群中的传播可能至关重要。

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。