• 人类流动性不成比例地扩大了低收入人群的 PM2.5 排放暴露;
• 时变网络中交互持久性的表征;
• 超越你的舒适区：基于扩散的网络分析知识轨迹推荐;
• 具有节点强化的复杂网络的K-core结构;
• 最大化临时参与者在意见形成中的影响;
• COVID-19 大流行期间美国国内航空公司网络的动态;
• 二体金融交易商模型的精确解：从动力学理论的角度重新审视;
• Twitter中政治家的自我改变关系的结构;
• CALEB：增强机器人检测的条件对抗学习框架;
• 大流行开始时公园参观的空间变化;
• 在线极化的动态;

人类流动性不成比例地扩大了低收入人群的 PM2.5 排放暴露

原文标题： Human Mobility Disproportionately Extends PM2.5 Emission Exposure for Low Income Populations

地址： http://arxiv.org/abs/2205.15381

作者： Chao Fan, Yu-Heng Chien, Ali Mostafavi

摘要： 环境暴露于直径小于 2.5mum (PM2.5) 的细颗粒物已被确定为呼吸道疾病的一个关键原因。众所周知，个人住宅中不同收入群体的 PM2.5 暴露程度存在差异，并且很容易计算。然而，现有的暴露评估方法没有捕捉到城市居民的动态流动所暗示的暴露，而城市居民的动态流动性占家庭外暴露的很大一部分。为了克服测量城市居民 PM2.5 暴露量的挑战，我们分析了德克萨斯州哈里斯县的手机用户生成的数十亿匿名和增强隐私的基于位置的数据，以描述人口的流动模式和相关的暴露。我们根据人们在有空气污染物的地方度过的时间引入了暴露程度的度量标准，并检查了不同收入群体在基于流动性的暴露方面的差异。我们的研究结果表明，由于低收入人群的流动性活动，PM2.5 排放不成比例地暴露在他们身上。收入高于平均水平的人暴露在较低水平的 PM2.5 排放中。这些基于流动性暴露的差异是低收入人群频繁到PM2.5排放量高的城市工业部门的结果，以及这些人群更大的流动规模以满足生活需求。结果为环境正义和公共卫生战略提供了信息，不仅可以减少整体 PM2.5 暴露，还可以减轻对低收入人群的不成比例的影响。研究结果还表明，广泛的精细人口流动性和污染排放数据的整合可以揭示城市规模空气污染暴露不平等的新见解。

时变网络中交互持久性的表征

原文标题： Characterization of interactions’ persistence in time-varying networks

地址： http://arxiv.org/abs/2205.15435

作者： Francisco Bauzá Mingueza, Mario Floría, Jesús Gómez-Gardeñes, Alex Arenas, Alessio Cardillo

摘要： 许多复杂的网络系统在它们的顶点之间表现出不稳定的动态相互作用，其顺序和持久性在它们上发生的动态过程的结果上回荡。为了量化和表征时变网络快照的相似性——持久性的代表——我们提出了一项基于名为 emphtemporality 的描述符的交互持久性研究。我们使用时间的平均值 overlinemathcalT 来评估“emphspecial”是如何在有序快照序列的配置空间内的给定时变网络。我们分析了几个经验网络的时间性，发现经验序列比它们的随机对应物更相似。我们还研究了交互发生的（时间）分辨率对 overlinemathcalT 的影响。

超越你的舒适区：基于扩散的网络分析知识轨迹推荐

原文标题： Stepping beyond your comfort zone: Diffusion-based network analytics for knowledge trajectory recommendation

地址： http://arxiv.org/abs/2205.15504

作者： Yi Zhang, Mengjia Wu, Jie Lu

摘要： 追踪科学研究人员的研究兴趣的兴趣正在上升，尤其是预测研究人员的知识轨迹超出他们当前的重点，进入潜在的跨/跨/多学科互动。因此，在本研究中，我们提出了一种基于扩散的网络分析方法，用于知识轨迹推荐。该方法首先构建由共同主题层和共同作者层组成的异构文献计量网络。然后使用具有扩散策略的新型链路预测方法来反映现实世界的学术活动，例如共同作者之间的知识共享或相似研究主题之间的扩散。该策略区分同质节点和异构节点之间发生的交互，并对这些交互的强度进行加权。两组实验——一组使用本地数据集，另一组使用全局数据集——证明所提出的方法先于选定的基线。此外，为了进一步检验我们方法的可靠性，我们对选定的信息科学家及其研究小组的知识轨迹推荐进行了案例研究。结果证明了我们的方法为信息科学学科的个体研究人员、社区和研究机构提供的经验见解。

具有节点强化的复杂网络的K-core结构

原文标题： The $K$-core structure of complex networks with node reinforcement

地址： http://arxiv.org/abs/2205.15506

作者： Rui Ma, Yanqing Hu, Jin-Hua Zhao

摘要： 渗透理论提供了一个量化框架来估计和增强复杂网络系统的鲁棒性。一种提高网络鲁棒性的典型非结构方法是引入增强节点，即使在故障传播中也能发挥作用。在当前的网络鲁棒性渗透模型中，巨连通分量（GCC）被用作宏观结构连通性的主要阶参数。然而，仍然缺乏系统评估在网络鲁棒性措施下细观网络结构如何演变。在这里，在具有增强节点的网络上，我们研究了K-core结构，它由度为geqslant K的节点组成，在结构稳定性和动态扩展中起着至关重要的作用。我们为具有随机分布的增强节点的不相关随机图上的K-cores 开发了一个分析框架。我们通过对生成的随机图的模拟验证了我们的分析预测，并表明，当一组加固节点超出临界尺寸时，K 核心的突然出现被平滑为连续的。除了设计健壮的系统之外，我们的框架提供了一种可控制的方式来调整 K 核心的大小，以探索它们在网络结构和动态中的各种作用。

最大化临时参与者在意见形成中的影响

原文标题： Maximising the Influence of Temporary Participants in Opinion Formation

地址： http://arxiv.org/abs/2205.12503

作者： Zhiqiang Zhuang, Kewen Wang, Zhe Wang, Junhu Wang, Yinong Yang

摘要： DeGroot 风格的意见形成假设社会网络的主体之间存在持续的交互。因此，它无法处理社会网络外部的主体，这些主体仅与永久主体进行临时交互。许多现实世界的组织和个人都属于这一类。例如，一家公司试图说服尽可能多的人购买其产品，但由于各种限制，只能在有限的时间内发挥其影响力。我们提出了 DeGroot 模型的变体，它允许外部主体在预设的时间段内与永久主体进行交互。通过分析和模拟变体，我们获得了一些关于最大化外部主体在意见形成中的影响的见解。

COVID-19 大流行期间美国国内航空公司网络的动态

原文标题： Dynamics of the US domestic airline network during the COVID-19 pandemic

地址： http://arxiv.org/abs/2205.15541

作者： Kashin Sugishita, Hiroki Mizutani, Shinya Hanaoka

摘要： 持续的 COVID-19 大流行对航空业产生了严重影响。理解各个航空公司的网络动态对于讨论紧急情况下的航空政策以实现确保网络连通性和维持航空公司之间的竞争至关重要。在这项研究中，我们定量揭示了 2019 年 1 月至 2021 年 12 月由 17 家航空公司组成的美国国内航空公司网络的日常动态。具体而言，我们应用了一个分析时间网络的框架，其中网络结构随时间而变化。首先，我们发现，尽管节点和边的数量在 2021 年 7 月左右恢复到疫情前的水平，但整个美国国内航线网络的结构与疫情前的结构仍然存在很大差异。我们还发现，不同航空公司的网络动态差异很大。全业务运营商在改变网络结构方面的灵活性较低，收入损失较大。相反，大多数支线航空公司完全转向新的结构，这可能有助于减少他们的收入损失。低成本航空公司的特点是航空公司之间的差异更加明显，并在宣布国家紧急状态后立即大幅改变其网络结构。

二体金融交易商模型的精确解：从动力学理论的角度重新审视

原文标题： Exact solution to two-body financial dealer model: revisited from the viewpoint of kinetic theory

地址： http://arxiv.org/abs/2205.15558

作者： Kiyoshi Kanazawa, Hideki Takayasu, Misako Takayasu

摘要： 重新审视了两体随机交易商模型，以使用动力学方法为平均订单簿概况提供精确的解决方案。交易商模型是一种微观金融模型，个体交易者随机决定限价单价格，然后达成交易协议。在文献中，这个模型解决了几种情况：二体交易者 N=2 的精确解和许多交易者 Ngg 1 的平均场解。值得注意的是，虽然动力学理论在 Ngg 1 的平均场分析中发挥着重要作用，但对于 N=2 的情况，它的作用仍然难以捉摸。在本文中，我们重新审视了二体经销商模型N=2，以阐明动力学理论的效用。我们首先通过几种方法推导出二体经销商模型的精确 Master-Liouville 方程。我们接下来从概率流的角度来说明 Master-Liouville 方程的物理图景。然后精确求解 master-Liouville 方程以得出订单簿概况和平均交易间隔。此外，我们引入了一个广义的二体交易商模型，通过市场中间价结合交易者之间的互动，并在动力学框架内精确求解该模型。我们最终通过数值模拟确认了我们的精确解。这项工作通过发展更好的数学直觉，为经济物理学模型提供了系统的数学基础。

Twitter中政治家的自我改变关系的结构

原文标题： Structure of Ego-alter relationships of Politicians in Twitter

地址： http://arxiv.org/abs/2205.15657

作者： Valerio Arnaboldi, Andrea Passarella, Marco Conti, Robin Dunbar

摘要： 我们分析了 300 名意大利议员和 18 名欧洲领导人以及大约 14,000 名普通用户的自我改变 Twitter 网络。我们发现了社会环境的典型结构特性，这意味着 Twitter 活动受到类似于塑造传统社会关系的约束的控制。然而，自我改变关系的演变是非常动态的，这表明它们并不完全用于社交互动，而是用于公共信号和自我推销。从这个角度来看，欧盟领导人的行为更加明显，而意大利国会议员则介于他们和普通用户之间。我们发现，政治家，而不是普通用户，建立关系是在讨论话题上发推文的副作用，而不是通过联系特定的改变。

CALEB：增强机器人检测的条件对抗学习框架

原文标题： CALEB: A Conditional Adversarial Learning Framework to Enhance Bot Detection

地址： http://arxiv.org/abs/2205.15707

作者： George Dialektakis, Ilias Dimitriadis, Athena Vakali

摘要： 过去几年在线社会网络 (OSN) 的高速增长使得被称为社交机器人的自动化账户得以普及。正如其他研究人员所强调的那样，这些机器人中的大多数都有恶意目的，并且倾向于模仿人类行为，从而对 OSN 平台构成高级安全威胁。此外，最近的研究表明，社交机器人随着时间的推移通过改革和重塑不可预见的复杂特征而发展，使其能够避开当前机器学习最先进的机器人检测系统。这项工作的动机是迫切需要建立自适应机器人检测方法，以便主动刻画看不见的演化机器人，以实现更健康的 OSN 交互。与大多数早期受监督的机器学习方法（由于无法有效检测新型机器人的限制）相比，本文提出了 CALEB，这是一种基于条件生成对抗网络（CGAN）及其扩展的强大的端到端主动框架，辅助分类器 GAN (AC-GAN)，通过创建不同机器人类型的真实合成实例来模拟机器人演化。这些模拟演化的机器人增强了现有的机器人数据集，因此增强了对新兴机器人的检测，甚至在它们出现之前！此外，我们表明我们的增强方法超越了其他早期的增强技术，这些技术在模拟演化的机器人时失败了。在完善的公共机器人数据集上进行的广泛实验表明，我们的方法在检测新的看不见的机器人方面提供了高达 10% 的性能提升。最后，使用 AC-GAN 鉴别器作为机器人检测器的性能优于以前的 ML 方法，展示了我们端到端框架的效率。

大流行开始时公园参观的空间变化

原文标题： Spatial changes in park visitation at the onset of the pandemic

地址： http://arxiv.org/abs/2205.15937

作者： Kelsey Linnell, Mikaela Fudolig, Aaron Schwartz, Taylor H. Ricketts, Jarlath P. M. O’Neil-Dunne, Peter Sheridan Dodds, Christopher M. Danforth

摘要： 从 2020 年 3 月开始，COVID-19 大流行扰乱了大多数美国人的出行方式。尽管户外休闲活动提供了有益的、与社会保持距离的活动，但令人困惑和矛盾的公共卫生信息使进入自然空间变得复杂。使用包含 2019 年和 2020 年大约 5000 万个不同移动设备位置的数据集，我们分析了美国 8,135 个公园的每周访问模式。使用贝叶斯推理，我们确定了在大流行的最初几周内访问量发生重大变化的地区。我们发现，未表现出变化的地区可能人口较少，并且在 2020 年的选举中投票的共和党人多于民主党人。我们的研究通过被动观察来探索谁从接近自然中受益，从而为越来越多的文献做出了贡献。

在线极化的动态

原文标题： The dynamics of online polarization

地址： http://arxiv.org/abs/2205.15958

作者： Carlo Michele Valensise, Matteo Cinelli, Walter Quattrociocchi

摘要： 几项研究指出，用户会寻找他们最喜欢的信息，过滤掉不同意见的信息，并围绕共享的叙述加入志同道合的用户群体。馈送算法可能会使这种配置朝着两极分化的方向发展，从而影响信息（和错误信息）如何在网上传播。然而，尽管关于两极分化的意见空间和回声室的大量证据和数据，人类和算法因素在塑造这些现象中的相互作用仍不清楚。在这项工作中，我们提出了一个模仿人类态度和算法特征的意见动态模型。我们定量评估模型预测与经验数据的一致性，并将模型性能与其他最先进的模型进行比较。我们最终提供了关于模型参数空间的社交媒体平台的综合描述，可用于微调馈送算法以最终平滑极端极化。

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。