• 使用图上的深度表征学习对团队绩效进行建模;
• 用于流行病预测的含时多分辨率图神经网络;
• 经典随机图上结构平衡系统的热力学特性;
• 使用在线国际象棋社区数据量化国际象棋开局的复杂性和相似性;
• 用无监督的方法量化有争议的讨论的结构：Twitter 气候变化对话;
• Twitter 上 COVID-19 疫苗接种态度的多语言数据集;
• P指数;
• 欧洲部门耦合能源模型中绿色氢的内生学习;

使用图上的深度表征学习对团队绩效进行建模

原文标题： Modeling Teams Performance Using Deep Representational Learning on Graphs

地址： http://arxiv.org/abs/2206.14741

作者： Francesco Carli, Pietro Foini, Nicolò Gozzi, Nicola Perra, Rossano Schifanella

摘要： 绝大多数人类活动都需要正式或非正式团队内部和之间的协作。我们对团队所花费的协作努力与他们的绩效之间的关系的理解仍然是一个争论的问题。团队合作导致了一个由潜在重叠组件组成的高度互连的生态系统，其中任务是在与团队成员和跨其他团队的交互中执行的。为理解决这个问题，我们提出了一个图神经网络模型，旨在预测团队的表现，同时识别决定这种结果的驱动因素。特别是，该模型基于三个架构通道：拓扑、中心性和上下文，它们刻画了可能影响团队成功的不同因素。我们赋予模型两种注意力机制，以提高模型性能并实现可解释性。第一种机制允许查明团队内部的关键成员。第二种机制使我们能够量化三种驱动因素在确定结果绩效方面的贡献。我们在广泛的领域测试模型性能，优于大多数经典和神经基线。此外，我们还包括专门设计用于验证模型如何解开我们的模型大大优于基线的预期属性的合成数据集。

用于流行病预测的含时多分辨率图神经网络

原文标题： Temporal Multiresolution Graph Neural Networks For Epidemic Prediction

地址： http://arxiv.org/abs/2205.14831

作者： Truong Son Hy, Viet Bach Nguyen, Long Tran-Thanh, Risi Kondor

摘要： 在本文中，我们介绍了时间多分辨率图神经网络（TMGNN），这是第一个既学习构建多尺度和多分辨率图结构又结合时间序列信号来捕捉动态图的时间变化的架构。我们根据从几个欧洲国家的实际 COVID-19 大流行和水痘流行中收集的历史时间序列数据，将我们提出的模型应用于预测流行和大流行的未来传播的任务，并且与其他国家相比获得了具有竞争力的结果以前最先进的时间架构和图学习算法。我们已经表明，刻画图的多尺度和多分辨率结构对于提取本地或全球信息非常重要，这些信息在理解全球流行病的动态方面发挥着关键作用，例如 COVID-19 从当地城市开始传播到整个城市世界。我们的工作为预测和减轻未来流行病和流行病带来了一个有前途的研究方向。

经典随机图上结构平衡系统的热力学特性

原文标题： Thermal properties of structurally balanced systems on classical random graphs

地址： http://arxiv.org/abs/2206.14226

作者： Krzysztof Malarz, Maciej Wołoszyn (AGH UST)

摘要： 对于占据经典随机图节点的交互行为者，讨论了在温度对社会噪声水平建模的影响下社会关系的动态和达到结构平衡状态（海德平衡）的可能性。根据图密度 D，随着热噪声水平的增加，观察到系统从平衡状态到不平衡状态的平滑交叉或一阶相变。可以观察到一阶相变的最小图密度 D_textmin 随着系统大小 N 减小为 D_textminpropto N^-0.58(1) .对于图密度 D>D_textmin，降低的临界温度 T_c^star=T_c/T_c(D=1) 随着图密度增加 T_c^starpropto D^1.719( 6) 独立于系统大小 N。

使用在线国际象棋社区数据量化国际象棋开局的复杂性和相似性

原文标题： Quantifying the complexity and similarity of chess openings using online chess community data

地址： http://arxiv.org/abs/2206.14312

作者： Giordano De Marzo, Vito DP Servedio

摘要： 国际象棋创立数百年后，仍然在世界范围内广泛使用。开局理论是国际象棋的支柱之一，需要多年的学习才能掌握。在这里，我们利用在线国际象棋平台中的“群众智慧”来回答传统上只有国际象棋专家才能解决的问题。我们首先定义了国际象棋开局的相关性网络，该网络量化了两个开局的相似程度。在这个网络中，我们发现了与最常见的开放选择相对应的节点社区及其相互关系，这些信息很难从现有的开放分类中获得。此外，我们使用关联网络来预测玩家将开始玩的未来开局，并且我们对这些预测进行回测，获得的性能大大高于随机预测器的性能。最后，我们使用经济适应度和复杂性算法来衡量开局的难度以及玩家在开局方面的熟练程度。这项研究不仅为国际象棋分析提供了一个新的视角，而且还开启了使用复杂网络理论提出个性化开局建议的可能性。

用无监督的方法量化有争议的讨论的结构：Twitter 气候变化对话

原文标题： Quantifying the structure of controversial discussions with unsupervised methods: a look into the Twitter climate change conversation

地址： http://arxiv.org/abs/2206.14501

作者： Blas Kolic, Fabián Aguirre-López, Sergio Hernández-Williams, Guillermo Garduño-Hernández

摘要： 社交媒体为以分散的方式塑造和分享观点以及消费信息提供了一个重要的平台。然而，用户经常与大多数与他们的信念一致的信息进行交互并接触到这些信息，从而创建了一种积极的反馈机制来加强这些信念并排除相反的信念。在本文中，我们通过使用几乎不需要计算能力的无监督方法分析有争议的 Twitter 讨论的社会网络动态来研究这种机制。具体来说，我们关注 2019 年气候变化对话的转推网络，当时重要的气候社会运动蓬勃发展。我们发现气候信徒和气候怀疑论者的回声室，我们仅根据与对话的主要用户相关的观众转发的用户（这里称为室）来识别。具有相似（对比）意识形态立场的用户显示出显著高（低）重叠的房间，导致双峰重叠分布。此外，我们根据有多少观众落入任一回音室，揭示了以前未被观察到的高影响力用户的意识形态立场。我们将一半以上的转发人群归类为气候信徒或怀疑论者，并发现跨群体交流可以忽略不计。此外，我们发现，虽然回声室结构全年保持一致，但回声室内的大多数用户每周都在变化，这表明它们是 Twittersphere 的稳定涌现属性。有趣的是，我们观察到#FridaysForFuture 的主要罢工与气候怀疑论者的回声室大小之间存在高度相关性，但与气候信徒的回声室大小没有显著相关性。

Twitter 上 COVID-19 疫苗接种态度的多语言数据集

原文标题： A Multilingual Dataset of COVID-19 Vaccination Attitudes on Twitter

地址： http://arxiv.org/abs/2206.14619

作者： Ninghan Chen, Xihui Chen, Jun Pang

摘要： 在疫苗供应充足的欧洲和美国，疫苗犹豫被认为是 COVID-19 疫苗接种率停滞不前的主要原因之一。快速准确地掌握公众对疫苗接种的态度对于解决疫苗犹豫问题至关重要，而社交媒体平台已被证明是公众舆论的有效来源。在本文中，我们描述了与 COVID-19 疫苗相关的推文数据集的收集和发布。该数据集包含从西欧收集的 2,198,090 条推文的 ID，其中 17,934 条带有发起者的疫苗接种立场注释。我们的注释将有助于使用和开发数据驱动的模型，以从社交媒体帖子中提取疫苗接种态度，从而进一步确认社交媒体在公共卫生监测中的作用。为了为未来的研究奠定基础，我们不仅对数据集进行统计分析和可视化，还评估和比较已建立的基于文本的基准在疫苗接种立场提取中的性能。我们展示了我们的数据在跟踪公共 COVID-19 疫苗接种态度的时间变化方面的一种潜在用途。

P指数

原文标题： P-Index

地址： http://arxiv.org/abs/2206.07543

作者： Shiva P. Pudasaini

摘要： 我提出的 P-Index 真正构成了一个定义明确、紧凑的作者引用指标。

欧洲部门耦合能源模型中绿色氢的内生学习

原文标题： Endogenous learning for green hydrogen in a sector-coupled energy model for Europe

地址： http://arxiv.org/abs/2205.11901

作者： Elisabeth Zeyen, Marta Victoria, Tom Brown

摘要： 为了到 2050 年实现气候中和，欧洲能源系统需要彻底转型。这就提出了过渡将花费多少以及应该支持哪些技术的问题。尽管许多能源系统模型处理成本最优路径，但它们通常忽略投资成本对累积技术能力的依赖性、可再生能源的时间可变性或电力以外的部门。在这项研究中，我们解决了这些弱点。我们使用欧洲能源系统模型，该模型具有全行业耦合、可再生可变性以及可再生发电技术（太阳能光伏、陆上和海上风能）和氢电解的内生时间延迟学习。应用了三种不同的二氧化碳预算，对应于 +1.5degC、+1.7degC、+2.0degC 温度升高。首先，我们表明，对于 +1.5degC 预算方案，到 2030 年已经大规模部署氢电解是最佳的，这将到 2050 年将电解投资成本降低到 75 e/kWelec。其次，我们比较了三种不同的方法表示成本降​​低，并表明没有内生学习的建模会导致高估 13% 的年化系统总成本。氢的边际价格，特别是在雄心勃勃的气候目标的情况下，在 2030 年和 2050 年被高估了 67% 和 38%。

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。