• 更好地评估动态链路预测;
• 当昂贵的迁移有助于改善合作时;
• 使用统计方法在具有有限可见性的复杂网络中实现影响最大化 (IM);
• 一种基于复杂网络的链路预测图嵌入方法;
• 模拟观察性社会学习对儿童疫苗接种和疾病在家庭网络中传播的父母决策的影响;
• 避免“大过滤器”：对气候变化解决方案和有效实施组合的评估;
• Bayan 算法：通过模块化的精确和近似优化检测网络中的社区;
• PyPSA-地球。一种新的全球开放能源系统优化模型在非洲展示;
• 印欧语系的次扩散语义演化;
• 在竞争的顺序决策中优化理性个体之间的集体准确性;
• 医生与护士：理解医护人员在疫苗犹豫中的巨大差异;
• 西班牙 Facebook 帖子作为德克萨斯州 COVID-19 疫苗犹豫的指标;
• 随机并不总是公平的：推荐系统中的候选集不平衡和曝光不等式;
• 非同质图节点分类的图多项式卷积模型;
• 基于双曲自监督对比学习的网络异常检测;
• 在惩罚投资者的等级人口中信任的演变;
• 具有手性的活性粒子：在行人流中的应用;

更好地评估动态链路预测

原文标题： Towards Better Evaluation for Dynamic Link Prediction

地址： http://arxiv.org/abs/2207.10128

作者： Farimah Poursafaei, Shenyang Huang, Kellin Pelrine, Reihaneh Rabbany

摘要： 尽管最近在从静态图学习方面取得了成功，但从时间演化图中学习仍然是一个开放的挑战。在这项工作中，我们为特定于动态图的链路预测设计了新的、更严格的评估程序，反映了现实世界的考虑，以更好地比较方法的优缺点。首先，我们创建了两种可视化技术来理解边随着时间的推移重复出现的模式，并显示许多边在以后的时间步骤中重复出现。基于这一观察，我们提出了一个称为 EdgeBank 的纯记忆基线。 EdgeBank 在多个设置中实现了令人惊讶的强大性能，因为在当前评估设置中经常使用简单的负边。为了评估更困难的负边，我们引入了两种更具挑战性的负采样策略，以提高鲁棒性并更好地匹配实际应用。最后，我们引入了六个新的动态图数据集，这些数据集来自当前基准测试中缺失的不同领域，为未来的研究提供了新的挑战和机遇。我们的代码存储库可在 https://github.com/fpour/DGB.git 访问。

当昂贵的迁移有助于改善合作时

原文标题： When costly migration helps to improve cooperation

地址： http://arxiv.org/abs/2208.05214

作者： Hsuan-Wei Lee, Colin Cleveland, Attila Szolnoki

摘要： 运动是动物和人类试图在不断变化的世界中达到更好条件的典型反应。这方面已经在竞争参与者的个人和集体利益发生冲突的社会困境中进行了深入研究。从传统的公共物品博弈模型开始，其中玩家是本地固定的并且存在无条件的合作者或背叛者，我们引入了两种额外的策略，通过这些策略，主体人可以改变他们对本地合作水平的依赖位置。更重要的是，这些所谓的老练玩家应该承担额外的成本，以维持他们评估邻里并做出相应反应的永久能力。因此，四种策略相互竞争，最成功的一种可以被其邻居模仿。至关重要的是，引入代价高昂的运动会对竞争的主要策略产生高度偏见的后果。在大多数参数空间中，它对叛逃者是有害的，并且在人口稀少时提供了显著更高的合作水平。在中等人口密度下，如果交互模式发生轻微变化，移动参与者的存在可能是有害的，这对于固定玩家系统来说是最佳的，从而阻碍了信息流的最佳渗透。在这个参数空间中，成熟的合作者也可以通过首先避开叛逃者的有害附近来展示所谓的摩尔效应；他们随后转变为固定的合作者状态。因此，自相矛盾的是，额外的流动成本可能有利于获得更高的一般收入，特别是对于少数群体而言，否则会孤立子群体。

使用统计方法在具有有限可见性的复杂网络中实现影响最大化 (IM)

原文标题： Influence Maximization (IM) in Complex Networks with Limited Visibility Using Statistical Methods

地址： http://arxiv.org/abs/2208.13166

作者： Saeid Ghafouri, Seyed Hossein Khasteh, Seyed Omid Azarkasb

摘要： 社会网络 (SN) 是一种社会结构，由代表它们之间交互的组组成。 SN最近被广泛使用，并随后成为产品推广和信息传播的合适和流行的平台。 SN 中的人直接影响彼此的兴趣和行为。 SN 中最重要的问题之一是如果选择他们作为网络扩散场景的种子节点，则以级联方式找到对网络中其他节点具有最大影响的人。有影响力的传播者是这样的人，如果他们被选为网络中出版问题的种子，那么该网络将拥有最多理解该传播实体的人。这是文献中众所周知的问题，称为影响最大化（IM）问题。尽管已经证明这是一个 NP 完全问题并且在多项式时间内没有解，但有人认为它具有子模函数的性质，因此可以使用贪心算法来解决。为提高这种复杂性而提出的大多数方法都是基于整个图可见的假设。然而，这个假设不适用于许多真实世界的图。本研究旨在将当前使用链路预测技术的最大化方法扩展到伪可见性图。为此，一种称为指数随机图模型（ERGM）的图生成方法用于链路预测。使用斯坦福大学 Snap 数据集的数据对所提出的方法进行了测试。根据实验测试，所提出的方法在现实世界的图上是有效的。

一种基于复杂网络的链路预测图嵌入方法

原文标题： A Complex Network based Graph Embedding Method for Link Prediction

地址： http://arxiv.org/abs/2209.04884

作者： Said Kerrache, Hafida Benhidour

摘要： 图嵌入方法旨在通过将节点映射到低维向量空间来找到有用的图表示。这是一项具有重要下游应用的任务，例如链路预测、图重建、数据可视化、节点分类和语言建模。近年来，图嵌入领域见证了从线性代数方法向局部、基于梯度的优化方法的转变，结合随机游走和深度神经网络来解决嵌入大图的问题。然而，尽管优化工具有所改进，但图嵌入方法的一般设计仍然忽略了现实网络的特殊性。事实上，近年来在理解和模拟复杂的现实生活网络方面取得了重大进展。然而，获得的结果对图嵌入算法的发展影响不大。本文旨在通过设计一种图嵌入方法来解决这个问题，该方法利用了网络科学领域最近的宝贵见解。更准确地说，我们提出了一种基于流行度相似性和局部吸引力范式的新型图嵌入方法。我们评估了所提出的方法在大量现实网络上的链路预测任务上的性能。我们使用广泛的实验分析表明，所提出的方法优于最先进的图嵌入算法。我们还展示了它对数据稀缺性和嵌入维度的选择的鲁棒性。

模拟观察性社会学习对儿童疫苗接种和疾病在家庭网络中传播的父母决策的影响

原文标题： Modeling the Effect of Observational Social Learning on Parental Decision-Making for Childhood Vaccination and Diseases Spread over Household Networks

地址： http://arxiv.org/abs/2204.11452

作者： Tamer Oraby, Andras Balogh

摘要： 在本文中，我们介绍了一种新的父母决策模型，该模型涉及通过联系网络传播的儿童疾病疫苗。我们考虑一个由两个重叠网络组成的双层网络，它们是 ErdHos-R’enyi（随机）网络或 Barab’asi-Albert 网络。新模型使用贝叶斯聚合规则进行观察性社会学习，发生在社会网络上，其中其他决策模型，如投票和 DeGroot 模型，是特例。使用我们的新模型，我们展示了关于疫苗接种偏好的某种程度的社会学习如何导致意见趋同并影响疫苗摄取水平，从而影响疾病传播。此外，我们研究了两种社会学习文化的存在对疫苗接种社会规范的建立和疫苗接种水平的影响。在所有情况下，观察性社会学习的动态与疾病传播之间的相互影响取决于网络的拓扑结构以及疫苗的安全性和可用性。

避免“大过滤器”：对气候变化解决方案和有效实施组合的评估

原文标题： Avoiding the “Great Filter”: An Assessment of Climate Change Solutions and Combinations for Effective Implementation

地址： http://arxiv.org/abs/2205.00133

作者： Junze Zhang, Kerry Zhang, Mary Zhang, Jonathan H. Jiang, Philip E. Rosen, Kristen A. Fahy

摘要： 气候变化是全球天气模式的长期变化，主要是由温室气体排放的人为活动引起的。全球气候温度明显上升，仅靠自然发生的气候变率无法解释这一趋势。据估计，人类活动导致全球变暖比工业化前基线高出约 1.0 摄氏度，如果不加以控制，将继续对地球及其居民造成严重破坏。在全球范围内，由于气候变化，自然灾害和随之而来的经济损失变得越来越具有影响力。野生动物生态系统和人类栖息地都受到了负面影响，从海平面上升到世界各地发生令人震惊的恶劣天气事件。减轻全球变暖影响的尝试往往不一致，并且在多种策略中仍然存在分歧，从而降低了这些努力的整体有效性。显然，需要采取合作行动来避免气候变化的最严重后果。本文评估了减缓和适应气候变化的主要战略（工业/能源、政治、经济、农业、大气、地质、沿海和社会）。此外，它还提供了七种解决方案的最佳组合，可以同时实施，协同工作以限制和适应气候变化的有害影响。还讨论了以前的立法和部署技术，作为未来工作的指南。

Bayan 算法：通过模块化的精确和近似优化检测网络中的社区

原文标题： The Bayan Algorithm: Detecting Communities in Networks Through Exact and Approximate Optimization of Modularity

地址： http://arxiv.org/abs/2209.04562

作者： Samin Aref, Hriday Chheda, Mahdi Mostajabdaveh

摘要： 社区检测是网络科学中的经典问题，在各个领域都有广泛的应用。最常用的方法是旨在通过将网络划分为社区的不同方式最大化效用函数、模块化的算法。尽管它们的名称和设计理念，当前的模块化最大化算法通常无法最大化模块化或保证任何接近最优解决方案。我们提出了 Bayan 算法，与现有方法不同，该算法返回网络分区，保证最优性或接近最优解。 Bayan 算法的核心是一种分支切割方案，该方案将模块化最大化问题的稀疏整数规划公式求解为最优或在一个因子内逼近它。我们使用合成网络和真实网络分析了 Bayan 针对 22 种现有算法的性能。通过广泛的实验，我们展示了 Bayan 的独特能力，不仅在最大化模块化方面，更重要的是在准确检索真实社区方面。 Bayan 的性能比较水平在数据（图表）生成过程中的噪声量变化时保持稳定。 Bayan 作为一种精确的模块化最大化算法的性能也揭示了最大模块化分区在社区准确检索中的理论能力限制。总体而言，我们的分析指出，Bayan 是通过精确（近似）最大化具有高达 sim10^3 边（和更大网络）的网络中的模块化来进行基于方法论的社区检测的合适选择。图优化和整数规划的前瞻性进展可以进一步推动这些限制。

PyPSA-地球。一种新的全球开放能源系统优化模型在非洲展示

原文标题： PyPSA-Earth. A New Global Open Energy System Optimization Model Demonstrated in Africa

地址： http://arxiv.org/abs/2209.04663

作者： Maximilian Parzen, Hazem Abdel-Khalek, Ekaterina Fedorova, Matin Mahmood, Martha Maria Frysztacki, Johannes Hampp, Lukas Franken, Leon Schumm, Fabian Neumann, Davide Poli, Aristides Kiprakis, Davide Fioriti

摘要： 决策者使用宏观能源系统建模来引导全球能源转型朝着负担得起、可持续和可靠的未来发展。闭源模型是大多数政策和行业决策的当前标准。然而，开放模型已被证明是具有竞争力的替代方案，可以促进科学、强大的技术分析、协作和透明的政策决策。然而，有两个问题减缓了采用速度：开放模型的设计通常具有有限的地理范围，阻碍了协作的协同作用，或者基于低空间分辨率的数据，限制了它们的使用。在这里，我们介绍 PyPSA-Earth，这是第一个具有高空间和时间分辨率数据的开源全球能源系统模型。它通过提供可以对世界能源系统或其任何子集进行建模的工具来实现大规模协作。这项工作源自使用新数据和功能的欧洲 PyPSA-Eur 模型。它适用于运营以及联合发电、存储和传输扩展研究。该模型提供两个主要功能：(1) 具有全球覆盖范围的可定制数据提取和准备脚本；(2) PyPSA 能源建模框架集成。这些数据包括电力需求、发电和来自开源的中高压网络，但可以进一步整合其他数据。广泛的聚类和网格划分策略有助于使模型适应计算和实际需求。对整个非洲大陆进行了数据验证，并通过针对尼日利亚的 2060 年净零规划研究测试了优化功能。演示表明，所提出的发展可以为能源规划研究建立一个非常详细的能源系统模型，以支持政策和技术决策。我们欢迎携手合作，共同应对能源转型的挑战。

印欧语系的次扩散语义演化

原文标题： Subdiffusive semantic evolution in Indo-European languages

地址： http://arxiv.org/abs/2209.04701

作者： Bogdán Asztalos, Gergely Palla, Dániel Czégel

摘要： 单词如何改变其含义？尽管语义演化是由各种不同的因素驱动的，包括语言、社会和技术因素，但我们发现有一个普遍适用于五种主要印欧语言的规律：语义演化是强烈的次扩散。使用控制潜在对称性的历时分布语义嵌入的自动管道，我们表明单词在意义空间中遵循随机轨迹，跨语言具有异常扩散指数 alpha= 0.45pm 0.05，与遵循 的扩散粒子形成对比α=1。随机化方法表明，保持语义变化方向的时间相关性对于恢复强次扩散行为是必要的；然而，变化大小的相关性也起着重要作用。我们进一步表明，在数据分析和解释的各种选择下，强子扩散是一种稳健的现象，例如选择拟合位移的整体平均值或平均单个单词轨迹的最佳拟合指数。

在竞争的顺序决策中优化理性个体之间的集体准确性

原文标题： Optimising collective accuracy among rational individuals in sequential decision-making with competition

地址： http://arxiv.org/abs/2209.04734

作者： Richard P Mann

摘要： 支持群体智慧的理论结果，例如孔多塞陪审团定理，表明通过汇总决策或意见可以显著提高准确性，但是在个人能够根据观察后调整自己的选择的情况下，该定理的基础通常会受到破坏其他主体选择了什么。在顺序决策中，理性主体使用他人的选择作为有关正确决策的信息来源，在不同主体的选择之间创建强大的相关性，这违反了孔多塞陪审团定理所依赖的独立性假设。在本文中，我展示了当主体人仅根据其个人准确性获得奖励时，这种相关性如何出现，以及这对集体准确性的影响。然后，我展示了一个简单的竞争性奖励计划，如果主体人正确选择很少有人选择的选项，他们的奖励会更大，如何诱导理性主体人做出独立选择，使群体恢复到集体准确性的最佳水平。我进一步表明，这种奖励计划是稳健的，可以提高各种竞争优势的集体准确性，这表明此类计划可以在现实世界的环境中有效实施，以提高集体智慧。

医生与护士：理解医护人员在疫苗犹豫中的巨大差异

原文标题： Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy among Healthcare Workers

地址： http://arxiv.org/abs/2209.04874

作者： Sajid Hussain Rafi Ahamed, Shahid Shakil, Hanjia Lyu, Xinping Zhang, Jiebo Luo

摘要： 预计医生和护士等医疗保健工作者将成为疫苗相关信息的可信赖和可信来源。他们对 COVID-19 疫苗的看法可能会影响普通人群的疫苗接种率。然而，即使在医护人员中，疫苗犹豫仍然是一个重要问题。因此，理解他们的意见以帮助减少疫苗犹豫的程度至关重要。已经有研究使用问卷调查了医护人员对 COVID-19 疫苗的看法。据报道，与医生相比，护士对疫苗犹豫的比例要高得多。我们打算使用社交媒体数据在更大范围和细粒度上验证和研究这一现象，研究人员已有效利用社交媒体数据来解决 COVID-19 大流行期间的现实问题。更具体地说，我们使用关键字搜索来识别医护人员，并根据相应 Twitter 用户的个人资料描述将他们进一步分类为医生和护士。此外，我们应用基于转换器的语言模型来删除不相关的推文。情感分析和主题建模用于分析和比较医生和护士发布的推文中的情感和主题差异。我们发现医生总体上对 COVID-19 疫苗更加积极。医生和护士在负面讨论疫苗时的侧重点大体上是不同的。医生更关心疫苗对新变种的有效性，而护士则更关注对儿童的潜在副作用。因此，我们建议在与不同的医疗保健工作者群体进行沟通时，应采用更多定制化的策略。

西班牙 Facebook 帖子作为德克萨斯州 COVID-19 疫苗犹豫的指标

原文标题： Spanish Facebook Posts as an Indicator of COVID-19 Vaccine Hesitancy in Texas

地址： http://arxiv.org/abs/2209.04975

作者： Ana Aleksandric, Henry Isaac Anderson, Sarah Melcher, Shirin Nilizadeh, Gabriela Mustata Wilson

摘要： 疫苗接种是一项旨在预防 COVID-19 感染和住院的主要公共卫生干预措施。然而，由于错误信息/虚假信息导致的疫苗犹豫，尤其是在少数族裔群体中，会对这种干预的有效性产生负面影响。该研究的目的是理解如何利用从社交媒体收集的信息来改善对疫苗接种的态度并减少对疫苗的犹豫。这项工作的重点是西班牙语帖子，并将强调德克萨斯州不同县的疫苗接种率与 Facebook 数据的情绪和情感内容之间的关系，Facebook 数据是西班牙裔人口中最受欢迎的平台。对这个有价值的数据集的分析表明，这个少数群体的疫苗接种率与负面情绪和恐惧呈负相关，这意味着负面和恐惧帖子的较高流行率表明这些县的疫苗接种率较低。第一项调查西班牙裔人群对疫苗犹豫不决的研究表明，社交媒体收听可以成为衡量对公共卫生干预态度的宝贵工具。

随机并不总是公平的：推荐系统中的候选集不平衡和曝光不等式

原文标题： Random Isn’t Always Fair: Candidate Set Imbalance and Exposure Inequality in Recommender Systems

地址： http://arxiv.org/abs/2209.05000

作者： Amanda Bower, Kristian Lum, Tomo Lazovich, Kyra Yee, Luca Belli

摘要： 传统上，推荐系统通过向用户返回一组项目来操作，这些项​​目按照与该用户的估计相关性排序。近年来，已经开发出依赖随机排序的方法来创建“更公平”的排名，以减少向用户展示的对象或内容的不平等。完全随机化 - 随机排序候选项目，独立于估计的相关性 - 在很大程度上被认为是导致最平等的暴露分布的基线程序。在行业环境中，推荐系统通常通过两步过程运行，其中首先使用计算成本低廉的方法生成候选项目，然后仅将完整排名模型应用于这些候选项目。在本文中，我们在第一步考虑不平等的影响，并表明，自相矛盾的是，相对于通过估计的相关性分数对项目进行确定性排序，第二步的完全随机化可能导致更高程度的不平等。根据这一观察结果，我们提出了一种简单的后处理算法，以减少曝光不平等，该算法在候选集具有高度不平衡和不平衡时都有效。我们的方法的有效性在模拟数据和用于研究推荐系统公平性的通用基准数据集上得到了说明。

非同质图节点分类的图多项式卷积模型

原文标题： Graph Polynomial Convolution Models for Node Classification of Non-Homophilous Graphs

地址： http://arxiv.org/abs/2209.05020

作者： Kishan Wimalawarne, Taiji Suzuki

摘要： 我们研究了从高阶图卷积中的有效学习和直接从邻接矩阵中学习以进行节点分类。我们重新审视尺度图残差网络并从残差层中移除 ReLU 激活，并在每个残差层应用单个权重矩阵。我们表明，作为归一化邻接矩阵、残差权重矩阵和残差尺度参数的多项式，得到的模型会导致新的图卷积模型。此外，我们提出了直接图多项式卷积模型和直接从邻接矩阵学习之间的自适应学习。此外，我们提出了完全自适应模型来学习每个残差层的尺度参数。我们表明，所提出方法的泛化界限是由特征值谱、尺度参数和残差权重上限的多项式限定的。通过理论分析，我们认为所提出的模型可以通过限制卷积的高阶和直接从邻接矩阵学习来获得改进的泛化界限。使用大量真实数据，我们证明了所提出的方法在非同质图的节点分类方面获得了更高的准确性。

基于双曲自监督对比学习的网络异常检测

原文标题： Hyperbolic Self-supervised Contrastive Learning Based Network Anomaly Detection

地址： http://arxiv.org/abs/2209.05049

作者： Yuanjun Shi

摘要： 属性网络上的异常检测最近在许多研究领域受到越来越多的关注，例如控制论异常检测和金融欺诈检测。随着深度学习在图表示上的广泛应用，现有方法选择应用欧几里得图编码器作为其主干，这可能会丢失重要的层次信息，尤其是在复杂网络中。为理解决这个问题，我们提出了一种使用双曲线自监督对比学习的有效异常检测框架。具体来说，我们首先通过执行子图采样来进行数据增强。然后我们通过指数映射和对数映射利用双曲空间中的层次信息，并通过判别过程从负对中减去正对的分数来获得异常分数。最后，对四个真实世界数据集的广泛实验表明，我们的方法优于代表性基线方法。

在惩罚投资者的等级人口中信任的演变

原文标题： Evolution of trust in a hierarchical population with punishing investors

地址： http://arxiv.org/abs/2209.05179

作者： Ketian Sun, Yang Liu, Xiaojie Chen, Attila Szolnoki

摘要： 信任在人类社会的发展中起着至关重要的作用。根据标准的信托博弈，投资者决定是保留还是将一定部分的初始股权转让给受托人。在后一种情况下，股权会增加以表明信任的价值。然后受托人选择返还给投资者的金额。我们在这里区分两类投资者和两类可以互相学习的受托人。虽然受托人可以是值得信赖的或不值得信赖的，但投资者可能是正常的或受到惩罚的。后一种策略既惩罚了不值得信任的受托人，也惩罚了不愿控制行为不端的受托人的普通投资者。重要的是，我们假设一个等级群体，其中投资者和受托人的比例是固定的。通过复制器方程的方法，我们研究了N-玩家信任博弈，计算了信任度和可信度。我们发现，引入惩罚可以在惩罚投资者和值得信赖的受托人之间形成稳定的共存状态。此外，当惩罚强度较低时，中间部分的投资者可以更好地促进信任的演变。然而，对于更严厉的惩罚，更高比例的投资者可以更有效地提升信任水平。此外，我们揭示了适当增加惩罚强度可以扩大共存状态的吸引力域。

具有手性的活性粒子：在行人流中的应用

原文标题： Active particles with chirality: Application to pedestrian flows

地址： http://arxiv.org/abs/2209.05454

作者： Anna S. Bodrova, Fatema Al Najim, N. V. Brilliantov

摘要： 我们分析了在行人动力学背景下具有左右不对称相互作用力的活性粒子系统中的模式形成。为了描述粒子间的相互作用，我们利用标准的社会力模型并用新型力来补充它，反映行人的手性。我们对在一条长走廊中沿相反方向移动的两条行人流进行数值模拟，并像以前的研究一样观察从无序运动到多车道运动的相变。此外，我们观察到一种新的相变，从多车道运动到双车道运动，这种转变随着手性力的密度和强度的变化而发生。我们进行定性分析以预测第一次和第二次跃迁的临界密度及其对手性的依赖性。我们的分析结果与模拟数据相当吻合。我们的研究结果可能会在城市化和交通问题中找到应用。

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。