• 多路网络上的非平衡随机游走;
• 意见动态的 S 型有界置信模型中极化的出现;
• 具有动态切换点的集体记忆衰减的两阶段模型;
• 超越密度的多样性：经验丰富的城市街道社会混合;
• CommunityLM：从语言模型中探索党派世界观;
• 网络的定点中心性;
• 具有乘性噪声的基于主体的模型的意见动态中的反馈循环;
• 深度学习生成的社交媒体档案与真实档案没有区别吗？;
• 图上的 Bi-SIS 流行病——共存均衡的定量分析;
• 复杂的超图;
• 用于对演化网络中的传播进行分类的时间Graphlet核;
• 通过 Twitter 情绪预测公众对科学研究的反应;
• 什么是好的共和国总督？威尼斯共和国贵族社会网络分析;
• 网络功能学习的采样;
• 复杂系统科学和城市科学：在领土系统中应用于可持续性权衡;
• 借助隐喻概念映射在 Twitter 上进行可解释抑郁检测的分层注意网络;

多路网络上的非平衡随机游走

原文标题： Non-equilibrium random walks on multiplex networks

地址： http://arxiv.org/abs/2207.08425

作者： Feng Huang, Hanshuang Chen

摘要： 我们在多路网络上引入了一种非平衡离散时间随机游走模型，其中在每个时间步，walker 首先在同一层的相邻节点之间进行随机跳跃，然后尝试从一个节点跳到其副本之一在另一层。我们推导出了所谓的超马尔可夫矩阵，它控制了步行者的占据概率的演变。平稳的占用概率不同于每层对应物的加权平均值，除非层之间的转移概率消失。然而，当层之间的转移概率非常小时，它们近似相等，这是由一阶退化微扰理论给出的。此外，我们计算平均首次通过时间 (MFPT) 和图 MFPT (GrMFPT)，它是所有不同节点对的 MFPT 的平均值。有趣的是，我们发现 GrMFPT 可以小于任何孤立的层。结果体现了多路网络上全局搜索的优势。

意见动态的 S 型有界置信模型中极化的出现

原文标题： Emergence of polarization in a sigmoidal bounded-confidence model of opinion dynamics

地址： http://arxiv.org/abs/2209.07004

作者： Heather Z. Brooks, Philip S. Chodrow, Mason Porter

摘要： 我们提出了一个非线性有界置信模型（BCM），用于在具有persuadable个人和狂热者的网络上进行连续时间意见动态。该模型由标量 gamma 参数化，它控制平滑影响函数的陡度，该函数编码节点对其他节点意见的相对权重。当gamma = 0时，这个影响函数完全恢复了泰勒平均模型；当 gamma rightarrow infty 时，影响函数收敛到修改后的 Hegselmann–Krause (HK) BCM。与经典的 HK 模型不同，然而， our sigmoidal bounded-confidence model (SBCM) 对于任何有限的 gamma 都是平滑的。我们表明，当 gamma 很小时，我们的 SBCM 的稳态 set 在性质上与 Taylor 模型的相似，并且稳态 set 接近稳态 set 的子集修改后的 HK 模型的状态为 gamma rightarrow infty。对于几种特殊的图拓扑，我们给出了稳态空间重要特征的解析描述。一个显著的结果是极化状态的稳定性与社会网络中的回声室的简单模型中的图拓扑之间的封闭式关系。因为我们的 BCM 的影响函数是平滑的，所以我们可以用线性稳定性分析来研究它，这在 BCM 中通常很难使用不连续的影响函数。

具有动态切换点的集体记忆衰减的两阶段模型

原文标题： A two-phase model of collective memory decay with a dynamical switching point

地址： http://arxiv.org/abs/2209.07033

作者： Naoki Igarashi, Yukihiko Okada, Hiroki Sayama, Yukie Sano

摘要： 自 1920 年代以来，社会和群体内共享的重大事件的公共记忆已被概念化和研究为集体记忆。由于公共领域知识和在线用户行为数字化的最新进展，集体记忆现在已成为使用大规​​模经验数据进行严格定量调查的主题。然而，早期的研究通常只考虑一种动态过程，适用于仅在一个特定事件类别中获得的数据。在这里，我们提出了一个集体记忆衰减的两相数学模型，它结合了指数和幂律相位，分别代表快速（线性）和慢速（非线性）衰减动力学。我们将提出的模型应用于维基百科页面浏览数据中关于五类重大事件的文章：地震、名人死亡、航空事故、大规模谋杀事件和恐怖袭击。结果表明，在大多数事件类别中，所提出的两阶段模型与其他现有的集体记忆衰减模型相比具有优势。发现估计的模型参数在所有事件类别中都相似。当主要衰减动力学表现出从指数到幂律的相移时，所提出的模型还允许检测动态切换点。这种衰减相移通常发生在所有五个事件类别的峰值后约 10 到 11 天。

超越密度的多样性：经验丰富的城市街道社会混合

原文标题： Diversity beyond density: experienced social mixing of urban streets

地址： http://arxiv.org/abs/2209.07041

作者： Zhuangyuan Fan, Tianyu Su, Maoran Sun, Ariel Noyman, Fan Zhang, Alex Sandy Pentland, Esteban Moro

摘要： 长期以来，以居民和游客的集中度为形式的城市密度被认为可以促进人际知识和技能的多样化交流，这是可持续人类住区所固有的。然而，由于目前的城市研究主要致力于城市和地区层面的分析，我们无法揭示城市密度和多样性之间的基本联系。在这里，我们使用了一个匿名且隐私增强的移动数据集，该数据集包含来自美国三个大都市地区的 50 万选择加入的用户，以表明在城市街道的规模上，密度并不是实现多样性的唯一途径。我们用经验丰富的社会混合 (ESM) 来代表每条街道的多样性，它描述了人们在日常体验中遇到不同收入群体的机会。我们进行了多项实验，结果表明游客的集中度仅解释了街道级 ESM 的 26%。然而，邻近的便利设施、住宅多样性和收入水平占 ESM 的 44%。此外，使用纵向商业数据，我们显示，从 2016 年到 2018 年，食品企业数量增加的街道的 ESM 有所增加。最后，虽然游客较多的街道更有可能发生犯罪，但多样化的街道往往犯罪率较低。这些发现表明，城市可以利用密度以外的许多工具为人们打造多样化和安全的街道体验。

CommunityLM：从语言模型中探索党派世界观

原文标题： CommunityLM: Probing Partisan Worldviews from Language Models

地址： http://arxiv.org/abs/2209.07065

作者： Hang Jiang, Doug Beeferman, Brandon Roy, Deb Roy

摘要： 由于美国的政治态度在意识形态上出现分歧，政治言论在语言上也出现分歧。美国政党之间日益扩大的两极分化因相互理解的侵蚀而加速。我们的目标是通过使用社区语言模型 CommunityLM 探索针对相同调查问题的社区特定响应的框架，使这些社区更易于相互理解。在我们的框架中，我们在 Twitter 上为每个社区确定忠诚的党派成员，并根据他们创作的推文微调 LM。然后，我们使用基于提示的对相应 LM 的探测来评估两组的世界观，提示会引发对美国全国选举研究 (ANES) 2020 探索性测试调查所调查的公众人物和团体的意见。我们将 LM 生成的响应与 ANES 调查结果进行比较，发现其对齐程度大大超过了几种基线方法。我们的工作旨在表明，如果有足够大的社交媒体讨论或媒体饮食样本，我们可以使用社区 LM 来查询任何人群的世界观。

网络的定点中心性

原文标题： Fixed-Point Centrality for Networks

地址： http://arxiv.org/abs/2209.07070

作者： Shuang Gao

摘要： 本文提出了一系列网络中心性，称为定点中心性。这个中心性族是通过与底层网络相关的置换等变映射的固定点来定义的。这种中心性概念立即扩展到定义以graphons为特征的无限图的定点中心性。在温和假设下，建立了这种中心性相对于底层图和石墨子变化的变化界限。定点中心性与网络上的各种不同模型相关联，包括图神经网络、网络上的静态和动态博弈以及马尔可夫决策过程。

具有乘性噪声的基于主体的模型的意见动态中的反馈循环

原文标题： Feedback Loops in Opinion Dynamics of Agent-Based Models with Multiplicative Noise

地址： http://arxiv.org/abs/2209.07151

作者： Natasa Djurdjevac Conrad, Jonas Köppl, Ana Djurdjevac

摘要： 在乘性噪声的影响下，我们引入了一种基于主体的模型，用于共同发展的意见和社会动态。在这个模型中，每个主体都以在社会空间中的位置和连续的意见状态变量为特征。主体的运动受其他主体的位置和意见控制，同样，意见动态受主体的空间接近度和他们的意见相似性的影响。使用数值模拟和形式分析，我们研究了意见动态和社会空间中主体人流动性之间的这种反馈循环。我们调查了这种 ABM 在不同制度下的行为，并探讨了各种因素对新兴现象的影响，例如群体形成和意见共识。我们研究了经验分布，并且在无限数量的主体的限制下，我们推导出了一个由偏微分方程 (PDE) 给出的相应简化模型。最后，使用数值示例，我们表明生成的 PDE 模型是原始 ABM 的良好近似。

深度学习生成的社交媒体档案与真实档案没有区别吗？

原文标题： Are Deep Learning-Generated Social Media Profiles Indistinguishable from Real Profiles?

地址： http://arxiv.org/abs/2209.07214

作者： Sippo Rossi, Youngjin Kwon, Odd Harald Auglend, Raghava Rao Mukkamala, Matti Rossi, Jason Thatcher

摘要： 近年来，深度学习方法越来越有能力生成接近照片般逼真的图片和类似人类的文本，以至于人类不再能够识别什么是真实的，什么是人工智能生成的。令人担忧的是，有证据表明，其中一些方法已被用于制作虚假的社交媒体资料和内容。我们假设，对于社交媒体的普通用户来说，这些进步使得在提要中检测生成的虚假社交媒体内容变得极其困难，如果不是不可能的话。本文介绍了一项实验的结果，其中 375 名参与者试图在模拟的社交媒体提要中标记真实和生成的个人资料和帖子。结果支持我们的假设，并表明即使是由高级文本生成器编写的完全生成的虚假个人资料也很难被人类识别。

图上的 Bi-SIS 流行病——共存均衡的定量分析

原文标题： Bi-SIS Epidemics on Graphs – Quantitative Analysis of Coexistence Equilibria

地址： http://arxiv.org/abs/2209.07304

作者： Vishwaraj Doshi, Jie Hu, Do Young Eun

摘要： 我们考虑一个系统，其中两种易感感染易感 (SIS) 类型的病毒在一般重叠图上竞争。尽管此类系统一直是许多近期工作的重点，但它们大多是在收敛分析的意义上进行研究的，没有量化非平凡共存平衡 (CE) 的现有结果 - 也就是说，当两种竞争病毒保持长期存在时通过网络。在本文中，我们证明了 CE 在两种病毒的有效感染率方面的单调性，并首次以涉及基础图谱半径的上限的形式对这种平衡进行定量分析，以及相关的单病毒系统。我们的结果更深入地理解了系统参数如何影响长期感染概率，我们通过数值结果进一步强调了这一点。

复杂的超图

原文标题： Complex hypergraphs

地址： http://arxiv.org/abs/2209.07331

作者： Alexei Vazquez

摘要： 提供自然和人类复杂结构的抽象表示是一个具有挑战性的问题。在考虑到系统异构组件的同时考虑到分析的易处理性是一个困难的平衡。在这里，我介绍了复超图（chygraphs），将超图、多层网络和单纯复形的概念结合在一起。为了说明这种组合结构的适用性，我计算了组件大小统计数据并确定了向巨型组件的过渡。为此，我介绍了一种处理 chygraphs 多层次性质的矢量化技术。我的结论是，chygraphs 是复杂系统的统一表示，允许分析洞察力。

用于对演化网络中的传播进行分类的时间Graphlet核

原文标题： A Temporal Graphlet Kernel for Classifying Dissemination in Evolving Networks

地址： http://arxiv.org/abs/2209.07332

作者： Lutz Oettershagen, Nils M. Kriege, Claude Jordan, Petra Mutzel

摘要： 我们引入了 emphtemporal graphlet kernel，用于在标记的含时图中对传播过程进行分类。这种传播过程可以在动态网络中传播（假）新闻、传染病或计算机病毒。网络被建模为带标签的含时图，其中边存在于特定时间点，节点标签随时间变化。分类问题要求区分不同来源或参数的传播过程，例如具有不同感染概率的传染病。我们的新内核在含时图集的特征空间中表示标记的含时图，即通过其结构、时间相关节点标签和边的时间顺序来区分的小子图。我们基于有效可数的 graphlet 类引入我们的内核变体。对于时间楔的情况，我们提出了一种高效的近似核，期望误差低。我们表明，我们的内核计算速度更快，并且比最先进的方法提供更好的准确性。

通过 Twitter 情绪预测公众对科学研究的反应

原文标题： Public Reaction to Scientific Research via Twitter Sentiment Prediction

地址： http://arxiv.org/abs/2209.07333

作者： Murtuza Shahzad, Hamed Alhoori

摘要： 社交媒体用户与其他用户分享他们的想法、想法和情感。然而，尚不清楚在线用户将如何回应新的研究成果。这项研究旨在预测 Twitter 用户对科学出版物表达的情绪的性质。此外，我们调查研究文章的哪些特征有助于这种预测。识别社交媒体上研究文章的情绪将有助于科学家衡量其研究文章的新社会影响。

什么是好的共和国总督？威尼斯共和国贵族社会网络分析

原文标题： What is a good doge? Analyzing the patrician social network of the Republic of Venice

地址： http://arxiv.org/abs/2209.07334

作者： J. J. Merelo-Guervós

摘要： 威尼斯共和国是最成功的跨现代国家之一，通过创新、商业狡猾、对殖民地的开发和法律稳定而生存了千年。成功的部分原因可能是其政府结构，一个由相对有限的威尼斯贵族家庭中选出的总督统治的共和国。在本文中，我们分析了他们通过婚姻形成的社会网络的结构，以及政府是如何被一小部分家庭垄断的，这个家庭首先成为贵族。

网络功能学习的采样

原文标题： Sampling for network function learning

地址： http://arxiv.org/abs/2209.07342

作者： Li-Chun Zhang

摘要： 给定一个有值图，其中图的节点和边都与一个或多个值相关联，给定节点的任何网络函数都必须根据该节点及其在图中的连接节点来定义。通常，将相同的定义应用于整个图或它的任何给定子图将导致系统性不同的网络功能。在本文中，我们考虑了图采样方法对网络函数学习的可行性，以及基于样本图的相应学习方法。当边未知开始或图太大（或动态）而无法完全处理时，这可能很有用。

复杂系统科学和城市科学：在领土系统中应用于可持续性权衡

原文标题： Complex systems science and urban science: towards applications to sustainability trade-offs in territorial systems

地址： http://arxiv.org/abs/2209.07373

作者： Juste Raimbault, Denise Pumain

摘要： 城市系统是当前可持续性问题的核心，从复杂性的角度对其进行研究在多个学科中有着悠久的历史。我们调查这些文献并讨论与可持续规划相关的未来研究方向，特别是综合方法的构建。最后，我们结合城市模拟模型来说明该研究计划，以探索城市系统中可持续发展目标之间的权衡。

借助隐喻概念映射在 Twitter 上进行可解释抑郁检测的分层注意网络

原文标题： Hierarchical Attention Network for Explainable Depression Detection on Twitter Aided by Metaphor Concept Mappings

地址： http://arxiv.org/abs/2209.07494

作者： Sooji Han, Rui Mao, Erik Cambria

摘要： Twitter 上的自动抑郁症检测可以帮助个人在看心理健康专家之前的早期阶段私下方便地理解他们的心理健康状况。大多数现有的用于抑郁症检测的类似黑盒的深度学习方法主要集中在提高分类性能上。然而，解释模型决策在健康研究中是必不可少的，因为决策通常是高风险和生死攸关的。可靠的自动诊断包括抑郁症在内的心理健康问题应该得到可信的解释来证明模型的预测是正确的。在这项工作中，我们提出了一种新颖的可解释模型，用于在 Twitter 上检测抑郁症。它包括一个新颖的编码器，结合了分层注意机制和前馈神经网络。为了支持心理语言学研究，我们的模型利用隐喻概念映射作为输入。因此，它不仅可以检测抑郁的个体，还可以识别这些用户推文的特征和相关的隐喻概念映射。

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。