网络科学研究速递

Arxiv网络科学论文摘要14篇(2020-10-02)

2020-10-02  本文已影响0人  ComplexLY

混合网络中的信息传播模型

原文标题： Information Propagation Model in Hybrid Networks

地址： http://arxiv.org/abs/2010.00174

作者： Fuzhong Nian, Hongyuan Diao

摘要： 在实践中，不可能使用单个动态模型来描述实际网络的拓扑或其消息传播过程。为解决此问题，我们基于无标度（SF），小世界（SW）功能构建了一个新的混合网络模型，该模型尽可能地接近真实网络。混合传播模型是用任意比例混合的易感性感染易感性（SIS）模型，易感性感染恢复性（SIR）模型和易感性感染恢复性易感模型（SIRS）构建的。该模型应用了重磅炸弹效应和隐式节点边的概念，以将爆炸传播反映为信息传播的重要特征。对新模型进行理论分析和推导，在该模型中模拟了混合网络，发现网络度分布严格遵循幂定律。使用改进的相似度函数定义与真实网络案例的接近程度，所提出的模型被证明是有效的，并且非常接近真实网络。

分布式系统设计中逻辑和物理架构的相互作用

原文标题： Interplay of Logical and Physical Architecture in Distributed System Design

地址： http://arxiv.org/abs/2010.00141

作者： Andrei A. Klishin, David J. Singer, Greg van Anders

摘要： 复杂系统设计中的回避，邻接和关联模式来自系统的底层逻辑体系结构（组件之间的功能关系）和物理体系结构（组件物理属性和空间位置）。要了解引起排列方式的物理-逻辑体系结构之间的相互作用，就需要一种量化的方法，将两种描述联系起来。在这里，我们证明了统计物理学揭示了复杂，分布式系统设计解决方案集之间的回避，邻接和关联模式。使用示例布置问题和张量网络方法，我们确定了复杂系统设计中的几种现象，包括放置对称性破坏，传播相关性和紧急定位。我们的方法可以直接推广到各种复杂的系统设计设置中，从而可以为研究基本设计现象提供一个平台。

联系衰减网络中的意见动态

原文标题： Opinion dynamics in tie-decay networks

地址： http://arxiv.org/abs/2010.00143

作者： Kashin Sugishita, Mason A. Porter, Mariano Beguerisse-Díaz, Naoki Masuda

摘要： 在社会网络中，交互模式通常随时间而变化。我们研究联系衰变网络中的意见动态，其中联系强度在发生相互作用时立即增加，而在相互作用之间则呈指数衰减。具体来说，我们建立了领带衰减网络中的连续时间Laplacian动力学和观点动力学的离散时间DeGroot模型，并对连续时间Laplacian动力学进行了数值计算。我们通过研究领带衰变网络的组合拉普拉斯矩阵的谱隙来检验收敛速度。首先，我们从经验数据中检查联系衰变网络的谱缺口。凭直觉，我们期望较小的并列衰减率导致快速收敛，因为对于较小的衰减率，一对节点之间的每个交互事件的影响持续的时间更长。此外，随着时间的流逝和更多互动事件的发生，我们希望观察到收敛的进行。但是，我们证明谱间隙不必相对于衰减率单调减小，也不必相对于时间单调增大。其次，我们将这些经验网络的谱缺口与相应的随机和聚集网络进行比较。我们发现，经验网络的谱缺口往往小于随机和聚集网络的谱缺口。这突出了边出现和时间网络中的衰变之间相互作用的重要性。

谁是“沉默的传播者”？：时空记忆模型中的联系追踪

原文标题： Who Are the “Silent Spreaders”?: Contact Tracing in Spatio-Temporal Memory Models

地址： http://arxiv.org/abs/2010.00187

作者： Yue Hu, Budhitama Subagdja, Ah-Hwee Tan, Quanjun Yin

摘要： 新型冠状病毒SARS-CoV-2通过引起2019年传染性冠状病毒病（COVID-19）对世界各地的公共卫生构成了严重威胁。控制COVID-19的一个关键挑战是无症状COVID-19病例（ACC）的比例很大，这使得打破传输链变得更加困难。不幸的是，到目前为止，除了对整个人群进行医学检查外，仍然缺乏经济有效的方法来检测ACC。本文提出了一种神经网络模型，用于COVID-19跟踪的时空情景记忆（STEM-COVID），用于从接触者跟踪数据中识别ACC。基于融合自适应共振理论（fusion ART），STEM-COVID提供了一种机制来编码个人的集体时空情节记忆轨迹，在此基础上，通过将情节事件汇集在一起​​，可以以计算有效的方式执行ACC的并行搜索确定阳性病例的痕迹。为了说明STEM-COVID的有效性，基于最近关于ACC的流行病学发现，实施了COVID-19扩散的模拟模型。基于多种模拟场景的实验结果表明，STEM-COVID模型能够以相当高的准确性和效率来识别ACC。

NodeSig：用于可扩展图嵌入的随机游走扩散和Hashing

原文标题： NodeSig: Random Walk Diffusion meets Hashing for Scalable Graph Embeddings

地址： http://arxiv.org/abs/2010.00261

作者： Abdulkadir Çelikkanat, Apostolos N. Papadopoulos, Fragkiskos D. Malliaros

摘要： 学习节点表示是跨学科应用程序中的一项至关重要的任务。然而，随着网络规模的增加，使用最广泛的模型要扩展到大型网络将面临计算挑战。尽管最近在努力设计仅解决可伸缩性问题的算法，但大多数算法在下游任务的准确性方面表现不佳。在本文中，我们旨在研究在效率和准确性之间进行权衡的模型。特别是，我们提出了 rm N small ode S small ig ，这是一种可扩展的嵌入模型，用于计算二进制节点表示形式。 rm N small ode S small ig 通过稳定的随机投影散列来利用随机游走扩散概率，以有效地计算汉明空间中的嵌入。我们在各种图上进行的广泛实验评估表明，与在两个下游任务上众所周知的基线模型相比，该模型在准确性和效率之间达到了很好的平衡。

大流行控制过程中的经济不可逆：分析得出的一般结果

原文标题： Economic irreversibility in pandemic control process: Analytically derived general consequence

地址： http://arxiv.org/abs/2010.00305

作者： Tsuyoshi Hondou

摘要： 在首次封锁和针对COVID-19爆发的类似措施之后，许多国家发现很难在感染控制与经济之间取得平衡。由于以前的知识很匮乏，经济学家开始通过成本效益分析来研究此问题，并发现感染控制过程会极大地影响经济效率。由于先前的分析是通过数字进行的，因此尚未获得普遍适用的知识，但对于指导感染控制原则而言，这是必不可少的。我们通过分析研究过程，并使用SIR模型针对不同过程对社会成本的影响，在感染扩散阶段显示了明确的解决方案和不平等现象。我们证明，在保持感染人群稳定的同时，延迟感染控制通常比早期措施花费更多。我们的发现提出了如何在感染控制与经济之间取得平衡的指导原则。

将基于网络的蛋白质复合物发现整合到自动化模型构建中

原文标题： Incorporating network based protein complex discovery into automated model construction

地址： http://arxiv.org/abs/2010.00387

作者： Paul Scherer, Maja Trȩbacz, Nikola Simidjievski, Zohreh Shams, Helena Andres Terre, Pietro Liò, Mateja Jamnik

摘要： 我们提出了一种基于基因表达的癌症表型分析方法，该方法结合了网络生物学知识，通过无监督的计算图构建。通过在蛋白质-蛋白质网络上使用拓扑聚类算法来驱动计算图的结构构建，该算法将蛋白质网络中蛋白质复合物发现中源自网络生物学研究的归纳性偏差纳入其中。这在可能的计算图因式分解上在结构上限制了假设空间，然后可以通过有监督或无监督的任务设置来学习其参数。计算图的稀疏构造使差异蛋白质复合物活性分析成为可能，同时还解释了每种蛋白质复合物中涉及的基因/蛋白质的各自贡献。在我们分析各种癌症表型的实验中，我们证明了所提出的方法在所有任务中均优于SVM，全连接MLP和随机连接MLP。我们的工作介绍了一种可扩展的方法，该方法可将大型交互网络作为先验知识并入，以推动构建适合内省研究的强大计算模型。

具有时延的流行病网络的中心性：流行病控制的决策支持框架

原文标题： Centrality in Epidemic Networks with Time-Delay: A Decision-Support Framework for Epidemic Containment

地址： http://arxiv.org/abs/2010.00398

作者： Atefe Darabi, Milad Siami

摘要： 在流行期间，可能直到被感染后的一段时间才能检测到传染性个体。研究表明，症状轻或无症状的携带者是人群中病毒传播的主要因素。出现症状所需的平均时间导致疾病传播动态的延迟。在考虑延迟对流行网络中疾病传播的影响时，根据时延的值和网络拓扑的不同，流行高峰的时间，持续时间和强度可能会有很大差异。受最近全球范围内COVID-19病毒的爆发以及该病毒在几个月内传播的拓扑范围的影响，本研究旨在强调时间延迟对此类传染病进展的影响。元人口网络，而不是个人或单个人口。在这方面，研究了基于网络的潜在交互图，不确定性的结构和症状发展持续时间的流行网络中心性的概念，以建立基于中心性的疾病演变分析。然后开发一种交通量凸优化方法，通过识别具有最高集中度的子人群，然后隔离它们，同时在元人口水平上保持相同的总交通量（出于经济考虑），来控制爆发。数值结果以及理论预期，突出了时间延迟的影响以及在研究最有效的流行病控制方法时考虑最坏情况的重要性。

有弹性的城市住房市场：震荡与基本面

原文标题： Resilient Urban Housing Markets: Shocks vs. Fundamentals

地址： http://arxiv.org/abs/2010.00413

作者： Amine Ouazad

摘要： 面对大流行，城市抗议和负担能力危机，是否需要在一个转折点建立密集的城市环境？评估城市的长期趋势仍然充满挑战。本章的第一部分描述了2020年房地产市场的短期动态。价格和价格/租金比率的证据表明人们对弹性具有期望。邮编级别的证据表明，郊区化趋势是短期的，并且城市抗议活动对房价产生了一些影响。本章的第二部分分析了1970年至2010年之间城市增长的长期动态。它分析了这种城市增长中的短期冲击是什么，而不是诸如教育，工业专业化，工业多样化，城市隔离和住房供应弹性。本章的原始结果以及大量的已有文献表明，基本面是增长的主要驱动力，并且本文所考虑的冲击在历史上对大城市人口增长没有可衡量的长期影响。本章通过两个案例研究来说明这一发现：2001年9月11日之后的纽约市住房市场；和1989年Loma Prieta地震后的旧金山湾地区。在这些冲击之后，这两个地区均强劲反弹，表明城市大都市的韧性。

社区检测、模式识别和基于超图的学习：使用度量几何和持久同源性的方法

原文标题： Community detection, pattern recognition, and hypergraph-based learning: approaches using metric geometry and persistent homology

地址： http://arxiv.org/abs/2010.00435

作者： Dong Quan Ngoc Nguyen, Lin Xing, Lizhen Lin

摘要： 超图数据在现代的许多地方都出现并隐藏。它们是可用于对许多实际数据示例进行建模的数据结构，因为它们的结构包含有关数据点之间较高顺序关系的信息。本文的主要贡献之一是为超图数据引入了一种新的拓扑结构，该结构与通常的度量空间结构相似。利用超图数据的这种新的拓扑空间结构，我们提出了几种方法来研究社区检测问题，检测由超图数据的同源结构引起的持久性特征。同样基于本文介绍的超图数据的拓扑空间结构，我们介绍了一种改进的最近邻方法，该方法是对机器学习中经典最近邻方法的概括。我们改进的最近邻方法具有非常灵活和适用的优势，甚至适用于超图中的离散结构。然后，我们应用修改后的最近邻方法来研究使用我们的方法构造的炒作数据中的符号预测问题。

有限记忆相互作用的Polya传染网络及其近似动力系统

原文标题： A Finite Memory Interacting Polya Contagion Network and its Approximating Dynamical Systems

地址： http://arxiv.org/abs/2010.00463

作者： Somya Singh, Fady Alajaji, Bahman Gharesifard

摘要： 我们介绍了一种使用相互作用的有限记忆两色P 'o lya ns网络相互作用传播的新模型，我们将其称为有限记忆相互作用的P 'o lya传播网络。骨灰盒相互作用的意义在于，给定骨灰盒画红球（代表感染状态）的概率不仅取决于该骨灰盒中红球的比例，还取决于其他骨灰盒中红球的比例在网络中，因此考虑了空间传播的影响。最终的网络范围传染过程是离散时间有限记忆马尔可夫过程，其转移概率矩阵被确定。分析了网络传播马尔可夫过程的随机特性，并在具有均匀骨灰盒的记忆的特定情况下，我们描述了每个骨灰盒中感染的极限状态。考虑到这种随机过程的复杂性，并且本着与经过深入研究的SIS模型相同的精神，我们使用均值场类型逼近来为与P 'o lya传染的有限记忆相互作用获得离散时间动力系统。网络。有趣的是，这种动力系统在一种情况下是线性的，而在一般情况下是非线性的。此外，注意到后一种情况的动力系统允许一个线性变体（通过保留其前导线性项来实现），我们研究了两种记忆模式下线性系统的渐近行为并描述了它们的平衡。最后，我们提供了模拟来评估线性和非线性动力系统所表达的近似质量，这些模拟说明了存储器在提高其准确性中的关键作用。

根据可视化心理开发有效的社区网络分析工具

原文标题： Developing Effective Community Network Analysis Tools According to Visualization Psychology

地址： http://arxiv.org/abs/2010.00488

作者： Darren J. Edwards, Min Chen

摘要： 可视化是健康科学中的一种有用技术，尤其是对于社区网络分析而言。由于可视化应用在医疗保健中通常是规避风险的，因此健康心理学家可以在确保可视化技术在医疗保健中的正确有效使用方面发挥重要作用。在本文中，我们研究了健康心理学家在“健康科学”，“可视化技术”和“可视化心理学”三角形中的作用。我们得出的结论是，健康心理学家可以使用可视化来辅助医疗保健和健康心理学中的数据智能工作流，同时研究可视化心理学以帮助改善和优化数据可视化过程。

AMUSED：多模社交媒体数据的注释框架

原文标题： AMUSED: An Annotation Framework of Multi-modal Social Media Data

地址： http://arxiv.org/abs/2010.00502

作者： Gautam Kishore Shahi

摘要： 在本文中，我们提出了一个称为AMUSED的半自动化框架，该框架用于从多个社交媒体平台收集多模式注释数据。该框架旨在通过在数据收集过程中将机器和人类紧密结合起来，减轻社交媒体数据收集和注释的问题。从专业新闻媒体或博客的给定文章列表中，AMUSED从新闻文章中检测到社交媒体帖子的链接，然后从相应的社交媒体平台下载同一帖子的内容，以收集有关该特定帖子的详细信息。该框架能够从多个平台（例如Twitter，YouTube，Reddit）获取带注释的数据。该框架旨在减少社交媒体平台的数据注释背后的工作量和问题。 AMUSED可以应用于多个应用程序域，作为一个用例，我们已经实现了从不同的社交媒体平台收集COVID-19错误信息数据的框架。

社区嵌入揭示了在线平台的大规模文化组织

原文标题： Community embeddings reveal large-scale cultural organization of online platforms

地址： http://arxiv.org/abs/2010.00590

作者： Isaac Waller, Ashton Anderson

摘要： 人们对互联网在煽动“文化大战”中的作用的担忧削弱了人们对互联网将世界融合在一起的潜力的乐观态度。通过大规模选择志趣相投的群体，在线社会可能变得更加分散和两极分化，尤其是在党派分歧方面。但是，我们衡量在线社区的文化构成并进而了解在线平台的文化结构的能力受到数字讨论的匿名，非结构化和大规模性质的限制。在这里，我们开发了一种神经嵌入方法，通过利用大规模的总体行为模式来量化在线社区沿文化维度的定位。将我们的方法应用于14万年来在10K社区中进行的4.8B Reddit评论中，我们发现宏观社区结构是按照文化来组织的，并且在线文化概念之间的关系比简单地反映其离线类似物更为复杂。检查政治内容，我们显示Reddit在2016年美国总统大选前后经历了重大的两极分化事件，并在随后的几年中保持高度两极分化。但是，与传统观点相反，很少有个人用户随时间推移变得两极分化的情况。新的和新的政治用户的到来驱动了大多数平台级的极化。我们的方法学广泛适用于在线文化研究，我们的发现对在线平台的设计，理解在线内容的文化背景以及量化在线行为的文化转变具有重要意义。

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://www.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。

上一篇 下一篇

猜你喜欢

热点阅读