本文摘要：伦敦封城：大盛行都会中的流动性;专长和信心解释了社会影响力如何随着智力任务的生长而变化;庞大网络中的中心性怀抱综述;基于数字跟踪数据会见兴趣点的颠簸来量化社区适应力;SIR模型的剖析近似解;回复“关于’具有Glauber动力学的社会平衡网络模型中的相变’的评论”;印度尼西亚COVID-19流传的关键数据分析以权衡新常态政策的停当水平; 大规模图表现学习数据库;用户情感对新浪微博民众情绪信息流传的影响;空间社会网络（SSN）热点检测：非平面网络的扫描方法;多层网络中的社会感染

伦敦封城：大盛行都会中的流动性;专长和信心解释了社会影响力如何随着智力任务的生长而变化;庞大网络中的中心性怀抱综述;基于数字跟踪数据会见兴趣点的颠簸来量化社区适应力;SIR模型的剖析近似解;回复“关于’具有Glauber动力学的社会平衡网络模型中的相变’的评论”;印度尼西亚COVID-19流传的关键数据分析以权衡新常态政策的停当水平; 大规模图表现学习数据库;用户情感对新浪微博民众情绪信息流传的影响;空间社会网络（SSN）热点检测：非平面网络的扫描方法;多层网络中的社会感染和遐想扩散;用于局部聚类和半监视学习的强局部超图扩散;SSNE：稀疏网络中链路预测的有效节点表现;庞大网络的无模型隐藏几何;意大利Covid-19流传的现象学形貌：人口流动是控制熏染病例流传的主要因素;振荡模型中基于频率相关阻尼系数的在线火焰消除技术;移情与排挤导致社交媒体极化的模型;有向网络中的因果模体和内生级联的存在及其对公司违约的适用;伦敦封城：大盛行都会中的流动性原文标题： London in Lockdown: Mobility in the Pandemic City地址： http://arxiv.org/abs/2011.07165作者： Michael Batty, Roberto Murcio, Iacopo Iacopini, Maarten Vanhoof, Richard Milton摘要： 本章着眼于在伦敦发生COVID-19大盛行之前和期间，基本工人和非必须工人的空间漫衍和流动方式，并将其与英国其他地域举行比力。在2020年3月23日开始的为期3个月的锁定中，有20％的劳动力被视为从事基本事情。其他80 %%要么休假，这意味着要获得政府的支持以不事情，要么是在家事情。

凭据区域之间的旅行数据（旅行被剖析为基本旅行和非基本旅行。只管英海内部存在一些较大的地域差异，但我们发现，对于包罗基本旅行和基本旅行的所有职业群体，基本工人的空间格式与非基底细同此外，大盛行期间在家事情所节约的出行时间比例与基本工人和非必须工人的分散比例大致相同，为-80％。，使用Google流动性陈诉在伦敦差别的行政区检查了零售支出的淘汰以及公园使用的增加，这些陈诉使我们清楚地明白自首次封锁以来已往6个月中发生的情况。这些陈诉现在还意味着第二波熏染开始了。

专长和信心解释了社会影响力如何随着智力任务的生长而变化原文标题： Expertise and confidence explain how social influence evolves along intellective tasks地址： http://arxiv.org/abs/2011.07168作者： Omid Askarisichani, Elizabeth Y. Huang, Kekoa S. Sato, Noah E. Friedkin, Francesco Bullo, Ambuj K. Singh摘要： 在协作情况中发现小我私家影响力的先决条件是一个重要，实用且具有挑战性的问题。在本文中，我们研究了在团体执行一系列智力任务的小我私家小团体中的人际影响。我们视察到，在具有反馈的问题序列中，具有较高专业知识和社会信心的人被赋予较高的人际影响力。

我们还视察到，绩效不佳的人往往会低估其绩效高的队友的专业知识。基于这些视察，我们先容了三个假设，并为它们的有效性提供了履历和理论支持。

我们陈诉有关交互影象系统，社会比力和对社会影响力起源的信心启发法的恒久理论的履历证据。我们提出了一个受这些理论启发的认知动力学模型来形貌小我私家随着时间调整人际影响的历程。我们证明晰该模型在预测个体影响方面的准确性，并针对体现相同的个体的情况提供了其渐近行为的分析效果。

最后，我们提出了一种在预训练的文本嵌入模型上使用深度神经网络来预测小我私家影响的新颖方法。使用任务期间收集的消息内容，消息时间和小我私家正确性，我们可以准确地预测小我私家随时间的自我陈诉影响。大量实验验证了所提出模型与基线（如结构平衡和反映的评估模型）相比的准确性。

虽然神经网络模型最准确，但动力学模型对于影响力预测最容易解释。庞大网络中的中心性怀抱综述原文标题： Centrality Measures in Complex Networks: A Survey地址： http://arxiv.org/abs/2011.07190作者： Akrati Saxena, Sudarshan Iyengar摘要： 在庞大的网络中，每个节点都有一些奇特的特征，这些特征凭据给定的特定于应用法式的上下文来界说节点的重要性。可以使用文献中界说的种种中心性怀抱尺度来识别这些特征。

这些集中度怀抱中的一些可以使用节点的当地信息来盘算，例如度集中度和半局部集中度怀抱。其他人则使用网络的全局信息，例如精密性中心，介数中心性中心，特征向量中心，Katz中心性，PageRank等。在本次观察中，我们将讨论这些集中度怀抱和最新技术文献，包罗将集中度怀抱扩展到差别类型的网络，在动态网络中更新集中度值的方法，识别top-k节点的方法，近似算法，开放式研究与领域相关的问题，等等。

本文最后讨论了特定于应用法式的集中度怀抱，这将有助于凭据网络类型和应用需求选择集中度怀抱。基于数字跟踪数据会见兴趣点的颠簸来量化社区适应力原文标题： Quantifying Community Resilience Based on Fluctuations in Visits to Point-of-Interest from Digital Trace Data地址： http://arxiv.org/abs/2011.07440作者： Cristian Podesta (1), Natalie Coleman (1), Amir Esmalian (1), Fax Yuan (1), Ali Mostafavi (1) ((1) Urban Resilience.AI Lab, Zachry Department of Civil and Environmental Engineering, Texas A&M University)摘要： 这项研究旨在凭据对各个兴趣点（POI）位置的会见颠簸来量化社区的应变能力。

对POI的会见是人类运动的重要指标，而且描画了人们生活方式，修建情况条件和企业状况的综合影响。该研究在2017年休斯敦哈维飓风（美国得克萨斯州，美国）的配景下，使用了唯一会见POI的数字跟踪数据来检查影响的空间格式和总恢复事情，并使用这些措施来量化社区的适应力。

效果显示，与其他POI种别相比，某些POI种别（例如修建质料和物资经销商和杂货店）是社区中最具弹性的元素。另一方面，发现诸如医疗设施和娱乐场所等种别的弹性值较低。

效果讲明，这些种别对于社区恢复不是必须的，或者社区在飓风事后不能立刻以正常水平使用这些服务。此外，空间分析讲明，社区中许多回复力较低的地域遭受了洪水泛滥。

可是，一些低回弹力的区域并未被广泛淹没，这讲明影响的空间规模超出了淹没区域。效果证明晰我们研究中提出的方法的重要性。只管此研究集中在休斯顿，仅分析了一种自然灾害，但该方法可以应用于其他社区和灾难情况。

应用此方法，紧迫情况治理人员和公共官员可以有效地监视差别空间区域和POI种别中的灾难影响和恢复模式，还可以确定需要优先分配资源的POI种别和社区区域。SIR模型的剖析近似解原文标题： An analytic approximate solution of the SIR model地址： http://arxiv.org/abs/2011.07494作者： Ignazio Lazzizzera摘要： 具有众所周知的盛行病模型SIR（D）的合适（近似）显式分析解决方案将有助于通过轻松拟合研究数据。本文提供了一种有效的方法。回复“关于’具有Glauber动力学的社会平衡网络模型中的相变’的评论”原文标题： Reply to “Comment on ‘Phase transition in a network model of social balance with Glauber dynamics’ “地址： http://arxiv.org/abs/2011.07501作者： Pouya Manshour, Afshin Montakhab摘要： 最近，我们引入了[Physical Review E 100，022303（2019）]，该模型具有Glauber动力学的随机社会平衡模型，其中思量了随机性在小我私家行为中的作用。

我们研究的一个重要发现是，随着随机性越过临界值，从平衡状态到不平衡状态的相变将在热力学极限中消失。在最近的类似研究中[K. Malarz和K. Ku l akowskiy，（2020年），arXiv：2009.10136]，研究讲明，随着系统规模的变化，临界随机性趋于无穷大。这导致作者质疑我们的效果。

在这里，我们讲明这种显着的纷歧致是每种模型中差别的能量界说的效果。我们还证明，与前述作者提出的主张相反，同步温顺序更新规则会在很大水平上影响效果。

印度尼西亚COVID-19流传的关键数据分析以权衡新常态政策的停当水平原文标题： Critical data analysis of COVID-19 spreading in Indonesia to measure the readiness of new-normal policy地址： http://arxiv.org/abs/2011.07679作者： Muhammad Ariful Furqon, Nina Fadilah Najwa, Endah Septa Sintiya, Erista Maya Safitri, Iqbal Ramadhani Mukhlis摘要： 如今，COVID-19大盛行已成为全球性问题。为了打破COVID-19的流传链，已经做出了种种努力。印度尼西亚政府公布了一项大规模的社会限制政策，以防止COVID-19的流传。

可是，大规模的社会限制政策影响了印尼的经济。经由多方思量，印度尼西亚政府实施了一项新常态政策，该政策通过严格的卫生规程规范了家庭以外的运动。这项研究的目的是在大规模的社会限制时期到新常态时期之后丈量印度尼西亚的准备水平。

为了指定准备水平，需要以统计分析和预测建模的形式提供丈量参数。凭据统计分析和预测的效果，在已往的一个月中，新确诊病例增加了两倍以上。此外，新确诊病例的增长率与预测效果相比急剧增加。

因此，政府必须再次审查新常态政策，强调经济因素并思量康健因素大规模图表现学习数据库原文标题： A Large-Scale Database for Graph Representation Learning地址： http://arxiv.org/abs/2011.07682作者： Scott Freitas, Yuxiao Dong, Joshua Neil, Duen Horng Chau摘要： 随着图表现学习的迅速兴起，新的大规模数据集的构建对于区分模型功效并准确评估每种技术的优缺点是须要的。通过仔细分析现有的图数据库，我们确定了对推进图表现学习领域至关重要的3个关键组成部门：（1）大图，（2）许多图和（3）类多样性。

迄今为止，没有一个图数据库提供所有这些所需的属性。我们先容有史以来最大的公共图数据库MalNet，它代表了软件功效挪用图的大规模本体。

MalNet包罗凌驾120万张图，平均每个图凌驾17,000个节点和39k边，涵盖47个类型和696个族的条理结构。与盛行的REDDIT-12K数据库相比，MalNet提供的图表增加了105倍，平均图表增加了44倍，类增加了63倍。我们将对MalNet举行详细分析，并讨论其性质和出处。

MalNet前所未有的规模和多样性为推动图表现学习的前沿提供了令人兴奋的时机-使得新发现和不平衡分类，可解释性以及类硬度影响的研究成为可能。该数据库可从www.mal-net.org公然获得。

用户情感对新浪微博民众情绪信息流传的影响原文标题： Influence of User Emotion on Information Propagation with Public Sentiment in the Chinese Sina-microblog地址： http://arxiv.org/abs/2011.07694作者： Fulian Yin摘要： 社会网络充斥着差别的情感信息，这些信息的流传有助于塑造民众情绪的生长。为了资助在事件的整个生长历程中设计有效的相同计谋，我们提出了一种基于情绪的易感性免疫流传动态模型，该模型思量了情绪的种别，包罗正面，中性和负面以及用户社区的情感选择，以观察导致民众情绪的信息流传历程。我们基于模型的分析和数值分析讲明，E-SFI模型涉及的三种转发概率与实际事故情况相符，而敏感性分析形貌了影响用户社区支持决议的情感选择的重要因素。

引导民众情感的计谋。空间社会网络（SSN）热点检测：非平面网络的扫描方法原文标题： Spatial Social Network (SSN) Hot Spot Detection: Scan Methods for Non-Planar Networks地址： http://arxiv.org/abs/2011.07702作者： Joshua Baker, Clio Andris, Daniel DellaPosta摘要： 移动窗口和热点检测分析是用于分析给定区域内的点模式的统计方法。此类方法已用于乐成检测点事件的簇，例如偷车或癌症的发病率。

可是，这些方法并未思量到各个事件之间的联系，例如邻里内的社会纽带。本文先容了两种GIS方法：EdgeScan和NDScan，用于描画具有较高和较低水平的当地社交关系的区域。

两种方法都是移动窗口处置惩罚，它们划分盘算给定焦点区域（窗口区域）中的边数量和网络密度。焦点窗口将效果EdgeScan和NDScan统计信息附加到焦点窗口区域中心的节点。

我们在1960年月纽约市黑手党成员之间联系的案例研究中实现了这些方法。我们使用焦点邻域的种种界说，包罗欧几里得，曼哈顿和K最近邻（KNN）界说。我们发现KNN倾向于夸大局部网络的值，而且研究区域外围节点的效果值存在更多差异。我们发现，从位置角度来看，EdgeScan和NDScan热点与研究区域的传统空间热点差别。

这些方法可以扩展到未来检测局部黑社会和主题的研究，从而可以更详细地描画局部网络结构。多层网络中的社会感染和遐想扩散原文标题： Social Contagion and Associative Diffusion in Multilayer Network地址： http://arxiv.org/abs/2011.07746作者： Heng-Chien Liou, Hsuan-Wei Lee摘要： 文化差异如何泛起的问题引起了社会学研究的极大兴趣。

社会学家主要通过社会感染的角度研究这种变异，这种感染主要是将文化变异归因于潜在的结构隔离，使之成为先前存在的隔离结构的缩影。另一方面，争论文化并没有像病毒那样流传，有人提出了一种称为遐想流传的替代方式，其中文化流传不是在实践的偏好下发生，而是在实践之间的联系上发生。关联扩散模型随后乐成地解释了文化差异，而没有将其归因于伶仃的社会结构。

感染模型和关联扩散模型需要差别类型的关系和相互作用，以使文化流传成为可能。实际上，两种关系都存在。

思量到这一点，我们建议将两种模型与多层网络框架联合起来。一方面，主体人随便视察了其他人的行为，从而更新了他们对实践之间联系的信念。

另一方面，主体人的行为偏好直接受到关闭的他人的影响。同时，偏好和关联之间的约束满足被用来链接两者的更新，从而使每小我私家在偏好和关联方面成为一个连贯的实体。使用这种方法，我们纠结了通过多层网络举行的社会感染和关联扩散的影响。对于基线，我们在三种常见的网络模型上探索模型动力学：完全毗连，小世界和无标度。

效果讲明，感染模型和关联扩散模型的两个极端之间具有非平凡的动力学关系，这证明晰我们的看法，即有须要同时思量两个模型。用于局部聚类和半监视学习的强局部超图扩散原文标题： Strongly Local Hypergraph Diffusions for Clustering and Semi-supervised Learning地址： http://arxiv.org/abs/2011.07752作者： Meng Liu, Nate Veldt, Haoyu Song, Pan Li, David F. Gleich摘要： 现在，基于超图的机械学习方法对于建模和使用数据工具之间的高阶和多向关系很是重要。

局部超图聚类和半监视学习特别涉及在给定的一组标志极点四周找到一个毗连良好的节点集。只管图存在许多用于局部聚类的方法，可是在超图中举行局部聚类的方法相对较少。而且，存在的那些模型通常缺乏对通用类的超图割函数建模的灵活性，或者无法扩展到大问题。

为明白决这些问题，本文提出了一种新的基于扩散的超图聚类算法，该算法解决了基于二次超图割的目的，类似于针对图的Andersen-Chung-Lang个性化PageRank聚类的超图类似物。我们证明，对于具有最大超边尺寸牢固的图，此方法具有较强的局部性，这意味着其运行时间仅取决于输出的巨细，而不取决于超图的巨细，而且具有高度可伸缩性。

此外，我们的方法使我们能够使用多种基于基数的超图割函数举行盘算。我们还证明，通过求解新的目的函数找到的聚类满足Cheeger式质量保证。我们证明，在大型现实世界的超图上，我们的新方法可以找到更好的聚类，而且比现有方法运行得快得多。详细来说，对于具有数百万个超边的超图，运行时间为几秒钟，而基于流的技术则为数分钟。

我们进一步讲明，我们的框架足够通用，也可以用于解决超图上其他基于p范数的割目的。我们的代码位于 url github.com/MengLiuPurdue/LHQD。SSNE：稀疏网络中链路预测的有效节点表现原文标题： SSNE: Effective Node Representation for Link Prediction in Sparse Networks地址： http://arxiv.org/abs/2011.07788作者： Min-Ren Chen, Ping Huang, Yu Lin, Shi-Min Cai摘要： 在庞大网络中的链路预测中，图嵌入正变得越来越盛行，并获得了精彩的性能。

可是，在代表大多数实际网络的稀疏网络中，所做的事情有限。在本文中，我们提出了一个模型，稀疏结构网络嵌入（SSNE），以获得稀疏网络中链路预测的节点表现。SSNE首先将毗邻矩阵转换为规范化的 H 阶毗邻矩阵之和（SNHAM），然后将SNHAM矩阵映射为 d 维特征矩阵以通过神经网络模型表现节点。

映射操作被证明是奇异值剖析的等效变体。最后，我们基于此类特征矩阵盘算节点相似度以举行链路预测。通过基于合成和真实稀疏网络的大量测试实验，我们讲明，与结构相似性指标，矩阵优化和其他图嵌入模型相比，该方法具有更好的链路预测性能。庞大网络的无模型隐藏几何原文标题： Model-free hidden geometry of complex networks地址： http://arxiv.org/abs/2011.08103作者： Yi-Jiao Zhang, Kai-Cheng Yang, Filippo Radicchi摘要： 将网络嵌入怀抱空间的基本思想是基于相近性保留的原理。

节点以成对的距离映射到空间中的点，反映了它们在网络中的靠近水平。在网络嵌入中使用的盛行方法要么依赖于相近性保留原理的隐式近似，要么通过强制嵌入空间的几何形状来实现它，从而阻碍了网络可能自生长现的几何特性。在这里，我们使用为保留成对相近而明确设计的无模型嵌入方法，并形貌了从多个实际和合成网络的映射中泛起的几何形状。

我们证明学习的嵌入具有简朴直观的解释：节点到几何中心的距离代表其精密性中心，而且节点的相对位置反映了网络的社区结构。可以在相对低维的嵌入空间中保留相近区域，而且无论特定的网络拓扑如何，隐藏的几何体在引导贪婪导航方面均显示最佳性能。我们最终讲明，该映射提供了网络上流传历程的自然形貌，其中庞大的时空模式由从几何中心流传到外围的波表现。

这些发现加深了我们对庞大网络的无模型隐藏几何的明白。意大利Covid-19流传的现象学形貌：人口流动是控制熏染病例流传的主要因素原文标题： Phenomenological description of spread of Covid-19 in Italy: people mobility as main factor controlling propagation of infection cases地址： http://arxiv.org/abs/2011.08111作者： Corrado Spinella, Antonio Massimiliano Mio摘要： 从2019年底开始，冠状病毒（COVID-19）的流传已在意大利确定了几种旨在防止卫生系统饱和的干预措施。我们通过提出一个简朴的扩散历程形貌均等场模型来研究这些措施的效果，该模型基于一个简朴的扩散历程，在该历程中所有可视察到的变量（仍对熏染呈阳性的人数，住院和死亡人数，已治愈的人，以及熏染熏染的总人数）取决于平均参数，即扩散系数，熏染横截面和人口密度。只管此模型不如文献中的其他模型庞大，但它使我们能够将盛行病统计信息的趋势（住院病例，死亡人数，熏染人数等）直接与界说明确的可视察到的物理量相关联：每小我私家天天见到的平均人数。

该模型很是适合该盛行病数据，并允许我们将住院病例数的时间演变和发作的死亡与人员流动的变化精密相关，从而在意大利实施了渐进式限制，直到现在天（2020年11月15日）。振荡模型中基于频率相关阻尼系数的在线火焰消除技术原文标题： Technology to Counter Online Flaming Based on the Frequency-Dependent Damping Coefficient in the Oscillation Model地址： http://arxiv.org/abs/2011.08117作者： Shinichi Kikuchi, Chisa Takano, Masaki Aida摘要： 在线社会网络很是活跃，通常会履历爆炸性的用户动态，例如在线燃烧，这可能会严重影响现实世界。

可是，由于对在线用户动态影响的迅速流传，基于对引生机焰的小我私家举行社会分析的对策太慢而无法有效。提出了一种基于振荡模型的燃烧现象对策技术，形貌了在线用户动态。

这是立刻解决方案，因为它不依赖于小我私家的社会分析。基于振动模型的通例对策假定阻尼系数为常数，而与固有频率无关。

然而，由于阻尼系数通常固有地取决于频率，因此该假设是有问题的。依存关系的理论正在阐明。

本文讨论了一种在一般情况下使用阻尼系数来防止燃烧的设计方法，并思量了阻尼系数的频率依赖性，并针对该现象提出了对策技术。移情与排挤导致社交媒体极化的模型原文标题： A Model of Polarization on Social Media Caused by Empathy and Repulsion地址： http://arxiv.org/abs/2011.08141作者： Naoki Hirakura, Masaki Aida, Konosuke Kawashima摘要： 近年来，易于会见社交媒体已经导致了信息源缩减的意外问题。这种现象是由一个系统推动的，该系统可促进具有相似想法和推荐系统的人们之间的联系。

选择信息源时的偏见加剧了南北极分化，这种分化将人们分为具有阻挡意见的多个群体，并在阻挡群体之间造成冲突。本文通过提出一种思量用户对同情和排挤的反映的社交媒体中的意见形成模型，阐明晰南北极分化的机制。基于意见中立仅是相对的想法，该模型提供了一种处置惩罚极化的新颖技术。有向网络中的因果模体和内生级联的存在及其对公司违约的适用原文标题： Causal motifs and existence of endogenous cascades in directed networks with application to company defaults地址： http://arxiv.org/abs/2011.08148作者： Irena Barjašić, Hrvoje Štefančić, Vedrana Pribičević, Vinko Zlatić摘要： 通过检测经济违约的级联，我们开发了一种基于本文界说的因果模体的内生扩散检测框架。

我们假设状态的极点变化可以由内源性事件或外源性事件触发，基础网络是有偏向性的，而且极点发生变化的时间是可用的。除了我们使用的公司违约数据外，我们还模拟了由差别的随机历程在差别的合成网络上驱动的级联。我们还快要似主方程方法扩展到带有时间标志的有向网络，以明白在哪种情况下可以举行检测。我们讲明，一些最小的模体可以稳健地检测级联。

声明：Arxiv文章摘要版权归论文原作者所有，机械翻译后由本人举行校正整理，未经同意请勿随意转载。本系列在民众号“网络科学研究速递”（netsci）和小我私家博客举行同步更新。

本文关键词：米乐体育APP官网,Arxiv,网络,科学,论文,摘要,18篇,2020-11-17,-米,乐

本文来源：米乐体育APP官网-www.meishikj.com