如果你经常关注复杂系统和跨学科研究进展，是网络论文速递栏目的长期读者，欢迎扫描集智小助手，向我们反馈你的需求。欢迎提出宝贵意见，我们一起来探索追踪前沿进展的更好方式。

参与论文速递用户调研后，我们将邀请你加入集智的科研文献交流群。

本文翻译自“彩云小译”，仅供参考，感兴趣请查阅论文原文，更多最新arxiv论文，请下拉至文末点击“阅读原文”查看

核心速递

新型冠状病毒肺炎流行病对基础物理学研究的影响；
社交媒体自我品牌化与成功: 来自模型竞赛的定量证据；
社交物联网中边缘计算的计算资源分配；
基于图神经网络的社会物联网聚类；
在自由答复调查中民主地总结公众意见；
从情绪分析的角度看政党/候选人对选举结果的影响，使用 anambradecides2017推文；
基于社会性的实时交通检测研究综述；
操纵经济的游戏；
异质网络中的流行病风险与均衡社会距离；
基于 agent 的行人动力学仿真在流行病风险评估暴露时间估计中的应用；
非裔美国人中新型冠状病毒肺炎发病率不成比例与动态种族隔离相关；
流行病在网络上传播的双曲模型: 动力学描述和数值方法；
过滤气泡、回声室和强化: 在选举数据中追踪民粹主义；
数据科学与建模艺术；
个性化信息选民模型中的两极分化现象；
基于基尼系数的熵概括；
优化检测新型冠状病毒肺炎爆发的检测策略；
在流行病传播的演变过程中纳入社会意见；
网络背书动态中的等级制度的产生；
实时网络的可预测性；
客户网络: 一种预测新客户的交互式模型；
对比多元对应分析: 应用对比学习方法识别政治亚群；
基于动态贝叶斯稳态演化的犯罪同伙网络模型；
复杂网络的动态稳定性；
小世界网络耦合相振子模型中的临界指数；

新型冠状病毒肺炎流行病

对基础物理学研究的影响

原文标题：

Impact of the COVID-19 Pandemic on Fundamental Physics Research

地址：

https://arxiv.org/abs/2007.04148

作者：

Yaou Jiang

摘要：新型冠状病毒肺炎病毒的爆发和流行已经在几乎所有方面戏剧性地改变了世界。它对高能物理界的影响也是显而易见的。在这个分析中，我们发现社会距离极大地改变了物理学界的工作方式。在高能物理领域，在线交流和视频会议已经成为日常生活的一部分。然而，这种工作方式的改变可能需要一些时间来适应。这种影响可以从 arXiv、 INSPIRE 数据库和 JHEP、 PRD 官方网站的科学成果中看出。

社交媒体自我品牌化与成功:

来自模型竞赛的定量证据

原文标题：

Social media self-branding and success: Quantitative evidence from a model competition

地址：

https://arxiv.org/abs/2007.04113

作者：

Fabian Braesemann,Fabian Stephany

摘要：由于大型在线数据集的可用性，人类努力的不同领域的成功已经可以量化。本文介绍的这项研究有助于评估社交媒体活动的影响，作为一种“自我品牌”的手段，以增加模特当选《花花公子》杂志年度玩伴奖的机会。我们假设那些积极管理自己 Instagram 账户的候选人可以增加他们获奖的可能性: 他们使用社交媒体获得更多的关注者，然后这些关注者可能会在奖项投票中为他们投票。研究结果表明，社交媒体活动实际上具有预测能力，以评估奖项的结果。我们发现，那些比其他候选人更积极地管理自己的社交媒体账户的候选人，成为年度玩伴的可能性更大。这些发现强调了社交媒体的好处。

社交物联网中

边缘计算的计算资源分配

原文标题：

Computational Resource Allocation for Edge Computing in Social Internet-of-Things

地址：

https://arxiv.org/abs/2007.03904

作者：

Abdullah Khanfor,Raby Hamadi,Hakim Ghazzai,Ye Yang,Mohammad R. Haider,Yehia

摘要：物联网(Internet-of-things，IoT)网络的异构性可以被许多缺乏计算能力的设备利用为一个动态的计算资源环境。提出了一种分配边缘和移动计算机的智能机制，以满足设备请求外部计算资源的需要。在本文中，我们使用社会物联网和机器学习的概念来降低分配适当的边缘计算机的复杂性。我们提出了一个框架来检测 SIoT 中不同的设备群体，这些设备群体包含具有强大社会关系的值得信赖的同伴。然后，我们训练一个机器学习算法，考虑请求者和边缘计算机的多个计算和非计算特性，预测处理同一个请求者社区的潜在候选者所需的总时间。通过将其应用于一个真实世界的数据集，我们观察到该框架为移动计算机分配提供了令人鼓舞的结果。

基于图神经网络的社会物联网聚类

原文标题：

Graph Neural Networks-based Clustering for Social Internet of Things

地址：

https://arxiv.org/abs/2007.03892

作者：

Abdullah Khanfor,Amal Nammouchi,Hakim Ghazzai,Ye Yang,Mohammad R. Haider,Yehia Massoud

摘要：本文提出了一种机器学习过程，将大规模的社会化物联网(SIoT)设备集群到具有强关系的相关设备组中。为此，我们基于物联网设备及其社会关系的历史数据集生成了无向加权图。利用这些图的邻接矩阵和 IoT 设备的特点，我们使用图神经网络(GNN)来嵌入图的节点，以获得 IoT 设备的数字矢量表示。向量表示不仅反映了设备的特性，而且反映了设备与同类设备的关系。获得的节点嵌入然后被提供给一个传统的非监督式学习算法来确定相应的簇。我们使用两种著名的聚类算法，特别是 k 均值和基于密度的聚类发现算法(DBSCAN)来展示所获得的物联网组。最后，我们比较了所提出的基于 gnn 的聚类方法在覆盖率和模块性方面的性能，以及确定性的 Louvain 社区检测算法在不同关系生成的图上的性能。结果表明，该框架在大规模物联网系统的聚类中取得了良好的初步结果。

在自由答复调查中民主地总结公众意见

原文标题：

Democratic summary of public opinions in free-response surveys

地址：

https://arxiv.org/abs/1907.04359

作者：

Tatsuro Kawamoto,Takaaki Aoki

摘要：社会调查作为一种获取公众意见的方法已被广泛使用。有时以自由回答的形式提出问题比以多项选择的形式收集意见更为理想。尽管自由回答问题有很多优点，但在实践中却很少使用，因为它们通常需要人工分析。因此，自由格式文本的分类在大规模调查中是一项艰巨的任务，并且会受到分析者解释的影响。在这项研究中，我们提出了一个基于网络的调查框架，其中的答复是自动分类在一个统计原则的方式。这是可以做到的，因为除了案文之外，答复之间的相似性也由每个答复者评估。我们通过对2016年美国总统大选的民意调查和某所大学毕业生的调查来展示我们的方法。建议的方法有助于分析人员解释大规模调查中回答的基本语义。

从情绪分析的角度看政党/候选人

对选举结果的影响，

使用 # anambradecides2017推文

原文标题：

The impact of political party/candidate on the election results from a sentiment analysis perspective using #AnambraDecides2017 tweets

地址：

https://arxiv.org/abs/2007.03824

作者：

Ikechukwu Onyenwe,Samuel Nwagbo,Njideka Mbeledogu,Ebele Onyedinma

摘要：本文采用一种自然语言处理技术，即情绪分析(SA) ，实证研究了政党对候选人的控制或反之对竞选获胜的影响。为了做到这一点，在2017年11月18日阿南布拉州州长选举期间，共有7430条含有或与 # anambradecedes2017有关的推文在网上直播。这些是 Twitter 上关于五大政党及其候选人的讨论，在本文中被称为政治行为体。我们对所有推文进行极性和主观情感分析，认为时间是 SA 的一个有用维度。此外，我们使用频率这个词来找出在给定时间内与政治行为者最相关的词。我们发现谈论最多的话题是使用主题建模算法，以及每个政治参与者的计算情绪和最频繁的词语是如何与主题相关的。除其他事项外，我们从实验结果中推断，即使一个政党作为推销候选人个性的平台，候选人/政党的接受也会增加选举的胜利。例如，我们发现威利 · 奥比亚诺选举的获胜者得益于他的政党在州人民中所拥有的价值观。全进步大联盟(All Progressive Grand Alliance，简称 APGA)将他的名字与他的政党联系在一起，显示出更多的积极情绪，而主观情绪分析表明，提到 APGA 的 Twitter 用户在推文中的情绪主观性要低于其他政党。

基于社会性的实时交通检测研究综述

原文标题：

A Survey of Real-Time Social-Based Traffic Detection

地址：

https://arxiv.org/abs/2007.04100

作者：

Hashim Abu-gellban

摘要：在线交通新闻网站并不总是实时发布该地区的交通事件。为了开发一个实时的流量检测系统，我们有能力在 twitter 流上使用文本挖掘和机器学习技术来执行事件检测。在这篇调查论文中，我们将讨论当前实时检测交通事件的最新技术，着重于五篇论文[1,2,3,4,5]。最后，应用文本挖掘技术和文献[2]中的支持向量机分类器得到了最好的结果(即95.75% 的正确率和95.8% 的 f1分数)。

操纵经济的游戏

原文标题：

Games in rigged economies

地址：

https://arxiv.org/abs/2007.03886

作者：

Luís F Seoane

摘要：现代经济从简单的人类交流演变成非常复杂的系统。今天，许多方面都可以被调整、篡改或任其发展; 这些都是经济自由度，共同塑造了财富的流动。经济行为者可以以某种代价剥削他们，然后让这些资金流向对他们有利的方向。如果干预变得普遍，不同行为者的微观经济战略可能相互碰撞或产生共鸣，形成宏观经济效应。一个被“操纵”的经济有多大可行性，这种可行性又是如何受到经济复杂性和财富增长的影响的？在这里，我们用一个玩具模型抓住了“操纵”经济的基本要素。简单情况下支付矩阵的纳什均衡展示了增加干预是如何通过一个动态的阶段将经济自由度从少数变为多数。这些阶段通过我们模型的基于代理的模拟再现，这使我们能够探索支付矩阵无法触及的场景。然后，日益增加的经济复杂性被揭示为一种自发消除卡特尔或共识情况的机制。但是，过度的复杂性突然进入了一个威胁系统生存能力的大波动的制度。这种制度是由于非竞争性的干预经济的努力，再加上自由度的不同，变得不可预测。因此，由于经济的复杂性，非竞争行为可能导致负溢出。模拟表明，财富增长速度必须超过与经济复杂性的线性关系，以避免这种制度，并保持经济长期可行。我们的工作提供了可检验的结论和现象学图表，以指导对“非法操纵”的经济系统的监管。

异质网络中的

流行病风险与均衡社会距离

原文标题：

Pandemic Risks and Equilibrium Social Distancing in Heterogeneous Networks

地址：

https://arxiv.org/abs/2007.04210

作者：

Hamed Amini,Andreea Minca

摘要：我们研究了一个通过网络相互作用的异质种群之间的 SIRD 流行过程。我们给出了从一组(小)初始感染个体开始的流行病规模的一般上界。此外，我们根据基于网络邻接矩阵和感染率的相关矩阵的光谱特性来刻画流行病再现数。我们建议，这可以用来确定子网络具有高繁殖数量之前，疫情达到和增加在他们。在给定顶点度的随机图上建立社会联系，给出了感染个体分数的极限定理。对于给定的社会距离个体策略，我们建立了流行性再生产数R0 可以用来确定网络的脆弱性，并为疫苗接种政策提供信息。在本文的第二部分，我们研究了社会距离博弈的均衡，并且我们证明了自愿的社会距离总是次优的。我们使用新型冠状病毒肺炎的数据进行数值研究，以量化不同年龄段的绝对和相对效用差距。

基于 agent 的行人动力学仿真

在流行病风险评估

暴露时间估计中的应用

原文标题：

Agent-based Simulation of Pedestrian Dynamics for Exposure Time Estimation in Epidemic Risk Assessment

地址：

https://arxiv.org/abs/2007.04138

作者：

Thomas Harweg,Daniel Bachmann,Frank Weichert

摘要：随着2019年科罗娜病毒病(Corona Virus Disease 2019)在世界范围内的大流行，控制病毒的保护措施是必不可少的，尤其是在没有疫苗或有效治疗的情况下。新型冠状病毒肺炎。一个重要的措施是所谓的身体距离或社会距离。在这篇论文中，我们提出了一个基于智能体的行人动力学的数值模拟，以评估行人在公共场所的行为背景下的接触-传输的传染病如新型冠状病毒肺炎，并收集关于曝光时间和距离措施的整体效果的见解。遵守… 的最小距离1.5m 或以下就足够了。这项研究的结果给出了深刻的见解，即身体距离作为一种保护措施，如何能够更有效地帮助减少新型冠状病毒肺炎的传播。

非裔美国人中

新型冠状病毒肺炎发病率

不成比例与动态种族隔离相关

原文标题：

Disproportionate incidence of COVID-19 in African Americans correlates with dynamic segregation

地址：

https://arxiv.org/abs/2007.04130

作者：

Aleix Bassolas,Sandro Sousa,Vincenzo Nicosia

摘要：社会经济差距往往在大规模灾难性事件的发生中起着核心作用。正在进行的新型冠状病毒肺炎流行病最令人担忧的一个方面是，它不成比例地影响着来自黑人和非裔美国人背景的人，造成了一个意想不到的感染鸿沟。有趣的是，对这些种族群体的异常影响似乎与其他风险因素几乎没有关联，包括共同发病率、贫穷、教育水平、获得医疗保健的机会、居住隔离和对治疗的反应。对于观察到的发病率差距的一个拟议解释是，来自非裔美国人背景的人更多地从事低收入服务工作，因此更容易通过面对面的接触受到感染，但由于缺乏直接数据，迄今尚不能得出这方面的有力结论。在这里，我们引入了动态隔离的概念，这是一个特定群体内部集中或暴露于其他群体的程度，由于流动性和通勤习惯。通过对美国120多个主要城市的人口普查和流动数据的分析，我们发现非洲裔美国人社区的动态隔离与这些社区每周超额的新型冠状病毒肺炎发生率和死亡率显著相关。研究结果证实，了解人们通勤的地点，而不是他们生活的地点，对于疾病模型的建立更有意义。

流行病在网络上传播的双曲模型:

动力学描述和数值方法

原文标题：

Hyperbolic models for the spread of epidemics on networks: kinetic description and numerical methods

地址：

https://arxiv.org/abs/2007.04019

作者：

Giulia Bertaglia,Lorenzo Pareschi

摘要：我们考虑了由经典分室动力学描述的流行病现象在空间传播的双曲传输模型的发展。该模型基于对易感、感染和康复个体群体的空间运动和相互作用的离散速度的动力学描述。由于这一点，瞬时扩散效应的非物理特征，这是典型的抛物线模型，被删除。特别地，我们正式地展示了这种反应扩散模型是如何在一个适当的扩散极限下恢复的。因此，动力学传输模型是考虑在一个空间网络，特征不同的地方，如村庄，城市，国家等。分析和定义了节点间的传输条件。最后，采用有限体积 IMEX 方法在网络上对模型进行了数值求解，该方法能够在不受标度参数限制的情况下保持模型与扩散极限的一致性。通过对简单传染病网络结构的数值试验，验证了该模型能够正确描述传染病的传播过程。

过滤气泡、回声室和强化:

在选举数据中追踪民粹主义

原文标题：

Filter Bubbles, Echo Chambers, and Reinforcement: Tracing Populism in Election Data

地址：

https://arxiv.org/abs/2007.03910

作者：

Johannes Müller,Volker Hösel,Aurélien Tellier

摘要：我们提出了一个新的模型的影响回音室，过滤气泡，并加强对选举结果。我们的模型用狂热分子扩展了著名的选民模型，包括增强。我们分析了该模型的行为，确定了不变测度，并表明: 1)与选民模型相比，增强可能改变选票的分布，2)导致相变。我们测试了在美国总统选举、欧洲英国退出欧盟公投和法国、荷兰和德国议会选举的选举数据中，加强模型是否比缺少模型更适合。我们发现，在许多情况下，民粹主义政党和候选人可以通过高水平的加强，清楚地确定。此外，我们还在数据中发现了该模型预测的相变。我们最后讨论了我们的发现的含义和相关性，以及现代社会中强化行为的可能起源。

数据科学与建模艺术

原文标题：

Data science and the art of modelling

地址：

https://arxiv.org/abs/2007.04095

作者：

Hykel Hosni,Angelo Vulpiani

摘要：数据中心的热情在各个领域都越来越强烈。虽然数据科学无疑提出了令人兴奋的科学问题，但我们认为，数据科学的贡献不应该从其产生的科学背景中推断出来。特别是，我们认为那种认为数据可以被视为科学模型的替代品的简单想法是站不住脚的。通过回顾一些来自动力系统的著名例子，我们得出结论，数据科学在与微妙的建模艺术相结合时表现最好。

个性化信息选民模型中的两极分化现象

原文标题：

Emergence of polarization in a voter model with personalized information

地址：

https://arxiv.org/abs/2007.04903

作者：

Giordano De Marzo,Andrea Zaccaria,Claudio Castellano

摘要：假新闻的蓬勃发展受到了在线社交网络推荐算法的青睐，这种算法基于用户之前的活动，提供适合他们喜好的内容，从而产生过滤泡泡。我们引入了一个具有个性化信息的可分析的可追踪的选民模型，在这个模型中，外部领域倾向于将代理人的意见与她过去更频繁地持有的意见结合起来。我们的模型显示了一个惊人的丰富的动态，尽管它的简单。通过数值模拟证实的解析平均场方法，使我们能够建立相图，并预测是否以及如何达成共识。值得注意的是，只有在与个性化信息弱相互作用和代理数量低于阈值的情况下，才能避免极化。我们解析地计算了这个临界尺寸，它依赖于强非线性的相互作用概率。

基于基尼系数的熵概括

原文标题：

Gintropy: Gini index based generalization of Entropy

地址：

https://arxiv.org/abs/2007.04829

作者：

Tamás S. Biró,Zoltán Néda

摘要：熵被用于物理学、数学、信息学及相关领域来描述信息的平衡、耗散、最大概率状态和最优压缩。另一方面，基尼系数是衡量社会和经济不平等程度的既定指标。在本文中，我们探讨了这两个量的数学相似性和联系，并介绍了一个新的措施，这是能够连接这两个在一个有趣的类比水平。这支持了这样一种观点，即基于洛伦兹曲线变换的吉布斯 — 玻尔兹曼 — 香农熵的推广可以适当地用于量化社会和经济物理学中复杂性的不同方面。

优化检测新型冠状病毒

肺炎爆发的检测策略

原文标题：

Optimizing testing policies for detecting COVID-19 outbreaks

地址：

https://arxiv.org/abs/2007.04827

作者：

Boaz Barak,Mor Nitzan,Neta Ravid Tannenbaum,Janni Yuval

摘要：新型冠状病毒肺炎流感大流行对持续的经济活动构成挑战，同时降低个人健康风险，防止不受控制的疫情爆发。这些挑战可以通过广泛的测试来缓解。我们研究测试政策，通过改变测试分成的批次数，优化单个机构(如商业、学校、养老院等)内固定的测试预算。我们证明，在指数扩散模型和合理的参数值下，当人口的随机子群经常被测试时，在初始检测时暴发的预期规模较小，而不是对整个人口的周期性测试。我们也在一个网络 SEIR 模型中模拟了不同政策的影响，这个模型考虑了诸如个人之间的可变连接性、疾病潜伏期/服务以及不准确的测试结果等因素。我们表明，在一系列广泛的早期爆发情景下，在一定的测试预算下，增加对人群随机样本的测试频率将减少社会风险，即在首次发现之前的感染机会数量。例如，每周测试四分之一的机构成员通常比每月测试整个机构要好。事实上，在许多情况下，在机构关闭和不进行测试的情况下，充分频繁的测试(一旦发现疫情爆发，结合缓解措施)甚至可以将风险降低到基线水平。底线是机构的一个简单的政策处方: 将总测试分成几个批次，而不是一次性全部使用。

在流行病传播的演变过程中

纳入社会意见

原文标题：

Incorporating social opinion in the evolution of an epidemic spread

地址：

https://arxiv.org/abs/2007.04619

作者：

Alejandro Carballosa,Mariamo Mussa-Juane,Alberto P. Muñuzuri

摘要：在不同国家控制 COVID19流行病传播的努力往往涉及限制公民的流动。最近的例子表明，这些政策的有效性在很大程度上取决于人民是否愿意遵守这些政策。这是一个很难测量和控制的参数。我们在这份手稿演示了一个系统的方式来检查一个社会的情绪和一个方法来把它纳入传染病传播的动态模型。我们举例说明了审议西班牙案例的过程，尽管其结果和方法可以直接推广到其他国家。

网络背书动态中的等级制度的产生

原文标题：

Emergence of Hierarchy in Networked Endorsement Dynamics

地址：

https://arxiv.org/abs/2007.04448

作者：

Mari Kawakatsu,Philip S. Chodrow,Nicole Eikmeier,Daniel B. Larremore

摘要：许多社会和生物系统都存在持久的等级拥有属性，包括那些围绕着学术界的声望、在动物群体中的统治地位以及在线约会的渴望而组织起来的系统。尽管它们无处不在，但解释这种等级制度的产生和持久性的一般机制还没有得到很好的理解。我们介绍了一个生成模型的动态层次结构使用时变网络，其中新的链接是基于当前网络中节点的喜好形成的，旧的链接是随着时间的推移被遗忘的。该模型产生了一系列的等级结构，从平均主义到双稳态等级，我们推导出了在长系统记忆的限制下将这些制度分开的临界点。特别的是，我们的模型支持推论统计学分析，允许使用数据对生成机制进行原则性的比较。我们应用这个模型来研究数学家雇佣模式的经验数据中的层次结构，长尾鹦鹉之间的支配关系，以及兄弟会成员之间的友谊，观察几个持久的模式，以及每个人所喜欢的生成机制中的可解释的差异。我们的工作为越来越多的关于时变网络的统计学基础模型的文献做出了贡献。

实时网络的可预测性

原文标题：

Predictability of real temporal networks

地址：

https://arxiv.org/abs/2007.04828

作者：

Disheng Tang,Wenbo Du,Louis Shekhtman,Yijie Wang,Shlomo Havlin,Xianbin Cao,Gang Yan

摘要：大多数真实网络中的链接都会随着时间的推移而改变。这种链接的时间性编码了节点之间相互作用的顺序和因果关系，并对网络的动力学和功能产生了深远的影响。经验证据表明，在许多现实世界的网络中，链接的时间性质并不是随机的。然而，考虑到拓扑和时态链接模式之间的纠缠，预测时态链接模式仍然是一个挑战。在这里，我们提出了一个基于熵率的框架，基于组合拓扑时间规则，量化任何时间网络的可预测性。我们将我们的框架应用于各种模型网络，证明它确实捕获了内在的时间拓扑规律，而以前的方法只考虑了时间方面。我们还将我们的框架应用于18个不同类型的实际网络，并确定它们的可预测性。有趣的是，我们发现，对于大多数真实的时间网络，尽管维数的增加带来了更大的可预测性复杂性，但组合的拓扑时间可预测性高于时间可预测性。我们的研究结果表明，为了改进动力学过程的预测，必须将网络的时间和拓扑方面结合起来。

客户网络:

一种预测新客户的交互式模型

原文标题：

Client Network: An Interactive Model for Predicting New Clients

地址：

https://arxiv.org/abs/2007.04810

作者：

Massimiliano Mattetti,Akihiro Kishimoto,Adi Botea,Elizabeth Daly,Inge Vejsbjerg,Bei Chen,Öznur Alkan

摘要：随着企业致力于扩大市场基础，了解潜在客户变得越来越重要。传统方法通常将每个客户机单独对待，或者研究它与现有客户机的交互或相似性。我们提出客户网络，它考虑到整个客户生态系统，通过复杂的网络分析为目标客户预测销售推广的成功。它结合了一种新颖的排名算法与数据可视化和导航。基于公司和客户之间的历史交互数据，客户网络利用组织连接性来确定到达潜在客户的最佳路径。用户界面支持探索客户生态系统和执行销售基本任务。我们的实验和用户访谈证明了客户网络的有效性及其在支持卖家日常任务方面的成功。

对比多元对应分析:

应用对比学习方法识别政治亚群

原文标题：

Contrastive Multiple Correspondence Analysis (cMCA): Applying the Contrastive Learning Method to Identify Political Subgroups

地址：

https://arxiv.org/abs/2007.04540

作者：

Takanori Fujiwara,Tzu-Ping Liu

摘要：长期以来，理想的点估计和降维被用来简化和聚合复杂的、高维度的政治数据(例如，点名投票和调查) ，用于分析和可视化。这些方法通常通过寻找数据变化最大或者受访者决策错误最少的方向或主成分(pc)来工作。然而，这些个人电脑，通常反映左右政治光谱，有时在解释数据分布的重大差异(例如，如何分类一组高度温和的选民)方面缺乏信息。为了解决这个问题，我们采用了一种新兴的分析方法，叫做对比学习。对比学习——例如，对比主成分分析——通过先将数据分成预定义的组，然后得到目标群体变化最大但背景群体变化最小的 pc。因此，cPCA 经常能够发现”隐藏的”模式，例如目标群体中的子群体，当某些变量是群体间差异的主要来源时，PCA 无法揭示这些模式。我们通过将对比学习扩展到多元对应分析(multiple correspondence analysis，MCA)来促进对比学习领域的研究，以便能够分析社会科学家经常遇到的数据——即二元、序数和名义变量。我们通过分析三个不同的调查，即2015年合作国会选举研究、2012年东京-朝日精英调查和2018年欧洲社会调查，论证了对比 MCA 的效用。结果表明，对于一般 MCA 描述组间差异的情况，cMCA 能够进一步识别目标组的特征; 对于 MCA 没有明显差异的情况，cMCA 能够成功识别传统方法所忽略的有意义的方向和子组。

基于动态贝叶斯稳态演化的

犯罪同伙网络模型

原文标题：

Network Modelling of Criminal Collaborations with Dynamic Bayesian Steady Evolutions

地址：

https://arxiv.org/abs/2007.04410

作者：

F. O. Bunnin,A. Shenvi,J. Q. Smith

摘要：潜在恐怖分子的威胁状况和犯罪勾结是不可见的，但却导致可观察到的行为和通信。当恐怖分子一致行动时，他们需要通过沟通来组织他们的阴谋。当局利用这种可观察到的行为和通信数据，为调查和警务工作提供信息。我们提出了一个动态的潜在网络模型，集成了实时通信数据和个人的先验知识。该模型估计和预测个人之间犯罪合作的潜在力量，以协助确定潜在的细胞和衡量其威胁程度。我们通过假设某些似是而非的条件独立性，来证明网络模型是如何与个体嫌疑人的模型相结合，从而提供快速透明的算法来预测群体攻击的。通过一个模拟例子说明了这些方法，该例子涉及到一个被怀疑策划攻击的小组所构成的威胁。

复杂网络的动态稳定性

原文标题：

Dynamic stability of complex networks

地址：

https://arxiv.org/abs/2007.04890

作者：

Chandrakala Meena,Chittaranjan Hens,Simcha Haber,Baruch Barzel

摘要：大型复杂系统是否稳定？这个问题最早于1972年5月提出，抓住了一个长期存在的挑战，理论和实践之间似乎存在矛盾。尽管经验现实给出了令人震惊的肯定回答，但基于线性稳定性理论的数学分析似乎提出了相反的结果，即多样性稳定悖论。在这里，我们通过考虑拓扑和动力学之间的相互作用，提出了这种二分法的解决方案。我们表明，这种相互作用导致了系统稳定矩阵中非随机模式的出现，从而导致我们放弃了流行的基于随机矩阵的范式。相反，我们提供了一个新的矩阵集成，它捕获了真实世界系统的动态稳定性。这个集合帮助我们分析识别预测系统稳定性的相关控制参数，揭示了三个广泛的动态类: 在渐近不稳定类中，多样性确实导致了不稳定梅氏悖论。然而，我们也公开了一个渐近稳定的类，这类中的大多数实际系统存在，其中的多样性不仅不禁止，但实际上，增强了动态稳定性。最后，在敏感稳定类中，多样性不起作用，因此稳定性是由系统的微观参数驱动的。总之，我们的理论揭示了复杂系统稳定性的自然规律，帮助我们调和了困扰我们几十年的悖论。

小世界网络耦合相振子

模型中的临界指数

原文标题：

Critical exponents in coupled phase-oscillator models on small-world networks

地址：

https://arxiv.org/abs/2007.04539

作者：

Ryosuke Yoneda,Kenji Harada,Yoshiyuki Y. Yamaguchi

摘要：一个耦合的相振子模型由相振子组成，每个相振子的固有频率服从一个概率分布，并通过一个给定的周期耦合函数与其他振子耦合。这种类型的模型被广泛研究，因为它描述了在非同步状态和部分同步状态之间出现的同步转变，这种转变是临界指数的拥有属性。其中，我们重点讨论了由顺序参数的耦合强度依赖性定义的临界指数。同步转换不受全对全交互的限制，全对全交互的链接数为个O(N2) 与N 振荡器，并发生在小世界网络的链接是O(N).在全对全相互作用中，临界指数的数值取决于固有频率分布和耦合函数，这些分类可分为无限多种普适性类别。在小世界网络中，一个自然的问题是，无论链接的顺序如何，依赖性是否仍然存在。为了回答这个问题，我们使用具有二次谐波以下耦合函数的有限尺寸标度方法，以及具有单模态和对称固有频率分布的方法，数值计算了小世界网络上的临界指数。我们的数值结果表明，对于连续过渡，所考虑的模型共享临界指数1/2，并且它们被压缩成一个普适性类。