对比网络分析的可视化框架 | 网络科学论文速递28篇-集智俱乐部

集智斑图最新论文栏目,关注复杂系统、网络科学、计算社会科学、生物物理、混沌理论、自组织系统等领域的前沿进展,每天爬取最新的arXiv预印本论文。


本文是对8月3日最新arXiv论文的汇总编译(by彩云小译)。更多最新论文,请扫下方二维码访问集智斑图网站获取:

对比网络分析的可视化框架 | 网络科学论文速递28篇-集智俱乐部


核心速递


  • 对比网络分析的可视化框架;

  • 复制神经结构的命运;

  • 基于状态反馈控制和观测器的记忆电路混沌自适应同步;

  • 具有流体动力学相互作用的活动布朗纤维: 构象和动力学;

  • 入侵和退去的尖锐的前方行波;

  • 基于本征相位和幅度同步的复杂动力系统变化检测;

  • 仇恨引发仇恨: 仇恨言论的时间研究;

  • 用一个新的 Twitter 数据集描述新冠肺炎虚假信息社区;

  • 社交网络上的新冠肺炎和虚假信息---- 验证对策的局限性;

  • 随机图中检测潜在几何的相变;

  • 拖网搜索: 一个数据集;

  • 大规模的,与语言无关的话语分类新冠肺炎;

  • 基于单边信任社交网络的中央服务器免费联合学习;

  • 用不稳定指数计算大型复杂系统的平衡点;

  • 纠正社会人口选择偏差,实现社交媒体的精确人口预测;

  • 使用节奏和引导来缓解适得其反的效果;

  • TA-Dash: 一个用于时空交通分析的交互式仪表盘 -- 演示文件;

  • 新冠肺炎空气传播不等式: 估计新冠肺炎空气传播的简单数学框架;

  • 追踪欧洲电力市场的二氧化碳排放;

  • 公司董事会联锁网络中的社区成员一致性;

  • 资源分配控制中对攻击或灾难的有效自愈网络;

  • 兴趣集聚系数: 像 Twitter 这样的定向网络的新衡量标准;

  • 幂律种群的异质性支配着流行波;

  • 时态网络的跨核分解算法及其应用;

  • 小集团和一种新的集群度量方法: 在美国国内航空公司的应用;

  • 新冠肺炎流行病的分数模型: 对意大利数据的应用;

  • 新冠肺炎疫情的模型: 意大利个案研究中的疫苗有效性;

  • 加拿大新冠肺炎死亡率的广义可加模型;





对比网络分析的可视化框架


原文标题:

A Visual Analytics Framework for Contrastive Network Analysis

地址:

http://arxiv.org/abs/2008.00151

作者:

Takanori Fujiwara,Jian Zhao,Francine Chen,Kwan-Liu Ma


摘要:一个常见的网络分析任务是对两个网络进行比较,以确定一个网络相对于另一个网络的独特特征。例如,当比较来自正常组织和癌症组织的蛋白质相互作用网络时,一个重要的任务是发现癌症组织特有的蛋白质-蛋白质相互作用。然而,当网络包含复杂的结构(和语义)关系时,这项任务是具有挑战性的。为了解决这个问题,我们设计了 ContraNA,一个可视化分析框架,它利用机器学习的力量来揭示网络中的独特特性,同时也利用可视化来理解这种独特性的有效性。ContraNA 的基础是 cNRL,它集成了网络表示学习(NRL)和对比学习(CL)两种机器学习方案,生成一个低维嵌入,揭示了一个网络与另一个网络相比的独特性。ContraNA 提供了一个交互式的可视化界面,通过关联嵌入结果和网络结构以及解释 cNRL 的学习特征来帮助分析独特性。我们用两个使用真实世界数据集的案例研究证明了 ContraNA 的有用性。我们还通过对12名参与者的网络比较任务的受控用户研究进行评估。结果表明,参与者能够有效地识别复杂网络的独特特征,并解释从 cNRL 得到的结果。



用不稳定指数

计算大型复杂系统的平衡点


原文标题:

Counting equilibria of large complex systems by instability index

地址:

http://arxiv.org/abs/2008.00690

作者:

Gérard Ben Arous,Yan V Fyodorov,Boris A Khoruzhenko


摘要:我们考虑一个N≫1 自由度的随机非线性自治系统,由弛豫(‘梯度’)和非弛豫(‘螺线管’)随机相互作用耦合。我们证明,随着相互作用强度的增加,这类系统通常会突然从一个单一稳定平衡的平凡相图过渡到一个“绝对不稳定”的拓扑非平凡区域,其中平衡是平均指数丰富的,但通常它们都是不稳定的,除非动力学是纯梯度的。当相互作用进一步增加时,稳定的平衡最终平均指数地变得丰富,除非相互作用是纯粹的螺线管。我们进一步计算具有不稳定方向的固定分数的平衡态的平均比例。



复制神经结构的命运


原文标题:

Fate of Duplicated Neural Structures

地址:

http://arxiv.org/abs/2008.00531

作者:

Luís F Seoane


摘要:统计力学根据成本效益平衡决定物质的多种安排。它的形式主义和现象学渗透到整个生物过程中,并设定了有效计算的限制。在特定的条件下,自我复制和计算复杂的模式受到青睐,产生生命、认知和达尔文进化论。神经元和神经回路位于统计力学、计算和(通过他们在认知中的角色)自然选择之间的十字路口。我们能建立一个神经电路的{ em 统计物理学}吗?这样的理论可以告诉我们,在一定的能量、进化和计算条件下,什么样的大脑会出现。有了这个大图景,我们将注意力集中在复制神经回路的命运上。我们看了来自中枢神经系统的例子,强调了可能导致这种冗余的计算阈值。我们还研究了实现复杂表型的复制电路的一个幼稚的成本收益平衡。从这里我们推导出单个和复制电路之间的{ em 相图}和(类相)跃迁,这限制了复杂认知的进化路径。回到大的图景,类似的相图和转变可能会限制 I/O 和神经回路的内部连接模式。统计力学的形式主义似乎是值得研究的一个自然的框架。



基于状态反馈控制和观测器

的记忆电路混沌自适应同步


原文标题:

State Feedback Control and Observer Based Adaptive Synchronization of Chaos in a Memristive Murali-Lakshmanan-Chua Circuit

地址:

http://arxiv.org/abs/2008.00426

作者:

A Ishaq Ahamed,M Lakshmanan


摘要:本文研究了记忆电阻 Murali-Lakshmanan-Chua 电路中混沌的控制与同步问题。这个电路,由本文作者在2013年介绍,基本上是一个非光滑系统有两个不连续边界,因为它有一个磁通控制的有源记忆电阻器作为它的非线性元件。在利用状态反馈技术实现混沌控制的同时,利用自适应同步和基于观测器的方法实现了混沌的同步。这两种技术都是基于在控制工程领域广为人知的状态空间理论。正如我们在这个电路的早期工作一样,我们导出了庞卡尔的{ e }不连续映射(PDM)和零时间不连续映射(ZDM)修正,这两个修正对于实现非光滑系统的真正动力学是必不可少的。进一步构造了基于观测器和控制器的状态空间表示规范形,建立了 Luenberger 观测器,推导了实现状态反馈控制的控制器增益矢量,计算了开关反馈的增益矩阵,最后进行了基于观测器的自适应同步参数估计。数值模拟的结果包括时间图、相图、参数估计、误差图和完全同步的相图的收敛性。



具有流体动力学相互作用的

活动布朗纤维: 

构象和动力学


原文标题:

Active Brownian filaments with hydrodynamic interactions: conformations and dynamics

地址:

http://arxiv.org/abs/2008.00950

作者:

Aitor Martin-Gomez,Thomas Eisenstecken,Gerhard Gompper,Roland G. Winkler


摘要:用布朗动力学模拟和解析理论,研究了活性自走丝/聚合物在水动力相互作用下的构象和动力学性质。从数值上考虑了由活性布朗粒子组成的离散线性链,解析地考虑了活性速度扩散变化的连续线性半柔性聚合物。考虑了活性单体的无力特性,忽略了高阶流体动力多极矩。活化过程的非平衡特征意味着聚合物的弛豫时间与其固定态性质有关。特别是在中等活性时,HI 导致柔性和半柔性聚合物的大幅度收缩,其程度远远超过可比的自由排水聚合物的收缩程度,即使是柔性的 HI- 聚合物也会收缩,而活性的自由排水聚合物则单调地膨胀。大的活动意味着回流,然而,在一个较小的程度上比非 hi 聚合物,由于较短的聚合物弛豫时间由于流体动力学相互作用。聚合物均方位驱得到增强,出现了活性决定的弹道机制。在很宽的时间尺度范围内,柔性活性聚合物呈现出水动力学调控的次扩散区域,其指数明显小于被动聚合物的 Rouse 和 Zimm 模型。与模拟结果相比,近似解析方法预测的流体动力效应较弱。



入侵和退去的尖锐的前方行波


文标题:

Invading and receding sharp--fronted travelling waves

地址:

http://arxiv.org/abs/2008.00662

作者:

Maud El-Hachem,Scott W McCue,Matthew J Simpson


摘要:生物入侵,即能动个体和增殖个体的种群导致移动前锋入侵空白区域,常规地使用基于经典 Fisher-- KPP 模型的偏微分方程模型进行研究。虽然 Fisher-- KPP 模型和扩展已经成功地用于模拟一系列侵入现象,包括生态和细胞入侵,但是 Fisher-- KPP 模型的一个经常被忽视的局限性是,它不能用于模拟种群空间范围随时间减少的生物衰退。本文研究了 textit { Fisher-- Stefan }模型,它是将 Fisher-- KPP 模型转化为移动边界问题得到的 Fisher-KPP 模型的推广。无量纲费舍尔-斯蒂芬模型只涉及一个参数,它将运动边界处密度波阵面的形状与相应的行波速度联系起来,c。这些近似值使我们能够确定 c 和 c 之间的关系,因此,通常报道的 c 的实验估计值可以用来提供未知参数的估计值。有趣的是,当我们将 Fisher-KPP 模型重新解释为一个移动边界问题时,由于通常不考虑 c < 2的行波解,许多被忽略的 Fisher-KPP 相平面的特征被重新解释。这意味着我们对 Fisher-Stefan 模型的分析既有实用价值,也有内在的数学价值。



基于本征相位和幅度同步的

复杂动力系统变化检测


原文标题:

Change detection in complex dynamical systems using intrinsic phase and amplitude synchronization

地址:

http://arxiv.org/abs/1701.00610

作者:

Ashif Sikandar Iquebal,Satish Bukkapatnam,Arun Srinivasa


摘要:针对非线性、非平稳动态系统,提出了一种在高噪声环境下,通过跟踪单变量时间序列信号分量之间的局部相位和幅度同步来检测尖锐变化点(短暂和持续)的方法。信号成分是通过内禀时间尺度分解(ITD) ,一个非线性,非参数分析方法。我们发现,与随机信号波动相比,尖锐变化点的特征被保留在多个 ITD 分量中,并且具有更高的概率。理论结果表明,结合保留在一组特定的 ITD 组件的变点信息,提供了检测具有高特异性和敏感性的突变的可能性。随后,我们引入了一个相互协议的概念,以确定最有可能捕获关于兴趣动态变化信息的 ITD 组件集,并定义一个 InSync 统计数据来捕获这些本地信息。广泛的数字研究以及涉及基准神经生理过程和工业机器传感器数据的实际案例研究表明,与所测试的其他现代方法相比,目前的方法可以检测出尖锐的变化点,平均提前62% (按平均游程长度计算)。



仇恨引发仇恨: 

仇恨言论的时间研究


原文标题:

Hate begets Hate: A Temporal Study of Hate Speech

地址:

http://arxiv.org/abs/1909.10966

作者:

Binny Mathew,Anurag Illendula,Punyajoy Saha,Soumya Sarkar,Pawan Goyal,Animesh Mukherjee


摘要:随着关于言论自由和仇恨言论的辩论不断进行,我们迫切需要认真了解这两者不可避免的高潮的后果,即随着时间的推移,仇恨言论的自由。要理解这一点,一个理想的方案是观察仇恨言论在(几乎)无限制的环境中的影响。因此,我们在 gab 网站上对仇恨言论进行了第一次时间分析,这是一个有着非常宽松的节制政策的社交媒体网站。我们首先从数以百万计的帖子和用户生成 Gab 的时间快照。利用这些时间快照,我们计算一个基于 DeGroot 模型的活动向量来识别可恨的用户。在 Gab 中仇恨言论的数量正在稳步增加,新用户正以越来越快的速度变得越来越可恨。此外,我们的分析显示,仇恨用户占据突出位置的 Gab 网络。此外,社区作为一个整体所使用的语言似乎与仇恨用户的语言相关性更大,而非仇恨用户的语言相关性更大。我们讨论了许多关键的设计问题是如何从我们的工作中开发出来的。



用一个新的 Twitter 数据集

描述新冠肺炎虚假信息社区


原文标题:

Characterizing COVID-19 Misinformation Communities Using a Novel Twitter Dataset

地址:

http://arxiv.org/abs/2008.00791

作者:

Shahan Ali Memon,Kathleen M. Carley


摘要:从阴谋论到假药和假治疗,新型冠状病毒肺炎已经成为在线传播错误信息的温床。现在比以往任何时候都更重要的是找出方法来揭穿和纠正网上的错误信息。在本文中,我们提出了一个方法论和分析来刻画这两个相互竞争的网络虚假信息社区: (i)虚假信息的用户或主动发布虚假信息的用户,和(ii)主动传播真实信息的知情用户或主动发布虚假信息的用户。这项研究的目标有两个方面: (一)收集一套不同的注释的新型冠状病毒肺炎推特数据集,可以用于研究社区进行有意义的分析; (二)描述这两个目标社区的网络结构,语言模式,以及他们在其他社区的成员。我们的分析表明,被新型冠状病毒肺炎误导的社区比被告知的社区更密集,更有组织,大量的错误信息是虚假信息活动的一部分。我们的分析还表明,大多数被误导的用户可能是反 vaxxers。最后,我们的社会语言学分析表明,有新型冠状病毒肺炎的用户比有误导的用户倾向于使用更多的叙述。



社交网络上的新冠肺炎

和虚假信息---- 验证对策的局限性



原文标题:

COVID-19 Misinformation and Disinformation on Social Networks -- The Limits of Veritistic Countermeasures

地址:

http://arxiv.org/abs/2008.00784

作者:

Andrew Buzzell


摘要新型冠状病毒肺炎流行病一直是大量错误信息的主题,尤其是在数字信息环境中,主要的社交媒体平台最近公布了他们正在采取的一些对策。这提供了一个机会来审查所产生的错误信息和虚假信息的性质,以及用来对付这种错误信息和虚假信息的理论和技术范式。我认为,这种方法是基于一种错误信息的概念,即认识性污染,只能证明有限和可能不充分的应对措施是合理的,而且在实践中采取的一些措施超过了这一概念。事实上,社交网络管理的生态和建筑条件影响了他们平台上的话语,这种方式应该促使人们重新考虑基于认知干预来打击错误信息的理由,以及他们需要的干预类型。平台的编辑角色不应该仅仅被界定为对认知污染的管理,而应该被界定为管理叙事和社会认知过程发生的认知环境。这其中不可避免地包含着认识论家长式主义的因素,探讨其正当性的独立制约因素,有助于确定其在实践中的适当运用限度。



随机图中检测潜在几何的相变


原文标题:

Phase Transitions for Detecting Latent Geometry in Random Graphs

地址:

http://arxiv.org/abs/1910.14167

作者:

Matthew Brennan,Guy Bresler,Dheeraj Nagaraj


摘要:具有潜在几何结构的随机图是社会网络和生物网络的常用模型,应用范围从网络用户剖析到电路设计。这些图也是纯粹的理论兴趣在计算机科学,概率和统计。关于这些模型的一个基本的初始问题是: 这些随机图什么时候受到它们的潜在几何形状的影响,什么时候它们与没有潜在结构的简单模型不可区分,例如 erd s-rényi 图 g (n,p) ?我们针对具有潜在几何形状的随机图的两个研究最为充分的模型——随机交集和随机几何图来讨论这个问题。我们的结果如下: (1)我们证明了当 d = ~ (n3)时,随机交图在全变差中收敛于 g (n,p) ,并且当 d = o (n3)时不收敛,解决了 Fill 等人(2000) ,Rybarczyk (2011)和 Kim 等人(2018)中的一个开放问题;(2)给出了随机集族的交集大小矩阵收敛于具有独立 Poisson 项的对称矩阵的条件,得到了-随机交集图收敛于 g (n,p)的第一个全变差收敛结果;(3)我们证明了当 d = ~ (min { pn3,p2n7/2})时,具有边密度 p 的 Sd-1上的随机几何图收敛于 g (n,p)的全变分,从而使 Bubeck 等人(2016)的一个猜想有了第一个进展。这三个结果中的第一个是由布贝克、拉奇和里奇同时独立获得的。



拖网搜索: 一个数据集


原文标题:

Trawling for Trolling: A Dataset

地址:

http://arxiv.org/abs/2008.00525

作者:

Hitkul,Karmanya Aggarwal,Pakhi Bamdev,Debanjan Mahata,Rajiv Ratn Shah,Ponnurangam Kumaraguru


摘要准确检测和自动过滤冒犯性内容的能力对于保证丰富多样的数字话语非常重要。恶意攻击是一种在社交媒体中普遍存在的伤害性或冒犯性内容,但在用于检测冒犯性内容的数据集中没有得到充分体现。在这项工作中,我们提出了一个数据集,模型作为攻击性内容的一个子类。该数据集是通过从众所周知的数据集中收集样本并按照不同类别的攻击性内容的精确定义重新注释它们而创建的。数据集有12,490个样本,分为5个类别: 正常,亵渎,攻击,贬损和仇恨言论。它包含了来自 Twitter,Reddit 和 Wikipedia Talk Pages 的内容。在我们的数据集上训练的模型在没有任何显著的超参数调整的情况下显示了可观的性能,并且可以有效地学习有意义的语言信息。我们发现这些模型对数据消融非常敏感,这表明数据集很大程度上缺乏虚假的统计假象,否则会分散和混淆分类模型。



大规模的,与语言无关的

话语分类新冠肺炎


原文标题:

Large-scale, Language-agnostic Discourse Classification of Tweets During COVID-19

地址:

http://arxiv.org/abs/2008.00461

作者:

Oguzhan Gencoglu


摘要:量化公众关注的特点是在流行病等严重事件期间进行适当危机管理的一个必要先决条件。为此,我们提出了一种与语言无关的 tweet 表示方法,用机器学习来实现大规模的 Twitter 语篇分类。我们对超过2600万条新型冠状病毒肺炎微博的分析表明,通过计算轻量级分类器的开箱即用,大规模监控公共话语是可行的。



基于单边信任社交网络的

中央服务器免费联合学习


原文标题:

Central Server Free Federated Learning over Single-sided Trust Social Networks

地址:

http://arxiv.org/abs/1910.04956

作者:

Chaoyang He,Conghui Tan,Hanlin Tang,Shuang Qiu,Ji Liu


摘要:联邦学习对于现代机器学习已经变得越来越重要,特别是对于数据隐私敏感的场景。现有的联合学习大多采用基于中央服务器的体系结构或集中式体系结构。然而,在许多社交网络场景中,集中式联邦学习并不适用(例如,可能不存在连接所有用户的中央代理或服务器,或者到中央服务器的通信成本无法承受)。在本文中,我们考虑一个通用的设置: 1)中心服务器可能不存在,2)社会网络是单向的或单边信任的(即用户 a 信任用户 b,但用户 b 不信任用户 a)。我们提出了一种无需中央服务器的联邦学习算法,称为在线推和(Online Push-Sum,OPS)方法,来处理这种具有挑战性但是很通用的场景。还提供了严格的后悔分析,它显示了非常有趣的结果,说明在联邦学习场景中,用户如何从与可信用户的通信中受益。这项工作建立在通用社会网络场景中的联邦学习的基本算法框架和理论保证之上。



纠正社会人口选择偏差,

实现社交媒体的精确人口预测


原文标题

Correcting Sociodemographic Selection Biases for Accurate Population Prediction from Social Media

地址

http://arxiv.org/abs/1911.03855

作者:

Salvatore Giorgi,Veronica Lynn,Sandra Matz,Lyle Ungar,H. Andrew Schwartz


摘要:社交媒体越来越多地用于大规模的人口预测,例如估计社区卫生统计数据。然而,社交媒体用户通常不是预期人群的典型样本——这是一种“选择偏见”。通过在 Twitter 上预测美国郡人口健康统计数据的六项任务,我们探索了标准的重新分层技术——偏见缓解方法,这种方法根据抽样不足的社会人口群体重新衡量特定人群的变量。我们发现标准的重新分层没有提供改善,而且常常降低人口预测的准确性。造成这种情况的核心原因似乎是对每个人口的社会人口统计数据的缩小和稀疏的估计,因此我们制定并评估了三种方法来解决这个问题: 预测性重新分布以解决人口缩小的问题,以及适应性的分类和知情平滑处理稀疏的社会人口统计估计。我们表明我们的每一种方法都可以比标准的重新分层方法有显著的改进。结合各种方法,我们发现与非再分层模型相比有了很大的改进,预测被调查者生活满意度的解释方差增加了44.9% ,在所有任务中平均增加了10.5%。



使用节奏和引导

来缓解适得其反的效果


原文标题:

Mitigating theBackfire Effect Using Pacing and Leading

地址:

http://arxiv.org/abs/2008.00049

作者:

Qi Yang,Khizar Qureshi,Tauhid Zaman


摘要:在线社交网络创造了回音室,在那里人们很少接触到反对意见。即使发生了这样的暴露,劝说效果也可能微乎其微或者根本不存在。最近的研究表明,接触反对意见会产生适得其反的效果,人们会变得更加坚定自己的原始信念。我们在 Twitter 上进行了一项纵向实地实验,以测试减轻事与愿违效果的方法,同时让人们接触相反的观点。我们的研究对象是有反移民情绪的 Twitter 用户。这种适得其反的效果被定义为在受试者的帖子中使用极端反移民语言的频率增加。我们使用自动推特账号,或者机器人,对受试者进行不同的处理。一个机器人只发布了支持移民的内容,我们称之为争论。另一个机器人最初发布反移民内容,然后逐渐发布更多支持移民的内容,我们称之为节奏和引导。我们还将联系方式与基于信息的方法结合起来,让机器人对受试者的帖子产生好感。我们发现最有效的治疗方法是起搏和接触引导相结合。最没有效果的治疗方法是与接触争论。事实上,与对照组相比,与接触组争吵的结果总是适得其反。这些发现有很多局限性,但它们对于研究政治两极分化、在线社交网络中的逆火效应和说服力仍有重要意义。



TA-Dash: 

一个用于时空交通分析的

交互式仪表盘 -- 演示文件


原文标题:

TA-Dash: An Interactive Dashboard for Spatial-Temporal Traffic Analytics -- Demo Paper

地址:

http://arxiv.org/abs/2008.00002

作者:

Nicolas Tempelmeier,Anzumana Sander,Udo Feuerhake,Martin Löhdefink,Elena Demidova


摘要:近年来,大量的研究工作旨在开发机器学习模型,以预测复杂的时空移动模式及其对道路交通和基础设施的影响。然而,由于缺乏可访问的用户界面来查看和分析预测结果,这些模型的效用常常减少。在本文中,我们提出了交通分析仪表板(TA-Dash) ,一个交互式的仪表板,使复杂的时空城市交通模式的可视化。我们以最近提出的两个城市交通和城市道路基础设施分析的时空模型为例,演示了 TA-Dash 的效用。特别是,用例包括对计划中的特殊事件对城市道路交通的影响的分析、预测和可视化,以及对城市道路网络中的结构性依赖关系的分析和可视化。轻量级 TA-Dash 仪表板旨在解决参与城市交通管理和移动服务规划的非专家用户。TA-Dash 建立在一个灵活的基于层的架构之上,这个架构很容易适应新模型的可视化。



新冠肺炎空气传播不等式: 

估计新冠肺炎

空气传播的简单数学框架


原文标题:

The COVID-19 Airborne Transmission (CAT) Inequality: A Simple Mathematical Framework for Estimating Airborne Transmission of COVID-19

地址:

http://arxiv.org/abs/2008.00973

作者:

Rajat Mittal


摘要:一个简单的数学模型估计风险的空气传播的呼吸道感染,如新型冠状病毒肺炎。该模型试图纳入已知范围的物理因素涉及的空气传播这类疾病,其目的不仅是作为跨学科的科学研究的共同基础,而且也是可以理解的广大受众以外的科学界和学术界。



追踪欧洲电力市场的

二氧化碳排放


原文标题:

Tracing carbon dioxide emissions in the European electricity markets

地址:

https://arxiv.org/abs/2008.00893

作者:

Mirko Schäfer,Bo Tranberg,Dave Jones,Anke Weidlich


摘要基于消费的碳排放量计量旨在计算来自遥远地区的动力传输排放量,而不是只考虑当地发电量的计量。我们概述了这种方法的两种不同方法的主要差异,报告了2016年至2019年欧洲国家基于消费的发电排放强度的结果。我们发现,特别是对关系密切的较小国家而言,考虑进口对属性排放有重大影响。对于这些国家来说,每小时和每年平均排放量都反映了美国投入产出模型中隐含的方法选择。



公司董事会联锁网络中的

社区成员一致性


原文标题:

Community membership consistency in corporate board interlock networks

地址:

http://arxiv.org/abs/2008.00745

作者:

Dafne E. van Kuppevelt,Rena Bakhshi,Eelke M. Heemskerk,Frank W. Takes


摘要:社区检测是研究社会网络中尺度结构的一种成熟的方法。应用社区检测算法导致将网络划分为社区,通常用于检查和推理特定节点的社区成员关系。社区结构的微观层面解读是典型社会科学研究中的关键一步。然而,在这一步的方法学警告是,几乎所有的现代社区检测方法是不确定的,基于随机化和近似的结果。在推理单个节点的社区成员时,需要明确地考虑到这一点。为此,我们提出了一个 emph {社区成员一致性}的度量标准,该度量标准提供了节点级别的洞察力,以了解将该节点放置到社区中的真实可靠程度。此外,它使我们能够区分社区的 emph {社区核心}成员。在公司董事会联锁网络中,加权链表示公司之间共享的高级管理者,证明了所提出指标的有用性。结果表明,全球商业团体的社区结构是围绕着由地理和文化接近的核心国家组成的持久社区。此外,我们还确定了一些边缘国家,它们似乎与许多不同的全球商业社区有关联。



资源分配控制中

对攻击或灾难的有效自愈网络


原文标题:

Effective Self-Healing Networks against Attacks or Disasters in Resource Allocation Control

地址:

http://arxiv.org/abs/2008.00651

作者:

Yukio Hayashi,Atsushi Tanaka,Jun Matsukubo


摘要:随着大规模袭击或灾害的威胁日益增加,现在是重建通信或运输系统等网络基础设施的时候了,而不是像以前那样在发生事故时恢复这些基础设施,因为许多真实的网络极其脆弱。因此,我们认为通过重新连接(重用或添加链接)的自我修复机制是可持续的、有弹性的网络,甚至可以抵御恶意攻击。在分布式局部愈合过程中,关键策略是通过应用统计物理学中的消息传递算法,扩展连接节点的候选节点,增强循环。仿真结果表明,与传统方法相比,我们提出的结合环形和增强环的方法,对半数以上受损链路存活或由保留链路进行补偿的情况尤其有效。



兴趣集聚系数: 

像 Twitter 这样的

定向网络的新衡量标准


原文标题:

Effective Self-Healing Networks against Attacks or Disasters in Resource Allocation Control

地址:

https://arxiv.org/abs/2008.00517

作者:

Thibaud Trolliet,Nathann Cohen,Frédéric Giroire,Luc Hogie,Stéphane Pérennes


摘要:本文研究了有向社会图的聚类问题。我们之所以引入集聚系数,是为了捕捉这样一种社会现象: 朋友的朋友往往是我的朋友。这个度量标准已经被广泛研究,并且已经被证明对于描述一个社会图表的特征非常有趣。事实上,集聚系数网站的链接是无向的,比如友谊链接(Facebook)或者专业链接(LinkedIn)。对于一个图表,其中的链接是从一个信息来源指向一个消费者的信息,这是不够的。我们表明,以前的研究已经遗漏了包含在这样的图表的有向部分的许多信息。因此,我们引入了一种新的度量方法来度量一个带有兴趣链接的有向社交图的聚类,即兴趣集聚系数。我们在一个非常大的社交图表上计算它(精确地使用抽样方法) ,一个拥有5.05亿用户和230亿链接的 Twitter 快照。此外,我们还提供了以前引入的有向度量和无向度量的值,这在如此大的快照中还是第一次。我们发现兴趣集聚系数比文献中介绍的经典定向聚类系数要大。这显示了度量的相关性来捕捉有向图的信息方面。



幂律种群的异质性支配着流行波


原文标题:

Power-Law Population Heterogeneity Governs Epidemic Waves

地址:

http://arxiv.org/abs/2008.00471

作者:

Jonas Neipel,Jonathan Bauermann,Stefano Bo,Tyler Harmon,Frank Jülicher


摘要:我们推广了流行病的易感-感染-去除模型,以考虑人群易感程度的异质性的一般效应。我们引入了一个新的参数,它对应于描述种群异质性的极化率分布的幂律指数。我们证明,我们的广义模型是简单的,因为原来的模型是包含作为一个极限情况。由于这种简单性,可以很容易地生成数值解,而且仍然可以准确地得到流行病波的关键性质。特别是,我们提出了群体免疫水平的精确表达式,流行病的最终规模,以及波的形状和可以在流行病期间量化的可观测值。我们发现,在异质性很强的人群中,流行病只涉及人口的一小部分。这意味着群体免疫水平可以远远低于常用的同质群体模型。用我们的模型分析德国 SARS-CoV-2流行病的数据表明,报告的时间过程与几种不同免疫水平的情况拥有属性一致。这些情景在人口异质性和感染率的时间过程中有所不同,例如由于缓解努力或季节性。我们的分析表明,量化缓解影响需要了解人口的异质性程度。我们的工作表明,在不增加模型复杂性的情况下,可以捕获种群异质性的关键影响。我们表明,有关人口异质性的信息将是了解一种流行病已经发展到何种程度以及对其未来进程可以预期什么的关键。



时态网络的

跨核分解算法及其应用


原文标题:

Span-core Decomposition for Temporal Networks: Algorithms and Applications

地址:

http://arxiv.org/abs/1910.03645

作者:

Edoardo Galimberti,Martino Ciaperoni,Alain Barrat,Francesco Bonchi,Ciro Cattuto,Francesco Gullo


摘要:在分析时间网络时,一个基本的任务是识别密集结构(即,表现出大量链接的顶点组) ,以及它们的时间跨度(即,高密度所持有的时间段)。在本文中,我们通过引入时间核分解的概念来处理这个任务,其中每个核与两个量相关联,它的核数量化了它连接的紧密程度,以及它的跨度,这是一个时间间隔: 我们称这种核为 emph { span-cores }。对于定义在离散时间域 t 上的时间网络,包含在 t 中的时间间隔总数是 | t | 的二次方,因此,跨度核的总数也可能是 | t | 的二次方。我们的第一个主要贡献是一个算法,通过利用跨核之间的包容属性,可以有效地计算所有跨核。然后,我们重点研究了如何只找到 emph { maximal span-cores } ,即不受任何其他 span-cores 控制的 span-cores,它们的核心性质和跨度都很重要。我们设计了一个非常有效的算法,利用最大性条件的理论发现,直接提取最大值,而不需要计算所有的跨核。最后,作为第三个贡献,我们引入了 emph {时态社区搜索}问题,其中一组查询顶点作为输入,目标是找到一组包含查询顶点并覆盖整个底层时态域 t 的紧连通子图。我们推导了这个问题和寻找(最大)跨度核心问题之间的联系。在此基础上,给出了时态社区搜索问题的动态规划多项式时间求解方法,以及如何有效利用最大跨度核来加快基本算法的速度。



小集团和一种新的集群度量方法: 

在美国国内航空公司的应用


原文标题:

Cliques and a new measure of clustering: with application to U.S. domestic airlines

地址:

https://arxiv.org/abs/1806.05866

作者:

Steve Lawford,Yll Mehmeti


摘要:对于任意数量的三元组 c (3) ,我们提出了著名的整体集聚系数的高阶推广。给出了三、四、五个节点的特殊情况下的解析公式,并证明了它们对于小图具有非常快的运行时性能。我们讨论了这个新测度的一些理论性质和局限性,并用它来深入了解美国航空公司网络结构的动态变化。



新冠肺炎流行病的分数模型: 

对意大利数据的应用


原文标题:

A fractional model for the COVID-19 pandemic: Application to Italian data

地址:

http://arxiv.org/abs/2008.00033

作者:

Elisa Alòs,Maria Elvira Mancino,Raúl Merino,Simona Sanfelici


摘要:我们为意大利的新型冠状病毒肺炎大流行提供了一个概率 SIRD 模型,在这个模型中,我们允许感染率、恢复率和死亡率是随机的。特别地,潜在的随机因子是由分数布朗运动驱动的。我们的模型简单,只需要几个参数就可以进行校正。



新冠肺炎疫情的模型: 

意大利个案研究中的疫苗有效性


原文标题:

A model for the outbreak of COVID-19: Vaccine effectiveness in a case study of Italy

地址:

http://arxiv.org/abs/2008.00828

作者:

Vasiliki Bitsouni,Nikolaos Gialelis,Ioannis G. Stratis


摘要:我们提出了一个区室数学模型与人口统计学的新型冠状病毒肺炎传播,也考虑无症状感染个体。计算了模型的基本再生比,并研究了模型的局部稳定性和全局稳定性。以意大利为例,对模型进行了数值求解。我们提出了一个疫苗接种模型,并推导了在疫苗不完美的情况下防止感染传播的阈值条件。



加拿大新冠肺炎

死亡率的广义可加模型


原文标题:

Generalized additive models to capture the death rates in Canada COVID-19

地址:

http://arxiv.org/abs/2008.01030

作者:

Farzali Izadi


摘要:为了捕捉加拿大新型冠状病毒肺炎的死亡率和每周、每两周或者每月的强烈模式,我们在缺乏直接的基于统计学的感染率测量的情况下使用了广义可加模型。通过检查加拿大的总体死亡率,尤其是魁北克省、安大略省和艾伯塔省的死亡率,我们可以很容易地发现,相对于泊松来说,这里存在着大量的过度分散,所以负二项分布是分析的一个合适的选择。广义可加模型是数据分析的主要建模工具之一。在回归模型的线性预测中,GAMs 可以有效地将不同类型的固定、随机和平滑项结合起来,以解释不同类型的影响。广义线性回归模型(GAMs)是广义线性模型(GLMs)的一种半参数延伸,通常用于没有先验理由选择一个特定的响应函数,如线性、二次等,并且需要数据来“为自己说话”的情况。GAMs 通过平滑函数来做到这一点,并将模型中的每个预测变量分解成由“节”划分的部分,然后将多项式函数分别适合于每个部分,约束条件是在节点处没有链接——分离函数的二阶导数在节点处相等。


来源:集智斑图
编辑:王建萍



复杂系统前沿文献交流群


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


对比网络分析的可视化框架 | 网络科学论文速递28篇-集智俱乐部


近期网络科学论文速递


利用节点复制,防止图网络遭到拓扑攻击 | 网络科学论文速递30篇

基于深度学习的气候数据时空预测新框架 | 网络科学论文速递21篇

城市结构对新冠肺炎蔓延的影响 | 网络科学论文速递17篇

在引文网络中发现科学共同体: 趋同聚类 | 网络科学论文速递17篇

基于环境噪声的网络重构 | 网络科学论文速递18篇

加入集智,一起复杂!



对比网络分析的可视化框架 | 网络科学论文速递28篇-集智俱乐部


集智俱乐部QQ群|877391004

商务合作及投稿转载|swarma@swarma.org

◆ ◆ 

搜索公众号:集智俱乐部


加入“没有围墙的研究所”

对比网络分析的可视化框架 | 网络科学论文速递28篇-集智俱乐部

让苹果砸得更猛烈些吧!


👇点击“阅读原文”,了解更多最新arxiv论文