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、统计物理等领域的前沿进展，每天即时更新相关顶刊论文，和最新arXiv预印本论文。

本文是对近期arXiv论文的汇总编译（by 彩云小译）。更多最新论文，请扫二维码获取。

核心速递

新冠疫情期间新浪微博上的注意力动力学；
大型复杂系统中非线性生成的回弹；
基于细胞模型的自平衡网络分析；
神经网络模拟混沌动力学的精度: 训练数据的精度与算法的精度；
图形绘制算法的图灵测试；
走向一个更加现实的引用模型: 研究团队规模的关键作用；
利用网络嵌入改进网络对齐；
一种 ad-hoc 社会网络生成方法；
利用网络局部信息进行边缘采样；
档案的综合性: 建设全面共享文化遗产的现代人工智能途径；
自然灾害对消费者行为的影响: 以2017年秘鲁的厄尔尼诺现象为例；
基于城市规模代理的新冠肺炎流行背景下非药物干预研究模拟器；
来自众包数字路线选择支持的交通流分流；
科技论文推荐: 利用共同作者关系和历史偏好；
一种用于隐蔽网络分析的综合网络生成器；
非合作无线中继网络中以人为中心的通信研究综述；
作者影响: 评价，预测和挑战；

新冠疫情期间

新浪微博上的注意力动力学

原文标题：

Attention dynamics on the Chinese social media Sina Weibo during the COVID-19 pandemic

地址：

http://arxiv.org/abs/2008.04418

作者：

Hao Cui,János Kertész

摘要：新型冠状病毒肺炎在中国湖北省首次被发现，从那时起对中国的生活产生了严重的影响。我们调查了2019年12月16日至2020年4月17日期间，这种流行病是如何影响中国最大的微博网站新浪微博的注意力的。我们关注的是实时热点搜索列表(HSL) ，它根据新浪微博的搜索量，提供了最受欢迎的50个 # 标签的排名。我们展示了流行期间的特定事件、措施和发展如何影响了新的 # 标签的出现和 HSL 的排名。2020年1月20日，当这种疾病在人与人之间传播的消息公布后，HSL 上与新型冠状病毒肺炎有关的话题标签开始显著增加。然后很快就出现了一种情况，即随着内容的变化，与 covidd 相关的 hashtag 的参与占 HSL 的30-70% 。我们分析了话题标签话题在调查时间跨度内的变化，并得出结论: 话题标签话题在2月12日和3月12日之间分为三个时期。在第一阶段，我们看到了强烈的局部相关性和 hashtags 的聚集; 在第二阶段，相关性被削弱，没有聚集模式; 在第三阶段，我们看到了聚集的潜力，但不像第一阶段那么强。为了量化 HSL 的动态性，我们测量了列表中 hashtags 的寿命和给定等级的等级多样性。我们的观察表明，自从中国大陆的新型冠状病毒肺炎爆发以来，人们的注意力发生了多样化，由于与新型冠状病毒肺炎相关的标签，人们的注意力在爆发后不久就衰退得很快，而且衰退的速度较慢，持续的时间也较长，所以在 HSL 的前15名中，人们的注意力发生了更大的变化。

大型复杂系统中非线性生成的回弹

原文标题：

Nonlinearity-generated Resilience in Large Complex Systems

Analysing Networks of Networks

地址：

http://arxiv.org/abs/2008.04622

作者：

Sirio Belga Fedeli,Yan V Fyodorov,J. R. Ipsen

摘要：我们考虑了梅的1972模型的一般非线性扩展，通过包括所有高阶项在选定的不动点(放置在原点)周围的扩展随机高斯系数。随后的分析表明，只要原点保持稳定，它就被一个”弹性差距”所包围: 在半径 r * > 0范围内没有其他固定点，因此，预计该系统对典型的初始位移的弹性小于 r * 。半径 r * 在原点失去局部稳定性的同一阈值处消失，揭示了接近引爆流行的系统弹性变差的机制。我们还发现，在弹性半径之外，围绕原始平衡点的球中固定点的数目随 n 呈指数增长，使系统动力学对离原点足够远的位移高度敏感。

基于细胞模型的自平衡网络分析

原文标题：

Analysis of self-equilibrated networks through cellular modeling

地址：

http://arxiv.org/abs/2008.04570

作者：

Omar Aloui,David Orden,Nizar Bel Hadj Ali,Landolf Rhode-Barbarigos

摘要：网络平衡模型是分析相互关联的对象及其关系的通用工具。它们被广泛地应用于科学和工程领域，研究复杂系统在各种条件下的行为，包括外部扰动和损伤。本文通过图论法则和属性重新讨论了网络均衡模型，特别关注了在没有外部扰动的情况下能够维持均衡的系统(自平衡)。提出了一种分析自平衡网络的新方法，它将自平衡网络模型化为一系列单元，这些单元是预定义的初等网络单元，已被数学证明可以组成任意自平衡网络。因此，通过对单个细胞平衡及其相互作用的研究，可以得到复杂自平衡体系的平衡态。本文通过一系列实例说明了网络均衡模型的灵活性。实例证明了该方法结合了拓扑和几何两方面的考虑，可以用于解释复杂系统的状态。

神经网络模拟混沌动力学的精度:

训练数据的精度与算法的精度

原文标题：

Accuracy of neural networks for the simulation of chaotic dynamics: precision of training data vs precision of the algorithm

地址：

http://arxiv.org/abs/2008.04222

作者：

S. Bompas,B. Georgeot,D. Guéry-Odelin

摘要：探讨了神经网络技术在混沌动力学仿真中对数据精度的影响及算法。为此，我们采用三种不同的适用于时间序列的神经网络技术，即油藏计算(使用 ESN)、 LSTM 和 TCN，对不同精度的 Lorenz 系统进行了短期和长期预测，并对其效率和精度进行了评估。结果表明，对于预测的准确性，算法的精度比训练数据的精度更为重要。这一结果支持了神经网络可以在许多实际应用中执行时间序列预测的想法，这些应用中的数据必然是有限的精度，这与最近的结果是一致的。它还表明，对于给定的一组数据，使用比数据更精确的网络可以显著提高预测的可靠性。

图形绘制算法的图灵测试

原文标题：

The Turing Test for Graph Drawing Algorithms

地址：

http://arxiv.org/abs/2008.04869

作者：

Helen C. Purchase,Daniel Archambault,Stephen Kobourov,Martin Nöllenburg,Sergey Pupyrev,Hsiang-Yun Wu

摘要：绘制图形的算法通过图灵测试了吗？也就是说，它们的输出是否与人类绘制的图表无法区分？我们通过一个以人为中心的实验来解决这个问题，重点放在“小”图表上，这个图表的大小对于某些人来说是合理的，可以选择手动绘制图表。总的来说，我们发现手工绘制的布局可以区别于图形绘制算法生成的布局，虽然这并不总是通过强制定向或多维缩放算法绘制的图形，使这些优秀的候选人成功的图灵测试。我们证明，一般来说，手绘图被判断为比自动生成的图更高的质量，虽然这个结果与图的大小和算法不同。

走向一个更加现实的引用模型:

研究团队规模的关键作用

原文标题：

Towards a more realistic citation model: The key role of research team sizes

地址：

http://arxiv.org/abs/2008.04711

作者：

Staša Milojević

摘要：我们提出了一个新的引文模型，它建立在现有模型的基础上，这些模型明确或隐含地包括了“直接”和“间接”(从另一篇论文的参考文献中了解一篇被引论文的存在)的引文机制。我们的模型偏离了通常的、不切实际的关于直接引用概率一致的假设，即引用的初始差异纯粹是随机产生的。相反，我们证明了一个双机制模型，其中直接引用的概率与论文的作者人数(团队规模)成正比，能够很好地再现在天文学领域发表的论文的经验引用分布，在不同的时间点。我们模型的解释是，当更多的人对某些工作非常熟悉，更喜欢来自大型团队的论文时，论文固有的引用能力，以及论文的初始可见性都会得到增强。虽然固有的引文能力不能仅仅依赖于团队规模，但我们的模型表明，它必须在一定程度上与团队规模相关，并以类似的方式分布，即具有幂律尾。因此，我们的团队规模模型定性地解释了引用次数和论文作者数量之间存在的相关性。

利用网络嵌入改进网络对齐

原文标题：

Using Network Embeddings for Improving Network Alignment

地址：

http://arxiv.org/abs/2008.04581

作者：

Pietro Hiram Guzzi

摘要：网络(或图)对齐算法旨在揭示图之间的结构相似性。特别是局部网络对齐算法(LNAs)在两个或多个网络中找到相似的局部区域。这种算法通常基于一组用于生长对齐的种子节点。几乎所有的 lna 算法都使用一组基于上下文信息的顶点作为种子节点(例如一组生物相关的生物网络对齐) ，这可能会导致偏差或数据循环问题。最近，我们证明了在选择种子节点时使用拓扑信息可以提高比对的质量。我们使用了一些基于全局比对算法的常用方法来获取节点间的拓扑相似性。同时，已经证明使用网络嵌入方法(或表示学习) ，可以比其他方法更好地捕捉节点之间的结构相似性。因此，我们建议使用网络嵌入来学习节点之间的结构相似性，并利用这种相似性来改进 LNA 对我们先前算法的扩展。我们为 LNA 定义了一个框架。

一种 ad-hoc 社会网络生成方法

原文标题：

An ad-hoc social network generation approach

地址：

http://arxiv.org/abs/2008.04618

作者：

Maurice Tchoupé Tchendji,Martin Xavier Tchembé,Armelle Linda Maténé Kakeu

摘要：社交网络的使用仍然局限于基于基础设施的网络，如互联网。然而，许多情况(会议、展览会等)可能需要实施和迅速部署一个专门的信息传播应用程序: 我们称这种类型的应用程序为专门的社会网络。这些应用程序必须是分布式的，可部署在移动单元上等等。因此，它们不可避免地具有与特设移动网络固有的相同特征，使其成为部署这些网络的理想候选网络。在本文中，我们利用生成式编程领域的技术，提出了一种方法，可以在一个领域特定语言中生成这样的应用程序的环境。通过应用这种方法，我们开发了 SMGenerator，这是一个为 Android 设备生成移动 ad-hoc 社交网络应用程序的环境。此外，通过使用 SMGenerator，我们很容易生成 ConfInfo 应用程序: 一个特别的社会网络应用程序，用于向参与者传播信息，以科学的方式展现。

利用网络局部信息进行边缘采样

原文标题：

Edge sampling using network local information

地址：

http://arxiv.org/abs/1710.04772

作者：

Can M. Le

摘要：边缘采样是网络分析中的一个重要课题。它提供了一种自然的方式来减少网络规模，同时保留原有网络的期望特性。仅使用本地信息的抽样方法在实践中很常见，因为它们不需要访问整个网络，并且可以很容易地并行化。尽管这些方法具有良好的实证效果，但大多数都是从启发式考虑出发的，因此仍缺乏理论依据。为了解决这个问题，本文研究了一种利用网络局部信息的简单边缘采样方案。我们证明，当局部连通性足够强时，采样网络满足强谱特性。我们用一个全局参数来量化局部连接的强度，并将其与更常见的网络统计数据联系起来，比如集聚系数和网络曲率。在此基础上，给出了随机网络和超图有效采样的充分条件。

档案的综合性:

建设全面共享文化遗产的

现代人工智能途径

原文标题：

Comprehensiveness of Archives: A Modern AI-enabled Approach to Build Comprehensive Shared Cultural Heritage

地址：

http://arxiv.org/abs/2008.04541

作者：

Abhishek Gupta,Nikitasha Kapoor

摘要：档案在社会建设和进步中起着至关重要的作用。人类非常信任档案，并依赖档案制定公共政策，保护语言、文化、自我认同、观点和价值观。然而，在目前对记录和档案进行分类和发现的过程中，仍然存在某些声音和观点。在这篇论文中，我们探讨了集中化的、正当程序的档案系统对边缘化社区的影响。有强有力的证据证明，在追求全面、公平和正义的同时，需要进步的设计和技术创新。意向性和全面性是我们在改进档案实践和促进当今广大社会的进步和繁荣能力方面的最大机会。在技术和信息时代的支持下，意向性和综合性是可以实现的。重新开放、提出质疑和/或有目的地将其他声音纳入档案处理过程，是我们在论文中提出的意图。我们提供了边缘化社区的例子，他们继续领导”社区档案”运动，努力恢复和保护他们的文化特性、知识、观点和未来。最后，我们提供了值得进一步研究的设计和人工智能主导的技术考虑，以努力弥补系统差距和建立健全的档案流程。

自然灾害对消费者行为的影响:

以2017年秘鲁的厄尔尼诺现象为例

原文标题：

Impact of natural disasters on consumer behavior: case of the 2017 El Nino phenomenon in Peru

地址：

http://arxiv.org/abs/2008.04887

作者：

Hugo Alatrista-Salas,Vincent Gauthier,Miguel Nunez-del-Prado,Monique Becker

摘要：厄尔尼诺是赤道东太平洋表层海水异常升温的极端天气事件。这种现象被称为拥有属性暴雨和洪水，对受影响地区的经济活动产生负面影响。了解这种现象如何影响不同粒度级别的消费行为，对于推荐规范化这种情况的策略至关重要。为此，我们对涉及信用卡和借记卡的银行交易数据进行了多尺度分析。我们的研究结果可以归纳为两个主要结果: 粗粒度分析揭示了厄尔尼诺现象的存在和在特定区域的恢复时间，而细粒度分析表明个人的购买模式和商家相关性的变化作为气候事件的后果。研究结果还表明，由于经济结构的逐步建立，社会成功地抵御了自然灾害。在这项研究中，我们提出了一个新的方法，可能有益于更好地描述未来的极端事件。

基于城市规模代理的

新冠肺炎流行背景下

非药物干预研究模拟器

原文标题：

City-Scale Agent-Based Simulators for the Study of Non-Pharmaceutical Interventions in the Context of the COVID-19 Epidemic

地址：

http://arxiv.org/abs/2008.04849

作者：

Shubhada Agrawal,Siddharth Bhandari,Anirban Bhattacharjee,Anand Deo,Narendra M. Dixit,Prahladh Harsha,Sandeep Juneja,Poonam Kesarwani,Aditya Krishna Swamy,Preetam Patil,Nihesh Rathod,Ramprasad Saptharishi,Sharad Shriram,Piyush Srivastava,Rajesh Sundaresan,Nidhin Koshy Vaidhiyan,Sarath Yasodharan

摘要：我们强调基于城市规模的代理人模拟器在研究各种非药物干预措施以管理不断演变的大流行病方面的有用性。我们的研究以新型冠状病毒肺炎流行病为背景，并通过在班加罗尔和孟买这两个大都市进行的一些探索性案例研究，展示了模拟器的力量。在我们迈向数字健康的道路上，这些工具已经成为任何城市管理部门的工具包中的常用工具。

来自众包数字路线选择支持的

交通流分流

原文标题：

Traffic flow splitting from crowdsourced digital route choice support

地址：

http://arxiv.org/abs/2008.04730

作者：

David-Maximilian Storch,Malte Schröder,Marc Timme

摘要：数字技术正在从根本上改变人类的移动性。交通数据的可用性、数据源连接性的增强以及对计算资源的廉价访问，对路由选择的影响尤其大。数字路由技术为个人提供了更有效的路径选择，并减少了城市的拥堵。然而，目前尚不清楚这些技术的广泛应用究竟如何改变了复杂街道网络上的集体交通流动态。在这里，我们回答了数字路线选择支持下的城市通勤动力学问题。基于这类拥堵游戏，我们研究了通勤行为的演变，作为一小部分人口依赖，但也贡献，众包交通信息。其余的人根据个人经验选择路线。我们展示了数字路线选择支持是如何导致通勤者沿着不同的路线流向技术用户和非技术用户的分离。这种集体行为可能会助长系统性的低效率，从而导致交通拥堵的增加。这些结果突出了路线选择决策支持协议算法设计领域的新研究方向，以帮助解决城市化和数字化进程中的拥堵、排放和其他系统性低效问题。

科技论文推荐:

利用共同作者关系和历史偏好

原文标题：

Scientific Article Recommendation: Exploiting Common Author Relations and Historical Preferences

地址：

http://arxiv.org/abs/2008.04652

作者：

Feng Xia,Haifeng Liu,Ivan Lee,Longbing Cao

摘要：在即将到来的大学术数据时代，科技文章推荐系统在检索感兴趣的科技文章方面发挥着越来越重要的作用。大多数现有的研究已经为所有目标研究人员设计了统一的方法，因此运行相同的算法来为所有研究人员生成建议，不管他们在哪种情况下。然而，不同的研究人员可能有他们自己的特点，并可能有相应的方法为他们导致更好的建议。在本文中，我们提出了一种新的推荐方法，它包含了文章之间共同作者关系的信息(即两篇文章具有相同的作者)。我们的方法的基本原理是，研究人员经常搜索同一作者发表的文章。由于并非所有的研究人员都有这种基于作者的搜索模式，我们提出了两个特征，它们是基于具有共同作者关系和频繁出现作者的成对文章的信息来确定目标研究人员的推荐。我们在真实数据集上进行的大量实验表明，定义的特征能够有效地确定相关的目标研究人员，与基线方法相比，提出的方法能够为相关研究人员提供更准确的建议。

一种用于隐蔽网络分析的

综合网络生成器

原文标题：

A Synthetic Network Generator for Covert Network Analytics

地址：

https://arxiv.org/abs/2008.04445

作者：

Amr Elsisy,Aamir Mandviwalla,Boleslaw Szymanski,Thomas Sharkey

摘要：我们研究社交网络，重点关注隐蔽(也称为隐蔽)网络，如恐怖分子或犯罪网络。他们的结构、成员身份和活动都是非法的。因此，隐蔽网络的数据往往是不完整的，部分是不正确的，使解释结构和这类网络的活动具有挑战性。由于法律方面的原因，研究人员无法访问有关主动隐蔽网络的真实数据。为了应对这些挑战，我们在这里介绍了一个合成网络的网络生成器，它在统计学上类似于一个真实的网络，但是没有关于其成员的个人信息。生成器使用关于真实或想象的隐蔽组织网络的统计数据。它生成网络组的随机块模型的随机实例，但保留了这个网络组织结构。直接使用这种匿名网络是为了培训他们的研究和分析工具发现隐蔽网络的结构和动态。由于这些合成网络的边缘和社区不同，它们可以作为网络分析的新来源。首先，它们提供了关于原始网络数据的不同解释。这些不同解释的概率分布使得新的网络分析成为可能。分析者可以发现群落结构的频繁，因此稳定的扰动。他们也可以分析稳定性如何随着扰动的强度而变化。对于隐蔽网络，分析者可以量化封锁的统计预期结果。这种分析适用于所有数据不完整或部分不正确的复杂网络。

非合作无线中继网络中

以人为中心的通信研究综述

原文标题：

A Survey on Human-centric Communications in Non-cooperative Wireless Relay Networks

地址：

https://arxiv.org/abs/2008.04651

作者：

Behrouz Jedari,Feng Xia,Zhaolong Ning

摘要：在无线中继网络(wrn)中，如延迟容忍网络和设备间通信等，数据传输的性能很大程度上依赖于移动节点(即用户及其携带的设备)之间的协作。然而，自私节点可能由于各种原因，如资源限制或社会偏好，拒绝将数据传递给其他节点或与其共享资源。同时，行为不当的节点可以发起不同类型的内部攻击(如黑洞攻击和信任相关攻击) ，破坏网络的正常运行。最近提出了许多机制，以便在存在自私和恶意节点的情况下在资源网络中建立安全和有效的通信(称为非合作资源网络)。本文对非合作无线网络中以人为中心的通信挑战和解决方案进行了深入的研究，主要包括: (1)非合作无线网络的概述，各种节点自私和恶意行为的介绍，(2)节点自私和恶意行为对数据转发和分发性能的影响分析，(3)自私和恶意节点检测和防御系统，(4)激励机制。最后，我们讨论了几个尚未解决的问题和未来的研究挑战。

作者影响: 评价，预测和挑战

原文标题：

Author Impact: Evaluations, Predictions, and Challenges

地址：

http://arxiv.org/abs/2008.04648

作者：

Fuli Zhang,Xiaomei Bai,Ivan Lee

摘要：作者影响评价和预测在决定奖励、资金和晋升方面起着关键作用。本文首先介绍了作者进行影响评价和预测的背景。然后，我们回顾了作者影响力评估的最新进展，包括数据收集、数据预处理、数据分析、特征选择、算法设计和算法评估。第三，对作者影响预测模型和常用评价指标进行了深入的文献综述。最后，我们探讨了具有代表性的研究问题，包括作者影响通货膨胀、统一评价标准、学术成就基因、热点问题起源的识别以及高阶学术网络分析。本文有助于研究者对作者的影响评价和预测有一个更广泛的认识，并提供未来的研究方向。