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

模拟城市企业网络的生长；
开放多主体系统中分散梯度下降法的稳定性；
网络中断与有效阻断下的共识；
叙事与需求: 基于 Twitter 话语的飓风安潘经验分析；
超越局部图神经网络: 一个属性化正则化框架；
基于信息扩散图的未来级联增长预测；
传染病信息与风险意识的耦合效应；
基于图嵌入的网络社区检测；

模拟城市企业网络的生长

原文标题：

Modeling growth of urban firm networks

地址：

https://pattern.swarma.org/paper?id=71e6165e-f641-11ea-ab4a-0242ac1a000a

作者：

Juste Raimbault,Natalia Zdanowska,Elsa Arcaute

摘要：互联城市网络的出现是全球化进程的一个关键特征。了解这种网络——特别是城市公司网络——增长背后的驱动因素，对于城市系统的经济弹性至关重要。本文介绍了城市地区企业网络的生成网络模型，包括几个互补过程: 起点和终点城市地区的经济规模、企业之间的工业部门接近程度、过去联系的强度以及地理和社会文化距离。对欧洲企业所有权数据的实证网络分析证实了这些因素的相关性。然后，我们模拟城市综合系统的网络增长，揭示程式化的事实，如从局部到全局的过渡或在中间相互作用范围内实现的最大集成。我们在欧洲网络上校准模型，性能优于统计模型，并显示了路径依赖的强大作用。该模型的潜在应用包括研究缓解政策以应对外部冲击，如经济危机或潜在的国家锁定，我们用程式化设想情景的应用说明了这一点。

开放多主体系统中

分散梯度下降法的稳定性

原文标题：

Stability of Decentralized Gradient Descent in Open Multi-Agent Systems

地址：

https://pattern.swarma.org/paper?id=6eac771c-f650-11ea-ab4a-0242ac1a000a

作者：

Julien M. Hendrickx,Michael G. Rabbat

摘要：分散化梯度下降法的目标是最小化由相互连接的代理所持有的 n 个函数之和。我们研究了在代理人可以加入或离开系统的开放背景下决定指导文件的稳定性，结果每次都导致其功能从全局目标中增加或删除。假设所有的函数都是光滑的，强凸的，它们的极小值都在一个给定的球上，我们刻画了这些函数之和的整体极小值对一个新函数的去除或加法的敏感性，并给出了 o (min (κ0.5，κ/n0.5，κ1.5/n)的界，其中 κ 是条件数。我们还证明了所有主体的状态最终可以独立于到达和离开的顺序而有界。约束比额表的大小与相互联系的重要性有关，这也决定了在没有到达和离开的情况下最终解决方案的准确性，从而暴露了准确性和敏感性之间的潜在权衡。我们的分析依赖于决定指导文件的公式作为一个辅助功能的梯度下降法。我们的结果的紧密性是分析使用 PESTO 工具箱。

网络中断与有效阻断下的共识

原文标题：

Consensus under Network Interruption and Effective Resistance Interdiction

地址：

https://pattern.swarma.org/paper?id=6d437d30-f650-11ea-ab4a-0242ac1a000a

作者：

S. Rasoul Etesami

摘要：研究了一致性动态下的网络鲁棒性问题。我们首先证明了在消除有限网络边界的前提下，最大化网络的一致性时间是一个有效的阻塞阻断问题。然后我们证明了有效阻断问题是强 np- 困难的，即使对于网络中的三种类型的电阻也是如此，从而纠正了现有文献中的一些说法。最后，我们提供了一个二次规划公式，以求得协商一致阻断问题的局部最优解。

叙事与需求:

基于 Twitter 话语的

飓风安潘经验分析

原文标题：

Narratives and Needs: Analyzing Experiences of Cyclone Amphan Using Twitter Discourse

地址：

https://pattern.swarma.org/paper?id=a17605e0-f642-11ea-ab4a-0242ac1a000a

作者：

Ancil Crayton,João Fonseca,Kanav Mehra,Michelle Ng,Jared Ross,Marcelo Sandoval-Castañeda,Rachel von Gnechten

摘要：人们经常利用社交媒体来评论和分享重大全球事件的信息。因此，社交媒体作为了解人们在极端天气事件中的社会、政治和经济经历的丰富数据来源，正受到越来越多的关注。在这篇论文中，我们贡献了两个新颖的方法，利用 Twitter 的话语来描述叙事和确定未满足的需求，以应对2020年5月影响了1800万人的飓风安潘。

超越局部图神经网络:

一个属性化正则化框架

原文标题：

Beyond Localized Graph Neural Networks: An Attributed Motif Regularization Framework

地址：

https://pattern.swarma.org/paper?id=95da8e90-f642-11ea-ab4a-0242ac1a000a

作者：

Aravind Sankar,Junting Wang,Adit Krishnan,Hari Sundaram

摘要：提出了一种新的图上半监督的 motif 正则化学习框架 InfoMotif。针对目前流行的图形神经网络(GNNs)在消息传递方面存在的两个主要局限性: 局部化(k 层 GNN 不能利用标记训练节点的 k-hop 邻域以外的特征)和过平滑(结构不可区分)表示。根据节点在不同网络模体中的出现情况，我们提出了节点属性结构角色的概念，与网络邻近度无关。如果两个节点在共变的属性集上参与拓扑相似的主题实例，则它们共享属性结构角色。此外，通过最大化互信息，使任意 gnn 的节点表示正则化，InfoMotif 实现了体系结构独立性。我们的培训课程在学习过程中动态地将多个主题排序，而不依赖于基本图形或学习任务中的分布假设。我们在我们的框架中集成了三个最先进的 GNNs，在六个不同的真实世界的数据集中显示了显著的收益(3-10% 的准确率)。我们可以看到，对于具有稀疏训练标签和局部邻域结构中不同属性的节点，增益更大。

基于信息扩散图的

未来级联增长预测

原文标题：

CasGCN: Predicting future cascade growth based on information diffusion graph

地址：

https://pattern.swarma.org/paper?id=9363d888-f642-11ea-ab4a-0242ac1a000a

作者：

Zhixuan Xu,Minghui Qian,Xiaowei Huang,Jie Meng

摘要：突然爆发的信息瀑布可能会导致意想不到的后果，如极端的观点，时尚潮流的变化，以及谣言的不可控制的传播。如何有效地预测未来级联的规模已经成为一个重要问题，特别是对于 Twitter 和微博等社交媒体平台上的大规模级联。然而，现有的方法不足以处理这一具有挑战性的预测问题。传统的方法很大程度上依赖于手工制作的特性或者不切实际的假设。端到端的深度学习模型，如递归神经网络，不适合直接与图形输入工作，不能处理嵌入在级联图中的结构信息。本文提出了一种新的用于级联生长预测的深度学习框架 CasGCN，该框架利用图卷积网络从图形输入中提取结构特征，然后在提取特征和时间信息上应用注意机制进行级联大小预测。我们对两种真实世界的级联生长预测方案(即新浪微博上的 retweet popular 和 DBLP 上的学术论文引用)进行了实验，实验结果表明，CasGCN 比几种基线方法具有更好的性能，特别是当级联规模较大时。

传染病信息与风险意识的耦合效应

原文标题：

Coupled effects of epidemic information and risk awareness on contagion

地址：

https://pattern.swarma.org/paper?id=6d52314a-f641-11ea-ab4a-0242ac1a000a

作者：

Wen-Juan Xu,Chen-Yang Zhong,Hui-Fen Ye,Rong-Da Chen,Tian Qiu,Fei Ren,Li-Xin Zhong

摘要：通过将时滞传染信息和自限旅行行为引入 SIS 模型，研究了及时准确的传染信息的耦合效应以及人们对传染信息的敏感性。在只有局部随机流动的人群中，流行病信息的传播是否延迟对流行病的传播没有影响。人们对流行病信息的高度敏感性导致了他们的风险规避行为，从而抑制了流行病的传播。在只有全球人与人之间流动的人口中，及时和准确的流行病信息有助于个人及时切断与受感染者的联系，流行病立即得到控制。传染病信息的延迟会导致个人对谁被感染、谁没有被感染的错误判断，这反过来又会导致传染病的迅速发展和更高的高峰。在全球流行与地方流行并存的人群中，及时准确的流行病信息和人们对流行病信息的高度敏感性，对控制流行病起着重要作用。理论分析表明，人们对传染病信息的误判导致感染者与易感者之间的接触概率增加，而人们的自我约束旅行行为有助于降低这种接触概率。发现了感染者比例与易感-感染遭遇概率之间的函数关系。

基于图嵌入的网络社区检测

原文标题：

Community detection in networks using graph embeddings

地址：

https://pattern.swarma.org/paper?id=64e51090-f641-11ea-ab4a-0242ac1a000a

作者：

Aditya Tandon,Aiiad Albeshri,Vijey Thayananthan,Wadee Alhalabi,Filippo Radicchi,Santo Fortunato

摘要：图嵌入方法在机器学习领域越来越流行，被广泛应用于节点分类和链路预测等任务。在几何空间中嵌入图也应该有助于网络社区的识别，因为同一社区中的节点应该在几何空间中紧密投影，在那里它们可以通过标准的数据聚类算法检测到。在本文中，我们测试了几种图嵌入技术在基准图上检测社区的能力。我们将它们的性能与传统的社区检测算法进行了比较。我们发现，如果选择合适的嵌入技术参数，性能是可比的。然而，最优参数集随着基准图的具体特征而变化，比如它们的大小，而流行的社区检测算法不需要任何参数。因此，不可能为实际网络的分析预先指定好的参数集。这一发现，加上嵌入网络和分组点的高计算成本，表明，对于社区检测，目前的嵌入技术并不代表对网络聚类算法的改进。