- 用于社交推荐的具有动态和静态表示的图神经网络;
- 从路网结构看城市景观：复杂性视角;
- 大型大学校园的网络侧数字接触者追踪;
- 从身份验证问题到公共社交活动：在 Twitter 上表征生日分享;
- 关键的时间相关分支过程模拟流行病传播与遏制措施;
- 在网络上构建博弈以控制资本分配中的不平等;
- 关于使用双感知相似性的渐进网络对齐的效力;
- 随机协作下的社会学习;
- 集体信息在量子操作主体网络中的作用;
用于社交推荐的具有动态和静态表示的图神经网络
原文标题： Graph Neural Networks with Dynamic and Static Representations for Social Recommendation
地址： http://arxiv.org/abs/2201.10751
作者： Junfa Lin, Siyuan Chen, Jiahai Wang
摘要： 基于图神经网络的推荐系统因其出色的学习包括社会网络在内的各种辅助信息的能力而受到越来越多的研究关注。然而，以往的作品通常侧重于对用户进行建模，对物品的关注并不多。此外，很少考虑物品的吸引力随时间可能发生的变化，例如用户的动态兴趣，也很少考虑物品之间的相关性。为了克服这些限制，本文提出了具有动态和静态表示的社交推荐图神经网络（GNN-DSR），它考虑了用户和项目的动态和静态表示，并结合了它们的关系影响。 GNN-DSR 分别对用户兴趣和项目吸引力的短期动态和长期静态交互表示进行建模。此外，注意力机制用于聚合用户对目标用户的社会影响以及相关项目对给定项目的影响。结合用户和项目的最终潜在因素进行预测。三个真实世界推荐系统数据集的实验验证了 GNN-DSR 的有效性。
从路网结构看城市景观：复杂性视角
原文标题： Urban Landscape from the Structure of Road Network: A Complexity Perspective
地址： http://arxiv.org/abs/2201.10949
作者： Hoai Nguyen Huynh, Muhamad Azfar Bin Ramli
摘要： 空间道路网络已被广泛用于模拟城市的结构和连通性。在这样的表示中，网络中实体的空间尺度问题，即其节点和边在现实中实际体现的问题，特别重要，这样可以识别和消除冗余信息，以更好地理解城市结构。为理解决这个问题，我们在这项工作中研究了建模网络实体的空间尺度与其中包含的有用信息量之间的关系。我们采用复杂性科学和信息论中的熵度量来量化驻留在空间尺度下的网络的每个表示中的信息量，并表明它在某个中间尺度上达到峰值。由此产生的网络表示将使我们能够对城市组织的层次结构有直接的直觉，否则传统的简单道路网络表示无法立即获得这种直觉。我们在新加坡道路网络上展示了我们的方法，发现关键空间尺度为 85 m，在此范围内获得的网络与当地城市规划者使用的规划边界非常吻合，揭示了城市的基本城市连通性结构。此外，复杂性测量还能够告知与新加坡更大规模城市规划边界相关的更高层次结构的二级过渡。
大型大学校园的网络侧数字接触者追踪
原文标题： Network-Side Digital Contact Tracing on a Large University Campus
地址： http://arxiv.org/abs/2201.10641
作者： Matthew L. Malloy, Lance Hartung, Steve Wangen, Suman Banerjee
摘要： 我们描述了在美国一所大型公立大学校园进行的一项研究，该研究显示了网络日志信息对数字接触者追踪和 COVID-19 病例预测的有效性。在 2021 年 1 月 18 日至 2021 年 5 月 7 日期间，超过 11,000 个无线接入点 (AP) 记录了超过 2.16 亿个客户端-接入点关联。关联信息用于查找大约 30,000 个人的潜在联系人。联系人是使用 AP 托管算法确定的，该算法假定两个人几乎同时连接到同一个 WiFi AP 时会发生联系。该方法通过观察网络日志数据中的 350 例 COVID-19 阳性病例的真实情况进行了验证，方法是观察与为确诊（临床）COVID-19 检测结果呈阳性的个人保留的隔离宿舍中的 AP 的关联。网络日志数据和AP-colocation预测值大于10%；更准确地说，确诊 COVID-19 检测呈阳性的个人的接触者在接下来的 7 天内检测呈阳性的机会大于 10%（与随机选择时的 0.79% 机会相比，相对风险比为 12.6 ）。此外，计算累积暴露分数以说明暴露于多个测试呈阳性的个体。在研究期间，累积暴露评分预测阳性病例，在指定操作点的真阳性率为 16.5%，漏检率为 79%。
从身份验证问题到公共社交活动：在 Twitter 上表征生日分享
原文标题： From an Authentication Question to a Public Social Event: Characterizing Birthday Sharing on Twitter
地址： http://arxiv.org/abs/2201.10655
作者： Dilara Keküllüoğlu, Walid Magdy, Kami Vaniea
摘要： 出生日期 (DOB) 历来被视为私人信息，可安全用于身份验证，但近年来已转向广泛公开共享。在这项工作中，我们描述了现代社交媒体用户如何在网上公开分享生日祝福。在超过 45 天的时间里，我们收集了超过 280 万条祝 724K 推特账户生日快乐的推文。对于 50K 帐户，可能会提到他们的年龄来揭示他们的出生日期，其中 10% 是受保护的帐户。我们的调查结果表明，大多数公共帐户和受保护帐户似乎都接受他们的朋友在网上透露他们的生日和出生日期，即使他们的个人资料中没有列出。我们通过一项调查进一步补充了我们的调查结果，以衡量人们对出生日期披露问题的认识以及人们如何看待分享不同类型的生日相关信息。我们的分析表明，在线向他人送上生日祝福被认为是一种庆祝活动，许多用户对此非常满意。这种观点符合在安全方面也看到的趋势，在这种趋势中，在身份验证过程中使用 DOB 不再被认为是最佳实践。
关键的时间相关分支过程模拟流行病传播与遏制措施
原文标题： Critical time-dependent branching process modelling epidemic spreading with containment measures
地址： http://arxiv.org/abs/2201.10773
作者： Hanlin Sun, Ivan Kryven, Ginestra Bianconi
摘要： 在 COVID 大流行期间，疾病呈指数增长的时期已通过遏制措施得到缓解，这些措施在不同情况下导致病例数呈幂律增长。 Ziff 和 Ziff 在 Ref. [1]。在这一重要观察之后，在遏制传播期间，其他国家也观察到了幂律尺度（尽管指数不同）。对这些结果的早期解释表明，这种现象可能是由于传播的空间效应。在这里，我们表明，由于遏制措施导致的个体传染性的时间调制也可能导致病例数量随时间呈幂律增长。为此，我们提出了一种随机混合的易感感染去除 (SIR) 流行病传播模型，在存在导致时间依赖性感染性的遏制措施的情况下，我们探索了临界分支过程的统计特性。我们表明，在临界状态下，可以观察到指数在 1 到 2 之间的案例数量的幂律增长。我们的渐近分析结果得到了广泛的蒙特卡罗模拟的证实。尽管这些结果不排除空间效应在调节临界病例数的幂律增长方面可能很重要，但这项工作表明，即使是混合良好的人群也可能已经在临界时具有非平凡的幂律指数。
在网络上构建博弈以控制资本分配中的不平等
原文标题： Constructing games on networks for controlling the inequalities in the capital distribution
地址： http://arxiv.org/abs/2201.10913
作者： Jarosław Adam Miszczak
摘要： 资本或资源分配的不平等是在人口中观察到的重要现象之一。不平等的根源和控制它的方法具有实际意义。为了研究这种现象，我们引入了网络中主体之间的交互模型，旨在减少资本分配的不平等。为了达到减少不平等的效果，我们解释了在网络中进行的基本博弈的结果，从而将博弈的胜利转化为不平等的减少。我们研究了对引入方案的不同解释及其对资本分配方面主体人行为的影响，并提供了基于资本依赖帕隆多悖论的例子。本研究提供的结果提供了对社会不平等形成机制的深入理解。
关于使用双感知相似性的渐进网络对齐的效力
原文标题： On the Power of Gradual Network Alignment Using Dual-Perception Similarities
地址： http://arxiv.org/abs/2201.10945
作者： Jin-Duk Park, Cong Tran, Won-Yong Shin, Xin Cao
摘要： 网络对齐（NA）是根据网络结构和节点属性找到两个网络之间节点对应关系的任务。我们的研究的动机是，由于大多数现有的 NA 方法都试图一次发现所有节点对，它们没有利用通过临时发现节点对应关系而丰富的信息来更准确地找到节点匹配期间的下一个对应关系。为了应对这一挑战，我们提出了 Grad-Align，这是一种新的 NA 方法，通过充分利用具有强一致性的节点对逐渐发现节点对，这些节点对在渐进匹配的早期阶段很容易被发现。具体来说，Grad-Align 首先基于图神经网络生成两个网络的节点嵌入以及我们的逐层重建损失，该损失建立在刻画一阶和高阶邻域结构之上。然后，通过计算双感知相似度度量来逐渐对齐节点，包括多层嵌入相似度以及 Tversky 相似度，这是一种使用适用于不同尺度网络的 Tversky 指数的不对称集合相似度。此外，我们将边增强模块合并到 Grad-Align 中以加强结构一致性。通过使用真实世界和合成数据集的综合实验，我们凭经验证明 Grad-Align 始终优于最先进的 NA 方法。
随机协作下的社会学习
原文标题： Social Learning under Randomized Collaborations
地址： http://arxiv.org/abs/2201.10957
作者： Yunus Inan, Mert Kayaalp, Emre Telatar, Ali H. Sayed
摘要： 我们研究了一种社会学习方案，在该方案中，每个主体都随机选择从其邻居之一接收信息。我们表明，在这种更稀疏的通信方案下，主体最终会学习到真相，并且渐近收敛速度与使用更多通信资源的标准算法保持一致。我们还为每个主体用所选邻居的信念替换其信念的特殊情况得出对数置信比的大偏差估计。
集体信息在量子操作主体网络中的作用
原文标题： Role of collective information in networks of quantum operating agents
地址： http://arxiv.org/abs/2201.11008
作者： V.I. Yukalov, E.P. Yukalova, D. Sornette
摘要： 考虑了一个主体网络，其决策过程由作者先前提出的量子决策理论描述。决策是通过评估备选方案的效用、吸引力和可用信息来完成的，这些信息的组合构成了选择给定备选方案的概率。由于这三个贡献之间的相互作用，在几个备选方案之间进行选择的过程是多模式的。主体通过交换信息进行交互，这可以采取两种形式：（i）主体可以直接从另一个主体接收的信息和（ii）由社会成员共同创建的信息。所有主体共有的信息场倾向于消除概率时间行为中的急剧变化，甚至可以消除它们。对于具有短期记忆的智能体，概率通常通过强烈的振荡趋向于其极限值，并且对于一系列参数，这些振荡永远持续，代表决策者永远犹豫不决。打开信息场使振荡的幅度更小，甚至可以停止永久的振荡，迫使概率收敛到固定的极限。描述了动态分离效应。
声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在公众号“网络科学研究速递”（netsci）和个人博客进行同步更新。