Arxiv网络科学论文摘要8篇(2021-01-11)

最大后验预计的多层网络层重构和缺失链路预测;通过自我修复抵御攻击以节约资源，从而更宽容地重构网络;图嵌入用于辱骂性语言检测;使用在线社交媒体研究危机时期向导者-COVID案例研究;危机时期科学输出在公然辩说中的作用：以COVID19大盛行期间学校重新开放为例;人口漫衍与都会GDP规模之间的关联;Twitch玩家：评估相近度保留和基于结构角色的节点嵌入的数据集;数据驱动的马尔可夫历程和异构模拟对COVID-19的熏染预测和干预效果评估;最大后验预计的多层网络层重构和缺失链路预测原文标题： Layer reconstruction and missing link prediction of multilayer network with Maximum A Posteriori estimation地址： http://arxiv.org/abs/2101.02733作者： Junyao Kuang, Caterina Scoglio摘要： 多层网络由多层组成，其中差别的层具有相同的一组极点，但表现差别类型的交互。然而，多层网络中某些层是相互依存的或结构相似的。在本文中，我们提出了一种基于最大后验预计的模型来重构多层网络中的特定层。

SimHash算法用于盘算各个层之间的相似度。具有相似结构的层被用于确定共轭先验的参数。

使用此模型，我们还可以预测缺失的链接并直接举行实验以查找潜在的链接。我们通过两个真实的多层网络对该方法举行了测试，效果讲明，纵然在丢失大量链接的情况下，最大的后验预计也有望在重建感兴趣的层中发挥作用。通过自我修复抵御攻击以节约资源，从而更宽容地重构网络原文标题： More Tolerant Reconstructed Networks by Self-Healing against Attacks in Saving Resource地址： http://arxiv.org/abs/2101.02814作者： Yukio Hayashi, Atsushi Tanaka, Jun Matsukubo摘要： 用于电源，通信和运输的庞大网络基础架构系统支持我们的经济和社会运动，可是它们极易受到频繁增加的大型灾难或攻击的攻击。

因此，与从履历上恢复到原始易受攻击的网络相比，从损坏的网络举行重建是比力可取的。为了重建可连续生长的网络，我们专注于增强环路，以免由于节点移除而无法成为树木。只管此优化与一个棘手的组合问题相对应，但我们提出了一种基于自我增强方法的自我修复方法，该方法是在应用从统计物理学方法获得启发的近似盘算中应用增强循环。

我们讲明，与传统的修复方法相比，在我们提出的方法中获得了更高的鲁棒性和效率，而且节约了链接和端口的资源。此外，当一定水平的受损链路可重复使用或作为资源投资获得赔偿时，通过修复而重建的网络可以变得比攻击前的原始网络更宽容。这些效果将为适应能力中具有适应能力的自我修复开发网络重建的潜力。

图嵌入用于辱骂性语言检测原文标题： Graph embeddings for Abusive Language Detection地址： http://arxiv.org/abs/2101.02988作者： Noé Cecillon (LIA), Vincent Labatut (LIA), Richard Dufour (LIA), Georges Linares (LIA)摘要： 荼毒行为在在线社会网络上很常见。反社会行为的频率不停增加，迫使在线平台的托管人找到明白决此问题的新解决方案。

因此，在已往几年中，自动化审核历程引起了许多兴趣。已经提出了种种方法，其中大多数基于交流的内容，而一种方规则依赖于会话的结构和动态。它具有与语言无关的优点，可是它使用了一组手工制作的拓扑怀抱，这些怀抱在盘算上很昂贵，而且纷歧定适合所有情况。

在本文中，我们建议使用最新的图嵌入方法来自动学习形貌消息交流的会话图的表现形式。我们比力两类：节点vs.全图嵌入。

我们总共实验了8种方法，并将其应用于在线消息的数据集。我们还越发准确地研究了每种方法使用图结构的哪些方面。我们的研究讲明，某些嵌入发生的表现形式可以描画通过特定拓扑怀抱转达的信息，但会遗漏其他方面。

使用在线社交媒体研究危机时期向导者-COVID案例研究原文标题： Studying Leaders During Times of Crisis Using Online Social Media — A COVID Case Study地址： http://arxiv.org/abs/2101.03002作者： Rahul Goel, Rajesh Sharma摘要： 在线社交媒体（OSM）已成为讨论种种主题的主要平台。甚至知名人士和民众人物也经常通过OSM平台表达对种种主题的看法。

正式被称为COVID-19的新型冠状病毒已成为一种盛行病，并在人类历史上造成了危机，这种话题最近在Twitter上引起了许多关注。在这项事情中，我们分析了三个月内的2,900万条推文，以研究具有高度影响力的用户，我们称之为向导者。我们使用社会网络分析来识别这些向导者，并使用文天职析技术来分析其推文。

我们将这些向导人分为研究，新闻，卫生和政治四个领域。我们的分析讲明，i）所有群组在其推文中都体现出相似的恐惧感； ii）研究人员和新闻群组比其他群组体现出更多的伤心感； iii）卫生组织和政治人物试图获得民众信任。

文天职析讲明，研究人员越发关注症状的明白和疫苗接种的生长。新闻和政治人物主要讨论旅行和卫生问题；而卫生组织则注重卫生。我们的形貌性分析有助于我们提取用于分类四个群集中的推文的种种功效，准确度为96％AUC ROC。

危机时期科学输出在公然辩说中的作用：以COVID19大盛行期间学校重新开放为例原文标题： The role of scientific output in public debates in times of crisis: A case study of the reopening of schools during the COVID-19 pandemic地址： http://arxiv.org/abs/2101.03069作者： Gabriela F. Nane, François van Schalkwyk, Jonathan Dudek, Daniel Torres-Salinas, Rodrigo Costas, Nicolas Robinson-Garcia摘要： 由于发现不足，结论不足或相互矛盾而未能告竣科学共识的情况给政府和公共组织施加了压力，这些政府和公共组织被迫在不确定的情况下接纳行动。在本章中，我们重点讨论COVID-19的情况，其对儿童的影响以及有关重新开放学校的民众辩说。目的是更好地明白面临不确定和迅速变化的知识格式的政策干预与随后在与政策干预相关的公然辩说中使用科学信息之间的关系。

我们的方法是将期刊文章和预印本中的科学信息与它们在包罗社交媒体在内的盛行媒体中的泛起联合起来。首先，我们提供了差别的科学领域和方法的图片，正在研究COVID-19对儿童的影响。其次，我们围绕与儿童和学校有关的COVID-19科学结果确定新闻媒体和社交媒体的关注度。我们专注于西班牙，南非和荷兰这三个国家/地域的政策和媒体回应。

这些国家在重开学校方面接纳了截然差别的政策行动，对同一问题接纳了截然差别的政策目标。通过关注辩说中对科学信息的引用，我们分析了围绕COVID-19，儿童和学校停课之间的辩说的（社会）媒体运动。

最后，我们分析了新闻媒体和在线辩说中泛起的主要话题。我们提请注意与科学产出有关的误解性案例，并通过讨论来自科学出书物，媒体和政策行动的信息如何在全球卫生大盛行的配景下影响民众讨论来竣事本章。人口漫衍与都会GDP规模之间的关联原文标题： Association between population distribution and urban GDP scaling地址： http://arxiv.org/abs/2101.03073作者： Haroldo V. Ribeiro, Milena Oehlers, Ana I. Moreno-Monroy, Jurgen P. Kropp, Diego Rybski摘要： 都会规模化和齐普夫定律是都会科学的两个基本范式。

这些执法大多已被独立观察，而且通常被视为无关紧要的事情。在这里，我们使用来自96个国家/地域的近五千个统一界说的都会的人口和GDP数据，对这两个执法之间的联系举行了大规模观察。我们凭履历证明，这两个定律是相互联系的，并得出了有关都会规模和Zipf指数的表达式。

该表达式描画了两个指数之间履历关系的平均趋势，而且在思量了随机变化之后，模拟得出的效果与真实数据很是相似。我们发现，虽然绝大多数国家的都会GDP规模回报都在增加，但与小都会和大都会数量不平衡的国家相比，小都会较少，多数市较多（齐普夫指数较小）的国家的这种影响不那么显着。（大Zipf指数）。

我们的研究提出了这样一种看法，即都会人口规模与都会GDP的增长相互关联，因此都会规模并不仅仅源于都会内部的历程。Twitch玩家：评估相近度保留和基于结构角色的节点嵌入的数据集原文标题： Twitch Gamers: a Dataset for Evaluating Proximity Preserving and Structural Role-based Node Embeddings地址： http://arxiv.org/abs/2101.03091作者： Benedek Rozemberczki, Rik Sarkar摘要： 相近保留和基于结构角色的节点嵌入成为应用图挖掘的主要动力。在相同的基准数据集上重复测试了新颖的节点嵌入技术，从而导致了一系列方法，这些方法的性能提升均令人质疑。在本文中，我们提出了Twitch Gamers一个具有多个潜在目的属性的新社会网络数据集。

我们对社会网络和节点分类实验的形貌性分析讲明，Twitch Gamers适合评估新型的相近掩护和基于结构角色的节点嵌入算法的预测性能。数据驱动的马尔可夫历程和异构模拟对COVID-19的熏染预测和干预效果评估原文标题： Infections Forecasting and Intervention Effect Evaluation for COVID-19 via a Data-Driven Markov Process and Heterogeneous Simulation地址： http://arxiv.org/abs/2101.03133作者： Quan-Lin Li, Chengliang Wang, Yiming Xu, Chi Zhang, Yanxia Chang, Xiaole Wu, Zhen-Ping Fan, Zhi-Guo Liu摘要： 2019年冠状病毒病（COVID-19）大盛行造成了庞大的死亡人数，并对全世界的经济生长造成了破坏性影响。因此，控制其进一步的传动是至关重要的，为此目的，有须要找到其传动历程的机理并评估差别控制计谋的效果。为明白决这些问题，我们将COVID-19的传输形貌为具有四个参数的爆炸性马尔可夫历程。

拟议的马尔可夫历程的状态转变可以清楚地展现出COVID-19的恐怖爆炸和庞大的异质性。基于此，我们进一步提出了一种具有异构熏染的模拟方法。实验讲明，我们的方法可以密切跟踪COVID-19的真实流传历程，展现其流传机制，并预测在差别的非药物干预计谋下的流传。

更重要的是，我们的方法可以资助制定有效的计谋来控制COVID-19，并适当地比力其在差别国家/都会的控制效果。声明：Arxiv文章摘要版权归论文原作者所有，机械翻译后由本人举行校正整理，未经同意请勿随意转载。本系列在民众号“网络科学研究速递”（netsci）和小我私家博客举行同步更新。

本文来源：威尼斯app平台-www.bedfordcomputer.com