智能手机跟踪可以检出险些所有的SARS-CoV-2熏染;COVID-19大盛行病区室模型的结构可识别性和可视察性;COVID-19期间美国大都会各热点地域的移动方式和景点会见方式差别;随机SIR模型的锁定/测试缓解计谋研究及其与韩国、德国和纽约数据的比力;关闭和重开：学校在COVID-19欧洲流传中的作用;亚洲国家的风险相同：推特上的COVID-19表述;预测印度COVID-19大盛行的逐日和累计病例数;TweetsCOV19——有关COVID-19大盛行的语义注释推文的知识库;关于巴西巴伊亚州和圣卡塔琳娜州COVID-19（SARS-CoV-2）大盛行的最佳控制关注;有争议的信息在Reddit中流传得更快、更远;权衡不平衡州的两党偏见;树线性排列中边长度总和的变化;识别在线社会网络中影响品牌流传的节点;评估飓风疏散期间的门路网络可达性：以佛罗里达州的艾尔玛飓风为例;估算美国邮政编码之间的大规模驾驶时间矩阵：一种差分采样方法;都会尺度律中的空间相互作用;使用志愿者逆境博弈对紧迫疏散中的资助行为举行建模;增强公司网络中知识转移的干预情景;图结构主题神经网络;区域限制搜索的随机游走;通过带有负采样的高阶Skip-Gram举行时变图表现学习;举报者被发现：泄密的难题;蜘蛛：互连数据和实体关系的选择性绘图;漫衍移位下含时图在图神经网络上的增量训练;基于掷中概率的有向图和马尔可夫链怀抱;同配社区结构的统计推断;稳健网络毗连的渗流阈值;依赖拓扑的收益可能导致挣脱囚徒逆境;智能手机跟踪可以检出险些所有的SARS-CoV-2熏染原文标题： Mobile smartphone tracing can detect almost all SARS-CoV-2 infections地址： http://arxiv.org/abs/2006.14285作者： Bastian Prasse, Piet Van Mieghem摘要： 当前，许多国家/地域正在思量在移动智能手机上引入跟踪软件，其主要目的是通知和警告移动应用法式用户。在这里，我们证明，除了发出警报和通知外，移动跟踪还可以检测到险些所有被SARS-CoV-2熏染的个体，包罗污名昭著的无症状熏染。除了自愿陈诉熏染性康健状况外，我们的算法还需要人口绝大多数的位置信息，然后保证可以检测到该关闭人口中的险些所有SARS-CoV-2熏染。

我们的算法基于隐马尔可夫盛行模型和递归贝叶斯滤波。除了医疗测试和隔离之外，移动追踪应用法式还可以消除COVID-19的潜力，可能会说服公民权衡隐私权与公共卫生。COVID-19大盛行病区室模型的结构可识别性和可视察性原文标题： Structural Identifiability and Observability of Compartmental Models of the COVID-19 Pandemic地址： http://arxiv.org/abs/2006.14295作者： Gemma Massonis, Julio R. Banga, Alejandro F. Villaverde摘要： 最近的冠状病毒病（COVID-19）发作极大地提高了民众对动态模型实用性的认识和赞赏。

同时，模型预测的流传矛盾突出了它们的局限性。如果无法通过输出丈量值确定模型的某些参数和/或状态变量，则其获得正确看法的能力以及控制系统的可能性可能会受到损害。通常使用隔间模型来分析盛行病动态，而且已使用此类模型的许多变体来分析和预测COVID-19大盛行的演变。

在本文中，我们观察了文献中提出的差别模型，汇总了36种模型结构的清单并评估了它们提供可靠信息的能力。我们使用结构可识别性和可视察性的控制理论来解决这个问题。由于某些参数在盛行历程中可能会发生变化，因此我们同时思量常数和时变参数假设。

思量到所有可能的输出选择和时变参数，我们分析了所有模型的结构可识别性和可视察性，这使我们能够分析255个差别的模型版本。我们凭据模型在差别假设下的结构可识别性和可视察性对模型举行分类，并讨论效果的寄义。

我们还以示例说明晰弥补模型缺乏可视察性的几种替代方法。我们的分析提供了在思量到可用知识和怀抱的基础上针对每种目的选择最有用的模型的指南。

COVID-19期间美国大都会各热点地域的移动方式和景点会见方式差别原文标题： Disparate Patterns of Movements and Visits to Points of Interests Located in Urban Hotspots across U.S. Metropolitan Cities during COVID-19地址： http://arxiv.org/abs/2006.14157作者： Qingchun Li, Liam Bessell, Xin Xiao, Chao Fan, Xinyu Gao, Ali Mostafavi摘要： 我们研究了社交距离对会见都会热点兴趣点变化的影响。诸如中央商务区之类的都会热点是重力运动中心，卖力协调都会中的移动和出行方式。

在大盛行情况下，都会热点地域可能是潜在的超级流传地域，因为对都会热点地域的会见会增加人们之间疾病接触和流传的风险。我们在美国16个都会中，将人口普查区组的起点-目的地网络映射到了兴趣点（POI）。我们接纳了一种粗粒度方法来研究2020年1月至2020年5月热点和非热点之间会见POI的移动模式。

此外，我们举行了卡方磨练，以确定在分析期间通量变化显著的POI。效果显示，就淘汰热点地域会见量而言，各都会的模式截然差别。

凭据对热点地域POI的会见，将16个都会分为两类。在一个种别中，包罗旧金山，西雅图和芝加哥等都会，我们发现热点地域对POI的会见量显著下降，而在另一种别中，包罗奥斯丁，休斯顿和圣地亚哥等地，在远离社会的时期内，对热点地域的会见量并未大幅淘汰。此外，只管所有都会的POI会见量总体呈下降趋势，但其中一个种别仍保持了热点地域POI会见量的比例。

在社会疏远时期，对某些POI（例如餐厅和其他就餐场所）的会见比例保持稳定，而某些POI（例如杂货店）的会见比例却有所增加。研究效果突显出，社会疏离下令确实导致了向热点POI移动的差别淘汰方式。随机SIR模型的锁定/测试缓解计谋研究及其与韩国、德国和纽约数据的比力原文标题： Study of lockdown/testing mitigation strategies on stochastic SIR model and its comparison with South Korea, Germany and New York data地址： http://arxiv.org/abs/2006.14373作者： Priyanka, Vicky Verma摘要： 我们现在正面临着一场全球性大盛行的高度危急情况。新型冠状病毒（SARS-CoV-2，又名COVID-19）已被证明具有极强的感染性，最初从亚洲发作的疫情现已伸张到所有大洲。

这种情况将从病毒流传方面的研究中受益匪浅，评估有效的对策以权衡所接纳计谋的影响。尺度的易感熏染恢复（SIR）模型是一种很是乐成且广泛使用的数学模型，用于预测盛行病的流传。

我们在随机网络上接纳SIR模型，并将模型扩展为包罗控制计谋 em锁定和 em测试-两种常用的缓解计谋。通过改变实施这些计谋的有效性，研究了这些计谋控制大盛行流传的能力。

撤消缓解计谋后，将详细评估第二次发作的可能性。我们注意到，在任何情况下，此类缓解计谋的突然中断都可能导致第二次发作的再次发作，第二次发作的岑岭将与易感个体的数量相关。

实际上，我们发现，在实现牛群免疫之前，人群将仍然容易受到熏染。我们还使用有关韩国，德国和纽约的盛行病的真实统计信息和信息来测试我们的模型，并发现与模拟数据有显着的一致性。

关闭和重开：学校在COVID-19欧洲流传中的作用原文标题： Shut and re-open: the role of schools in the spread of COVID-19 in Europe地址： http://arxiv.org/abs/2006.14158作者： Helena B. Stage, Joseph Shingleton, Sanmitra Ghosh, Francesca Scarabel, Lorenzo Pellis, Thomas Finnie摘要： 通过思量案例研究丹麦，挪威，瑞典和德国各州，我们观察了学校关闭和随后重新开放对流传COVID-19的影响。通过比力天天住院或在差别干预措施下确诊病例的增长率，我们提供了证据，证明停课的影响随着实施后约9天的增长率下降而可见。有限的学校出勤率，例如年事较大的学生到场考试或较年轻的组的部门返回，似乎并未显著影响社区流传。

在诸如丹麦或挪威这样的社区流传率普遍较低的国家中，在控制或制止该盛行病的同时大规模开放学校似乎是可行的。可是，在社区流传率相对较高的国家（如德国），学校的重新开放可以促进增长率的显著提高。我们的发现强调需要对重新开放计谋举行审慎的评估，以确保较低的课堂占用率和坚实的基础设施来快速识别和隔离新熏染。亚洲国家的风险相同：推特上的COVID-19表述原文标题： Risk Communication in Asian Countries: COVID-19 Discourse on Twitter地址： http://arxiv.org/abs/2006.12218作者： Sungkyu Park, Sungwon Han, Jeongwook Kim, Mir Majid Molaie, Hoang Dieu Vu, Karandeep Singh, Jiyoung Han, Wonjae Lee, Meeyoung Cha摘要： COVID-19已成为社交媒体上讨论最广泛的话题之一。

这项研究通太过析来自四个亚洲国家的新型冠状病毒的公然叙述来表征风险相同模式：韩国，伊朗，越南和印度遭受了差别水平的发作。时间分析讲明，政府公布的官方盛行阶段与网上对COVID-19的关注水平不符。这一发现要求有须要通过诸如话题动态之类的新措施来分析民众话语。在这里，我们提出了一种自动方法来检测主题相变并比力这些国家随时间推移的主要主题的相似性。

我们研究了社交媒体关注度与确诊患者数之间的时差。对于动态，我们发现推文计数与主题多样性之间存在反比关系。预测印度COVID-19大盛行的逐日和累计病例数原文标题： Forecasting the daily and cumulative number of cases for the COVID-19 pandemic in India地址： http://arxiv.org/abs/2006.14575作者： Subhas Khajanchi, Kankan Sarkar摘要： 正在举行的新型冠状病毒盛行已由世界卫生组织和政府于2020年3月11日宣布为大盛行病。印度政府已宣布从2020年3月25日起在全国规模内举行封锁，以防止社区流传COVID-19。

由于缺少特定的抗病毒药或疫苗，数学建模在更好地相识疾病动态以及设计控制快速流传的感染病的计谋方面起着重要作用。在我们的研究中，我们开发了一个新的区室模型，该模型解释了COVID-19的流传动力学。我们使用印度四个省份（贾坎德邦，古吉拉特邦，安得拉邦和昌迪加尔）的逐日COVID-19数据对提出的模型举行了校准。

我们研究了模型的定性性质，包罗可行的平衡及其相对于基本繁殖数 mathcal R _0 的稳定性。当熏染个体的恢复率增加时，无病平衡变得稳定，地方病平衡变得不稳定，可是如果疾病流传率保持较高，那么地方病平衡将始终保持稳定。

对于预计的模型参数，四个省份的 mathcal R _0> 1 ，这讲明COVID-19的暴发。短期预测显示印度四个省份COVID-19的逐日和累积病例呈上升趋势。TweetsCOV19——有关COVID-19大盛行的语义注释推文的知识库原文标题： TweetsCOV19 — A Knowledge Base of Semantically Annotated Tweets about the COVID-19 Pandemic地址： http://arxiv.org/abs/2006.14492作者： Dimitar Dimitrov (1), Erdal Baran (1), Pavlos Fafalios (2), Ran Yu (1), Xiaofei Zhu (3), Matthäus Zloch (1), Stefan Dietze (1,4,5) ((1) GESIS - Leibniz Institute for the Social Sciences, Cologne, Germany, (2) Institute of Computer Science, FORTH-ICS, Heraklion, Greece, (3) Chongqing University of Technology, Chongqing, China, (4) Heinrich-Heine-University Düsseldorf, Germany, (5) L3S Research Center, Hannover, Germany)摘要： 公然可用的社交媒体档案库促进了社会科学的研究，并提供了用于训练和测试种种机械学习，NLP和信息检索方法的语料库。

关于最近发作的COVID-19，Twitter上的在线讨论反映了与大盛行自己以及缓解措施及其社会影响有关的民众舆论和看法。相识此类话语，其演变以及与现实世界事件或（错误）信息的相互依存关系可以造就出名贵的看法。

另一方面，这种语料库是解决诸如情感分析，事件检测或实体识别之类的任务的盘算方法的关键促进者。可是，获取，归档和语义注释大量推文是昂贵的。在本文中，我们形貌了TweetsCOV19，这是一个公然可用的知识库，当前包罗800万条推文，跨越时间为10月19日至20年4月。使用已建设的RDF / S词汇表可以公然有关推文的元数据以及提取的实体，主题标签，用户提及，情感和URL，从而为一系列知识发现任务提供了前所未有的知识库。

除了对数据集及其提取和注释历程的形貌之外，我们还提供了语料库的开端分析，用例和用法。关于巴西巴伊亚州和圣卡塔琳娜州COVID-19（SARS-CoV-2）大盛行的最佳控制关注原文标题： Optimal Control Concerns Regarding the COVID-19 (SARS-CoV-2) Pandemic in Bahia and Santa Catarina, Brazil地址： http://arxiv.org/abs/2006.14108作者： Marcelo M. Morato, Igor M. L. Pataro, Marcus V. Americano da Costa, Julio E. Normey-Rico摘要： COVID-19大盛行是21世纪最深刻的康健危机。

SARS-CoV-2病毒于2020年3月左右到达巴西，其社会和经济影响是灾难性的。在本文中，我们研究了如何使用模型预测控制（MPC）来计划适当的社会疏远政策，以减轻巴伊亚州和圣卡塔琳娜州（两个差别地域的文化，巴西人口状况）的大盛行影响。此外，使用优化法式确定了这两种状态的易感熏染-已恢复-已死亡（SIRD）模型的参数。

历程的控制输入是通报给人群的社会隔离准则。设计了两种MPC计谋：a）集中式MPC，它为两个状态协调单个控制计谋； b）疏散计谋，针对每个状态求解一个优化。

仿真效果显示了说明和比力两种控制计谋。该框架作为应对此类大盛行现象的指导原则。

有争议的信息在Reddit中流传得更快、更远原文标题： Controversial information spreads faster and further in Reddit地址： http://arxiv.org/abs/2006.13991作者： Jasser Jasser, Ivan Garibay, Steve Scheinert, Alexander V. Mantzaris摘要： 在线用户讨论和攀谈社会网络上的种种主题。Facebook，Twitter，Reddit等众多其他网络使用户可以自由共享信息。通过这些网络共享的大量信息使它们成为研究人类在信息流传方面的所有方面的诱人领域。

在许多有趣的行为中，社会级联中的争议性引起了我们的极大兴趣。众所周知，在线讨论中一定会发生争议。

在线社会网络平台Reddit具有将评论标志为有争议的功效，如果用户对此评论有差别意见。这项研究与以前实验明白社会网络上的争议之间的区别在于，我们不观察已知有争议的主题。相反，我们研究了典型的级联，并附有读者认为与所讨论事项有争议的评论。

这项事情询问有争议的信息级联是否具有与Reddit中无争议的信息相比具有鲜明的特征。我们使用从Reddit收集的数据（约1,700万个帖子）及其与网络宁静问题相关的相应评论往返答这些新泛起的问题。

从举行的比力分析来看，有争议的内容流传的速度更快，距离其泉源也越来越远。相识此现象将有助于用户或组织如何使用它来资助控制和流传特定的受益人信息。权衡不平衡州的两党偏见原文标题： On measuring two-party partisan bias in unbalanced states地址： http://arxiv.org/abs/2006.14067作者： John F. Nagle, Alec Ramsay摘要： 假设党派的公正性和响应性是重新划分的重要方面，则对其举行权衡很重要。

对于两个主要政党的选民比例大致相等的州来说，党派偏见的许多权衡尺度是令人满足的。当投票比例失衡的比例只有60％到40％时，还不清楚哪个指标可以有效地权衡公正性。我们通太过析四个具有民主偏好的州（CA，IL，MA和MD），三个具有共和党偏好（SC，TN和TX）的州的已往选举效果，并将这些效果与四个险些平衡的州的效果举行了比力（ CO，NC，OH和PA）。

我们使用了每个州已往的全州规模内的多次选举来建设统计上准确的席位，并对票数图表举行排名，并在其中应用了许多党派偏见怀抱。除了提供响应性的值之外，我们发现偏差的五个怀抱在所有状态下提供了相互一致的值，从而为不平衡状态提供了可用怀抱的焦点。

只管所有这五个量度都集中在党派偏见的差别方面，可是对十一个州的值举行归一化提供了一种比力它们的合适方法，我们建议将它们的平均值提供一个更好的量度，我们称之为复合偏见。关于其他措施，我们发现最看似合理的对称性措施对于不平衡状态无效。

我们还思量了偏离比例理想的情况，可是使用它很难题，因为国家的政治地理情况可能使响应能力与党派的整体偏见纠缠不清。我们不试图将居心的党派偏见与因国家的舆图绘制规则与其政治地理情况的相互作用而发生的隐性偏见离开，其理由是，重新划分应该试图使总的党派偏见最小化，无论其出处如何。

树线性排列中边长度总和的变化原文标题： The variation of the sum of edge lengths in linear arrangements of trees地址： http://arxiv.org/abs/2006.14069作者： Ramon Ferrer-i-Cancho, Carlos Gómez-Rodríguez, Juan Luis Esteban摘要： 网络科学中的一个基本问题是极点之间的拓扑或物理距离的归一化，这需要相识未归一化的距离的变化规模。在这里，我们研究了树木极点线性排列中物理距离变化的极限。

特别是，我们研究了牢固巨细树的边长之和的种种问题：特定树的总和的最小值和最大值，树木种别（双星树和毛毛虫树）的最小值和最大值，以及最后是任何树的最小值和最大值。我们为一维空间网络的最优得分研究奠基了基础。识别在线社会网络中影响品牌流传的节点原文标题： Identify Influential Nodes in Online Social Network for Brand Communication地址： http://arxiv.org/abs/2006.14104作者： Yuxin Mao, Lujie Zhou, Naixue Xiong摘要： 近年来，在线社会网络变得异常盛行，这促使越来越多的公司通过社交媒体推广其品牌和产物。本文提出了一种识别在线社会网络中影响品牌流传的节点的方法。

我们首先为用户及其从品牌相关内容中提取的关系构建加权网络模型。我们从网络结构和品牌到场方面定量评估社区中节点的小我私家价值。然后提出了一种从虚拟品牌社区中识别影响节点的算法。

该算法通过节点的各个值以及其周围节点的各个值来评估节点的重要性。我们从现实生活中的在线社会网络（作为数据集）提取并构建特定品牌的虚拟品牌社区，并通过履历评估所提出的方法。实验效果讲明，该方法能够识别在线社会网络中的影响节点。

通过该方法，可以获得具有较高验证用户比例和用户笼罩率的识别效果。评估飓风疏散期间的门路网络可达性：以佛罗里达州的艾尔玛飓风为例原文标题： Estimating Road Network Accessibility during a Hurricane Evacuation: A Case Study of Hurricane Irma in Florida地址： http://arxiv.org/abs/2006.14137作者： Yi-Jie Zhu, Yujie Hu, Jennifer M. Collins摘要： 相识飓风疏散历程中时空路网的可及性，相识该地域住民通过公路网到达疏散目的地所在的难易水平，是应急治理的重要组成部门。只管许多研究试图权衡门路的可及性（无论是在疏散规模内还是在疏散规模内），但很少有人思量动态疏散需求和飓风的特征。这项研究提出了实现这一目的的方法框架。

在每六个小时的距离中，该方法首先通过思量飓风的风半径和风道，凭据每个县分区中每户家庭的车辆数量来估算疏散需求。然后，接纳最靠近的设施分析方法来模拟疏散人员前往预定疏散目的地的门路选择。然后，通过将预计的疏散需求和门路选择联合起来，盘算潜在拥挤指数（PCI），该指标可捕捉每个路段的拥挤水平。

最后，通过盘算从子县到指定目的地的毗连疏散人员的相应门路的PCI值之和的倒数，来丈量每个子县的门路通行性。该方法适用于2017年9月飓风“艾尔玛”（Irma）期间的整个佛罗里达州。

效果显示，I-75和I-95北行拥堵水平很高，I-95北行的子县遭受最恶劣的门路辅助功效。此外，这项研究举行了敏感性分析，以检查行为响应曲线的差别选择对可会见性效果的影响。估算美国邮政编码之间的大规模驾驶时间矩阵：一种差分采样方法原文标题： Estimating a Large Drive Time Matrix between Zip Codes in the United States: A Differential Sampling Approach地址： http://arxiv.org/abs/2006.14138作者： Yujie Hu, Changzhen Wang, Ruiyang Li, Fahui Wang摘要： 预计位置之间的庞大行驶时间矩阵是一项实际但具有挑战性的任务。

挑战包罗可靠的门路网络（包罗交通）数据的可用性，编程专业知识以及对高性能盘算资源的会见。这项研究提出了一种估算美国邮政编码区域之间全国行驶时间矩阵的方法-美国是一个地理单元，许多国家数据集（例如康健信息）都在该地理单元上举行汇编和分发。

方法（1）在数据准备或会见高级盘算资源时无需花费大量精神，（2）使用庞大度和盘算时间各不相同的算法来估算差别行程长度的行驶时间，而且（3）思量区域间和区域内驱动时间。焦点设计凭据行程长度对具有差别强度的邮政编码对举行采样，并通过Google Maps API得出行驶时间，然后使用Google时间以较低的盘算成原来调整和革新一些原始的行驶时间预计。

效果为研究人员提供了名贵的资源。都会尺度律中的空间相互作用原文标题： Spatial interactions in urban scaling laws地址： http://arxiv.org/abs/2006.14140作者： Eduardo G. Altmann摘要： 对都会规模定律的分析假设差别都会中的观察效果与四周都会的存在无关。

在这里，我们先容了生成模型和数据分析方法，它们通过明确地建模差别位置的个体之间的交互作用来克服此限制。同时从数据中推断出形貌比例定律和空间相互作用的参数，从而可以举行严格的（贝叶斯）模型比力，并克服了界说都会区域界限的问题。五个差别数据集中的效果讲明，包罗空间相互作用通常可以导致更好的模型和尺度定律的指数变化。

参考中提供了数据和代码。[1]。使用志愿者逆境博弈对紧迫疏散中的资助行为举行建模原文标题： Modeling Helping Behavior in Emergency Evacuations Using Volunteer’s Dilemma Game地址： http://arxiv.org/abs/2006.14207作者： Jaeyoung Kwak, Michael H Lees, Wentong Cai, Marcus EH Ong摘要： 人们通常会资助遇到贫苦的其他人，尤其是在紧迫疏散情况下。

例如，在2005年伦敦爆炸案中，据报道，撤离人员资助受伤人员逃离了危险的地方。从博弈论的角度，可以明白，这种资助行为提供了团体利益，而这却是一种昂贵的行为，因为在紧迫疏散的情况下，志愿者花费分外的时间来资助受伤的人。

为了研究紧迫疏散中资助行为的团体效应，我们在房间疏散情况下对被疏散人员的资助行为举行了数值模拟。我们的模拟模型基于反映志愿者成本的志愿者逆境博弈。

博弈论模型与社会气力模型相联合，以相识疏散场景的空间和社会动态之间的关系。通过系统地更改资助行为的成本参数，我们视察到了团体资助行为的差别模式，并用相图总结了这些团体模式。增强公司网络中知识转移的干预情景原文标题： Intervention scenarios to enhance knowledge transfer in a network of firm地址： http://arxiv.org/abs/2006.14249作者： Frank Schweitzer, Yan Zhang, Giona Casiraghi摘要： 我们研究了研发网络中企业的多主体模型。每家公司都以其知识存量 x_ i（t）为特征，该知识存量遵循非线性动力学。

它可以随着其他公司的投入而增长，即通过知识转移而增长，反之则衰减。保持交互是昂贵的。如果没有实现预期的知识增长，企业可以脱离网络，这可能导致其他企业也脱离网络。

本文讨论了两种自下而上的干预方案，以防止，淘汰或延迟公司去职的级联。第一个基于网络可控制性的形式主义，其中通过降低驱动法式节点的成原来确定驱动节点并随后对其举行激励。第二个联合了节点干预和网络干预。它提出了对单个公司的有控制的撤离和对脱离公司的随机替代的建议。

这允许生成小的级联，从而防止大级联的发生。我们发现这两种方法都能乐成地缓解级联，从而提高R && D网络的弹性。图结构主题神经网络原文标题： Graph Structural-topic Neural Network地址： http://arxiv.org/abs/2006.14278作者： Qingqing Long, Yilun Jin, Guojie Song, Yi Li, Wei Lin摘要： 图卷积网络（GCN）通过有效地收集节点的局部特征而获得了庞大的乐成。

可是，GCN通常更多地关注节点特征，而较少关注邻域内的图结构，尤其是高阶结构模式。然而，这种局部结构模式显示为指示了许多领域中的节点特性。

此外，这不仅是单个模式，而且所有这些模式的漫衍都很重要，因为网络很庞大，每个节点的邻域由种种节点和结构模式的混淆组成。相应地，在本文中，我们提出了图结构主题神经网络（简称GraphSTONE），它是一种使用图的主题模型的GCN模型，因此结构性主题从概率方面广泛地捕捉了指示图结构，而不仅仅是少数结构。详细来说，我们使用匿名游走和Graph Anchor LDA（一种先选择重要结构模式的LDA变体）在图上建设主题模型，以减轻庞大性并有效生成结构主题。此外，我们设计了多视图GCN，以统一节点特征和结构主题特征，并使用结构主题指导聚合。

我们通过定量和定性实验来评估我们的模型，其中我们的模型体现出令人鼓舞的性能，高效率和清晰的可解释性。区域限制搜索的随机游走原文标题： A random walk on Area Restricted Search地址： http://arxiv.org/abs/2006.14318作者： Simone Santini摘要： 这些来自马德里自治大学研究生班的条记分析了一种被称为区域限制搜索（ARS）的搜索行为，该行为在动物界广泛存在，而且当一小我私家所追求的资源“斑驳”时是最佳的。

在第一部门中，我们研究了动物行为的重要性及其对多巴胺的依赖，以此作为奖励的指标。在第二部门中，我们提出了一种遗传算法来确定ARS的最优性及其特征。最后，我们将ARS与一种称为“征税步行”的随机游走相关，其中，距当前位置d处跳跃的概率遵循幂律漫衍。

通过带有负采样的高阶Skip-Gram举行时变图表现学习原文标题： Time-varying Graph Representation Learning via Higher-Order Skip-Gram with Negative Sampling地址： http://arxiv.org/abs/2006.14330作者： Simone Piaggesi, André Panisson摘要： 图的表现学习模型是一种乐成的技术系列，可以将节点投影到可以被其他机械学习算法使用的特征空间中。由于许多现实世界的网络本质上是动态的，节点之间的交互随时间而变化，因此可以为静态图和时变图界说这些技术。在此，我们基于一个事实，即跳过gram嵌入方法隐式地执行矩阵剖析，然后将其扩展为对时变图的差别张量表现举行隐式张量剖析。我们展示了带有负采样的高阶跳跃图（HOSGNS）能够解开节点和时间的作用，而其他方法所需的参数数量却很小。

我们使用时间剖析的面临面靠近数据对我们的方法举行了履历评估，效果讲明，当用于解决下游任务（如网络重建）并预测网络时，所学习的时变图表现优于最新方法。疾病流传等动态历程的效果。源代码和数据可在https://github.com/simonepiaggesi/hosgns上公然获得。

举报者被发现：泄密的难题原文标题： Snitches Get Stitches: On The Difficulty of Whistleblowing地址： http://arxiv.org/abs/2006.14407作者： Mansoor Ahmed-Rengers, Ross Anderson, Darija Halatova, Ilia Shumailov摘要： 对于人类来说，最关键的宁静协议问题之一就是当您出于某种更高的目的出卖信任时，如果您被抓到，世界就会对您倒霉。在这篇简短的论文中，我们陈诉了使举报者更宁静地向记者泄露敏感文件的事情。在对由于操作或技术问题而发现举报者的情况举行了观察之后，我们提出了一种博弈论模型，该模型捕捉了举报涉及的动力动态。我们发现举报人通常受他人的念头和能力的支配。

我们确定了可以使用技术减轻举报人风险的特定领域。可是，我们警告您不要接纳技术解决主义：主要的限制因素通常是体制性的。蜘蛛：互连数据和实体关系的选择性绘图原文标题： SPIDER: Selective Plotting of Interconnected Data and Entity Relations地址： http://arxiv.org/abs/2006.14416作者： Pranav Addepalli, Eric Wu, Douglas Bossart, Christina Lin, Allistar Smith摘要： 情报分析师恒久以来一直在努力应对天天必须观察的大量数据。在美国陆军中，此运动涉及协调种种泉源的信息，该历程已在一定水平上实现了自动化，但仍需高度手动。

为了促进自动化，设计了语义分析原型来辅助智能分析历程。此工具称为互连数据和实体关系的选择性绘图（SPIDER），可从文本中提取实体及其关系，以简化观察。

SPIDER是一个Web应用法式，可以通过Web浏览器举行远程会见，它具有三个主要组件：（1）Java API，用于读取文档，使用Stanford CoreNLP提取实体和关系；（2）一个存储实体的Neo4j图数据库，关系和属性； （3）基于JavaScript的SigmaJS可视化工具，用于在浏览器上显示图。SPIDER可以将文档分析扩展到成千上万个文件，以举行快速可视化，使情报分析历程越发高效，并使军事向导层可以更快地洞察大量潜在的知识。漫衍移位下含时图在图神经网络上的增量训练原文标题： Incremental Training of Graph Neural Networks on Temporal Graphs under Distribution Shift地址： http://arxiv.org/abs/2006.14422作者： Lukas Galke, Iacopo Vagliano, Ansgar Scherp摘要： 当前的图神经网络（GNN）很有前途，特别是当已知整个图都需要训练时。

可是，尚不清楚如何有效地在含时图上训练GNN，新的极点，边甚至是类随时间泛起。我们面临两个挑战：首先，标签漫衍的变化（包罗新标签的外观），这需要调整模型。其次，图的增长使得在某些时候无法在所有极点和边上举行训练。

我们通过应用滑动窗口技术来解决这些问题，即我们在有限的窗口巨细上逐步训练GNN并分析其性能。对于我们的实验，我们基于科学出书物体例了三个新的含时图数据集，并评估了各向同性和各向异性GNN体系结构。我们的效果讲明，纵然对于仅1个时间步长的窗口巨细，这两种GNN类型都可以提供良好的效果。

窗口巨细为3到4个时间步长，与使用图表的整个时间轴相比，GNN的准确性至少到达95％。窗口巨细为6或8时，可以保留至少99％的精度。这些发现对通过含时图训练GNN具有直接的影响。我们提供了代码（https://github.com/Incremental-GNNs）和新编译的数据集（https://zenodo.org/record/3764770），以实现可重复性和重用性。

基于掷中概率的有向图和马尔可夫链怀抱原文标题： A metric on directed graphs and Markov chains based on hitting probabilities地址： http://arxiv.org/abs/2006.14482作者： Zachary M. Boyd, Nicolas Fraiman, Jeremy L. Marzuola, Peter J. Mucha, Braxton Osting, Jonathan Weare摘要： 无向图上的最短路径，通勤时间和扩散距离已广泛用于降维，链路预测和行程计划等应用中。人们越来越关注使用从马尔可夫链和有向图得出的数据的差池称结构，可是很少有怀抱尺度专门适合此任务。我们在所有遍历，有限状态，时间匀称的马尔可夫链的状态空间上引入怀抱，尤其是在从有向图派生的任何马尔可夫链上引入怀抱。我们的构建基于掷中概率，怀抱空间中的靠近性与平稳步行者从一个节点到另一个节点的转移有关。

值得注意的是，我们的怀抱尺度对最短宁静均路径距离不敏感，因此与现有怀抱尺度相比，可以提供新的信息。我们使用怀抱中可能的简并性来生长有趣的有向图结构理论，并探索相关的商定法式。我们的指标可以用 O（n ^ 3）的时间来盘算，其中 n 是状态数，在示例中，我们可以扩展到 n = 10,000 个节点和台式机上约莫 38M 个边。

在几个示例中，我们探索了指标的性质，将其与替代方法举行了比力，并展示了其在麋集图中弱化社区结构恢复，可视化，结构恢复，动力学探索和多尺度聚类检测的效用。同配社区结构的统计推断原文标题： Statistical inference of assortative community structures地址： http://arxiv.org/abs/2006.14493作者： Lizhi Zhang, Tiago P. Peixoto摘要： 我们开发了一种原则上的方法来推断基于种植分区模型的非参数贝叶斯公式的网络中的分类社区。我们讲明，这种方法乐成地在网络中找到了具有统计意义的分类模块，这与诸如模块化最大化等替代方案差别，后者在人工和履历示例中均太过地过拟合。

此外，我们证明晰我们的方法不受分辨率限制，而且可以发现任意数量的社区，只要有针对它们的统计证据即可。我们的公式适合模型选择法式，这使我们可以将其与基于随机块模型的更通用方法举行比力，并以此方式展现分类是否实际上是主要的大规模混淆模式。

我们使用几个履历网络举行比力，并确定了许多情况，其中传统的社区检测方法夸大了网络的可分类性，而且我们展示了如何可以更忠实地确定可分类性。稳健网络毗连的渗流阈值原文标题： Percolation Thresholds for Robust Network Connectivity地址： http://arxiv.org/abs/2006.14496作者： Arman Mohseni-Kabir, Mihir Pant, Don Towsley, Saikat Guha, Ananthram Swami摘要： 通信网络，电网和运输网络都是网络的示例，其性能取决于其基础网络组件的可靠毗连性，纵然在由于移动性，节点或边故障以及变化的通信量负载而存在通例网络动态的情况下。渗流理论对局部控制参数的阈值举行量化，例如在存在庞大毗连组件（GCC）的情况下（高于，低于，低于）节点占有（重设，删除）概率或边激活（重设，移除）概率。

），一个毗连的组件，由多个占用的节点和运动边组成，运动边的巨细与网络自己的巨细成比例。GCC中的任何一对占用节点都通过至少一条由运动边和占用节点组成的路径毗连。

GCC自己的存在自己并不能保证远程毗连的鲁棒性，例如，对于由于网络动态而导致的随机链路或节点故障。在本文中，我们探索了新的渗透阈值，这些阈值不仅可以保证跨越网络毗连性，而且还可以保证鲁棒性。我们界说和分析了鲁棒网络连通性的四种怀抱，探讨了它们之间的相互关系，并在数值上评估了2D方格的相应鲁棒渗透阈值。依赖拓扑的收益可能导致挣脱囚徒逆境原文标题： Topology dependent payoffs can lead to escape from prisoner’s dilemma地址： http://arxiv.org/abs/2006.14593作者： Saptarshi Sinha, Deep Nath, Soumen Roy摘要： 演化博弈论试图明白空间受限人群中互助的稳定性。

维持互助很是难题，尤其是在没有空间限制的情况下。关于图表博弈的研究许多。众所周知，基础图拓扑会显著影响此类博弈的效果。

一个自然而未探讨的问题是，在确定收益时，玩博弈的基础结构的拓扑是否不起作用。在这里，我们先容一种形式的博弈收益，它很少依赖于基础拓扑。

我们的方法是受到众所周知的群体感应微生物现象的启发。我们证明，纵然依赖水平很弱，基本的博弈动力学以及博弈的本质也可能会发生变化。

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：亚博体彩手机网页版-www.beko-bj.com