国际足球网络：社区、演变和全球化
原文标题： Networks of international football: communities, evolution and globalization of the game
地址： http://arxiv.org/abs/2205.10599
作者： Yang Li, Gonzalo Mateos
摘要： 作为全球最受欢迎的运动，足球比赛最近引起了很多研究兴趣，以探索和提炼这项运动的有用和吸引人的信息。网络科学和以图为中心的方法之前已被应用于研究足球运动员和球队的重要性。本文首次从复杂网络的角度研究足球社会的宏观演化。收集一个多世纪时间窗口内的足球比赛记录，并以图的形式表示，其中参赛球队由图节点表示，他们之间的比赛是图的边。我们进行社区检测和时间分析，以揭示嵌入足球网络中的动态特征和社区结构，为不断扩大的足球社会提供证据。还实施了时空分析，以揭示代表足球历史上不同发展阶段的时间状态。我们的分析表明，这项运动的演变不仅受到重大体育赛事的影响，还受到多种社会和政治事件的影响。足球运动及其演变反映了重大的历史转折和转折，可以为研究世界范围内的全球化进程提供新的视角。
识别和减轻退化核心嵌入中的不稳定性
原文标题： Identifying and Mitigating Instability in Embeddings of the Degenerate Core
地址： http://arxiv.org/abs/2205.10647
作者： David Liu, Tina Eliassi-Rad
摘要： 图的退化核心的嵌入是否稳定？当我们系统地移除外围节点（通过重复剥离 k-cores）时，退化核心中的节点嵌入会发生什么？我们发现了三种模式 w.r.t.各种流行的图嵌入算法和数据集的退化核心嵌入的不稳定性。我们使用回归来量化图嵌入稳定性的变化点。此外，我们提出了 STABLE 算法，该算法采用现有的图嵌入算法并使其稳定。我们展示了 STABLE 在使退化核心嵌入稳定并仍然产生最先进的链路预测性能方面的有效性。
MultiBiSage：在 Pinterest 使用多个二部图的 Web 规模推荐系统
原文标题： MultiBiSage: A Web-Scale Recommendation System Using Multiple Bipartite Graphs at Pinterest
地址： http://arxiv.org/abs/2205.10666
作者： Saket Gurukar, Nikil Pancha, Andrew Zhai, Eric Kim, Samson Hu, Srinivasan Parthasarathy, Charles Rosenberg, Jure Leskovec
摘要： 图卷积网络（GCN）可以有效地整合图结构和节点特征来学习高质量的节点嵌入。然后，这些嵌入可用于推荐和搜索等多项任务。在 Pinterest，我们开发并部署了 PinSage，这是一种数据高效的 GCN，可以从 Pin-Board 图中学习 pin 嵌入。 Pin-Board 图包含 pin 和 board 实体，并且该图刻画 pin 属于 board 交互。但是，Pinterest 存在多个实体，例如用户、创意图钉、创建者，并且这些实体之间存在异构交互，例如添加到购物车、关注、长按。在这项工作中，我们展示了在刻画这些不同交互的图上训练深度学习模型将导致学习质量更高的 pin 嵌入，而不是仅在 Pin-Board 图上训练 PinSage。为此，我们通过多个二部图对不同的实体及其不同的交互进行建模，并提出了一种新颖的数据高效 MultiBiSage 模型。 MultiBiSage 可以刻画多个二部图的图结构来学习高质量的 pin 嵌入。我们采用这种务实的方法，因为它允许我们利用 Pinterest 开发的现有基础设施——例如可以在十亿节点图上执行优化随机游走的 Pixie 系统，以及现有的培训和部署工作流程。我们在六个二部图上训练 MultiBiSage，包括我们的 Pin-Board 图。我们的离线指标显示，MultiBiSage 在多个用户参与度指标上明显优于已部署的最新版 PinSage。
使用无监督嵌入社交媒体帖子集群预测 COVID-19 病例数
原文标题： Forecasting COVID-19 Caseloads Using Unsupervised Embedding Clusters of Social Media Posts
地址： http://arxiv.org/abs/2205.10408
作者： Felix Drinkall, Stefan Zohren, Janet B. Pierrehumbert
摘要： 我们提出了一种将基于转换器的语言模型纳入传染病建模的新方法。通过跟踪美国特定州的 COVID-19 子版块中 Reddit 帖子的句子级表示的高密度集群来量化文本衍生特征。我们将这些聚类嵌入特征与从其他高质量数据集中提取的特征进行基准测试。在阈值分类任务中，我们表明它们在预测上升趋势信号方面优于所有其他特征类型，这是在流行病学数据不可靠的地区进行传染病建模的重要结果。随后，在时间序列预测任务中，我们充分利用案例量的预测能力，并比较了在基于转换器的时间序列模型中使用不同补充数据集作为协变量特征集的相对优势。
大规模自适应社会网络模拟中的社会碎片化转变
原文标题： Social Fragmentation Transitions in Large-Scale Adaptive Social Network Simulations
地址： http://arxiv.org/abs/2205.10489
作者： Hiroki Sayama
摘要： 社会碎片化转型是指许多观点不同的不连贯社区与观点同质的连通性良好的单一网络之间的社会状态转型。这是一个与当前各种社会问题高度相关的及时研究课题。我们之前使用自适应社会网络模型的数值模拟研究了这个问题，发现两个个体行为特征，同质性和对新颖性的关注，对社会网络演化的结果具有最显著的统计学影响。然而，我们之前的研究在检查的参数值范围方面受到限制，并且在很大程度上忽略了多种行为特征之间可能的相互作用。在这项研究中，我们对同一模型进行了更大规模的数值模拟实验，在每个参数维度上将参数扫描范围扩大了一个数量级，总共进行了 116,640 次模拟运行。为了捕捉行为参数之间的重要相互作用，我们使用人工神经网络对结果测量对模型参数的依赖性进行建模和可视化。结果表明，虽然同质性和对新颖性的关注之间的竞争仍然是社会碎片化的主要决定因素，但当个体具有强烈的社会从众行为时，会出现另一个过渡平面，这是以前不为人知的。这意味着社会碎片化转变也可能发生在同质性-社会一致性权衡中，这两种行为特征具有非常相似的微观个体层面影响但产生非常不同的宏观集体层面结果，说明了复杂集体的非平凡宏观动态系统。
用于可重构智能表面辅助无线边网络的联合谱学习
原文标题： Federated Spectrum Learning for Reconfigurable Intelligent Surfaces-Aided Wireless Edge Networks
地址： http://arxiv.org/abs/2205.10791
作者： Bo Yang, Xuelin Cao, Chongwen Huang, Chau Yuen, Marco Di Renzo, Yong Liang Guan, Dusit Niyato, Lijun Qian, Merouane Debbah
摘要： 对智能谱传感的日益关注需要高效的训练和推理技术。在本文中，我们提出了一种新颖的联邦学习 (FL) 框架，称为联邦谱学习 (FSL)，它利用可重构智能表面 (RIS) 的优势并克服了深度衰落通道的不利影响。与众不同的是，我们通过在每个 RIS 控制器上利用完全训练的卷积神经网络 (CNN) 模型赋予传统 RIS 谱学习能力，从而帮助基站在每次训练开始时协同推断请求参与 FL 的用户迭代。为了充分发挥 FL 和 RIS 的潜力，我们解决了三个技术挑战：RIS 相移配置、用户-RIS 关联和无线带宽分配。由此产生的联合学习、无线资源分配和用户-RIS 关联设计被表述为一个优化问题，其目标是在考虑 FL 预测准确性的影响的同时最大化系统效用。在这种情况下，FL 预测的准确性与资源优化的性能相互作用。特别是，如果训练的 CNN 模型的准确性恶化，资源分配的性能就会恶化。所提出的 FSL 框架通过使用真实射频 (RF) 迹线进行测试，数值结果证明了其在谱预测精度和系统效用方面的优势：使用更多的 RIS 和反射元素。
馈赠关系驱动的社会组织转型
原文标题： Transition of Social Organizations Driven by Gift Relationship
地址： http://arxiv.org/abs/2205.11133
作者： Kenji Itao, Kunihiko Kaneko
摘要： 人类学家已经观察到在许多人类社会中建立社会关系以及商品转移的礼物关系。社会关系的整体构成了网络。社会科学家分析了具有特征网络的不同类型的社会组织，包括小型亲属群体、由许多家庭组成的中等不平等的部落以及等级组织的酋长领地。然而，导致这些类型之间转变的因素和机制几乎没有解释。在这里，我们将礼物作为改变人际关系和塑造社会组织的动力。我们建立了一个简单的建设性社会模型。在这个模型中，人们将自己的资产相互赠送，生产出来，然后回报礼物。礼物和回报加强了他们的关系。通过模拟，我们证明了随着礼物频率的增加，社会网络的结构以及经济和社会差距的程度呈现出显著的转变。网络结构较少聚集并且更有层次组织。经济和社会差距接连出现，其特征是财富分配和网络连通性的幂律尾部。这种转变对应于从部落到部落再到酋长领地的转变。在此之后，使用全球民族志数据库标准跨文化样本进行统计分析，实证验证了由于礼物增加而出现差异和等级组织的理论结果。由经验数据支持的建设性模型可以为社会演化提供基本的机制解释，并整合社会科学理论。
ASFAP 工作组社会参与总结
原文标题： ASFAP Working Group Summary of Societal Engagements
地址： http://arxiv.org/abs/2205.11362
作者： Mounia Laassiri, Marie Clementine Nibamureke, Bertrand Tchanche Fankam, Sam Ramaila, Ndeye Arame Boye-Faye, Diallo Boye, Marie Chantal Cyulinyana, Uli Raich, Jamal Mimouni, Benard Mulilo, Iroka Chidinma Joy
摘要： 第二届非洲基础与应用物理会议 (ACP2021) 于 2022 年 3 月 7 日至 11 日这一周举行。在本次会议期间，所有非洲基础与应用物理战略 (ASFAP) 工作组都预留了专题会议讨论他们的范围、活动（过去和现在）和共同感兴趣的主题。本报告的目的是总结 ASFAP 工作组在社会参与方面的讨论，即物理教育、社区参与、青年物理学家和物理学女性。报告中还总结了对未来社会参与活动的建议。
Omicron 变体 COVID-19 动力学的分数 SEIR 模型和数据驱动预测
原文标题： Fractional SEIR Model and Data-Driven Predictions of COVID-19 Dynamics of Omicron Variant
地址： http://arxiv.org/abs/2205.11379
作者： Min Cai, George Em Karniadakis, Changpin Li
摘要： 我们通过部分易感-暴露-感染-去除 (SEIR) 模型研究了 Omicron 变体导致的 COVID-19 的动态演变。初步数据表明，Omicron感染的症状并不突出，因此传播更加隐蔽，导致新感染病例在大流行开始时增加相对缓慢。为了表征特定的动力学，采用 Caputo-Hadamard 分数导数来改进经典的 SEIR 模型。根据报告的数据，我们通过分数物理信息神经网络（fPINN）推断分数 SEIR 模型的分数阶、时间相关参数以及未观察到的动力学。然后，我们使用学习的分数 SEIR 模型进行短期预测。
转自：网络科学研究速递
如有侵权，请联系本站删除！
