Arxiv网络科学论文摘要10篇(2022-01-10)

• 同区域对于人类通信网络的影响;
• 全国范围内高度协调的大规模旅行限制对于有效缓解和控制中国 COVID-19 疫情至关重要;
• MGAE：用于图自监督学习的掩码自动编码器;
• 不同度的演化网络中的流行病;
• 公共汽车捆绑可以减少等待时间吗？;
• 使用成分数据方法的移民研究：丹麦首都地区人口结构的案例研究;
• 在 COVID-19 大流行期间使用漫游手机跟踪建模国际移动性;
• 动态流行病模型中疫苗接种效果对财富分配的影响;
• IRL 计划：与移动增强现实进行有趣的同区域交互;
• 双层选民模型：在意见动态中建模不宽容/宽容的立场和机器人;

原文标题： The effect of co-location of human communication networks

地址： http://arxiv.org/abs/2201.02230

作者： Daniel Carmody, Martina Mazzarello, Paolo Santi, Trevor Harris, Sune Lehmann, Timur Abbiasov, Robin Dunbar, Carlo Ratti

摘要： 重新连接通信网络中的联系的能力对于大规模的人类合作和新思想的传播至关重要。对知识传播尤其重要的是形成新的弱联系的能力——这种联系充当社会系统遥远部分之间的桥梁，并使新信息能够流动。在这里，我们展示了在 COVID-19 锁定期间缺乏研究人员同地办公导致北美一所大型大学 - 麻省理工学院校园的电子邮件网络在 18 个月内失去了 4800 多个弱联系。此外，我们发现，从 2021 年 9 月开始，通过混合工作模式重新引入部分协同定位导致弱关系的部分再生，尤其是在近距离工作的研究人员之间。我们通过一种基于物理接近度的新模型来量化协同定位在更新关系中的影响——我们称之为新生成的过程，该模型能够重现所有经验观察。结果表明，不在同一地点的员工不太可能建立联系，从而削弱了工作场所的信息传播。这些发现有助于更好地理解人类通信网络的时空动态，并帮助正在实施混合工作政策的组织评估健康工作生活所需的最少面对面互动。

原文标题： Highly coordinated nationwide massive travel restrictions are central to effective mitigation and control of COVID-19 outbreaks in China

地址： http://arxiv.org/abs/2201.02353

作者： Xingru Chen, Feng Fu

摘要： 自 2019 年 12 月在震中中国湖北武汉首次报道以来，由新型冠状病毒 2019 (SARS-CoV-2) 引起的疾病 COVID-19 已在全球范围内造成严重困境。COVID-19 在自 2020 年 1 月 23 日武汉封城以来，中国其他省份纷纷效仿，大规模的旅行限制使超过 9 亿人在家中呆了两个多月。在这里，我们评估了中国大规模封锁和旅行限制的影响，这些影响反映在封锁期间和封锁期间的流动模式变化。我们量化了跨省和省内流动模式的同步性。使用这些流动性数据，我们结合流行病学隔间模型校准各省之间的流动流动，以量化封锁和减少疾病传播的有效性。我们的分析表明，其他省份本地社区传播的开始和阶段取决于从震中湖北接收到的累积人口外流。因此，感染可以进一步传播到远近的其他相互连接的地方，从而需要同步封锁。此外，我们的数据驱动的建模分析表明，封锁和由此导致的流动性减少会滞后一段时间，才能对减缓传播速度并最终控制疫情产生实际影响。尽管中国各地的人口统计和流行病学特征差异很大，但流动性数据显示，大规模的旅行限制一直通过自上而下的方法实施，同时自下而上的高度合规性。

原文标题： MGAE: Masked Autoencoders for Self-Supervised Learning on Graphs

地址： http://arxiv.org/abs/2201.02534

作者： Qiaoyu Tan, Ninghao Liu, Xiao Huang, Rui Chen, Soo-Hyun Choi, Xia Hu

摘要： 我们引入了一种新颖的掩码图自动编码器（MGAE）框架来对图结构数据进行有效学习。从自我监督学习中汲取见解，我们随机掩盖了大部分边，并尝试在训练期间重建这些缺失的边。 MGAE 有两个核心设计。首先，我们发现屏蔽输入图结构的高比率，例如 70%，会产生一个有利于下游应用程序的非平凡且有意义的自我监督任务。其次，我们采用图神经网络 (GNN) 作为编码器，在部分掩蔽图上执行消息传播。为了重建大量的掩蔽边，提出了一种定制的互相关解码器。它可以多粒度地刻画锚边的头尾节点之间的互相关。将这两种设计结合起来，可以有效地训练 MGAE。在多个开放数据集（Planetoid 和 OGB 基准）上进行的大量实验表明，MGAE 在链路预测和节点分类方面的表现通常优于最先进的无监督学习竞争对手。

原文标题： Epidemics on evolving networks with varying degrees

地址： http://arxiv.org/abs/2201.02299

作者： Hillel Sanhedrai, Shlomo Havlin

摘要： 在过去几年中，复杂网络上的流行病是一个广泛研究的话题，主要是由于最近的大流行事件。通常，真实的联系网络是动态的，因此在研究不断发展的网络上的流行病方面投入了大量精力。在这里，我们提出并研究了一个基于不同程度的演化网络模型，其中在每个时间步，节点可能会根据给定的度数分布以概率 r 获得一个新的度数和新的邻居，而不是其以前的邻居。我们使用生成函数框架分析发现，流行阈值和疾病宏观传播的概率取决于重连率 r。我们的分析结果得到数值模拟的支持。我们惊讶地发现，对于具有不同度数分布的网络，重连率 r 的影响具有质的不同趋势。也就是说，在某些结构中，例如随机规则网络，动态增强了流行病的传播，而在其他结构中，例如无标度网络，动态减少了传播。此外，对于无标度网络，我们揭示了网络的快速动态，r=1，将流行阈值更改为非零，而不是发现 r<1 时发现的零，这类似于已知的 r=0, ie，一个静态网络。最后，我们发现流行阈值也适用于恢复时间的一般分布。

原文标题： Can bus bunching reduce waiting time?

地址： http://arxiv.org/abs/2201.02343

作者： Luca Vismara, Vee-Liem Saw, Lock Yue Chew

摘要： 公交捆绑表面上被认为是公交系统中的一种有害现象。我们研究了一个有两个公交车站、一个普通公交车站和一个尖峰公交车站的公交车环路，在这些公交车站中，成群的公交车可以胜过交错的公交车。尖峰巴士站模拟连接到火车或地铁服务的巴士站，乘客定期成群到达（尖峰）。我们介绍了同步集束总线的配置，其中集束总线等待需求高峰。对于范围广泛的参数，同步集束巴士在最大限度地减少通勤者的等待时间方面优于完美交错的巴士。在考虑不同的乘客需求、公交车数量和公交车容量的情况下，我们提出了集束巴士、同步集束巴士和完美交错巴士的平均等待时间的分析公式。我们通过基于主体的总线环路系统模拟证明了我们分析结果的有效性。

原文标题： Migration studies with a Compositional Data approach: a case study of population structure in the Capital Region of Denmark

地址： http://arxiv.org/abs/2201.02451

作者： Javier Elío, Marina Georgati, Henning S. Hansen, Carsten Keßler

摘要： 用于消除人口地理学中人口密度影响的数据标准化是一种常见的程序，可能会带来未察觉的风险。在这方面，数据被限制为一个恒定的总和，因此它们不是独立的观察结果，这是应用标准多元统计工具的基本要求。成分数据 (CoDa) 技术的开发是为理解决标准统计工具在数据接近时遇到的问题（即虚假相关性、超出范围的预测和子成分不连贯），但它们在该领域仍然不常用。因此，我们在本文中提出了一个案例研究，我们在教区层面分析了丹麦首都地区丹麦人、西方移民和非西方移民的空间分布。通过应用 CoDa 技术，我们已经能够识别该地区的空间人口隔离，并且我们已经认识到一些可用于解释房价变化的模式。我们的练习是 CoDa 技术潜力的一个基本示例，它比标准统计程序产生更强大和可靠的结果，但它可以推广到具有更复杂结构的其他人口数据集。

原文标题： Modeling International Mobility using Roaming Cell Phone Traces during COVID-19 Pandemic

地址： http://arxiv.org/abs/2201.02470

作者： Massimiliano Luca, Bruno Lepri, Enrique Frias-Martinez, Andra Lutu

摘要： 大多数与人类流动性相关的研究都集中在国内流动性上。然而，在许多情况下（例如，传播疾病、移民），及时提供有关国际通勤者的数据至关重要。手机代表了一个独特的机会，可以通过适当的空间聚合及时监控国际流动性。这项工作建议使用手机生成的漫游数据来模拟传入和传出的国际移动性。我们使用重力和辐射模型来刻画在引入非药物干预之前和期间的流动性流动。然而，传统模型有一些局限性：例如，移动性限制没有被明确刻画，并且可能起着至关重要的作用。为了克服这些限制，我们提出了 COVID 引力模型 (CGM)，即为大流行场景量身定制的传统引力模型的扩展。在准确度方面，这种提议的方法在传入流动性方面超过了传统模型 126.9%，在对传出流动性进行建模时超过了 63.9%。

原文标题： Effects of vaccination efficacy on wealth distributionin kinetic epidemic models

地址： http://arxiv.org/abs/2201.02553

作者： Emanuele Bernardi, Lorenzo Pareschi, Giuseppe Toscani, Mattia Zanella

摘要： Covid-19 大流行的蔓延凸显了应急管理背景下经济与健康之间的密切联系。广泛的疫苗接种运动被认为是控制经济后果的主要工具。本文将在财富分配模型的层面上，重点关注疫苗接种运动在有效率方面所带来的经济改善。大流行期间的经济趋势是通过一个数学模型来评估的，该模型加入了一个经典的分区模型，包括接种疫苗的个人，以及一个基于二元财富交换的财富分配动力学模型。财富交换与传染病进展之间的相互作用是通过一方面假设不同部门的个人在经济过程中的行为不同而另一方面假设流行病影响经济交易中的风险来实现的。使用动力学理论的数学工具，可以确定系统的平衡状态以及由于人口财富分配的流行病而形成的不平等。数值实验强调了疫苗接种运动的重要性及其在减少多主体社会中的经济不平等方面的积极作用。

原文标题： Project IRL: Playful Co-Located Interactions with Mobile Augmented Reality

地址： http://arxiv.org/abs/2201.02558

作者： Ella Dagan, Ana Cárdenas Gasca, Ava Robinson, Anwar Noriega, Yu Jiang Tham, Rajan Vaish, Andrés Monroy-Hernández

摘要： 我们展示了 Project IRL（在现实生活中），这是我们创建的一套包含五个移动应用程序的套件，旨在探索通过增强现实支持面对面社交互动的新方法。近年来，围绕数字技术的公共话语的基调变得越来越重要，人们指责技术对人们相互交往方式的影响使人们感到“孤独”，从而转移了他们的注意力，无法真正与他人互动。他们亲自互动。受到这一挑战的激励，我们专注于一个未被充分探索的设计空间：有趣的协同定位交互。我们通过一项部署研究评估了这些应用程序，该研究涉及对 101 人的采访和参与观察。我们将结果综合成一系列设计指南，重点关注四个主题：（1）设备排列（例如，人们是否共享一部手机，还是每个人都有自己的手机？），（2）促成因素（例如，活动是否应该专注于物体、身体部位或宠物？），（3）修改现实的可供性（即，增强其鼓励社会互动各个方面潜力的技术特征），以及（4）同地博弈（即，使用技术使面对面的博弈引人入胜且引人入胜）。最后，我们展示了我们未来在具体社交 AR 方面工作的设计指南。

原文标题： Bi-layer voter model: Modeling intolerant/tolerant positions and bots in opinion dynamics

地址： http://arxiv.org/abs/2201.02218

作者： Didier A. Vega-Oliveros, Helder L. C. Grande, Flavio Iannelli, Federico Vazquez

摘要： 社会网络中的意见传播是在政治运动中采取立场和吸引潜在选民的相关过程。意见两极分化、偏见、有针对性的扩散和立场的激演化是理解投票动态的关键要素。特别是，社交机器人是一种新元素，可以对选举期间的意见形成产生显著影响，例如，通过在社会网络中创建虚假账户来操纵选举。在这里，我们提出了一个选民模型，将机器人和激进或不宽容的个人纳入决策过程。系统的动态发生在由两层组成的交互主体的多重网络中，一层用于意见动态，主体在两种可能的选择之间进行选择，另一层用于容忍动态，其中主体采用两个容忍级别之一。容忍度解释了在交互中改变意见的可能性，容忍（不容忍）主体以 1.0 美元（gamma le 1）的概率转换意见。我们发现不容忍会导致容忍主体在初始阶段达成共识，其规模为 tau^ sim gamma^-1 ln N，然后在第二阶段达成意见共识尺度为 tausim N，其中 N 是主体的数量。因此，非常不宽容的主体（gamma ll 1）可能会大大减慢最终共识状态的动态。我们还发现，包含一小部分机器人 sigma_mathbbB^- 打破了两种意见之间的对称性，使系统与机器人意见不相容的主体达成共识。因此，机器人最终将他们的意见强加给整个人群，时间范围为 tau_B^- sim gamma^-1 for gamma ll sigma_mathbbB^- 和 tau_B^- sim 1/sigma_mathbbB^- 对于 sigma_mathbbB^- ll gamma。

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。
​