arxiv的論文可以撤回嗎（Arxiv網絡科學論文摘要10篇）

2023-04-15 16:56:34 1

原文標題： Epidemic Source Detection in Contact Tracing Networks: Epidemic Centrality in Graphs and Message-Passing Algorithms

地址： http://arxiv.org/abs/2201.06751

作者： Pei-Duo Yu, Chee Wei Tan, Hung-Lin Fu

摘要： 我們使用流行病學中的易感感染模型研究接觸者追蹤網絡中的流行病源檢測問題，該問題被建模為圖約束的最大似然估計問題。基於對感染子圖的快照觀察，我們首先分別研究了有限度正則圖和帶環正則圖，從而建立了有限無環圖和有環圖的最大似然比的數學等價性。特別是，我們表明，最大似然估計量的最優解可以基於捕捉非凸問題最優性的新統計距離中心性細化到圖上的距離。然後提出了一種有效的接觸跟蹤算法來解決具有多個循環的有限度正則圖的一般情況。我們對各種圖表的性能評估表明，我們的算法通過正確識別一些最大的超級傳播感染的超級傳播者，使用來自 SARS-CoV 2003 和 COVID-19 大流行的接觸者追蹤數據，優於現有的最先進的啟發式算法新加坡和臺灣的集群。

原文標題： HTGN-BTW: Heterogeneous Temporal Graph Network with Bi-Time-Window Training Strategy for Temporal Link Prediction

地址： http://arxiv.org/abs/2202.12713

作者： Chongjian Yue, Lun Du, Qiang Fu, Wendong Bi, Hengyu Liu, Yu Gu, Di Yao

摘要： 隨著電子商務網絡和社會網絡等時間網絡的發展，時間鏈路預測問題近年來越來越受到關注。 WSDM Cup 2022 的時間鏈路預測任務期望單個模型可以同時在兩種具有完全不同的特徵和數據屬性的含時圖上工作，以預測給定類型的連結是否會出現在兩個給定節點之間。給定的時間跨度。我們的團隊，在此命名為nothing，將此任務視為異構時間網絡中的鏈路預測任務，並提出了一個通用模型，即異構含時圖網絡（HTGN）來解決這種時間間隔不固定的時間鏈路預測任務和多種連結類型。也就是說，HTGN可以適應鏈路的異構性和任意給定時間段內不固定時間間隔的預測。為了訓練模型，我們設計了一個 Bi-Time-Window 訓練策略 (BTW)，它具有來自兩種時間窗口的兩種 mini-batch。結果，在最終測試中，我們在數據集 A 上的 AUC 為 0.662482，在數據集 B 上的 AUC 為 0.906923，並以 0.628942 的平均 T 分數獲得第二名。

原文標題： The Dynamic Resilience of Urban Labour Networks

地址： http://arxiv.org/abs/2202.12856

作者： Xiangnan Feng, Alex Rutherford

摘要： 理解並可能預測甚至控制城市勞動力市場對工人和政策制定者來說都是一個巨大的挑戰。城市是經濟增長和繁榮的有效引擎，並在其勞動力市場中孕育出複雜的動態，它們所支持的勞動力市場表現出相當大的多樣性。這對希望優化勞動力市場以造福工人、促進經濟增長和管理技術變革影響的政策制定者提出了挑戰。雖然以前的許多工作都研究了城市的經濟特徵作為規模的函數，並研究了城市經濟對自動化的影響，但這通常是從靜態的角度來看的。在這項工作中，我們檢查了城市工作網絡的結構以揭示擴散特性。更具體地說，我們確定了在促進有益或有害特性的傳播方面最重要的職業。我們發現這些屬性隨著城市規模的不同而有很大差異。

原文標題： Venture capital investments through the lens of network and functional data analysis

地址： http://arxiv.org/abs/2202.12859

作者： Christian Esposito, Marco Gortan, Lorenzo Testa, Francesca Chiaromonte, Giorgio Fagiolo, Andrea Mina, Giulio Rossetti

摘要： 在本文中，我們根據吸引投資的能力來描述風險投資支持的公司的表現。該研究的目的是確定從公司和投資者關係的網絡結構中構建的相關成功預測因素。專注於衛生部門的交易級數據，我們首先在公司和投資者之間建立了一個雙邊網絡，然後應用功能數據分析 (FDA) 逐步推導出由二進位、標量和功能結果刻畫的更精細的成功指標.更具體地說，我們使用不同的網絡中心性度量來捕捉早期投資對公司成功的作用。我們的結果對不同的規範都是穩健的，表明成功與公司及其大投資者的中心性度量有很強的正相關，而與小投資者的中心性度量和描述公司作為知識橋梁的特徵的相關性較弱但仍可檢測到.最後，根據我們的分析，成功與公司和投資者的傳播力（調和中心性）無關，也與投資者社區的緊密度（聚類係數）和傳播能力（VoteRank）無關。

原文標題： Fine-Grained Prediction of Political Leaning on Social Media with Unsupervised Deep Learning

地址： http://arxiv.org/abs/2202.12382

作者： Tiziano Fagni, Stefano Cresci

摘要： 預測社交媒體用戶的政治傾向是一項越來越受歡迎的任務，因為它對選舉預測、意見動態模型以及研究兩極分化和虛假信息的政治維度很有用。在這裡，我們提出了一種新穎的無監督技術，用於從社交媒體帖子的文本內容中學習細粒度的政治傾向。我們的技術利用深度神經網絡在表示學習任務中學習潛在的政治意識形態。然後，用戶被投射到一個低維的意識形態空間中，他們隨後被聚集在一起。用戶的政治傾向自動從用戶被分配到的集群中得出。我們在兩個具有挑戰性的分類任務中評估了我們的技術，並將其與基線和其他最先進的方法進行了比較。我們的技術在所有無監督技術中獲得了最好的結果，8 類任務中的微 F1 = 0.426，3 類任務中的微 F1 = 0.772。除了本身很有趣之外，我們的結果還為開發新的更好的無監督方法來檢測細粒度的政治傾向鋪平了道路。

原文標題： Construction of Large-Scale Misinformation Labeled Datasets from Social Media Discourse using Label Refinement

地址： http://arxiv.org/abs/2202.12413

作者： Karishma Sharma, Emilio Ferrara, Yan Liu

摘要： 最近，傳播錯誤信息的惡意帳戶導致了廣泛的虛假和誤導性敘述，尤其是在 COVID-19 大流行期間，社交媒體平臺努力迅速消除這些內容。這是因為適應新領域需要人工密集的事實檢查，速度緩慢且難以擴展。為了應對這一挑戰，我們建議利用新聞來源可信度標籤作為社交媒體帖子的弱標籤，並提出模型引導的標籤細化，以在新領域構建大規模、多樣化的錯誤信息標籤數據集。在用戶的立場與新聞來源或文章可信度不一致的文章或社交媒體帖子級別，弱標籤可能不準確。我們提出了一個框架，使用基於模型預測熵的不確定性抽樣在初始弱標籤上自我訓練的檢測模型來識別潛在不準確的標籤，並使用自我監督或重新標記來糾正它們。該框架將根據相關用戶的社區將帖子的社會背景結合起來，以顯示不準確的標籤，從而以最少的人力構建大規模數據集。為了向標記數據集提供區分誤導性敘述的信息，其中信息可能缺少重要的上下文或具有不準確的輔助細節，所提出的框架將使用少數標記樣本作為類原型，將高置信度樣本分離為錯誤、未經證實、混合、大部分是錯誤的、大部分是真實，真實和揭穿的信息。該方法被證明可提供有關 COVID-19 疫苗的大規模錯誤信息數據集。

原文標題： A Deep Learning Approach for Network-wide Dynamic Traffic Prediction during Hurricane Evacuation

地址： http://arxiv.org/abs/2202.12505

作者： Rezaur Rahman, Samiul Hasan

摘要： 主動疏散交通管理很大程度上依賴於以高時空解析度實時監控和預測交通流量。然而，由於預計颶風路徑的突然變化以及因此家庭疏散行為引起的不確定性，疏散交通預測具有挑戰性。此外，建模時空交通流模式需要較長時間段內的大量數據，而疏散通常持續 2 到 5 天。在本文中，我們提出了一種新的數據驅動方法，用於預測網絡規模的疏散流量。我們開發了一個動態圖卷積 LSTM (DGCN-LSTM) 模型來學習颶風疏散的網絡動態。我們首先針對非疏散期交通數據訓練模型，表明該模型在預測非疏散期交通量方面優於現有的深度學習模型，RMSE 值為 226.84。然而，當我們將模型應用於疏散期時，RMSE 值增加到 1440.99。我們通過採用遷移學習方法克服了這個問題，該方法具有與疏散交通需求相關的附加特徵，例如與疏散區的距離、登陸時間和其他區域級特徵，以控制來自非疏散期的信息（網絡動態）傳輸到疏散期。最終的遷移學習 DGCN-LSTM 模型在預測疏散交通流量方面表現良好（RMSE=399.69）。實施的模型可用於預測較長預測範圍（6 小時）內的疏散交通。它將協助運輸機構啟動適當的交通管理策略，以減少疏散交通的延誤。

原文標題： The emerging commercial landscape of quantum computing

地址： http://arxiv.org/abs/2202.12733

作者： Evan R. MacQuarrie, Christoph Simon, Stephanie Simmons, Elicia Maine

摘要： 量子計算技術正在進步，可解決問題的類別正在擴大。加上新企業和政府贊助的合作夥伴關係的出現，這些趨勢將有助於降低新技術採用的障礙，並在不確定的市場中提供穩定性。在那之前，量子計算為新興市場的不同策略提供了一個令人興奮的測試平臺。

原文標題： Core-periphery detection in hypergraphs

地址： http://arxiv.org/abs/2202.12769

作者： Francesco Tudisco, Desmond J. Higham

摘要： 核心-外圍檢測是探索性網絡分析中的一項關鍵任務，其中一個目標是找到一個核心，一組內部連接良好且與外圍連接良好的節點，以及一個外圍，一組僅（或大部分）與核心連接的節點.在這項工作中，我們提出了一種用於高階網絡的核心外圍模型，該模型被建模為超圖，並且我們提出了一種計算核心分數向量的方法，該向量量化每個節點與核心的接近程度。特別是，我們展示了該方法在全局範圍內以任意精度解決了相應的非凸核心-外圍優化問題。該方法與計算非線性超圖算子的 Perron 特徵向量一致，根據超圖的關聯矩陣適當地定義，概括了最近提出的超圖中心性模型。我們對合成和真實世界的超圖進行了幾項實驗，表明所提出的方法優於替代的核心-外圍檢測算法，特別是那些通過派系擴展將已建立的圖方法轉移到超圖設置而獲得的算法。

原文標題： Dynamical systems on directed hyper-graphs

地址： http://arxiv.org/abs/2202.12810

作者： Mauro Faccin

摘要： 網絡和圖為大量系統提供了一個簡單但有效的模型，這些系統構建塊在成對交互中進行交互。這樣的模型無法描述所有那些構建塊以更高階交互的系統。高階圖為我們提供了完成任務的正確工具。我們分析了有向超圖的結構與在其上演化的動態系統之間的相互作用。我們將 h 上的動態系統連接到有效圖上的相應隨機遊走。超動力學測量對應於有效動力學的類似測量。我們可以在有效圖上使用簡單且經過良好測試的算法。

聲明：Arxiv文章摘要版權歸論文原作者所有，機器翻譯後由本人進行校正整理，未經同意請勿隨意轉載。本系列在公眾號「網絡科學研究速遞」（netsci）和個人博客進行同步更新。

,