Arxiv網絡科學論文摘要16篇(2022-07-15)

2022年10月10日20:09:18 熱門 1440

複雜網絡之間的分析關係：編碼、解碼和因果關係;
等變超圖擴散神經算子;
使用圖神經網絡的子圖頻率分布估計;
網絡旁路維持複雜性;
活動網絡完成時間的熱帶近似;
基於社會關係和歷史行為的個性化推薦系統;
表徵動態屬性網絡中的節點和邊：一種基於社會的方法;
多智能體強化學習中的獎勵共享關係網絡作為緊急行為的框架;
一般非局部交通流模型的加速動力學蒙特卡羅方法;
大流行期間的行為變化惡化了城市遭遇的收入多樣性;
通過敏感度有界的個性化 PageRank 進行差分私有圖學習;
作為複雜網絡的叛亂：PKK 中的形象共同出現和等級制度;
核心-邊緣社區的結構;
自旋玻璃系統作為集體主動推理;
基於雙重拍賣機制的股權驅動出租車定價策略在泰國曼谷都會區的可行性;
在社交媒體上檢測對非自殺性自殘感興趣的人;

複雜網絡之間的分析關係：編碼、解碼和因果關係

原文標題： Analytic relations between complex networks: encoding, decoding, and causality

地址： http://arxiv.org/abs/2207.06606

作者： Yang Tian, Hedong Hou, Guangzheng Xu, Yaoyuan Wang, Ziyang Zhang, Pei Sun

摘要：複雜網絡在物理學、生物學、計算機科學和社會科學中很常見。量化複雜網絡之間的關係為理解跨網絡共享的潛在信息鋪平了道路。然而，複雜網絡之間的基本關係度量，例如信息散度、互信息、Fisher 信息和因果關係，並沒有得到很好的定義。作為一種折衷方案，常用策略（例如，網絡嵌入、匹配和內核方法）以數據驅動的方式測量網絡關係。這些方法是面向計算的，不適用於數學和物理中的解析推導。為理解決這些問題，我們提出了一種理論來推導網絡拓撲屬性的最佳表徵。我們的理論表明，複雜網絡可以完全由離散 Schr”odinger 算子定義的高斯馬爾可夫隨機場表示，同時滿足所需的平滑度和最大熵屬性。基於此表徵，我們可以分析測量不同的網絡之間在拓撲屬性方面的關係。作為說明，我們主要展示了如何定義複雜網絡之間的編碼（例如，信息散度和互信息）、解碼（例如，Fisher 信息）和因果關係（例如，傳遞熵和 Granger 因果關係）。我們在具有代表性的複雜網絡（例如，演化隨機網絡模型、蛋白質-蛋白質相互作用網絡和化合物網絡）上驗證了我們的框架，並證明了一系列科學和工程挑戰（例如，網絡演化、聚類和分類） ) 可以從一個新的角度來解決。我們的理論的計算上有效的實現是相關的作為一個開源工具箱。

等變超圖擴散神經算子

原文標題： Equivariant Hypergraph Diffusion Neural Operators

地址： http://arxiv.org/abs/2207.06680

作者： Peihao Wang, Shenghao Yang, Yunyu Liu, Zhangyang Wang, Pan Li

摘要：使用神經網絡對超圖進行編碼的超圖神經網絡 (HNN) 提供了一種很有前途的方法來對數據中的高階關係進行建模，並進一步解決基於這種高階關係的相關預測任務。然而，實踐中的高階關係包含複雜的模式並且通常是高度不規則的。因此，設計一個足以表達這些關係同時保持計算效率的 HNN 通常具有挑戰性。受超圖擴散算法的啟發，這項工作提出了一種名為 ED-HNN 的新 HNN 架構，它可證明代表任何可以對各種高階關係進行建模的連續等變超圖擴散算子。 ED-HNN 可以通過將超圖的星形擴展與標準消息傳遞神經網絡相結合來有效地實現。 ED-HNN 在處理異嗜超圖和構建深度模型方面進一步顯示出極大的優勢。我們在九個真實世界的超圖數據集上評估 ED-HNN 的節點分類。 ED-HNN 在這九個數據集上均優於最佳基線，並在其中四個數據集上實現了超過 2%uparrow 的預測準確度。

使用圖神經網絡的子圖頻率分布估計

原文標題： Subgraph Frequency Distribution Estimation using Graph Neural Networks

地址： http://arxiv.org/abs/2207.06684

作者： Zhongren Chen, Xinyue Xu, Shengyi Jiang, Hao Wang, Lu Mi

摘要：小子圖（graphlet）是描述大型網絡基本單元的重要特徵。子圖頻率分布的計算在生物學和工程學等多個領域有着廣泛的應用。不幸的是，由於這項任務的固有複雜性，大多數現有方法都是計算密集型和低效的。在這項工作中，我們提出了 GNNS，這是一種新穎的表示學習框架，它利用圖神經網絡有效地對子圖進行採樣以估計它們的頻率分布。我們的框架包括一個推理模型和一個生成模型，用於學習節點、子圖和圖類型的層次嵌入。使用學習的模型和嵌入，以高度可擴展和並行的方式對子圖進行採樣，然後基於這些採樣的子圖執行頻率分布估計。最終，與現有方法相比，我們的方法實現了相當的準確性和三個數量級的顯著加速。

網絡旁路維持複雜性

原文標題： Network bypasses sustain complexity

地址： http://arxiv.org/abs/2207.06813

作者： Ernesto Estrada, Lucas Lacasa

摘要：現實世界的網絡既不是規則的也不是隨機的，Watts-Strogatz 或 Barabasi-Albert 模型等機制優雅地解釋了這一事實。這兩種機制自然會創建快捷方式和集線器，從而增強網絡的可導航性。它們在測地線導航過程中也往往被過度使用，使網絡容易受到干擾。那麼，為什麼具有複雜拓撲的網絡無處不在？在這裡，我們展示了這些模型熵生成網絡旁路：最短路徑的替代路線在拓撲上更長但更易於導航。我們開發了一種數學理論，闡明了網絡旁路的出現和整合，並測量了它們的導航增益。我們將我們的理論應用於廣泛的現實世界網絡，並發現它們通過不同數量的網絡旁路來維持複雜性。在這個複雜性排名的頂部，我們發現了人腦，它指出了這些結果對於理解複雜系統的可塑性的重要性。

活動網絡完成時間的熱帶近似

原文標題： Tropical approximation to finish time of activity networks

地址： http://arxiv.org/abs/2203.04621

作者： Alexei Vazquez

摘要：我們將複雜的項目分解為活動及其邏輯依賴關係。我們根據活動持續時間和關係估計項目完成時間。然而，不良事件觸發延遲級聯改變完成時間。在這裡，我推導出活動網絡完成時間的熱帶代數方程，封裝了熱帶意義上的外生擾動線性疊加原理。從熱帶代數方程中，我推導出完成時間分布，並明確參考外生延遲的分布以及網絡拓撲和幾何形狀。

基於社會關係和歷史行為的個性化推薦系統

原文標題： Personalized recommendation system based on social relationships and historical behaviors

地址： http://arxiv.org/abs/2206.13072

作者： Yan-Li Lee, Tao Zhou, Kexin Yang, Yajun Du, Liming Pan

摘要：以往的研究表明，基於用戶歷史行為的推薦算法可以提供令人滿意的推薦性能。這些算法很多都關注用戶的興趣，而忽略了社會關係對用戶行為的影響。社會關係不僅承載着相似消費品味或行為的內在信息，還暗示着個體對其鄰居的影響。在本文中，我們假設用戶的社會關係和歷史行為與相同的因素有關。基於這個假設，我們提出了一種算法，通過來自兩種類型信息的相互約束來關注對推薦系統有用的社會關係。我們在四種類型的用戶上測試我們的算法的性能，包括所有用戶、活躍用戶、非活躍用戶和冷啟動用戶。結果表明，在受推薦準確性和多樣性指標影響的四種場景中，所提出的算法優於基準。我們進一步設計了一個隨機化模型來探索社會關係對推薦性能的貢獻，結果表明，社會關係在所提出的算法中的貢獻取決於社會關係和歷史行為的耦合強度。

表徵動態屬性網絡中的節點和邊：一種基於社會的方法

原文標題： Characterizing Nodes and Edges in Dynamic Attributed Networks: A Social-based Approach

地址： http://arxiv.org/abs/2207.07035

作者： Thiago H. P. Silva, Alberto H. F. Laender, Pedro O. S. Vaz de Melo

摘要：如何基於社交方面表徵動態屬性網絡中的節點和邊？我們通過隨着時間的推移探索參與者之間的聯繫強度及其相關屬性來解決這個問題，從而捕捉參與者的社會角色以及他們在不同社會網絡場景中動態交互的意義。為此，我們應用社會概念來促進對涉及參與者及其社會動機的潛在複雜性的更好理解。更具體地說，我們通過經紀概念、創建具有多種模式的橋樑的能力和閉合、聚合具有相似節點的能力模式。因此，我們揭示了不同學術合著網絡和問答社區中社會互動的差異。我們還通過網絡屬性統計驗證了我們的社會定義，考慮到節點和邊在社會結構中的重要性。

多智能體強化學習中的獎勵共享關係網絡作為緊急行為的框架

原文標題： Reward-Sharing Relational Networks in Multi-Agent Reinforcement Learning as a Framework for Emergent Behavior

地址： http://arxiv.org/abs/2207.05886

作者： Hossein Haeri, Reza Ahmadzadeh, Kshitij Jerath

摘要：在這項工作中，我們通過用戶定義的關係網絡將“社交”交互集成到 MARL 設置中，並檢查主體-主體關係對緊急行為興起的影響。利用社會學和神經科學的見解，我們提出的框架使用獎勵共享關係網絡 (RSRN) 的概念對主體關係進行建模，其中網絡邊權重作為衡量一個主體在成功（或“關心’）其他。我們將關係獎勵構建為 RSRN 交互權重的函數，以通過多智能體強化學習算法共同訓練多智能體系統。系統的性能針對具有不同關係網絡結構（例如，自利網絡、社區網絡和威權網絡）的 3-agent 場景進行測試。我們的結果表明，獎勵分享關係網絡可以顯著影響學習行為。我們假設 RSRN 可以作為一個框架，其中不同的關係網絡產生不同的緊急行為，通常類似於對此類網絡的直覺社會學理解。

一般非局部交通流模型的加速動力學蒙特卡羅方法

原文標題： Accelerated Kinetic Monte Carlo methods for general nonlocal traffic flow models

地址： http://arxiv.org/abs/2207.06493

作者： Yi Sun, Changhui Tan

摘要：本文提出了一類關於交通流的一維元胞自動機 (CA) 模型，具有非局部前瞻交互的特點。我們開發了動力學蒙特卡羅 (KMC) 算法來模擬動力學。標準的 KMC 方法對於具有全局交互的模型可能效率低下。我們設計了一種加速的 KMC 方法來降低評估非局部轉換率的計算複雜度。我們研究了幾個數值實驗來證明加速算法的效率，並獲得了在各種參數設置下的動力學基本圖。

大流行期間的行為變化惡化了城市遭遇的收入多樣性

原文標題： Behavioral changes during the pandemic worsened income diversity of urban encounters

地址： http://arxiv.org/abs/2207.06895

作者： Takahiro Yabe, Bernardo Garcia Bulle Bueno, Xiaowen Dong, Alex `Sandy’ Pentland, Esteban Moro

摘要：眾所周知，城市環境中的身體接觸和社會互動的多樣性可以刺激城市的經濟生產力和創新，同時也可以促進社會資本和社區的復原力。然而，大流行期間的出行限制迫使人們大幅減少城市的身體接觸，這引發了人們對這種行為變化的社會影響的質疑。在本文中，我們使用美國四個大城市中超過一百萬匿名手機用戶的大規模隱私增強移動數據集，研究了在整個大流行期間不同時期城市遭遇的收入多樣性如何變化大流行之前和期間的三年。我們發現，在大流行期間，城市遭遇的多樣性已大幅下降（下降 15% 至 30%），並且一直持續到 2021 年底，儘管總體流動性指標已恢復到大流行前的水平。反事實分析表明，雖然在大流行的早期階段，戶外活動的減少（更高的待在家裡的比率）是導致多樣性下降的一個主要因素，但包括探索新地方的意願降低和探視偏好的進一步變化在內的行為變化惡化了遭遇的長期多樣性。我們的研究結果表明，大流行可能對城市收入多樣性產生長期的負面影響，並為在我們超越大流行之後管理 COVID-19 政策的嚴格性和城市遭遇的多樣性之間的權衡提供啟示。

通過敏感度有界的個性化 PageRank 進行差分私有圖學習

原文標題： Differentially Private Graph Learning via Sensitivity-Bounded Personalized PageRank

地址： http://arxiv.org/abs/2207.06944

作者： Alessandro Epasto, Vahab Mirrokni, Bryan Perozzi, Anton Tsitsulin, Peilin Zhong

摘要：個性化 PageRank (PPR) 是無監督學習圖表示的基本工具，例如節點排名、標籤和圖嵌入。然而，雖然數據隱私是最近最重要的問題之一，但現有的 PPR 算法並非旨在保護用戶隱私。 PPR 對輸入圖的邊高度敏感：僅一條邊的差異可能會導致 PPR 向量發生較大變化，從而可能泄露私人用戶數據。在這項工作中，我們提出了一種算法，該算法輸出一個近似的 PPR，並且對輸入邊具有可證明的有限靈敏度。此外，我們證明了當輸入圖的度數較大時，我們的算法可以達到與非私有算法相似的精度。我們的敏感性有界 PPR 直接暗示了幾種圖學習工具的私有算法，例如差分私有 (DP) PPR 排名、DP 節點分類和 DP 節點嵌入。為了補充我們的理論分析，我們還通過經驗驗證了我們算法的實際性能。

作為複雜網絡的叛亂：PKK 中的形象共同出現和等級制度

原文標題： Insurgency as Complex Network: Image Co-Appearance and Hierarchy in the PKK

地址： http://arxiv.org/abs/2207.06946

作者： Ollie Ballinger

摘要：儘管人們越來越認識到叛亂組織結構對衝突結果的重要性，但對此的實證研究卻很少。雖然這個問題的根源在於激進組織結構的數據無法訪問，但叛亂分子經常在互聯網上發布大量圖像數據。在本文中，我開發了一種新方法，通過使用深度學習自動創建基於照片中共同出現的社會網絡圖，從而利用這一豐富但未充分利用的數據源。使用由土耳其庫爾德武裝組織 PKK 在線發布的 19,115 幅訃告圖像，我證明了個人在由此產生的共同出現網絡中的中心地位與他們在叛亂組織中的排名密切相關。

核心-邊緣社區的結構

原文標題： Structure of Core-Periphery Communities

地址： http://arxiv.org/abs/2207.06964

作者： Junwei Su, Peter Marbach

摘要：實驗表明，社會網絡中的社區往往具有核心-外圍拓撲。然而，對於社會網絡中核心-外圍社區的精確結構，包括連接結構和主體之間的交互率，仍然缺乏理解。在本文中，我們使用博弈論方法來更精確地描述核心-外圍社區的結構。

自旋玻璃系統作為集體主動推理

原文標題： Spin glass systems as collective active inference

地址： http://arxiv.org/abs/2207.06970

作者： Conor Heins, Brennan Klein, Daphne Demekas, Miguel Aguilera, Christopher Buckley

摘要：多智能體貝葉斯系統中的緊急行為研究中的一個懸而未決的問題是個人和集體推理之間的關係（如果有的話）。在本文中，我們探討了存在於兩個不同尺度上的生成模型之間的對應關係，使用旋轉玻璃模型作為沙盒系統來研究這個問題。我們表明，特定類型的主動推理主體的集體動力學等效於從自旋玻璃系統的靜止分布中採樣。因此，一組專門設計的主動推理主體可以被描述為在更高級別實現一種基於採樣的推理形式（即，來自玻爾茲曼機）。然而，這種等價性非常脆弱，需要對個體主體的生成模型或它們的交互性質進行簡單的修改。我們討論了這種對應的含義及其對研究由貝葉斯主體組成的多尺度系統的脆弱性。

基於雙重拍賣機制的股權驅動出租車定價策略在泰國曼谷都會區的可行性

原文標題： Feasibility of Equity-driven Taxi Pricing Strategy based on Double Auction Mechanism in Bangkok Metropolitan Region, Thailand

地址： http://arxiv.org/abs/2207.06981

作者： He-in Cheong, Jonathan Sanz Carcelen, Manlika Sukitpaneenit, Panagiotis Angeloudis, Arnab Majumdar, Marc Stettler

摘要：出租車司機對乘客的拒絕影響了許多城市和郊區的出行行為，往往使那些在非熱門地區的潛在客戶滯留而無法乘坐出租車。為了克服這個問題，已經實施了許多做法，例如對司機的處罰、禁令和新的定價策略。本文提出了一種雙重拍賣出租車票價方案，該方案讓乘客和出租車司機共同影響價格，並結合聚類方法阻止戰略性服務拒絕，以泰國曼谷都會區為例，該案例研究數據詳細且參差不齊出租車行程分布。雙重拍賣機制針對 2019 年出租車出行、服務拒絕投訴和當地出行行為量身定製，以提高交通公平性。為了衡量新的雙重拍賣計劃的性能，在 0%-20% 的不同拒絕率下，創建了一個基於主體的曼谷大都會區出租車服務定製模型。一方面，對當前的拒絕行為進行建模，另一方面，應用雙重拍賣定價策略。結果表明，雙重拍賣策略產生了空間分布的可訪問性，並導致出租車分配成功率高達 30%。雙重拍賣計劃將距曼谷市中心 20-40 公里的地點的取貨量提高了 10-15%，儘管是低利潤地區。由於不斷變化的出租車出行環境和更長的出租車行程，出租車的空氣污染物排放總量增加了 10%，而曼谷中心地區的本地排放量減少了高達 40%。使用 5 泰銖的平均附加費，總收入下降 20%。結果表明，作為交通政策實施的公平驅動定價策略將是有益的。