图神经网络的设计空间;通过向量标签流传算法举行社区检测;基于辐射模型的都会公路货运多样性;Covid-19在线讨论中的政治党派和反科学态度;社会网络上双寡头的营销资源分配;盘算莱茵兰-普法尔茨北部的局部COVID-19再生数;病毒式营销的时空预算分配计谋设计;基于XTR公钥系统的新的(k,l,m)可验证的多密共享方案;预计、监测和预测Covid-19盛行病:应用于纽约市数据的时空方法;COVID-19的新型区室盛行病学模型,以葡萄牙为例;当想法流传时——两阶段流传模型中的庞大分叉;使用张量的Kronecker积结构解决高阶图匹配中的盘算瓶颈;中国社交媒体上COVID-19起源的阴谋和揭穿叙事:它是如何开始的以及应归罪于谁;图神经网络的设计空间原文标题: Design Space for Graph Neural Networks地址: http://arxiv.org/abs/2011.08843作者: Jiaxuan You, Rex Ying, Jure Leskovec摘要: 图论神经网络(GNN)的快速生长导致了越来越多的新架构以及新颖的应用法式。可是,当前的研究重点是提出和评估GNN的特定体系结构设计,而不是研究GNN的更通用的设计空间,该空间由差别设计维度(例如层数或聚合函数的类型)的笛卡尔积组成。此外,GNN设计通常专用于单个任务,但很少有人努力明白如何快速找到适用于新任务或新数据集的最佳GNN设计。在这里,我们界说并系统地研究了GNN的修建设计空间,其中包罗325,000个预测任务中的315,000个差别的设计。
我们的方法具有三项关键创新:(1)通用的GNN设计空间; (2)具有相似性怀抱的GNN任务空间,因此对于给定的新颖任务/数据集,我们可以快速识别/传输性能最佳的体系结构; (3)一种有效的设计空间评估方法,该方法可以从大量的模型任务组合中提取看法。我们的主要结果包罗:(1)设计性能良好的GNN的全面指南; (2)虽然针对差别任务的最佳GNN设计差异很大,但GNN任务空间允许跨差别任务转移最佳设计; (3)使用我们的设计空间发现的模型可实现最先进的性能。总体而言,我们的事情提供了一种原则性且可扩展的方法,以从研究针对特定任务的单个GNN设计过渡到系统地研究GNN设计空间和任务空间。
最后,我们公布GraphGym,这是一个用于探索差别GNN设计和任务的强大平台。GraphGym具有模块化的GNN实施,尺度化的GNN评估以及可重现和可扩展的实验治理功效。通过向量标签流传算法举行社区检测原文标题: Community Detection through Vector-label Propagation Algorithms地址: http://arxiv.org/abs/2011.08342作者: Wenyi Fang, Xin Wang, Longzhao Liu, Zhaole Wu, Shaoting Tang, Zhiming Zheng摘要: 社区检测是网络科学中的一个基本且重要的问题,因为社区结构通常会展现庞大系统差别组件之间的拓扑和功效关系。在本文中,我们首先提出了一种模块化优化的梯度下降框架,称为向量标签流传算法(VLPA),其中节点与一连社区标签的向量而不是一个标签相关联。
VLPA在矢量标签中保留弱的结构信息,其性能优于某些众所周知的社区检测方法,尤其是在社区结构较弱的网络中提高了性能。此外,我们将随机梯度计谋合并到VLPA中,以制止陷入局部最优状态,从而导致了随机矢量标签流传算法(sVLPA)。我们显示,sVLPA在人工基准和现实网络上的性能均优于Louvain方法(一种广泛使用的社区检测算法)。
我们基于矢量标签流传的理论方案可以直接应用于每个节点具有多个功效的高维网络,也可以用于优化其他分区措施,例如带有分辨率参数的模块化。基于辐射模型的都会公路货运多样性原文标题: Highway freight transportation diversity of cities based on radiation models地址: http://arxiv.org/abs/2011.08468作者: Li Wang (ECUST), Jun-Chao Ma (ECUST), Zhi-Qiang Jiang (ECUST), Wanfeng Yan (Zhicang Tech), Wei-Xing Zhou (ECUST)摘要: 我们使用包罗五个月内约1,506万辆卡车运输记载的奇特数据集,基于从一个都会到另一个都会的卡车运输概率 p ij 来观察了338其中国都会的公路货运多样性。从基于地理距离的辐射模型盘算运输概率,并基于行车距离作为成本主体,基于辐射的成本模型盘算运输概率。
对于每种模型,我们同时思量人口和海内生产总值,并在数量上得出很是相似的效果。我们发现运输概率具有良好的幂律尾部,所有模型的尾部指数均靠近0.5。每个模型中的两个运输概率落在对角线 p ij = p ji 左右,但通常不相同。此外,凭据原始辐射模型和基于成本的辐射模型盘算出的相应运输概率也围绕对角线 p ij ^ rm geo = p_ ij ^ rm cost颠簸。
我们凭据发现的每个都会对相互靠近的四组运输概率,盘算出四组公路卡车运输多样性。此外,发现在原始辐射模型和基于成本模型的辐射模型中,人口,海内生产总值,流入量和流出量是关于运输多样性的幂律。这意味着,一个较蓬勃的都会通常在公路卡车运输方面具有更高的多样性,这反映出一个事实,即一个较蓬勃的都会通常具有越发多样化的经济结构。Covid-19在线讨论中的政治党派和反科学态度原文标题: Political Partisanship and Anti-Science Attitudes in Online Discussions about Covid-19地址: http://arxiv.org/abs/2011.08498作者: Ashwin Rao, Fred Morstatter, Minda Hu, Emily Chen, Keith Burghardt, Emilio Ferrara, Kristina Lerman摘要: 新型冠状病毒大盛行继续肆虐美国各地的社区。意见观察确定了政治意识形态在塑造人们对大盛行的认识以及遵守预防措施方面的重要性。在这里,我们使用社交媒体数据来研究极化的庞大性。
我们分析了与2020年1月至5月之间收集的与大盛行相关的大量推文数据集,并开发了将用户的意识形态一致性按适度性(强硬对中),政治性(自由主义与守旧性)和科学(反科学)分类的方法与亲科学)维度。只管科学和政治方面的南北极分化是相关的,但政治温和的用户更有可能与亲科学的看法保持一致,而政治强硬的用户则更倾向于反科学的看法。与预期相反,我们没有发现南北极分化会随着时间而增长;相反,我们看到中度亲科学用户的运动有所增加。
我们还讲明,反科学守旧派倾向于从美国南部发推文,而反科学守旧派则来自西方国家。我们的发现展现了南北极分化的多维性质,以及通过社交媒体数据在时间和空间上追踪关于大盛行的南北极分化意见的可行性。社会网络上双寡头的营销资源分配原文标题: Marketing resource allocation in duopolies over social networks地址: http://arxiv.org/abs/2011.08553作者: Vineeth S. Varma, Irinel-Constantin Morarescu, Samson Lasaulce, Samuel Martin摘要: 本文的主要特征之一是,假定一个社会网络的主体商意见不仅受其他主体商的影响,而且还受竞争中两个营销人员的影响。我们的孝敬之一是提出问题的务实博弈论表述,并举行完整的相应平衡分析(存在,唯一性,动态表征和确定性)。
我们的分析提供了实用的看法,以明白营销人员应如何使用其有关社会网络的知识在主体商(即消费者)之间分配其营销或广告预算。通过提供有关主体商影响力(AIP)和目的获得(GoT)的相关界说,可以评估使用智能预算分配计谋而不是统一预算的优势,并确定可能会导致其高昂的运营条件。
盘算莱茵兰-普法尔茨北部的局部COVID-19再生数原文标题: Calculation of a local COVID-19 reproduction number for the northern Rhineland-Palatinate地址: http://arxiv.org/abs/2011.08632作者: Thomas Götz, Silja Mohrmann, Robert Rockenfeller, Moritz Schäfer, Karunia Putra Wijaya摘要: 自2020年3月电晕大盛行开始以来,除了逐日熏染数字(新熏染和总熏染)外,还为德国指定了用于形貌疾病流传的种种参数,这些参数也用于政治决议。除了过高的死亡率和每周的发病率外,这些还包罗倍增时间 T_2 和繁殖次数 R_t。对于后者,可以在Robert-Koch-Institute网站上找到种种预计值,请参见 cite EstR:RKI,该预计值是凭据整个德国的案件编号盘算得出的;这里不思量当地差异。
在本文中,以北莱茵兰-普法尔茨州及其地域为例,考察了当地RKI的盘算。在这里,不是陈诉日期,而是疾病发作被用作盘算 R_t 的参考。对于未知的疾病发作情况,首先将调整后的广义极值漫衍(GEV)拟合到可获得陈诉延迟(疾病发作与陈诉日期之间的差异)的数据,并检查其进一步的特征例如当地和人口差异。
然后,此GEV漫衍用于盘算不完整数据点的陈诉延迟。盘算2月底至10月底之间 R_t 的逐日价值,与全国规模的数字相比,显示出相似的繁殖率。预计夏季会泛起较大的统计颠簸,这主要是由于案件数量淘汰。
自9月中旬以来,莱茵兰-普法尔茨北部的价钱一直稳定在1美元以上。盘算效果也可以转移到其他地域和行政区。病毒式营销的时空预算分配计谋设计原文标题: Space-time budget allocation policy design for viral marketing地址: http://arxiv.org/abs/2011.08639作者: I. C. Morarescu, V.S. Varma, L. Busoniu, S. Lasaulce摘要: 当社会网络的主体商(例如,消费者)不仅受到邻人的影响,而且受到称为营销者的外部有影响力的实体的影响时,我们会正式解决意见动态问题。
有影响力的实体试图通过使用特定的影响力预算来使总体看法尽可能地靠近期望的看法。我们假设实体的外在影响发生在离散时间的广告运动中。因此,整个闭环意见动态成为线性激动(混淆)的动态。
解决的主要技术问题是找到营销人员应如何随着时间的推移(通过市场营销运动)和整个空间(在主体商之间)分配预算,以使主体商的意见尽可能靠近期望的意见。我们的主要效果讲明,营销人员必须凭据他们的初始状况,他们在社会图中的影响力以及他们所属的集群的巨细,将某些主体商优先于其他主体商。针对几种实际感兴趣的特殊情况,提出并解决了相应的时空分配问题。
可以从我们的分析中提取名贵的看法。例如,在大多数情况下,我们证明营销人员有兴趣在流程开始时投资其大部门预算,而且应凭据著名的注水分配规则在主体商之间共享预算。数值示例说明晰该分析。
基于XTR公钥系统的新的(k,l,m)可验证的多密共享方案原文标题: New (k,l,m)-verifiable multi-secret sharing schemes based on XTR public key system地址: http://arxiv.org/abs/2011.08648作者: Jing Yang, Fang-Wei Fu摘要: 秘密共享最初是在1979年提出的,旨在解决密钥分发的问题。近几十年来,研究人员提出了许多革新方案。
在所有这些方案中,对可验证的多秘密共享(VMSS)方案举行了充实的研究,该方案同时共享多个秘密并感知恶意生意业务者和到场者。通过指出Dehkordi和Mashhadi在2008年提出的方案无法检测到经销商的某些恶性行为,我们提出了两种新的VMSS方案,即在验证阶段添加有效性检查以克服此缺点。
我们的新方案基于XTR公钥系统,无需显式结构 GF(p ^ 6,即可通过在 GF(p ^ 2)中举行盘算来实现 GF(p ^ 6)的宁静性。),其中 p 是质数。
与使用RSA和线性反馈移位寄存器(LFSR)公钥密码系统的VMSS方案相比,我们的方案可以通过使用跟踪功效以较短的参数到达相同的宁静级别。而且,我们的方案比基于椭圆曲线密码术(ECC)的方案更易于操作。另外,我们的方案是动态的,而且阈值是可变的,这意味着在需要更改到场者,秘密或阈值时,可以凭据实际情况有效地实施我们的方案。
预计、监测和预测Covid-19盛行病:应用于纽约市数据的时空方法原文标题: Estimating, Monitoring, and Forecasting the Covid-19 Epidemics: A Spatio-Temporal Approach Applied to NYC Data地址: http://arxiv.org/abs/2011.08664作者: Vinicius V. L. Albani, Roberto M. Velho, Jorge P. Zubelli摘要: 我们提出了一个SEIR型的元人口模型来模拟和监测Covid-19盛行病的演变。基本模型包罗七个区室,即易感区(S),袒露区(E),三个熏染级,恢复区(R)和已故区(D)。我们在m个差别的空间位置为n个年事段和性别组界说了这些区室。
因此,对于每个年事组,性别和所在,所得模型都具有所有盛行病学种别。它们之间的混淆是通过随时间变化的熏染率矩阵来实现的。该模型已通过纽约市及其辖区逐日新熏染的曲线举行了校准,包罗人口普查数据以及各个年事段的熏染,住院和死亡比例。我们最终建设了一个模型,该模型与陈诉的曲线相匹配,并可以准确预测差别所在和年事段的熏染信息。
COVID-19的新型区室盛行病学模型,以葡萄牙为例原文标题: A New Compartmental Epidemiological Model for COVID-19 with a Case Study of Portugal地址: http://arxiv.org/abs/2011.08741作者: Ana P. Lemos-Paiao, Cristiana J. Silva, Delfim F. M. Torres摘要: 我们提出了一种针对COVID-19疾病流传的分区数学模型,显示了从葡萄牙第一个记载的病例到三种紧迫状态竣事,该方法对于葡萄牙大盛行的有用性。新的效果包罗隔室模型,该模型由七个常微分方程组形貌;证明解决方案的努力性和有界性;平衡点观察及其稳定性分析;基本再现数的盘算;以及来自葡萄牙卫生政府的官方真实数据的数值模拟。
除了全新的模型外,提出的模型还可以很好地形貌COVID-19在葡萄牙的流传情况,不仅可以同时拟合活跃熏染者的人数,还可以拟合住院人数,其 L ^ 2 的误差为 9.2152 e-04 和 1.6136e-04。从实践的角度来看,这样的效果很是重要,而从数学的角度来看却并非微不足道。
而且,获得的基本繁殖数量值与葡萄牙政府在紧迫状态竣事时给出的数量一致。当想法流传时——两阶段流传模型中的庞大分叉原文标题: When ideas go viral — complex bifurcations in a two-stage transmission model地址: http://arxiv.org/abs/2011.08792作者: Julian Heidecke, Maria Vittoria Barbarossa摘要: 我们思量具有两个非线性感染阶段的传输动力学数学模型的定性行为。所提出的模型是受盛行病学(感染病流传)或社会动态(看法,行为,看法的流传)中发生的现象的启发,并接纳隔离的方法举行形貌。
与促进者(具有感染性的小我私家)接触后,天真(易感)的人可以自己成为促进者,也可以成为弱者。虚弱的个体在与启动子组的成员举行第二次接触时会感染。在感染性隔室中放置一定时间后,个体变得不运动(不敏感,无法流传),并从流传链中移出。
我们将这两个阶段的感染历程与幼稚种群的更新相联合,通过从弱化或非运动状态到易感区隔的过渡来建模。这导致了富厚的动力学,体现出例如平衡轨道和周期轨道的共存和双稳态。
(非平凡)平衡的性质举行了分析研究。此外,对参数空间的数值研究展现了许多分歧,讲明这种系统的动力学可能比经典的盛行病学ODE模型更庞大。使用张量的Kronecker积结构解决高阶图匹配中的盘算瓶颈原文标题: Addressing Computational Bottlenecks in Higher-Order Graph Matching with Tensor Kronecker Product Structure地址: http://arxiv.org/abs/2011.08837作者: Charles Colley, Huda Nassar, David Gleich摘要: 图匹配,也称为网络对齐,是找到两个单独的图的极点之间的对应关系的问题,在图像对应和卵白质网络中的功效推论中有很强的应用。
一类乐成的技术基于张量Kronecker乘积和张量特征向量。这些技术的挑战是就问题巨细而言二次(或更糟)的内存和盘算需求。在本手稿中,我们先容了张量Kronecker乘积理论并将其应用于基于张量的图对齐算法,以将其运行时庞大度从二次降低为线性,而没有显着的质量损失。
从理论上讲,我们讲明许多矩阵Kronecker乘积恒等式都可以推广到简朴的张量副本,这在张量文献中很少见。使用该新理论的两个现有算法的革新盘算代码实现了至少10倍的运行时间革新。
中国社交媒体上COVID-19起源的阴谋和揭穿叙事:它是如何开始的以及应归罪于谁原文标题: Conspiracy and debunking narratives about COVID-19 origination on Chinese social media: How it started and who is to blame地址: http://arxiv.org/abs/2011.08409作者: Kaiping Chen, Anfan Chen, Jingwen Zhang, Jingbo Meng, Cuihua Shen摘要: 本文研究了从2020年1月至2020年4月在中国主要的社交媒体平台微博上有关COVID-19起源的阴谋和揭穿故事。在微博上有关COVID-19的普遍阴谋,包罗该病毒是人工合成的还是生物武器,是差别的基本上来自美国。
他们对美国的责任要大于对中国的责任,尤其是在中美反抗之后。与阴谋态度相比,揭穿态度较低的用户到场率和较高的发动率相关。
当来自女性,影响者和引用科学家的话,揭穿揭破的叙事可能会更具吸引力。我们的发现讲明,阴谋叙事可以具有高度的文化和政治倾向。矫正事情应思量政治念头,并确定重要的利益相关者,以重开国际对话以实现跨文化明白。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:ag九游会官网登录入口-www.xczns.com