- 什么是高阶网络？;
- 群体决策中风险倾向的演化博弈模型;
- 社会气象：洪水预报、社会防备和狼来了;
- 带有记忆的社会中激进思想的传播：激进力量与社会凝聚力之间的竞争;
- 理解谁使用Reddit：对自我报告为双相情感障碍诊断的个人进行分析;
- 生物医学Twitter帖子中的声明检测;
- 图神经网络的训练和测试时间增强的社会影响力预测;
- 错误信息兜售者之间的相互超链接;
- 高流行率的COVID-19识别检测组测试协议;
- 网络渗透揭示了移动网络对COVID-19响应的自适应桥梁;
什么是高阶网络？
原文标题： What are higher-order networks?
地址： http://arxiv.org/abs/2104.11329
作者： Christian Bick, Elizabeth Gross, Heather A. Harrington, Michael T. Schaub
摘要： 使用图和网络语言对复杂的系统和数据进行建模已成为许多不同学科中必不可少的主题。可以说，这种基于网络的观点是从图的相对简单性中获得成功的：图仅由一组顶点和一组边组成，描述了这些顶点对之间的关系。这种简单的组合结构使图成为可解释的灵活建模工具。然而，近来在文献中已经对作为系统模型的图的简单性进行了研究。具体而言，已从各种不同角度提出了对更高阶网络的需求，这种网络超出了用图表封装的成对关系建模的范式。在这篇调查文章中，我们总结了这些最新发展。我们的目标是澄清（i）什么是高阶网络，（ii）为什么这些是有趣的研究对象，以及（iii）如何在应用程序中使用它们。
群体决策中风险倾向的演化博弈模型
原文标题： Evolutionary game model of risk propensity in group decision making
地址： http://arxiv.org/abs/2104.11270
作者： Andrea Civilini, Nejat Anbarci, Vito Latora
摘要： 我们在超图上引入一种演化博弈，其中风险替代品和安全替代品之间的决策是在不同规模的社会群体中进行的。该模型自然再现了选择转移，即在决策困境中通过经验观察到的个体决策者的偏好与群体的共识选择之间的差异。特别是，当动态发生在异构超图上时，就会发生从纳什均衡向风险策略的偏离。这些结果可以解释社会群体中非理性放牧和激进行为的出现。
社会气象：洪水预报、社会防备和狼来了
原文标题： Socio-meteorology: flood prediction, social preparedness, and cry wolf effects
地址： http://arxiv.org/abs/2104.11422
作者： Yohei Sawada, Rin Kanai, Hitomu Kotani
摘要： 为了提高洪水预警系统（FEWS）的效率，理解自然系统与社会系统之间的相互作用非常重要。对当局和专家的高度信任对于提高个人采取应对警报的准备行动的可能性是必要的。尽管在开发社会水文学中的人类和水的动态模型方面付出了很多努力，但没有任何社会水文学模型能够明确模拟FEWS中的社会集体信任。在这里，我们通过扩展现有的社会水文学模型，开发出程式化的模型来模拟洪水，社会集体记忆，对FEWS的社会集体信任以及响应警报的准备行动之间的相互作用。我们现实地模拟了“大灰狼”效应，其中许多错误警报破坏了预警系统的信誉，并使其难以采取防备措施。我们发现（1）考虑到FEWS中社会集体信任的动态在发生洪水事件很少的技术社会中比在发生洪水事件频繁的绿色社会中更为重要； （2）随着预报洪水事件的自然科学技能的提高，FEWS的效率对社会集体信任的行为变得更加敏感，因此，预报员需要考虑社会方面来确定其预警阈值。
带有记忆的社会中激进思想的传播：激进力量与社会凝聚力之间的竞争
原文标题： Propagation of radical ideas in societies with memory: competition between radical strength and social cohesion
地址： http://arxiv.org/abs/2104.11569
作者： Andres Vallejo, Arturo C. Marti
摘要： 基于带有分数导数的动力学模型，我们表明，在具有记忆力的社会中，激进群体的演变主要取决于激进群体的积极散文活动和社会网络中的凝聚力水平。我们发现确定自由基基团消失或相反获得永久重要表达的条件。我们还讨论了对易感人群的可能干预策略，并显示了导致激进团体消失的条件。我们看到，记忆力越高，自由基的最大比例就越降低，但是这些群体设法在更长的时间内保持其在社会中的存在。
理解谁使用Reddit：对自我报告为双相情感障碍诊断的个人进行分析
原文标题： Understanding who uses Reddit: Profiling individuals with a self-reported bipolar disorder diagnosis
地址： http://arxiv.org/abs/2104.11612
作者： Glorianna Jagfeld, Fiona Lobban, Paul Rayson, Steven H. Jones
摘要： 最近，在NLP和健康研究中，使用包括Reddit在内的公共在线数据进行的精神健康状况研究激增，但尚未报告用户特征，这对于判断研究结果的普遍性很重要。本文展示了现有的NLP方法如何能够自动报告双相情感障碍诊断的近20K Reddit用户的临床，人口统计学和身份特征信息。与一般的Reddit统计和流行病学研究相比，该人群的女性人数略多于男性，主要是年轻的或中年的美国成年人，他们通常会报告更多的心理健康诊断。此外，本文还仔细评估了所有方法并讨论了道德问题。
生物医学Twitter帖子中的声明检测
原文标题： Claim Detection in Biomedical Twitter Posts
地址： http://arxiv.org/abs/2104.11639
作者： Amelie Wührl, Roman Klinger
摘要： 社交媒体包含未经过滤的独特信息，这可能具有很大的价值，但是，如果信息错误，也会造成极大的伤害。关于生物医学主题，虚假信息可能特别危险。自动事实检查和虚假新闻检测的方法解决了这个问题，但尚未在社交媒体中应用于生物医学领域。我们旨在填补这一研究空白，并为隐式和显式生物医学声明（后者也对声明短语使用跨度注释）注释一个1200条推文的语料库。利用该样本集，我们将样本与COVID-19，麻疹，囊性纤维化和抑郁症相关，我们开发了基线模型，该模型可检测自动包含声明的推文。我们的分析表明，生物医学推文中塞满了声明（在语料库中有45％的样本包含针对上述领域的1200条推文）。使用基于嵌入的分类器和基于BERT的转移学习进行的基线分类实验表明，这种检测具有挑战性，但是，在识别索赔的显式表达式方面显示出可接受的性能。隐式声明推文很难检测。
图神经网络的训练和测试时间增强的社会影响力预测
原文标题： Social Influence Prediction with Train and Test Time Augmentation for Graph Neural Networks
地址： http://arxiv.org/abs/2104.11641
作者： Hongbo Bo, Ryan McConville, Jun Hong, Weiru Liu
摘要： 数据增强已广泛用于自然语言处理和计算机视觉任务的机器学习中，以提高模型性能。但是，很少有研究研究图神经网络上的数据增强，尤其是在训练时和测试时都使用增强。受其他领域增强成功的启发，我们设计了一种使用带有训练时间和测试时间增强的图神经网络进行社交影响预测的方法，该方法可以通过在两个方面均使用变体图自动编码器来有效生成社会网络的多个增强图场景。我们已经评估了我们的方法在预测用户对多个社会网络数据集的影响方面的性能。我们的实验结果表明，结合训练图自动编码器和社会影响行为分类网络的端到端方法可以胜过最新方法，证明了图上训练时间和测试时间增强的有效性神经网络用于社会影响力预测。我们观察到这在较小的图上特别有效。
错误信息兜售者之间的相互超链接
原文标题： Mutual Hyperlinking Among Misinformation Peddlers
地址： http://arxiv.org/abs/2104.11694
作者： Vibhor Sehgal, Ankit Peshin, Sadia Afroz, Hany Farid
摘要： 互联网承诺使获取知识的民主化，并使世界更加开放和理解。但是，当今互联网的现实远非理想。错误的信息，谎言和阴谋占据了许多社交媒体平台的主导地位。这个有毒的在线世界在种族灭绝，选举干扰以及对全球公共健康的威胁等方面都具有现实意义。沮丧和沮丧的公众和政府监管机构呼吁对旨在散布内乱并激发针对个人，社会和民主国家的暴力行为的虚假和虚假信息采取更加有力的应对措施。我们描述了一个大规模的域级分析，揭示了多个域之间看似协调一致的努力，以传播和放大错误信息。我们还将描述某些Twitter用户共享的超链接如何用于显示有问题的域。搜索引擎和社交媒体推荐算法可以使用这些分析来系统地发现和降级错误信息兜售者。
高流行率的COVID-19识别检测组测试协议
原文标题： Identification-Detection Group Testing Protocols for COVID-19 at High Prevalence
地址： http://arxiv.org/abs/2104.11305
作者： Marco Chiani, Gianluigi Liva, Enrico Paolini
摘要： 分组测试通过测试样品池而不是单个样品，可以节省化学试剂，分析时间和成本。我们引入了一类稀释度较小的小组测试方案，即使在高患病率（ 5 ％-10 ％）下也适用，并且在第一轮测试中将分类为阳性/阴性的样品的比例最大化。准确地说，如果被测组只有一个阳性样品，则实验方案无需进一步单独测试即可识别出该样品。该协议还可以检测到组中存在两个或多个阳性，在这种情况下，可以应用第二轮来识别阳性个体。患病率为 5％，最大稀释度为6，通过100个测试，我们对242个人进行了分类，其中 92 ％一轮，而 8 ％需要第二个单独测试。相比之下，Dorfman的方案可以通过100项测试来测试229个人，而第二轮测试的费用为 18.5 ％。
网络渗透揭示了移动网络对COVID-19响应的自适应桥梁
原文标题： Network percolation reveals adaptive bridges of the mobility network response to COVID-19
地址： http://arxiv.org/abs/2104.11405
作者： Hengfang Deng, Jianxi Gao, Qi Wang
摘要： 人的流动性对于理解COVID-19在空间嵌入式地理网络上的传输模式至关重要。这种模式似乎不可预测，并且传播似乎无法阻止，到2020年底在美国造成350,000多人丧生。在这里，我们使用3000万个智能设备的10 TB（兆字节）轨迹数据创建时空县际移动网络。在2020年的前六个月中，我们通过移除弱连接的边来研究其绑定渗滤。移动网络变得脆弱并易于达到其临界状态，因此经历令人惊讶的突然相变。尽管移动网络的行为复杂，我们还是设计了一种新颖的方法来识别小型，可管理的一组经常性的关键桥梁，这些桥梁将巨大的组件和第二大的组件连接起来。这些遍布美国的适应性链接在大流行期间扮演了重要的角色，是连接各分区和各地区的组件的阀门。除此之外，我们的数值结果还表明，网络特性决定了临界阈值和桥的位置。这些发现为在前所未有的中断期间管理和控制移动网络的连通性提供了新的见解。这项工作还可以潜在地在全球和地方提供实际的未来传染病。
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。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。
