网络拓扑的解析与编码：从信息传递到因果关系

文章主题：个性化 PageRank 算法有助于保护用户隐私，同时保持图上的高准确性。

复杂网络之间的分析关系：编码、解码和因果关系;等变超图扩散神经算子;使用图神经网络的子图频率分布估计;网络旁路维持复杂性;活动网络完成时间的热带近似;基于社会关系和历史行为的个性化推荐系统;表征动态属性网络中的节点和边：一种基于社会的方法;多智能体强化学习中的奖励共享关系网络作为紧急行为的框架;一般非局部交通流模型的加速动力学蒙特卡罗方法;大流行期间的行为变化恶化了城市遭遇的收入多样性;通过敏感度有界的个性化 PageRank 进行差分私有图学习;作为复杂网络的叛乱：PKK 中的形象共同出现和等级制度;核心-边缘社区的结构;自旋玻璃系统作为集体主动推理;基于双重拍卖机制的股权驱动出租车定价策略在泰国曼谷都会区的可行性;在社交媒体上检测对非自杀性自残感兴趣的人;

复杂网络之间的分析关系：编码、解码和因果关系

在分析复杂网络中的关系时，编码、解码以及因果性是三个关键环节。首先，我们需要通过编码过程将复杂网络中的信息转化为可以处理的形式。这一过程中，我们通常会采用各种数学模型和算法来捕捉网络的特性。接着，通过解码过程，我们可以将这些编码后的信息还原成原始的网络结构。这一步骤允许我们对网络进行定量的分析，以便更好地理解其内在机制。最后，因果性分析则是理解复杂系统中各个因素之间相互影响的关键。通过对因果关系的探究，我们可以揭示网络中不同元素之间的因果联系，从而为优化网络设计和管理提供理论依据。总之，在分析复杂网络关系的过程中，编码、解码和因果性分析是三个不可或缺的环节，它们共同帮助我们深入理解复杂网络的本质。

地址： http://arxiv.org/abs/2207.06606

在本文中，作者们Yang Tian、Hedong Hou、Guangzheng Xu、Yaoyuan Wang、Ziyang Zhang以及Pei Sun将共同探讨关于人工智能在各个领域的应用。

原内容概述：复杂网络在多个领域如物理学、生物学、计算机科学以及社会科学中广泛存在。为了深入理解不同网络间潜在信息的共享，我们需要对复杂网络的基本关系度量进行量化。目前，常用的测量方法如网络嵌入、匹配和内核方法等，虽然具有一定的实用性，却存在局限性，如偏向于计算导向，难以应用于数学和物理领域的解析推导。针对这一问题，研究者们提出了一种理论，用以推导出能够反映网络拓扑属性的最佳表征，该理论将复杂网络完全由离散的Schrödinger算子定义的高斯马尔可夫随机场所表示，同时保证所需的平滑度和最大熵属性。借助这一表征，我们可以进一步分析不同网络间的拓扑属性关系，并通过实例（如演化随机网络模型、蛋白质-蛋白质相互作用网络和化合物网络）进行了验证，证实了我们提出的框架能够从新的视角解决一系列科学和工程挑战。此外，我们还实现了这一理论的有效计算，并将其作为一个开源工具箱。

等变超图扩散神经算子

在现代图论研究中，Equivariant Hypergraph Diffusion Neural Operators（EHDNN）已成为一个备受关注的主题。这种新型的神经网络结构结合了图卷积神经网络和扩散过程，为处理大规模图形数据提供了一种高效的手段。EHDNN不仅能够处理任意大小的输入图，还可以在保持图结构不变的前提下，实现对图上的特征进行扩散操作。这使得EHDNN在处理复杂图形问题时具有更高的灵活性和鲁棒性。为了更好地理解EHDNN的工作原理，我们可以将其分为两个主要部分：图卷积操作和扩散过程。首先，图卷积操作通过学习节点之间的关系，将图上的特征进行整合。这一过程可以有效地捕捉到图中的局部和全局信息，从而提高模型的表达能力。接下来，扩散过程引入了距离衰减的概念，使得特征能够在图中传播更远。这种策略有助于增强模型的泛化能力，使其在面对新的数据时能够做出更好的预测。总的来说，Equivariant Hypergraph Diffusion Neural Operators是一种具有广泛应用前景的深度学习方法。它通过结合图卷积神经网络和扩散过程，为处理大规模图形数据提供了一种高效且有效的途径。在未来的研究中，我们期待EHDNN能够进一步改进和发展，以应对更加复杂的实际问题。

地址： http://arxiv.org/abs/2207.06680

在本文中，作者Peihao Wang、Shenghao Yang、Yunyu Liu、Zhangyang Wang和Pan Li将共同探讨人工智能在金融领域的应用。

超图神经网络（HNN）是一种通过神经网络对超图进行编码的方法，提供了一种有效的方式来处理数据中的高阶关系，进而解决相关预测任务。然而，实际应用中的高阶关系往往具有复杂且不规则的特点，因此在设计和实现这种方法时，面临着一定的挑战。本研究受超图扩散算法的启发，提出了一种名为ED-HNN的新型HNN架构，该架构可以证明代表任何能对各种高阶关系进行建模的连续等变超图扩散算子。ED-HNN结合了超图的星形扩展和标准消息传递神经网络，有效提高了计算效率。在处理异嗜超图和构建深度模型方面，ED-HNN展现出了显著的优势。为了验证其性能，我们在九个真实世界的超图数据集上进行了ED-HNN的节点分类实验。实验结果显示，ED-HNN在这九个数据集上都优于最佳基线模型，并且在四个数据集上实现了超过2%的预测准确度提升。

使用图神经网络的子图频率分布估计

原文标题： 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：小子图（graphlet）是描述大型网络基本单元的重要特征。子图频率分布的计算在生物学和工程学等多个领域有着广泛的应用。不幸的是，由于这项任务的固有复杂性，大多数现有方法都是计算密集型和低效的。在这项工作中，我们提出了 GNNS，这是一种新颖的表示学习框架，它利用图神经网络有效地对子图进行采样以估计它们的频率分布。我们的框架包括一个推理模型和一个生成模型，用于学习节点、子图和图类型的层次嵌入。使用学习的模型和嵌入，以高度可扩展和并行的方式对子图进行采样，然后基于这些采样的子图执行频率分布估计。最终，与现有方法相比，我们的方法实现了相当的准确性和三个数量级的显著加速。

网络旁路维持复杂性

原文标题： Network bypasses sustain complexity

地址： http://arxiv.org/abs/2207.06813

作者： Ernesto Estrada, Lucas Lacasa

摘要：现实世界的网络既不是规则的也不是随机的，Watts-Strogatz 或 Barabasi-Albert 模型等机制优雅地解释了这一事实。这两种机制自然会创建快捷方式和集线器，从而增强网络的可导航性。它们在测地线导航过程中也往往被过度使用，使网络容易受到干扰。那么，为什么具有复杂拓扑的网络无处不在？在这里，我们展示了这些模型熵生成网络旁路：最短路径的替代路线在拓扑上更长但更易于导航。我们开发了一种数学理论，阐明了网络旁路的出现和整合，并测量了它们的导航增益。我们将我们的理论应用于广泛的现实世界网络，并发现它们通过不同数量的网络旁路来维持复杂性。在这个复杂性排名的顶部，我们发现了人脑，它指出了这些结果对于理解复杂系统的可塑性的重要性。

活动网络完成时间的热带近似

原文标题： Tropical approximation to finish time of activity networks

地址： http://arxiv.org/abs/2203.04621

作者： Alexei Vazquez

摘要：我们将复杂的项目分解为活动及其逻辑依赖关系。我们根据活动持续时间和关系估计项目完成时间。然而，不良事件触发延迟级联改变完成时间。在这里，我推导出活动网络完成时间的热带代数方程，封装了热带意义上的外生扰动线性叠加原理。从热带代数方程中，我推导出完成时间分布，并明确参考外生延迟的分布以及网络拓扑和几何形状。

基于社会关系和历史行为的个性化推荐系统

原文标题： 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，基于用户历史行为的推荐算法可以提供令人满意的推荐性能。这些算法很多都关注用户的兴趣，而忽略了社会关系对用户行为的影响。社会关系不仅承载着相似消费品味或行为的内在信息，还暗示着个体对其邻居的影响。在本文中，我们假设用户的社会关系和历史行为与相同的因素有关。基于这个假设，我们提出了一种算法，通过来自两种类型信息的相互约束来关注对推荐系统有用的社会关系。我们在四种类型的用户上测试我们的算法的性能，包括所有用户、活跃用户、非活跃用户和冷启动用户。结果表明，在受推荐准确性和多样性指标影响的四种场景中，所提出的算法优于基准。我们进一步设计了一个随机化模型来探索社会关系对推荐性能的贡献，结果表明，社会关系在所提出的算法中的贡献取决于社会关系和历史行为的耦合强度。

表征动态属性网络中的节点和边：一种基于社会的方法

原文标题： 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：如何基于社交方面表征动态属性网络中的节点和边？我们通过随着时间的推移探索参与者之间的联系强度及其相关属性来解决这个问题，从而捕捉参与者的社会角色以及他们在不同社会网络场景中动态交互的意义。为此，我们应用社会概念来促进对涉及参与者及其社会动机的潜在复杂性的更好理解。更具体地说，我们通过经纪概念、创建具有多种模式的桥梁的能力和闭合、聚合具有相似节点的能力模式。因此，我们揭示了不同学术合着网络和问答社区中社会互动的差异。我们还通过网络属性统计验证了我们的社会定义，考虑到节点和边在社会结构中的重要性。

多智能体强化学习中的奖励共享关系网络作为紧急行为的框架

原文标题： 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：在这项工作中，我们通过用户定义的关系网络将“社交”交互集成到 MARL 设置中，并检查主体-主体关系对紧急行为兴起的影响。利用社会学和神经科学的见解，我们提出的框架使用奖励共享关系网络 (RSRN) 的概念对主体关系进行建模，其中网络边权重作为衡量一个主体在成功（或“关心’）其他。我们将关系奖励构建为 RSRN 交互权重的函数，以通过多智能体强化学习算法共同训练多智能体系统。系统的性能针对具有不同关系网络结构（例如，自利网络、社区网络和威权网络）的 3-agent 场景进行测试。我们的结果表明，奖励分享关系网络可以显著影响学习行为。我们假设 RSRN 可以作为一个框架，其中不同的关系网络产生不同的紧急行为，通常类似于对此类网络的直觉社会学理解。

一般非局部交通流模型的加速动力学蒙特卡罗方法

原文标题： 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：本文提出了一类关于交通流的一维元胞自动机 (CA) 模型，具有非局部前瞻交互的特点。我们开发了动力学蒙特卡罗 (KMC) 算法来模拟动力学。标准的 KMC 方法对于具有全局交互的模型可能效率低下。我们设计了一种加速的 KMC 方法来降低评估非局部转换率的计算复杂度。我们研究了几个数值实验来证明加速算法的效率，并获得了在各种参数设置下的动力学基本图。

大流行期间的行为变化恶化了城市遭遇的收入多样性

原文标题： 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：众所周知，城市环境中的身体接触和社会互动的多样性可以刺激城市的经济生产力和创新，同时也可以促进社会资本和社区的复原力。然而，大流行期间的出行限制迫使人们大幅减少城市的身体接触，这引发了人们对这种行为变化的社会影响的质疑。在本文中，我们使用美国四个大城市中超过一百万匿名手机用户的大规模隐私增强移动数据集，研究了在整个大流行期间不同时期城市遭遇的收入多样性如何变化大流行之前和期间的三年。我们发现，在大流行期间，城市遭遇的多样性已大幅下降（下降 15% 至 30%），并且一直持续到 2021 年底，尽管总体流动性指标已恢复到大流行前的水平。反事实分析表明，虽然在大流行的早期阶段，户外活动的减少（更高的待在家里的比率）是导致多样性下降的一个主要因素，但包括探索新地方的意愿降低和探视偏好的进一步变化在内的行为变化恶化了遭遇的长期多样性。我们的研究结果表明，大流行可能对城市收入多样性产生长期的负面影响，并为在我们超越大流行之后管理 COVID-19 政策的严格性和城市遭遇的多样性之间的权衡提供启示。

通过敏感度有界的个性化 PageRank 进行差分私有图学习

原文标题： 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：个性化 PageRank (PPR) 是无监督学习图表示的基本工具，例如节点排名、标签和图嵌入。然而，虽然数据隐私是最近最重要的问题之一，但现有的 PPR 算法并非旨在保护用户隐私。 PPR 对输入图的边高度敏感：仅一条边的差异可能会导致 PPR 向量发生较大变化，从而可能泄露私人用户数据。在这项工作中，我们提出了一种算法，该算法输出一个近似的 PPR，并且对输入边具有可证明的有限灵敏度。此外，我们证明了当输入图的度数较大时，我们的算法可以达到与非私有算法相似的精度。我们的敏感性有界 PPR 直接暗示了几种图学习工具的私有算法，例如差分私有 (DP) PPR 排名、DP 节点分类和 DP 节点嵌入。为了补充我们的理论分析，我们还通过经验验证了我们算法的实际性能。

作为复杂网络的叛乱：PKK 中的形象共同出现和等级制度

原文标题： 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：尽管人们越来越认识到叛乱组织结构对冲突结果的重要性，但对此的实证研究却很少。虽然这个问题的根源在于激进组织结构的数据无法访问，但叛乱分子经常在互联网上发布大量图像数据。在本文中，我开发了一种新方法，通过使用深度学习自动创建基于照片中共同出现的社会网络图，从而利用这一丰富但未充分利用的数据源。使用由土耳其库尔德武装组织 PKK 在线发布的 19,115 幅讣告图像，我证明了个人在由此产生的共同出现网络中的中心地位与他们在叛乱组织中的排名密切相关。

核心-边缘社区的结构

原文标题： Structure of Core-Periphery Communities

地址： http://arxiv.org/abs/2207.06964

作者： Junwei Su, Peter Marbach

摘要：实验表明，社会网络中的社区往往具有核心-外围拓扑。然而，对于社会网络中核心-外围社区的精确结构，包括连接结构和主体之间的交互率，仍然缺乏理解。在本文中，我们使用博弈论方法来更精确地描述核心-外围社区的结构。

自旋玻璃系统作为集体主动推理

原文标题： 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：多智能体贝叶斯系统中的紧急行为研究中的一个悬而未决的问题是个人和集体推理之间的关系（如果有的话）。在本文中，我们探讨了存在于两个不同尺度上的生成模型之间的对应关系，使用旋转玻璃模型作为沙盒系统来研究这个问题。我们表明，特定类型的主动推理主体的集体动力学等效于从自旋玻璃系统的静止分布中采样。因此，一组专门设计的主动推理主体可以被描述为在更高级别实现一种基于采样的推理形式（即，来自玻尔兹曼机）。然而，这种等价性非常脆弱，需要对个体主体的生成模型或它们的交互性质进行简单的修改。我们讨论了这种对应的含义及其对研究由贝叶斯主体组成的多尺度系统的脆弱性。

基于双重拍卖机制的股权驱动出租车定价策略在泰国曼谷都会区的可行性

原文标题： 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：出租车司机对乘客的拒绝影响了许多城市和郊区的出行行为，往往使那些在非热门地区的潜在客户滞留而无法乘坐出租车。为了克服这个问题，已经实施了许多做法，例如对司机的处罚、禁令和新的定价策略。本文提出了一种双重拍卖出租车票价方案，该方案让乘客和出租车司机共同影响价格，并结合聚类方法阻止战略性服务拒绝，以泰国曼谷都会区为例，该案例研究数据详细且参差不齐出租车行程分布。双重拍卖机制针对 2019 年出租车出行、服务拒绝投诉和当地出行行为量身定制，以提高交通公平性。为了衡量新的双重拍卖计划的性能，在 0%-20% 的不同拒绝率下，创建了一个基于主体的曼谷大都会区出租车服务定制模型。一方面，对当前的拒绝行为进行建模，另一方面，应用双重拍卖定价策略。结果表明，双重拍卖策略产生了空间分布的可访问性，并导致出租车分配成功率高达 30%。双重拍卖计划将距曼谷市中心 20-40 公里的地点的取货量提高了 10-15%，尽管是低利润地区。由于不断变化的出租车出行环境和更长的出租车行程，出租车的空气污染物排放总量增加了 10%，而曼谷中心地区的本地排放量减少了高达 40%。使用 5 泰铢的平均附加费，总收入下降 20%。结果表明，作为交通政策实施的公平驱动定价策略将是有益的。

在社交媒体上检测对非自杀性自残感兴趣的人

原文标题： Detecting People Interested in Non-Suicidal Self-Injury on Social Media

地址： http://arxiv.org/abs/2207.07014

作者： Zaihan Yang, Dmitry Zinoviev

摘要：我们提出了一种监督学习方法来检测对非自杀性自伤 (NSSI) 感兴趣的人。我们将任务视为二元分类问题，并根据从人们自我声明的兴趣中提取的特征构建分类器。对真实世界数据集 LiveJournal 社交博客网络平台的实验评估证明了我们提出的模型的有效性。

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://netsci.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。