角色分配与引文图结构:从边缘子图探索跨学科科学中的社区结构
这篇文章主要探讨了跨学科科学中的角色发现问题，以及在大型现实世界网络中，如何通过名为graphlet的小型子图结构来解释角色分配。同时，文章也介绍了一个新的方法，用于在COVID-19大流行相关的关联网络中检测全局社区结构。最后，一篇关于比特币网络的文章研究了其背后的人性因素，探讨了比特币设计中的分散性如何在早期成功的基础上，为其带来了挑战。
作中，我们提出了一种基于多层网络的传播过程模型，该模型考虑了病原体突变和不同传播接触类型之间的关系通过分析真实世界中的传播数据，我们证明了所提出的模型能有效预
本文介绍了三种不同的深度学习模型：GIDN、基于单纯复形的链接 partitioning 和 Hyphen。GIDN 是一种轻量级的图卷积神经网络，可高效地进行链路预测。基于单纯复形的链接分区方法则利用高阶 Laplacian 信息和多元关系来更好地进行社区检测。Hyphen 是一种双曲谱共同注意网络，结合了社交文本的公共话语来进行分类。这三种模型都在不同的领域展示了优秀的表现，包括社交媒体文本分类、疫情传播预测等。
网络拓扑的解析与编码：从信息传递到因果关系
本文汇总了复杂网络中编码、解码和因果关系的最新研究进展。首先，针对复杂网络的基本关系度量缺乏好的定义的问题，提出了一种理论来推导网络拓扑属性的最佳表征，有助于深入理解跨网络共享的潜在信息。其次，针对传统超图神经网络在处理复杂高阶关系时的不足，提出了一种名为ED-HNN的新超图神经网络架构，能有效建模连续等变超图扩散算子，提升预测准确度。最后，提出了一种新颖的子图频率分布估计算法——GNNS，利用图神经网络高效地对子图进行采样，显著提升估计准确性。
题目：虚拟世界的慷慨行为：传播与影响
这篇文章主要探讨了在线游戏中的慷慨行为和其在用户行为中的影响。研究发现， generosity（慷慨）在多人在线角色扮演游戏中是具有一定传染性的，当玩家观察他人慷慨行为时，会更愿意投入游戏。此外，接受和观察慷慨行为还会导致更高的未来博弈参与度。 social search 是一种在在线社交媒体中检索信息的方法，旨在更好地满足用户的信息需求并简化搜索过程。这项工作中，我们对社交搜索领域的现状进行了分析，并提出了一种新的分类法，突出了当前的局限性和未来的研究方向。 这篇文章针对Twitter上的俄罗斯虚假信息机器人进行了深入研究，提出了一种使用中心共振分析和Clauset-Newman-Moore社区检测的方法来识别这些机器人。实验结果显示，这种方法在识别真阳性（机器人）方面非常有效，但无法解决真阴性（非机器人）的问题。 最后，这篇文章对用于预测社交媒体时间序列的四个基线进行了实验评估。实验结果确定了对特定指标最准确的基线，为社交媒体建模的未来工作提供了指导。