FreSCo：挖掘单纯复形中的频繁模式;基于网络的科学概念链路预测——Science4Cast竞赛条目;社会Frohlich凝聚: 通过足够密集的信息抽取来维护社会秩序;更正和增编：政党的民粹主义程度如何？使用监督机器学习测量政党宣言中的民粹主义程度;需求侧经济学的效应结构与热力学公式;用自由意志扩展牛顿运动定律;请求少发表;通过图表示学习识别复杂网络中的关键节点;TweetBoost：社交媒体对 NFT 估值的影响;有偏见的选民过程中的入侵动态;将地理空间表示为用于计算有序度的递归定义子空间的层次结构;CUF-Links：用于可重复研究的持续且无处不在的 FAIRness 联系;实时需求响应中的集体效应和需求同步;社交媒体使用对阿拉伯世界公众对 COVID-19 疫苗的态度和行为的影响;FreSCo：挖掘单纯复形中的频繁模式原文标题： FreSCo: Mining Frequent Patterns in Simplicial Complexes地址： http://arxiv.org/abs/2201.08005作者： Giulia Preti, Gianmarco De Francisci Morales, Francesco Bonchi摘要： 单纯复形是对高阶关系建模的图的泛化。在本文中，我们介绍了单纯模式——我们称之为单纯型——并将频繁模式挖掘的任务从图领域推广到单纯复型。由于巨大的搜索空间和对高阶同构的需求，我们的任务特别具有挑战性。我们表明，在线性时间和至多二次空间中，可以将在复数中寻找单形的问题简化为二部图同构问题。然后，我们提出了一种反单调频率测量，它允许我们从小单峰开始探索，并在其频率低于最小频率阈值时停止扩展单峰。有了这些想法和巧妙的数据结构，我们开发了一种内存意识算法，通过仔细利用复杂中的单纯形之间和单纯形之间的关系，为我们的复杂挖掘任务实现效率和可扩展性。我们的算法 FreSCo 有两种形式：它可以计算单峰的准确频率，或者更快速地，它可以确定单峰是否频繁，而无需计算准确的频率。实验结果证明了FreSCo在各种大小和维度的复合体中挖掘频繁单纯形的能力，以及单纯形相对于传统图模式的重要性。基于网络的科学概念链路预测——Science4Cast竞赛条目原文标题： Network-based link prediction of scientific concepts — a Science4Cast competition entry地址： http://arxiv.org/abs/2201.07978作者： Joao P. Moutinho, Bruno Coutinho, Lorenzo Buffoni摘要： 在 Science4Cast 2021 竞赛的背景下，我们报告了一个用于预测复杂科学概念网络中的链接的模型。我们表明该网络非常倾向于高度链接节点，这表明新的科学联系主要是在流行概念之间建立的，这构成了我们模型的主要特征。除了这种流行度的概念外，我们还使用节点之间的相似性度量，通过对其共同邻居的归一化计数来量化节点来改进模型。最后，我们表明，可以通过考虑时间加权邻接矩阵进一步改进模型，其中较旧和较新的链接在预测中具有更高的影响，分别代表根深蒂固的概念和最先进的研究。社会Frohlich凝聚: 通过足够密集的信息抽取来维护社会秩序原文标题： Social Frohlich condensation: Preserving societal order through sufficiently intensive information pumping地址： http://arxiv.org/abs/2201.07966作者： Andrei Khrennikov摘要： 目的：本文旨在提出创建社会 Frohlich 凝聚体的基本假设，并引起其他研究人员（包括物理学和社会政治学）对高能量社会与社会能量相结合的稳定性和秩序保持建模问题的关注高温浴。设计方法方法：社会 Frohlich 凝聚模型及其分析基于量子热力学和场论的数学形式（应用于物理学之外）。发现：所提出的类量子模型为弗罗利希凝聚等复杂的社会政治现象提供了一致的操作模型。研究局限性影响：社会 Frohlich 凝聚模型主要基于开放量子系统理论。其一贯的阐述需要额外的努力。实际意义：现代信息开放社会的稳定性证明了社会 Frohlich 凝聚等现象的证据。社会影响：接近弗罗利希凝聚态是社会稳定的强大源泉。理解其信息结构和来源可能有助于稳定现代社会。独创性价值：在社会和政治科学中应用 Frohlich 凝聚的类量子模型确实是对暴露于来自大众媒体和基于互联网的来源的强大信息辐射的社会社会稳定性的数学建模的新颖和原创方法。更正和增编：政党的民粹主义程度如何？使用监督机器学习测量政党宣言中的民粹主义程度原文标题： Corrigendum and addendum to: How Populist are Parties? Measuring Degrees of Populism in Party Manifestos Using Supervised Machine Learning地址： http://arxiv.org/abs/2201.07972作者： Jessica Di Cocco, Bernardo Monechi摘要： 本文是对先前发表的文章的更正和增补：“政党如何民粹主义？使用监督机器学习测量政党宣言中的民粹主义程度”（政治分析，1-17.doi:10.1017/pan.2021.29）。这些更正和附录旨在纠正数据标记中的错误，并显示一些未包含在先前发表的论文中的额外见解。在这里，我们报告了这些更正，并指出了一些额外的结论，重点关注每方和年份标签重新洗牌的影响，并在适当的时候提供新的数据。我们表明，尽管先前发表的文章中提出的简化标记方法会导致与专家分数的相关性出现偏差，但随机标记会显著降低相关性。我们表明，对于基于手动编码数据集的相关性也是如此。这些修改基于未来出版物中详细报告的其他证据和结果。需求侧经济学的效应结构与热力学公式原文标题： Effect Structure and Thermodynamics Formulation of Demand-side Economics地址： http://arxiv.org/abs/2201.07975作者： Burin Gumjudpai (NAS Mahidol University)摘要： 我们以图表和规则的形式提出状态方程（EoS）效应结构的概念。这个概念有助于证明经验关系的 EoS 状态。我们将这个概念应用于封闭的消费者系统，我们能够制定其 EoS。根据新概念，EoS 分为三类。确定了需求侧经济学的热力学公式的流形空间。对热力学和经济学消费者系统进行了形式上的类比。定义了总财富、广义效用和广义消费者剩余等新量。微观经济学的消费者剩余概念受到批评并被广义消费者剩余所取代。史密斯的需求定律作为类似于等温过程的特定案例包含在我们的新范式中。绝对零温度状态类似于佛教哲学中的涅槃状态。最后提出了消费者EoS的计量经济学模型。用自由意志扩展牛顿运动定律原文标题： Extending Newton’s Laws of Motion with Free Will地址： http://arxiv.org/abs/2201.07981作者： Giovanni Giuffrida, Calogero G. Zarba摘要： 我们通过定义一个扩展牛顿运动定律的数学模型来研究自由意志的概念，以这样一种方式，物体被赋予自由意志的主体人所取代。在我们的模型中，主体人的自由意志不是完全自由的，而是受黄金法则的约束，这是几乎所有文化中都存在的一种道德规范，它规定一个人应该对他人有所希望，就像对自己有所希望一样。请求少发表原文标题： Plea to publish less地址： http://arxiv.org/abs/2201.07985作者： Navinder Singh摘要： 最近的研究citefort 表明，在 20 世纪，发表的科学论文数量呈指数级增长，但新想法仅随时间线性增长。 19 世纪和 20 世纪上半叶出现了重大的科学发现。但从 20 世纪下半叶开始，出版物的数量远远超过了有影响力的发现的数量。呈指数增长的出版物数量是否表明病理学研究的一个要素？发表大量论文的压力导致了生产过剩、不必要的碎片化、过度销售、掠夺性期刊（付费和发表）、巧妙抄袭、故意混淆科学成果以进行销售和超额销售的现象。这损害了热情驱动研究的健康科学文化。这是一个迫切需要整个科学界关注的问题。讨论了缓解这些严重问题的一些方法。通过图表示学习识别复杂网络中的关键节点原文标题： Identifying critical nodes in complex networks by graph representation learning地址： http://arxiv.org/abs/2201.07988作者： Enyu Yu, Duanbing Chen, Yan Fu, Yuanyuan Xu摘要： 由于其广泛的应用，关键节点识别已成为网络科学微观层面的重要研究课题。影响最大化是关键节点挖掘的主要问题之一，通常采用启发式方法处理。本文提出了一种深度图学习框架IMGNN，并设计了相应的训练样本生成方案。该框架将网络中节点的中心性作为输入，将最优初始扩展器中节点的概率作为输出。通过在大量小型合成网络上进行训练，IMGNN 在最小化固定感染规模下初始传播者的大小方面比基于人类的启发式方法更有效。在一个合成网络和五个真实网络上的实验结果表明，与传统的非迭代节点排序算法相比，IMGNN 在最终感染规模固定的情况下，不同感染概率下的初始传播者比例最小。并且 IMGNN 的重新排序版本优于所有最新的关键节点挖掘算法。TweetBoost：社交媒体对 NFT 估值的影响原文标题： TweetBoost: Influence of Social Media on NFT Valuation地址： http://arxiv.org/abs/2201.08373作者： Arnav Kapoor, Dipanwita Guhathakurta, Mehul Mathur, Rupanshu Yadav, Manish Gupta, Ponnurungam Kumaraguru摘要： NFT 或 Non-Fungible Token 是一种证明数字资产是唯一的代币。包括数字艺术、音乐、推文、模因在内的各种资产都作为 NFT 出售。 NFT 相关内容已在 Twitter 等社交媒体网站上广泛分享。我们旨在理解影响 NFT 资产估值的主要因素。为实现这一目标，我们创建了首个连接 Twitter 和 OpenSea（最大的 NFT 市场）的数据集，以刻画社交媒体资料和链接的 NFT 资产。我们的数据集包含 17,155 位独立用户发布的 245,159 条推文，直接链接了 OpenSea 上价值 1900 万美元的 62,997 个 NFT 资产。我们已经公开了数据集。我们分析 NFT 的增长，描述推销 NFT 资产的 Twitter 用户，并衡量 Twitter 功能对 NFT 病毒式传播的影响。此外，我们通过试验多种机器学习和深度学习模型来预测资产价值，从而研究不同社交媒体和 NFT 平台功能的有效性。我们的结果表明，与仅使用 NFT 平台功能的基线模型相比，社交媒体功能将准确率提高了 6%。在社交媒体功能中，用户会员列表的数量、喜欢和转发的数量是重要的功能。有偏见的选民过程中的入侵动态原文标题： Invasion Dynamics in the Biased Voter Process地址： http://arxiv.org/abs/2201.08207作者： Loke Durocher, Panagiotis Karras, Andreas Pavlogiannis, Josef Tkadlec摘要： 投票过程是一个经典的随机过程，它模拟突变特征A（例如，新观点、信仰、传说、基因突变、磁自旋）在主体群体（例如，人、基因、粒子）中的入侵共享一个常驻特征 B，分布在图的节点上。一个智能体可以随时采用其邻居之一的特征，而入侵偏差 rin(0,infty) 量化了对 (r>1) 或反对 (r<1) 的随机偏好) 采用 A 而不是 B。成功是根据固定概率来衡量的，即最终所有主体都采用突变特征 A 的概率。在本文中，我们研究了该模型下的注视概率最大化问题：给定预算k，找到一组k 的主体来启动最大化注视概率的入侵。我们表明，对于 r>1 和 r<1，问题都是 NP-hard，而后一种情况在任何乘法因子内也是不可近似的。从积极的方面来看，我们表明当 r>1 时，优化函数是次模的，因此可以在因子 1-1/e 内贪婪地逼近。对一些提出的启发式方法的实验评估证实了我们的结果。将地理空间表示为用于计算有序度的递归定义子空间的层次结构原文标题： Representing Geographic Space as a Hierarchy of Recursively Defined Subspaces for Computing the Degree of Order地址： http://arxiv.org/abs/2201.08211作者： Bin Jiang, Chris de Rijke摘要： 正如克里斯托弗·亚历山大发现的那样，所有空间或物质——无论是有机的还是无机的——都根据其结构和排列在其中具有一定程度的秩序。秩序是指一种结构特征，称为活结构，它被定义为由具有固有层次结构的众多子结构组成的数学结构。在整个层次结构中，小子结构的数量远远多于大子结构，而在层次结构的每一级上，子结构的大小或多或少相似。在本文中，我们开发了一种新方法，将地理空间表示为递归定义的子空间的层次结构，用于计算有序度。地理空间首先表示为递归定义的子空间的层次结构，然后所有子空间在拓扑上表示为一个网络，用于计算地理空间及其子空间的有序度。不同于传统的地理表征，它本质上是机械的，这种新的地理表征是有机的，是在第三空间观下构思和发展的；也就是说，空间既不是死气沉沉的，也不是中性的，而是一个有生命的结构，可以更有生命力，也可以更少生命力。因此，秩序也可以称为生命、美丽、连贯或和谐。我们将新的表示应用于三个城市环境、253 个模式和 35 个黑白条来验证它并展示新方法和新秩序的优势。我们进一步讨论了方法和顺序对地理信息科学和可持续城市规划的影响。关键词：生活结构，模式语言，生命，整体性，连贯性，结构美CUF-Links：用于可重复研究的持续且无处不在的 FAIRness 联系原文标题： CUF-Links: Continuous and Ubiquitous FAIRness Linkages for reproducible research地址： http://arxiv.org/abs/2201.08296作者： Ian Foster, Carl Kesselman摘要： 尽管在方法和工具上做了很多创造性工作，但可重复性——重复用于获得研究结果的计算步骤的能力——仍然难以捉摸。造成这些困难的一个原因是，用于捕捉研究过程的现有工具与科学家丰富的工作实践并不一致。我们在这里提倡简单的机制，这些机制可以很容易地与当前的工作实践集成，以刻画有关项目中消耗或产生的每个数据产品的基本信息。我们认为，通过在时间和空间上扩展可查找、可访问、可互操作和可重用 (FAIR) 数据的范围，以创建从输入到输出的连续且无处不在的 FAIRness 链接 (CUF-Links) 的连续链，这种机制可以为记录对可重复研究至关重要的来源联系提供坚实的基础。我们给出了可以实现这些目标的机制的例子，并回顾了它们是如何在实践中应用的。实时需求响应中的集体效应和需求同步原文标题： Collective effects and synchronization of demand in real-time demand response地址： http://arxiv.org/abs/2201.08303作者： Chengyuan Han, Dirk Witthaut, Leonardo Rydin Gorjão, Philipp C. Böttcher摘要： 可持续能源系统需要灵活的元素来平衡可再生能源的可变性。需求响应旨在使需求适应可变发电量，特别是通过及时转移负荷。在本文中，我们对众多需求响应单元的集体运行进行了详细的统计分析。我们建立并模拟了一个负载转移模型，以响应使用本地存储系统的实时电价。我们表明，需求响应会根据需要推动负载转移，但也会引发可能威胁系统稳定性的强大集体效应。个别家庭的负荷同步，导致极端的需求高峰。我们提供电网负荷的详细统计分析，并量化极端需求高峰的可能性和程度。社交媒体使用对阿拉伯世界公众对 COVID-19 疫苗的态度和行为的影响原文标题： Influences of social media usage on public attitudes and behavior towards COVID-19 vaccine in the Arab world地址： http://arxiv.org/abs/2201.08336作者： Md. Rafiul Biswas, Hazrat Ali, Raian Ali, Zubair Shah摘要： 背景：疫苗接种计划只有在相当大比例的人接种疫苗时才有效。然而，世界各地社区对疫苗的接受程度各不相同。社交媒体的使用可以说是影响公众对疫苗态度的因素之一。目的：本研究旨在确定社交媒体使用因素是否可用于预测阿拉伯世界人民对 COVID-19 疫苗的态度和行为。方法：在阿拉伯国家进行了一项在线调查，共有 217 名阿拉伯人参与了这项研究。应用逻辑回归来确定哪些人口统计和社交媒体使用因素可以预测公众对 COVID-19 疫苗的态度和行为。结果：217名参与者中，56.22%的人愿意接受疫苗，41.47%的人犹豫不决。这项研究表明，没有任何社交媒体使用因素足以预测实际的疫苗接受行为。而分析表明，很少有社交媒体使用因素可以预测公众对 COVID-19 疫苗的态度。例如，频繁使用社交媒体的用户同意 COVID-19 的风险被夸大的可能性（OR=2.85, 95% CI=0.86-9.45, p=0.046）是不经常使用社交媒体的用户的 2.85 倍。而对其联系人共享的疫苗信息更信任的参与者不太可能同意决策者已验证疫苗是安全的（OR=0.528, 95% CI= 0.276-1.012, p=0.05）。结论：社交媒体的使用和在其上共享的信息可能会影响公众对 COVID-19 疫苗的态度。因此，在社交媒体上传播有关 COVID-19 和其他疫苗的正确和经过验证的信息对于提高公众信任和对抗不正确和错误信息的影响非常重要。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。本系列在公众号“网络科学研究速递”（netsci）和个人博客进行同步更新。
本文出自快速备案，转载时请注明出处及相应链接。