先提升后卷积：梯度提升遇到图神经网络;基于密度的社会网络聚类;噪声二阶无标度共识网络的相干尺度;代际流动动力学模型中的时机分配;Synwalk-通过随机游走建模举行社区检测;通过递归延迟方法研究Covid-19的历程;用于欧洲能源系统分析的可再生发电数据;Q的福音：从规范信息的角度明白QAnon阴谋;先提升后卷积：梯度提升遇到图神经网络原文标题： Boost then Convolve: Gradient Boosting Meets Graph Neural Networks地址： http://arxiv.org/abs/2101.08543作者： Sergei Ivanov, Liudmila Prokhorenkova摘要： 图神经网络（GNN）是功效强大的模型，已在种种图表现学习任务中取得了乐成。面临异构表格数据时，梯度提升决议树（GBDT）通常优于其他机械学习方法。可是，对于具有表格节点特征的图，应该使用哪种方法？先前的GNN模型主要集中在具有同质稀疏特征的网络上，而且如我们所示，在异构情况中次优。在这项事情中，我们提出了一种新颖的体系结构，该体系结构可以团结训练GBDT和GNN以获得两者的最佳效果：GBDT模型处置惩罚异构特征，而GNN卖力图结构。
通过允许新树适合GNN的梯度更新，我们的模型受益于端到端优化。通过与领先的GBDT和GNN模型举行广泛的实验比力，我们证明晰具有表格特征的种种图的性能均获得了显著提高。该代码可用：https：//github.com/nd7141/bgnn。
基于密度的社会网络聚类原文标题： Density-based clustering of social networks地址： http://arxiv.org/abs/2101.08334作者： Giovanna Menardi, Domenico De Stefano摘要： 基于密度的聚类的模态表述的基础思想是将组与数据基础的概率密度函数的模式周围的区域相关联。本文使用样本空间中群集和麋集区域之间的这种对应关系来讨论此方法对社会网络分析的扩展。
这种扩展似乎特别吸引人：从观点上讲，高密度集群的观点很是适合网络中的社区之一，被视为社区中具有精密当地联系的小我私家的荟萃。网络中缺乏概率密度的观点酿成了所提出方法的主要优势，其中可以使用量化行为者角色和位置的节点方式来得出差别的社区设置。
该方法允许识别群集的分层结构，这可以描画群集结构的差别水平的分辨率。此功效很是适合社会网络的性质，可以消除个体在社交聚合中的差别到场。噪声二阶无标度共识网络的相干尺度原文标题： Coherence Scaling of Noisy Second-Order Scale-Free Consensus Networks地址： http://arxiv.org/abs/2101.08403作者： Wanyue Xu, Bin Wu, Zuobai Zhang, Zhongzhi Zhang, Haibin Kan, Guanrong Chen摘要： 网络科学领域的一个惊人发现是，大多数实际的网络系统都具有某些通用的结构特性。通常，它们同时是稀疏的，无比例的，小世界的和有环的。
在本文中，我们研究了具有此类通用结构且在极点处遭受白噪声的动态网络的二阶共识。我们关注网络相干性 H rm SO ，以极点系统的 mathcal H _2 -范数为特征，该怀抱丈量极点状态与其平均值的平均偏差。我们首先从数值上研究一些代表性的现实世界网络的一致性。我们发现它们的相干性 H rm SO 与极点数 N 次线性关系。
然后，我们针对一类迭代增长的网络-伪分形无标度网络（PSFW）举行分析研究 H rm SO ，并获得 H rm SO 的准确解，该准确解也随 N ，其指数远小于1。为明白释这种亚线性行为的原因，我们最终研究了Sierpin ‘ski垫片的 H rm SO ，为此增长了 H rm SO 以 N 超线性表现，功率指数比1大得多。Sierpin’ski垫片的极点和边数量与PSFW相同，但不显示无标度和小世界特性。
因此，我们得出的结论是，无标度，小世界和环状拓扑配合卖力视察到的 H _ rm SO 的亚线性标度。代际流动动力学模型中的时机分配原文标题： Allocating Opportunities in a Dynamic Model of Intergenerational Mobility地址： http://arxiv.org/abs/2101.08451作者： Hoda Heidari, Jon Kleinberg摘要： 高等教育等时机可以促进代际流动，导致小我私家的社会经济职位高于怙恃。
我们开发了一个动态模型，用于在存在行动瓶颈的社会中分配此类时机；最佳分配问题反映了今世人时机所带来的利益与提高接受者的社会经济职位的潜力之间的权衡，从而以可以从时机中进一步受益的方式来塑造子孙子女的组成。我们展示了模型中的最优分配是如何作为多代人连续优化问题的解决方案而泛起的，而且总的来说，我们发现这些最优解决方案相对于社会经济职位较高，绩效稍高的人更倾向于低社会经济职位的接受者。
我们的模型中的社会在追求纯收益最大化目的时发现的社会经济平权行动。我们形貌了模型的结构如何导致暂时性或持久性平权行动的特征，而且我们思量通过更庞大的历程来扩展模型，以调治差别社会经济职位之间的移动。
Synwalk-通过随机游走建模举行社区检测原文标题： Synwalk — Community Detection via Random Walk Modelling地址： http://arxiv.org/abs/2101.08623作者： Christian Toth, Denis Helic, Bernhard C. Geiger摘要： 抽象表现为网络的庞大系统在日常生活中无处不在。分析和明白这些系统需要社区检测工具等。由于不行能存在单一的最佳社区检测算法，因此希望在种种问题设置中都具有鲁棒性。
在这项事情中，我们提出了Synwalk，一种基于随机行走的社区检测方法。Synwalk建设在扎实的理论基础上，并通过从一类候选随机游走中综合由给定网络诱发的随机游走来检测社区。我们划分在综合和履历网络上彻底验证了我们的方法的有效性，并将Synwalk的性能与Infomap和Walktrap的性能举行了比力。我们的效果讲明，Synwalk在具有变化混淆参数和度漫衍的网络上体现强劲。
在具有高混淆参数的网络上，我们优于Infomap，而在具有许多小社区和低平均水平的网络上，我们的体现优于Infomap和Walktrap。我们的事情有可能通过随机走动的综合来引发社区检测的进一步生长，而且为未来的研究提供详细思路。通过递归延迟方法研究Covid-19的历程原文标题： Studying the course of Covid-19 by a recursive delay approach地址： http://arxiv.org/abs/2101.08660作者： Matthias Kreck, Erhard Scholz摘要： 在较早的论文中，我们提出了一种盛行病的递归模型。
在本文中，我们对该模型举行了归纳综合，以包罗无症状或未记载的有症状的人，我们称它们为“ em暗人”（暗区）。我们称其为SEPAR _d 模型。添加了模型的延迟微分方程版本；它可以更好地与其他模型举行比力。我们将其与经典SIR模型举行比力，并说明为什么我们相信SEPAR _d 模型对Covid-19可能比其他方法更好。
在本文的第二部门中，我们说明晰如那边理JHU提供的数据，尤其是说明晰如何从数据中导出中心模型参数。其他参数，例如暗区的巨细，较难获得，而且只能通过代表性血清学研究的效果举行更大略的预计，可是只有少数国家可以使用。我们从可获得此类数据的瑞士开始举行国别研究。然后，我们将该模型应用于其他国家/地域的荟萃中，其中三个是欧洲国家（德国，法国，瑞典），另外三个国家（美国，巴西，印度）受灾最严重的三个国家/地域也是如此。
最后，我们证明，纵然是汇总的世界数据也可以用我们的方法很好地表现。在本文的最后，我们讨论了模型的使用。
也许最引人注目的应用是它允许定量分析人们被送往隔离区或医院之前的时间影响。这讲明，缩短时间的强加手段是拉平曲线的强大工具用于欧洲能源系统分析的可再生发电数据原文标题： Renewable Generation Data for European Energy System Analysis地址： http://arxiv.org/abs/2101.08741作者： Alexander Kies, Bruno U. Schyska, Mariia Bilousova, Omar El Sayed, Jakub Jurasz, Horst Stöcker摘要： 在脱碳历程中，全球能源结构正从化石燃料转向可再生能源。为了研究脱碳途径，使用了大规模的能源系统模型。
这些模型需要准确的可再生能源数据，以发挥其全部潜力。使用差别的数据可能导致效果和政策建议相抵触。在这项事情中，我们比力了通常用于研究向高度可再生的欧洲电力系统过渡的几个数据集。
我们发现这些数据集之间存在显著差异，约莫10％的成本差异导致了差别的能源组合。我们得出结论，必须越发注意输入数据的庞大不确定性。Q的福音：从规范信息的角度明白QAnon阴谋原文标题： The Gospel According to Q: Understanding the QAnon Conspiracy from the Perspective of Canonical Information地址： http://arxiv.org/abs/2101.08750作者： Max Aliapoulios, Antonis Papasavva, Cameron Ballard, Emiliano De Cristofaro, Gianluca Stringhini, Savvas Zannettou, Jeremy Blackburn摘要： QAnon阴谋论认为，一群（从字面上）嗜血的政治家和媒体人物到场了一场破坏社会的战争。
通过解释来自一个匿名内部人士的神秘信息滴，称其为Q，阴谋论的拥护者认为，他们是唐纳德·特朗普（Donald Trump）向导的，努力阻挡这一阴谋。由于QAnon的拥护者到场了多种暴力行为，包罗2021年1月6日对美国国会大厦的强攻，该媒体已被媒体广泛报道。可是，对于该理论是如何生长和在网络上流传以及如何在多个平台中发挥作用的，我们仍然知之甚少。
为明白决这一差距，本文从“ Q”自己的角度研究QAnon。详细来说，我们建设了一个数据集，该数据集是从六个“聚合站点”收集到的4,949个规范Q滴的，将其从原始公布到匿名和暂时图像板举行整理和存档。
我们发现这些位点的一致性相对较低（总体），因此至少应将某些Q下降视为伪晶。然后，我们分析Q抛弃自己的内容，确定讨论的主题，并找到统计学上显著的迹象讲明该抛弃不是由单小我私家撰写的。
最后，我们看一下Reddit上的帖子如何用于将Q drop流传给更多的受众。我们发现，流传（最初）仅限于少数几个子社区，而且只管内容繁琐的内容审核决议淘汰了总体问题，但Q的“福音”仍然存在于Web社区中。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。
本文关键词：Arxiv,网络,科学,论文,摘要,8篇,2021-01-22,先,米乐m6APP
本文来源：米乐m6APP-www.zhenghaoo.com
