语言趋同和趋异的复制子-变异子动力学;实际视角中重温图神经网络和距离编码;通过混淆正则谱聚类预计网络成员;充电即服务：轻型电动汽车的按需电池交付，用于出行服务;使用机械学习革新盛行病测试和停止计谋;谁杀了礼来凯恩？将知识图谱用于犯罪小说的案例研究;强制性口罩佩带延迟的影响-假设分析;最优供应网络中不一连过渡到回路形成;评估当地隔离后智利流动性变化的数据集;xFraud：异构图上可解释的欺诈生意业务检测;语言趋同和趋异的复制子-变异子动力学原文标题： Replicator-mutator dynamics of linguistic convergence and divergence地址： http://arxiv.org/abs/2011.11768作者： Henri Kauhanen摘要： 人们倾向于将语言的使用与自身群体的语言行为保持一致，并同时偏离群体的语言使用。本文提出将这种社会语言身份维持现象建模为一种演化博弈，其中个体到场其中，动态由复制者-变异者方程的多种群扩展提供。使用线性化，可以找到博弈的所有动态平衡在全对称两种群特例中的稳定性。

然后将该模型应用于青少年社会语言行为的履历测试案例。发现，凭据履历证明的总体状态在控制语言突变率的参数的独立合理值下对应于博弈的多个稳定平衡之一。用数值解法探索了一个差池称的三种群博弈扩展，进一步预测了系统收敛到哪个特定平衡。

实际视角中重温图神经网络和距离编码原文标题： Revisit graph neural networks and distance encoding in a practical view地址： http://arxiv.org/abs/2011.12228作者： Haoteng Yin, Yanbang Wang, Pan Li摘要： 图神经网络（GNN）广泛用于基于图结构化数据的应用法式中，例如节点分类和链路预测。可是，GNN通常被用作黑盒工具，很少对其是否适合某些可能具有种种属性的应用举行深入研究。最近提出的技术距离编码（DE）（Li et al.2020）神奇地使GNN在许多应用中都能很好地事情，包罗节点分类和链路预测。

（Li et al.2020）中提供的理论通过证明DE提高了GNN的表现能力来支持DE。可是，该理论如何相应地辅助应用尚不清楚。在这里，我们从更实际的角度重新审视GNN和DE。我们想解释一下DE如何使GNN适合节点分类和链路预测。

详细地，对于链路预测，DE可以被视为在一对节点表现之间建设相关性的方式。对于节点分类，由于差别的分类任务可能持有表现差别物理寄义的节点标签，因此问题变得越发庞大。我们关注于最广泛思量的节点分类方案，并将节点标签分为社区类型和结构类型两种类型，然后分析GNN用来预测这两种类型标签的差别机制。

我们举行了广泛的实验，以比力GDE与DE配对的八种差别设置，以预测八幅现实世界中的节点标签。效果证明晰DE预测结构类型标签的统一有效性。最后，我们得出关于在节点分类任务中如何正确使用GNN和DE的三个结论。

通过混淆正则谱聚类预计网络成员原文标题： Estimating network memberships by mixed regularized spectral clustering地址： http://arxiv.org/abs/2011.12239作者： Huan Qing, Jingli Wang摘要： 混淆成员社区检测是网络分析中的一个难题。在这里，在度校正后的混淆隶属度（DCMM）模型下，我们提出了一种称为混淆正则化谱聚类（简称Mixed-RSC）的有效方法来预计隶属度。

混淆RSC是RSC方法的扩展（Qin和Rohe，2013），用于处置惩罚混淆成员社区检测问题。我们讲明该算法在温和条件下是渐近一致的。与许多基准方法相比，该方法已乐成应用于小规模的模拟和大量的履历网络，其效果令人鼓舞。充电即服务：轻型电动汽车的按需电池交付，用于出行服务原文标题： Charging-as-a-Service: On-demand battery delivery for light-duty electric vehicles for mobility service地址： http://arxiv.org/abs/2011.10665作者： Shuocheng Guo, Xinwu Qian, Jun Liu摘要： 这项研究提出了一种名为“充电即服务（CaaS）”的，为电动汽车提供动力的创新解决方案，该解决方案涉及轻型电动汽车（LDEV）在“移动即服务（ MaaS）行业。

与MaaS相似，CaaS的焦点思想是分配携带模块化电池组（MBU）的服务车辆（SV），以为LDEV提供按需电池交付的移动服务。由于缺乏充电基础设施以及等候和充电时间过长，CaaS系统有望解决MaaS行业大规模接纳LDEV的主要瓶颈。

开发了基于混淆主体的仿真模型（HABM），以使用SV主体对CaaS系统的动力学举行建模，并引入了基于行程的牢固充电概率漫衍，以模拟LDEV的充电需求的发生。进一步开发了两种调理算法来支持CaaS的最佳运行。通过假设纽约市（NYC）遵循相同的逐日出行方式的所有13,000辆黄色出租车的电动化来验证模型。在种种SV车队规模和调理计谋下分析了多种情况。

效果讲明，最佳部署250辆SV可以为纽约的LDEV机队提供服务，平均等候时间为5分钟，将行进距离节约到每分钟50英里以上，并获得高达每分钟50美元的可观利润。这项研究为部署全市CaaS系统为电力MaaS行业提供动力的可行性，服务效率和财政可连续性提供了重要看法。

使用机械学习革新盛行病测试和停止计谋原文标题： Improving epidemic testing and containment strategies using machine learning地址： http://arxiv.org/abs/2011.11717作者： Laura Natali, Saga Helgadottir, Onofrio M. Marago, Giovanni Volpe摘要： 控制疫情暴发需要支付庞大的社会和经济价格。具有成本效益的停止计谋依赖于有效地识别受熏染的个体，从而尽可能地使用可用的测试资源。因此，快速确定最佳测试计谋至关重要。

在这里，我们证明晰机械学习可用于识别哪些小我私家最适合举行测试，并自动，动态地使测试计谋适应疾病发作的特征。详细来说，我们使用原型易感性熏染恢复（SIR）模型模拟发作，并使用有关第一个确诊病例的数据来训练神经网络，以学习对其余人群举行预测。使用这些预测，我们可以比尺度方法更有效，更快速地控制发作。此外，我们证明晰在有可能再次熏染（SIRS模型）以有效根除地方性疾病时也可以使用此方法。

谁杀了礼来凯恩？将知识图谱用于犯罪小说的案例研究原文标题： Who killed Lilly Kane? A case study in applying knowledge graphs to crime fiction地址： http://arxiv.org/abs/2011.11804作者： Mariam Alaverdian, William Gilroy, Veronica Kirgios, Xia Li, Carolina Matuk, Daniel Mckenzie, Tachin Ruangkriengsin, Andrea Bertozzi, Jeffrey Brantingham摘要： 我们现在对电视节目Veronica Mars第一季制作的知识图谱举行开端研究，该图追随同名年轻的私人侦探在试图解决行刺她最好的朋侪Lilly Kane的事件时举行。我们讨论了种种用于挖掘线索和潜在犯罪嫌疑人的知识图的技术。我们还将讨论从电视节目中配合构建知识图的最佳实践。

强制性口罩佩带延迟的影响-假设分析原文标题： Implications of Delay in Compulsory Mask Wearing — A What-if Analysis地址： http://arxiv.org/abs/2011.11920作者： Brandon Tay Kaiheng, Carvalho Andrea Roby, Jodi Wu Wenjiang, Da Yang Tan摘要： 我们观察了在新加坡配景下强制戴口罩延迟对社区中COVID-19流传的影响。通过使用基于SEIR的革新隔室模型，我们通过一系列基于场景的分析，着重于宏观人群水平分析强制口罩戴用延迟与最大熏染量之间的关系。

我们的分析讲明，团体屏蔽可以有意义地淘汰社区中COVID-19的流传，但前提是必须在检测到首次熏染后延迟80-100天之前的关键时间规模内实施，并严格执行以确保依从性在整个历程中。我们还确定了所谓的无回报点，即约100天的延迟阈值，该阈值导致掩盖实施对最大熏染值的影响很小。

最优供应网络中不一连过渡到回路形成原文标题： Discontinuous transition to loop formation in optimal supply networks地址： http://arxiv.org/abs/2011.11960作者： Franz Kaiser, Henrik Ronellenfitsch, Dirk Witthaut摘要： 最优供应网络的结构和设计是庞大网络研究中的重要课题。自然和人为网络的一个基本特征是回路的泛起和控制回路形成的权衡因素：在供应网络中增加冗余的边成本高昂，但却有利于恢复。

当新边的成本很小或输入不确定时，通常会形成循环。在这里，我们进一步阐明晰向环形成的过渡。我们证明，在淘汰边损坏模型和颠簸水槽模型的新边成本时，循环会不一连地泛起。

在数学上，新的循环显示为通过鞍形节点分叉形成。我们的分析允许启发式地预测第一个环路泛起的位置和成本。最后，我们展现了中介度怀抱与最佳树网络之间的密切关系。

我们的效果可用于明白现实世界中生物网络中环形成的演变。评估当地隔离后智利流动性变化的数据集原文标题： A dataset to assess mobility changes in Chile following local quarantines地址： http://arxiv.org/abs/2011.12162作者： Luca Pappalardo, Giuliano Cornacchia, Victor Navarro, Loreto Bravo, Leo Ferres摘要： 为了反抗COVID-19大盛行，大多数国家已经实施了非药物干预措施，例如戴口罩，身体疏远，锁定装置和旅行限制。由于它们的经济和后勤影响，在隔离期间跟踪流动性变化对于评估其功效和预测病毒流传至关重要。智利是世界上受灾最严重的国家之一，与许多其他国家差别，它在更当地化的级别实施隔离，关闭了小型行政区域，而不是整个国家或大区域。

鉴于这些当地隔离所带来的非显而易见的影响，在智利，追踪流动性变得越发重要。为了评估智利当地隔离区对人类流动性的影响，我们分析了Telef’onica Chile提供的手机数据集，该数据集包罗310亿个扩展详细记载和540万用户，涵盖2020年2月26日至9月20日从这些记载中，我们得出三个盛行病学相关指标，形貌了社区之间和社区之间的流动性。提供的数据集可用于反抗COVID-19盛行病，特别是对于局部隔离区的明白水平较低的效果。xFraud：异构图上可解释的欺诈生意业务检测原文标题： xFraud: Explainable Fraud Transaction Detection on Heterogeneous Graphs地址： http://arxiv.org/abs/2011.12193作者： Susie Xi Rao, Shuai Zhang, Zhichao Han, Zitao Zhang, Wei Min, Zhiyao Chen, Yinan Shan, Yang Zhao, Ce Zhang摘要： 在在线零售平台上，至关重要的是努力检测欺诈性生意业务的风险，以改善我们的客户体验，最大水平地淘汰损失并防止未经授权的退款。

传统的基于规则的方法和简朴的基于特征的模型要么效率低下，要么懦弱且无法解释。事务日志的异构类型实体之间存在的图结构信息富厚，难以伪造。为了使用异构图关系并富厚可解释性，我们先容了xFraud，这是一种可解释的欺诈生意业务预测系统。

xFraud由一个预测器和一个解释器组成，该预测器通过自注意的异构图神经网络从异构生意业务图中学习恶意生意业务检测的表现形式，以及一个解释器，该解释器从图中生成有意义且易于明白的解释，以促进业务部门的进一步处置惩罚。在xFraud在两个具有多达一千万笔生意业务的真实生意业务网络上举行的实验中，我们能够获得曲线下的面积（AUC）得分，其性能优于基线模型和图嵌入方法。此外，我们展示明白释器如何使对模型预测的明白受益，并增强了现实世界中欺诈生意业务案例的模型可信度。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。

本文来源：LOL押注正规APP-www.jxxcks.com