最大后验预计的多层网络层重构和缺失链路预测;通过自我修复抵御攻击以节约资源，从而更宽容地重构网络;图嵌入用于辱骂性语言检测;使用在线社交媒体研究危机时期向导者-COVID案例研究;危机时期科学输出在公然辩说中的作用：以COVID19大盛行期间学校重新开放为例;人口漫衍与都会GDP规模之间的关联;Twitch玩家：评估相近度保留和基于结构角色的节点嵌入的数据集;数据驱动的马尔可夫历程和异构模拟对COVID-19的熏染预测和干预效果评估;最大后验预计的多层网络层重构和缺失链路预测原文标题： Layer reconstruction and missing link prediction of multilayer network with Maximum A Posteriori estimation地址： http://arxiv.org/abs/2101.02733作者： Junyao Kuang, Caterina Scoglio摘要： 多层网络由多层组成，其中差别的层具有相同的一组极点，但表现差别类型的交互。然而，多层网络中某些层是相互依存的或结构相似的。在本文中，我们提出了一种基于最大后验预计的模型来重构多层网络中的特定层。SimHash算法用于盘算各个层之间的相似度。

具有相似结构的层被用于确定共轭先验的参数。使用此模型，我们还可以预测缺失的链接并直接举行实验以查找潜在的链接。我们通过两个真实的多层网络对该方法举行了测试，效果讲明，纵然在丢失大量链接的情况下，最大的后验预计也有望在重建感兴趣的层中发挥作用。通过自我修复抵御攻击以节约资源，从而更宽容地重构网络原文标题： More Tolerant Reconstructed Networks by Self-Healing against Attacks in Saving Resource地址： http://arxiv.org/abs/2101.02814作者： Yukio Hayashi, Atsushi Tanaka, Jun Matsukubo摘要： 用于电源，通信和运输的庞大网络基础架构系统支持我们的经济和社会运动，可是它们极易受到频繁增加的大型灾难或攻击的攻击。

因此，与从履历上恢复到原始易受攻击的网络相比，从损坏的网络举行重建是比力可取的。为了重建可连续生长的网络，我们专注于增强环路，以免由于节点移除而无法成为树木。只管此优化与一个棘手的组合问题相对应，但我们提出了一种基于自我增强方法的自我修复方法，该方法是在应用从统计物理学方法获得启发的近似盘算中应用增强循环。

我们讲明，与传统的修复方法相比，在我们提出的方法中获得了更高的鲁棒性和效率，而且节约了链接和端口的资源。此外，当一定水平的受损链路可重复使用或作为资源投资获得赔偿时，通过修复而重建的网络可以变得比攻击前的原始网络更宽容。这些效果将为适应能力中具有适应能力的自我修复开发网络重建的潜力。

图嵌入用于辱骂性语言检测原文标题： Graph embeddings for Abusive Language Detection地址： http://arxiv.org/abs/2101.02988作者： Noé Cecillon (LIA), Vincent Labatut (LIA), Richard Dufour (LIA), Georges Linares (LIA)摘要： 荼毒行为在在线社会网络上很常见。反社会行为的频率不停增加，迫使在线平台的托管人找到明白决此问题的新解决方案。因此，在已往几年中，自动化审核历程引起了许多兴趣。已经提出了种种方法，其中大多数基于交流的内容，而一种方规则依赖于会话的结构和动态。

它具有与语言无关的优点，可是它使用了一组手工制作的拓扑怀抱，这些怀抱在盘算上很昂贵，而且纷歧定适合所有情况。在本文中，我们建议使用最新的图嵌入方法来自动学习形貌消息交流的会话图的表现形式。我们比力两类：节点vs.全图嵌入。

我们总共实验了8种方法，并将其应用于在线消息的数据集。我们还越发准确地研究了每种方法使用图结构的哪些方面。我们的研究讲明，某些嵌入发生的表现形式可以描画通过特定拓扑怀抱转达的信息，但会遗漏其他方面。

使用在线社交媒体研究危机时期向导者-COVID案例研究原文标题： Studying Leaders During Times of Crisis Using Online Social Media — A COVID Case Study地址： http://arxiv.org/abs/2101.03002作者： Rahul Goel, Rajesh Sharma摘要： 在线社交媒体（OSM）已成为讨论种种主题的主要平台。甚至知名人士和民众人物也经常通过OSM平台表达对种种主题的看法。

正式被称为COVID-19的新型冠状病毒已成为一种盛行病，并在人类历史上造成了危机，这种话题最近在Twitter上引起了许多关注。在这项事情中，我们分析了三个月内的2,900万条推文，以研究具有高度影响力的用户，我们称之为向导者。我们使用社会网络分析来识别这些向导者，并使用文天职析技术来分析其推文。

我们将这些向导人分为研究，新闻，卫生和政治四个领域。我们的分析讲明，i）所有群组在其推文中都体现出相似的恐惧感； ii）研究人员和新闻群组比其他群组体现出更多的伤心感； iii）卫生组织和政治人物试图获得民众信任。文天职析。

本文来源：米乐官方登录入口-www.hfenqin.cn