关于ar的论文（Arxiv网络科学论文摘要9篇）
关于ar的论文（Arxiv网络科学论文摘要9篇）原文标题： Modeling Heterogeneous Hierarchies with Relation-specific Hyperbolic Cones摘要： 动态图上的各种任务，包括异常检测、社区检测、压缩和图理解，已被表述为识别成分（近）双团（即完整的二部图）的问题。即使我们将注意力限制在极大值上，也可能有成倍多的近双派，因此对于大型图几乎不可能找到所有这些。那么，自然会出现两个问题：（Q1）什么是“好”的近双派集？也就是说，给定输入动态图中的一组近双团，我们应该如何评估其质量？ (Q2) 给定一个大的动态图，我们如何快速识别其中的一组高质量的近双团？关于 Q1，我们测量一组给定的近双团描述输入动态图的简洁、精确和详尽程度。我们根据最小描述长度原则系统地结合了这三个观点。关于 Q2，我们提出了 CutNPeel，这是一种用于高质量近双集团集的快速搜索算法。通过自适应地重新划分输
- 图公共对比学习;
- 在动态图中寻找一个简洁、精确和穷尽的近双团集;
- 使用特定关系的双曲锥对异构层次进行建模;
- 复杂网络边的有偏随机游走和极端事件;
- 近似电导用于流式局部社区检测;
- 财富分配动力学交换模型中基尼指数和加尔各答指数随储蓄倾向的变化：分析研究;
- 估计多变量时间序列与美国 COVID-19 应用之间的连续变化偏移;
- MOOMIN：抗癌药物联合治疗的深层分子组学网络;
- CIIA：一种新的社区检测算法;
原文标题： Graph Communal Contrastive Learning
地址： http://arxiv.org/abs/2110.14863
作者： Bolian Li Baoyu Jing Hanghang Tong
摘要： 图表示学习对于许多实际应用（例如社会关系分析）至关重要。图表示学习的一个基本问题是如何在没有人工标记的情况下有效地学习表示，这通常既昂贵又耗时。图对比学习 (GCL) 通过在表示空间中将正节点对（或相似节点）拉近，同时将负节点对（或不同节点）推开来解决这个问题。尽管现有 GCL 方法取得了成功，但它们主要基于节点级别的邻近度对节点对进行采样，但很少考虑社区结构。因此，来自同一社区的两个节点可能被采样为负对。我们认为应该考虑社区信息来识别相同社区中的节点对，其中节点内部在语义上相似。为理解决这个问题，我们提出了一种新颖的图公共对比学习 (gCooL) 框架，以端到端的方式共同学习社区划分和节点表示。具体来说，所提出的 gCooL 由两个部分组成：用于社区检测的密集社区聚合 (DeCA) 算法和利用社区信息的重加权自监督交叉对比 (ReSC) 训练方案。此外，现实世界的图很复杂，通常由多个视图组成。在本文中，我们证明了所提出的 gCooL 也可以自然地适应多路图。最后，我们在各种真实世界的图上综合评估了提议的 gCooL。实验结果表明，gCooL 优于最先进的方法。
在动态图中寻找一个简洁、精确和穷尽的近双团集原文标题： Finding a Concise Precise and Exhaustive Set of Near Bi-Cliques in Dynamic Graphs
地址： http://arxiv.org/abs/2110.14875
作者： Hyeonjeong Shin Taehyung Kwon Neil Shah Kijung Shin
摘要： 动态图上的各种任务，包括异常检测、社区检测、压缩和图理解，已被表述为识别成分（近）双团（即完整的二部图）的问题。即使我们将注意力限制在极大值上，也可能有成倍多的近双派，因此对于大型图几乎不可能找到所有这些。那么，自然会出现两个问题：（Q1）什么是“好”的近双派集？也就是说，给定输入动态图中的一组近双团，我们应该如何评估其质量？ (Q2) 给定一个大的动态图，我们如何快速识别其中的一组高质量的近双团？关于 Q1，我们测量一组给定的近双团描述输入动态图的简洁、精确和详尽程度。我们根据最小描述长度原则系统地结合了这三个观点。关于 Q2，我们提出了 CutNPeel，这是一种用于高质量近双集团集的快速搜索算法。通过自适应地重新划分输入图，CutNPeel 减少了搜索空间，同时提高了搜索质量。我们使用六个真实世界动态图的实验表明，CutNPeel 是 (a) 高质量：提供比其最先进的竞争对手高 51.2% 的近双组质量，(b) 快速：高达比下一个最好的竞争对手快 68.8 倍，并且 (c) 可扩展：扩展到具有 1.34 亿条边的图。我们还展示了 CutNPeel 在图压缩和模式发现方面的成功应用。
使用特定关系的双曲锥对异构层次进行建模原文标题： Modeling Heterogeneous Hierarchies with Relation-specific Hyperbolic Cones
地址： http://arxiv.org/abs/2110.14923
作者： Yushi Bai Rex Ying Hongyu Ren Jure Leskovec
摘要： 层次关系对于组织由知识图谱 (KG) 刻画的人类知识来说是普遍且不可或缺的。层次关系的关键属性是它们对实体产生偏序，需要对其进行建模以允许层次推理。然而，当前的 KG 嵌入只能对单个全局层次结构（单个全局偏序）进行建模，并且无法对单个 KG 中存在的多个异构层次结构进行建模。在这里，我们提出了 ConE（锥嵌入），这是一种 KG 嵌入模型，能够同时对知识图中的多个层次和非层次关系进行建模。 ConE 将实体嵌入到双曲锥体中，并将关系建模为锥体之间的变换。特别是，ConE 在双曲线嵌入空间的不同子空间中使用锥体包含约束来刻画多个异构层次结构。在标准知识图基准上的实验表明，ConE 在分层推理任务以及分层图上的知识图完成任务上获得了最先进的性能。特别是，我们的方法在 WN18RR 上产生了 45.3% 的新的最先进的 Hits@1，在 DDB14（0.231 MRR）上产生了 16.1%。至于分层推理任务，我们的方法在三个分层数据集上比以前的最佳结果平均高出 20%。
复杂网络边的有偏随机游走和极端事件原文标题： Biased random walkers and extreme events on the edges of complex networks
地址： http://arxiv.org/abs/2110.14949
作者： Govind Gandhi M. S. Santhanam
摘要： 极端事件的发生概率很低，并且表现出与其平均行为的明显偏差，例如地震或停电。通过无偏随机游走的建模框架，早先已经广泛研究了发生在复杂网络节点上的此类极端事件。他们揭示了网络节点上极端事件的发生概率对节点属性有很强的依赖性。除此之外，最近的一项工作表明，边上的极端事件与节点上发生的极端事件无关。因此，在这项工作中，我们提出了一种更一般的形式主义来研究由网络边的有偏见的随机游走者引起的极端事件的性质。这种形式主义适用于基于包括 PageRank 在内的各种网络中心性度量的偏差。结果表明，以有偏随机游走者作为网络动态，极端事件概率取决于边的局部属性。对于网络的某些边，概率是高度可变的，而对于同一网络上的其他一些边，概率大约是一个常数。该特征对于应用于随机游走算法的不同偏差是稳健的。此外，使用这种形式主义的结果，表明与发生在节点上的极端事件相比，网络对发生在边上的极端事件的鲁棒性要强得多。
近似电导用于流式局部社区检测原文标题： Streaming Local Community Detection through Approximate Conductance
地址： http://arxiv.org/abs/2110.14972
作者： Yanhao Yang Meng Wang David Bindel Kun He
摘要： 社区是各种复杂网络中的通用结构，社区检测是网络分析的一项基本任务。随着网络规模的快速增长，网络规模庞大，变化迅速，自然可以建模为图流。由于图流中有限的内存和访问约束，现有的非流社区检测方法不再适用。这引发了对在线方法的新兴需求。在这项工作中，我们考虑了在图流中发现包含几个查询节点的本地社区的问题，称为流式本地社区检测。这是最近提出的一个新问题，对社区检测更具挑战性，只有少数作品解决了这种在线设置。相应地，我们设计了一种在线单通道流式本地社区检测方法。受社区“局部”属性的启发，我们的方法对图流中查询节点周围的局部结构进行采样，并使用我们提出的称为近似电导的度量标准提取采样子图上的目标社区。综合实验表明，我们的方法在有效性和效率方面都显著优于流式基线，甚至与使用静态和完整图的最先进的非流式本地社区检测方法相比，甚至达到了相似的准确性。
财富分配动力学交换模型中基尼指数和加尔各答指数随储蓄倾向的变化：分析研究原文标题： Variation of Gini and Kolkata Indices with Saving Propensity in the Kinetic Exchange Model of Wealth Distribution: An Analytical Study
地址： http://arxiv.org/abs/2110.15001
作者： Bijin Joseph Bikas K. Chakrabarti
摘要： 我们使用动力学理论分析了在封闭经济中财富 (x) 分布 P(x) 相对于储蓄倾向 lambda 的变化。我们通过推导（使用 P(x)）洛伦兹函数 L(f) 来估计基尼 (g) 和加尔各答 (k) 指数，给出分数拥有的财富的累积分数 L f 的人按财富升序排列。首先，当 lambda = 0 时使用 P(x) 的确切结果，我们推导出 L(f)，并从中得出索引值 g 和 k。然后，我们对 lambda 的非零值进行 P(x) 的近似 Gamma 分布形式 P_n(x) (n(lambda)>1 for lambda>0 和 n(lambda) xrightarrow infty 用于 lambda xrightarrow 1）。然后我们在 lambda = 0.25 和 lambda xrightarrow 1 处推导出 g 和 k 的结果。我们注意到，对于 lambda xrightarrow1 财富分布，P(x) 变成了狄拉克 delta 函数。使用这个并假设 lambda (=1-epsilon 0<epsilon<<1) 的更大值的形式，我们继续以最可能的财富为中心对 P(x) 进行近似估计（lambda 的函数），并利用它来评估 L(f) 以最终估计 g(lambda) 和 k(lambda) 的大 lambda 值。这些在不同 lambda 下 g 和 k 的分析结果与使用动力学交换理论研究 Chakraborti-Chakrabarti 模型的数值结果进行了比较。从 g 和 k 的解析表达式，我们继续进行热力学映射以表明前者对应于熵，后者对应于逆温度。
估计多变量时间序列与美国 COVID-19 应用之间的连续变化偏移原文标题： Estimating a continuously varying offset between multivariate time series with application to COVID-19 in the United States
地址： http://arxiv.org/abs/2110.15034
作者： Nick James Max Menzies
摘要： 本文介绍了连续跟踪两个多元时间序列之间偏移的新方法。然后，我们将该框架应用于美国各个州的 COVID-19 计数，以确定从病例到死亡的进展随时间的变化。在多种方法中，随着大流行的进展，我们揭示了报告病例与死亡人数之间的估计抵消中的“上-下-上”模式。该分析可用于预测即将增加的医疗保健系统负载，并有助于提前分配额外资源。
MOOMIN：抗癌药物联合治疗的深层分子组学网络原文标题： MOOMIN: Deep Molecular Omics Network for Anti-Cancer Drug Combination Therapy
地址： http://arxiv.org/abs/2110.15087
作者： Benedek Rozemberczki Anna Gogleva Sebastian Nilsson Gavin Edwards Andriy Nikolov Eliseo Papa
摘要： 我们提出了分子组学网络 (MOOMIN)，它是一种多模态图神经网络，可以预测药物组合对癌症治疗的协同作用。我们的模型基于药物-蛋白质相互作用网络和元数据，在多个尺度上刻画基于药物上下文的表示。化合物和蛋白质的结构特性被编码以创建用于在二分交互图上运行的消息传递方案的顶点特征。传播的消息形成我们用来创建药物对描述符的多分辨率药物表示。通过对癌细胞类型的药物组合表示进行调节，我们定义了一个协同评分函数，可以对看不见的药物对进行归纳评分。协同评分任务的实验结果表明，MOOMIN 优于最先进的图指纹、邻近保留节点嵌入和现有的深度学习方法。进一步的结果表明，我们模型的预测性能对超参数变化具有鲁棒性。我们证明该模型对广泛的癌细胞系组织进行了高质量的预测，样本外预测可以通过外部协同数据库进行验证，并且所提出的模型在学习方面具有数据效率。
CIIA：一种新的社区检测算法原文标题： CIIA:A New Algorithm for Community Detection
地址： http://arxiv.org/abs/2110.15264
作者： Zhang Renquan Wang Yu Wang Xiaolin Sun Yuze Tai Jilei
摘要： 本文通过对衡量社区划分标准的模块性函数的思考，提出了一种新的社区划分算法，称为连接强度迭代算法，简称CIIA。在该算法中，提出了一个新的指标。该指标是两个节点之间的实际边数与随机放置边时的边数之差。它可以反映节点之间的更多信息。这个指数的值越大，两个节点被划分到同一个社区的可能性就越大，反之亦然。本文还通过数值模拟和实际案例对算法进行了验证，结果表明了算法的可行性。
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。
