使用 TIGER 评估图的脆弱性和稳健性;超越期刊和同行评审：迈向更灵活的学术交流生态系统;驱动介质中的异质性稳定均质状态;实时需求响应的实际挑战;耦合蓝藻的社会经济和生态动态：单一湖泊和网络动态;没有地理的政治区划;AdaGNN：基于 AdaBoosting 的 GNN 多模态潜在表示元学习器;通过霍奇拉普拉斯算子对单纯形社区进行谱检测;神经网络社会中的挫败感、玻璃样行为和动态退火;Facebook 上反对和支持疫苗观点的在线团体的信息生态系统;用于快速准确社区检测的拓扑引导采样;40,000,000,000,000 个互联网暗空间数据包的时空分析;Event2Graph：用于多元时间序列异常检测的事件驱动二部图;SARS-CoV-2变异对全国病死率的影响;“走进火灾希望你不要被抓住”：促进跨党派在线讨论的策略和设计;群体极化的党派信念模型;一种用于时间序列分析的复杂网络方法在神经肌肉疾病诊断中的应用;项目组形成中的决策：学生的感知与和解;通过潜在主题和话语建模对多方在线对话的成功新进入预测;可变网络博弈的期望值;奥运冠军Instagram特征的纵向分析;使用 TIGER 评估图的脆弱性和稳健性原文标题： Evaluating Graph Vulnerability and Robustness using TIGER地址： http://arxiv.org/abs/2006.05648作者： Scott Freitas, Diyi Yang, Srijan Kumar, Hanghang Tong, Duen Horng Chau摘要： 网络稳健性在我们理解复杂的互连系统（如交通、通信和计算机网络）中起着至关重要的作用。虽然在网络鲁棒性领域已经进行了大量研究，但目前还没有全面的开源工具箱来帮助研究人员和从业人员处理这一重要主题。可用工具的缺乏阻碍了现有工作的可重复性和检查、新研究的发展以及新思想的传播。我们贡献了 TIGER，一个开源的 Python 工具箱来应对这些挑战。 TIGER 包含 22 个图鲁棒性度量，具有原始和快速近似版本； 17种失败和攻击策略； 15 种启发式和基于优化的防御技术；和 4 个模拟工具。通过普及研究网络稳健性所需的工具，我们的目标是帮助研究人员和从业人员分析他们自己的网络；并促进该领域新研究的发展。 TIGER 已集成到 Nvidia 数据科学教学套件中，可供全球教育工作者使用；和佐治亚理工学院的数据和可视化分析课程，有 1,000 多名学生。 TIGER 是开源的：https://github.com/safreita1/TIGER超越期刊和同行评审：迈向更灵活的学术交流生态系统原文标题： Beyond journals and peer review: towards a more flexible ecosystem for scholarly communication地址： http://arxiv.org/abs/1311.4566作者： Michael Wood摘要： 本文挑战了期刊和同行评审对于开发、评估和传播科学和其他学术知识必不可少的假设。它提出了一个更灵活的生态系统，并研究了这可能促进的一些可能性。开放学术成果市场，鼓励传播服务与评价服务分离。在特定学科的期刊上发表研究鼓励将研究划分为严格的类别。一个涵盖所有学科的开放访问、基于网络的知识库系统将更好地服务于知识的传播。然后，组织将负责评估此存储库中的项目，以帮助用户找到相关的高质量工作。可能有各种各样的这样的组织，它们可以使来自同行的评论得到来自各种不同角度的非同行的评估的补充：用户评论、统计评论、不同学科角度的评论等等。这应该减少依赖两三个同行不可避免的保守影响，并使评估体系更加批判性、多维度和响应不同受众群体的需求、变化的环境和新的想法。非同行评审可能更容易挑战主流范式，而将潜在受众扩大到少数同行之外可能会鼓励更认真地对待简单性标准——如果人类知识要继续进步，这一点至关重要。关键词：学术期刊，知识增长，非同行评审，范式改变，同行评审，学术交流，科学交流，简单。驱动介质中的异质性稳定均质状态原文标题： Heterogeneity-stabilized homogeneous states in driven media地址： http://arxiv.org/abs/2108.01087作者： Zachary G. Nicolaou, Daniel J. Case, Ernest B. van der Wee, Michelle M. Driscoll, Adilson E. Motter摘要： 理解对称性破缺、系统特性和不稳定性之间的关系一直是科学界长期关注的问题。破坏对称性的不稳定性是驱动系统中重要模式形成的基础，但在许多情况下，这种不稳定性是不可取的。使用参数共振作为模型过程，我们在这里表明，可以通过引入合适的系统不对称性来保持和稳定一系列会因对称破坏不稳定性而不稳定的状态。因为对称状态在空间上是同质的，而非对称系统在空间上是异质的，我们将这种效应称为异质稳定同质性。我们使用驱动钟摆阵列模型从理论上说明了这种效应，并使用法拉第波不稳定性进行了实验证明。我们的结果对减轻工程系统中的不稳定性以及在具有固有异质性的自然系统中出现同质状态具有潜在意义。实时需求响应的实际挑战原文标题： Practical Challenges in Real-time Demand Response地址： http://arxiv.org/abs/2108.04836作者： Chao Duan, Guna Bharati, Pratyush Chakraborty, Bo Chen, Takashi Nishikawa, Adilson E. Motter摘要： 我们报告了具有 100 个可控设备的实时需求响应实验。该实验揭示了实时需求响应程序部署中的几个关键挑战，包括时间延迟、不确定性、特征误差、多时间尺度和非线性，这些在以前的研究中被很大程度上忽略了。为理解决这些实际问题，我们开发并实施了一种两级多环控制结构，在闭环中集成了前馈比例积分控制器和优化求解器，从而消除了稳态误差并提高了整体建筑响应的动态性能.所提出的方法通过硬件在环 (HiL) 测试进行验证。耦合蓝藻的社会经济和生态动态：单一湖泊和网络动态原文标题： Coupling the socio-economic and ecological dynamics of cyanobacteria: single lake and network dynamics地址： http://arxiv.org/abs/2108.06360作者： Christopher M. Heggerud, Hao Wang, Mark A. Lewis摘要： 近几十年来，淡水湖泊的人类活动有所增加。这种人类存在的一个常见副产品是富营养化，它很容易导致有害的蓝藻大量繁殖。在这项工作中，我们提出了一个模型，该模型将与蓝藻系统相关的社会经济和生态动态结合起来。社会经济动态考虑了人类就是否减轻其污染水平所做的选择。这些选择基于与社会排斥、社会规范、环境问题和财务负担相关的各种成本。耦合模型表现出双稳态动力学，一种稳定状态对应于高缓解努力和低 CB 丰度，另一种对应于低缓解努力和高 CB 丰度。此外，我们考虑了湖泊网络之间的社会互动，并呈现了与各种相关成本和社会状况有关的动态结果。在每种情况下，我们都展示了合作水平和 CB 丰度之间政权转移的潜力。社会排斥和压力被证明是导致这种政权更替的驱动因素。没有地理的政治区划原文标题： Political districting without geography地址： http://arxiv.org/abs/2108.06381作者： Gerdus Benade, Nam Ho-Nguyen, J. N. Hoker摘要： 对没有地理限制的政治选区进行分析，可以深入理解如何为优化模型设计合适的目标函数。特别是，它揭示了普遍的效率差距标准的严重弱点，以及相称性和竞争力之间的尖锐冲突以及如何克服它。AdaGNN：基于 AdaBoosting 的 GNN 多模态潜在表示元学习器原文标题： AdaGNN: A multi-modal latent representation meta-learner for GNNs based on AdaBoosting地址： http://arxiv.org/abs/2108.06452作者： Qinyi Zhu, Yiou Xiao摘要： 作为深度学习的一个特殊领域，图神经网络（GNN）专注于提取网络内在特征，在学术界和工业界都获得了前所未有的普及。大多数最先进的 GNN 模型提供富有表现力、稳健、可扩展和归纳的解决方案，使社会网络推荐系统具有丰富的网络特征，这些特征在计算上难以通过基于图遍历的方法来利用。大多数最近的 GNN 遵循编码器-解码器范式，将来自子图的高维异构信息编码到一个低维嵌入空间。然而，一个单一的嵌入空间通常无法刻画图信号的所有方面。在这项工作中，我们为 GNN 提出了基于 boosting 的元学习器，它自动学习多个投影和相应的嵌入空间，以刻画图信号的不同方面。因此，通过在多个嵌入空间上嵌入邻近度来量化子图之间的相似性。对于具有丰富多样的节点邻域信息的应用程序，AdaGNN 表现异常出色。此外，AdaGNN 与用于节点级和边级任务的任何归纳 GNN 兼容。通过霍奇拉普拉斯算子对单纯形社区进行谱检测原文标题： Spectral Detection of Simplicial Communities via Hodge Laplacians地址： http://arxiv.org/abs/2108.06547作者： Sanjukta Krishnagopal, Ginestra Bianconi摘要： 虽然图的研究非常流行，但单纯复形在网络科学界相对较新。尽管是丰富信息的来源，但图仅限于成对交互。然而，一些现实世界的网络，例如社会网络、神经元网络等，涉及两个以上节点之间的同时交互。单纯复形提供了一种强大的数学方法来模拟这种相互作用。现在，已知图拉普拉斯算子的谱可以指示社区结构，其中非零特征向量编码社区的身份。在这里，我们提出 Hodge Laplacian 的谱，一个应用于单纯复形的高阶拉普拉斯算子，编码单纯群落。我们制定了一种算法来提取简单社区（任意维度）。我们将此算法应用于简单复杂的基准测试和真实数据，包括社会网络和语言网络，其中高阶关系是内在的。此外，单纯复形的数据集很少。因此，我们引入了一种方法，通过在其社区结构已知时估计 true 高阶关系，从其网络骨干中最优地生成单纯复形。我们通过使用调整后的互信息来识别与预期数据分区最匹配的配置。最后，我们展示了一个受持久同源领域启发的持久单纯社区的例子。神经网络社会中的挫败感、玻璃样行为和动态退火原文标题： Frustration, glassy behavior and dynamical annealing in societies of Neural Networks地址： http://arxiv.org/abs/2108.06571作者： Felippe Alves, Nestor Caticha摘要： 我们研究了由神经网络建模的主体之间信息交换的最大熵机制，以及在一些情况下此类主体的社会的宏观状态。意外的数学量化、对其他主体的不信任和对其意见的信心成为基于熵的学习动态中的基本要素。学习被证明是由意外驱动的，即受体主体面临不信任主体的同意意见或受信任主体的不同意见。意外的责任归因于接收者对发射者主体的不信任和接收者对其自己意见的信心。动态主要通过一个或另一个的变化进行：接受者对问题的看法或对发射者的不信任。一个有 N 主体就一系列问题交换二元意见的社会表现出丰富的行为，这取决于议程的复杂性。对于小团体，社会达到稳定状态，分化为敌对派别，严格满足平衡规范，例如“敌人的朋友就是敌人”。对于更大的问题，社会可以在类似旋转玻璃的状态下持续很长时间。有两种类型的挫折：意识形态的和情感的，具有动态退火特性，取决于所讨论的问题集的复杂性，导致长期瞬态缺乏明确定义的各方。Facebook 上反对和支持疫苗观点的在线团体的信息生态系统原文标题： The Information Ecosystem of Online Groups with Anti- and Pro-vaccine Views on Facebook地址： http://arxiv.org/abs/2108.06641作者： Soojong Kim, Kwanho Kim摘要： 人们越来越担心公众对科学的不信任 (1-3)。对疫苗接种的反对和犹豫是全球健康的主要威胁之一 (4-6)。社交媒体网站被怀疑是关于疫苗的误导性和未经证实的叙述的温床 (5, 7-10)，但人们对世界上最大的社交媒体 Facebook 上普遍存在的反疫苗观点以及在线团体如何产生影响知之甚少他们的虚假叙述。在这里，我们通过分析 2,328 个 Facebook 页面和群组以及他们在 2012 年至 2020 年期间创建的超过 160 万个帖子，研究了 Facebook 上反对和支持疫苗观点的在线群体的流行程度和特征。就群组数量和他们生成的内容量而言，在平台上占据主导地位。对能够制作疫苗叙事的在线信息来源的分析显示，使用低可信来源的疫苗内容不到 2%，反疫苗组织越来越多地利用其他相对可信的来源，例如政府来源和合法新闻媒体。还发现，每个月反疫苗团体使用的近 20% 的来源没有被任何支持疫苗的团体分享，而在反疫苗团体中使用更广泛的来源往往代表更保守和极右的政治信念。研究结果表明，迫切需要广泛和有针对性的干预措施来压制社交媒体上的反疫苗群体。用于快速准确社区检测的拓扑引导采样原文标题： Topology-Guided Sampling for Fast and Accurate Community Detection地址： http://arxiv.org/abs/2108.06651作者： Frank Wanye, Vitaliy Gleyzer, Edward Kao, Wu-chun Feng摘要： 社区检测是一个经过充分研究的问题，适用于从计算机网络到生物信息学的各个领域。虽然有许多算法可以执行社区检测，但更准确和统计上更稳健的算法往往速度慢且难以并行化。加速此类算法的一种方法是通过数据缩减。然而，这种方法还没有得到彻底的研究，而且用这种方法获得的结果的质量随它所应用的图而变化。在这篇手稿中，我们提出了一种基于拓扑引导采样的方法，用于加速随机块分区——一种社区检测算法，适用于具有复杂和异构社区结构的图。我们还引入了一种基于程度的阈值方案，该方案以加速为代价提高了我们方法的有效性。最后，我们对合成生成的图进行了一系列实验，以确定各种图参数如何影响我们的方法获得的结果质量和加速，并在现实世界数据上验证我们的方法。我们的结果表明，我们的方法可以在不采样的情况下使随机块分区的速度提高 15 倍，同时保持结果质量，甚至可以在某些类型的图的 F1 分数方面使结果质量提高 150% 以上。40,000,000,000,000 个互联网暗空间数据包的时空分析原文标题： Spatial Temporal Analysis of 40,000,000,000,000 Internet Darkspace Packets地址： http://arxiv.org/abs/2108.06653作者： Jeremy Kepner, Michael Jones, Daniel Andersen, Aydin Buluc, Chansup Byun, K Claffy, Timothy Davis, William Arcand, Jonathan Bernays, David Bestor, William Bergeron, Vijay Gadepally, Micheal Houle, Matthew Hubbell, Anna Klein, Chad Meiners, Lauren Milechin, Julie Mullen, Sandeep Pisharody, Andrew Prout, Albert Reuther, Antonio Rosa, Siddharth Samsi, Doug Stetson, Adam Tse, Charles Yee, Peter Michaleas摘要： 互联网对我们的社会从未如此重要，理解互联网的行为至关重要。应用互联网数据分析中心 (CAIDA) 望远镜观察来自代表互联网 1/256 的未经请求的暗空间的连续数据包流。在 2019 年和 2020 年期间，收集了超过 40,000,000,000,000 个独特的数据包，代表了有史以来最大的互联网流量公共语料库。利用加州大学圣地亚哥分校、劳伦斯伯克利国家实验室和麻省理工学院的超级计算中心的综合资源，使用 GraphBLAS 分层超稀疏矩阵分析了来自 CAIDA 望远镜数据的匿名源-目的地对的时空结构。这些分析提供了对这种未经请求的互联网暗空间流量的独特见解，并发现了许多以前看不见的尺度关系。数据显示，与 COVID19 大流行开始相对应的未经请求的流量显著持续增加，但与独特来源、来源扇出、独特链接、目的地扇入和独特目的地相关的潜在扩展关系变化相对较小。这项工作证明了安全收集和分析大量匿名互联网流量的实际可行性和好处。Event2Graph：用于多元时间序列异常检测的事件驱动二部图原文标题： Event2Graph: Event-driven Bipartite Graph for Multivariate Time-series Anomaly Detection地址： http://arxiv.org/abs/2108.06783作者： Yuhang Wu, Mengting Gu, Lan Wang, Yusan Lin, Fei Wang, Hao Yang摘要： 对时间序列之间的相互依赖性进行建模是在多元时间序列数据的异常检测中实现高性能的关键。对依赖项建模的事实上的解决方案是将数据输入到循环神经网络 (RNN) 中。然而，RNN 下的全连接网络结构（GRU 或 LSTM）假设时间序列之间存在静态且完整的依赖关系图，这在许多实际应用中可能不成立。为了减轻这种假设，我们提出了一种动态二部图结构来编码时间序列之间的相互依赖性。更具体地说，我们将时间序列建模为一种类型的节点，将时间序列段（视为事件）作为另一种类型的节点，其中两种类型节点之间的边描述了特定时间序列在某个特定时间发生的时间模式时间。基于这种设计，可以通过与事件节点的动态连接对时间序列之间的关系进行显式建模，并且可以将多元时间序列异常检测问题表述为动态图中的自监督边流预测问题。我们进行了大量的实验来证明设计的有效性。SARS-CoV-2变异对全国病死率的影响原文标题： The influence of SARS-CoV-2 variants on national case fatality rates地址： http://arxiv.org/abs/2108.06820作者： William A. Barletta摘要： 背景：在 2021 年期间，出现了 SARS-CoV-2 病毒的几种新变种，与原始野生变种相比，其传播性和毒力水平均有所提高。 Delta (B.1.617.2) 变异首次出现在印度，在包括美国和印度在内的几个大国中主导 COVID-19 感染。最近，对疫苗具有更高抗性的令人感兴趣的 Lambda 变体已传播到南美洲的大部分地区。目标：本研究探讨了 1) 面临国家人口疫苗接种水平不断提高的情况下，多个地区的国家/地区的每日病死率 (CFR) 产生峰值和波动的程度，以及 2)增加患有某些合并症的人的脆弱性。方法：本研究使用向美洲、欧洲、非洲、亚洲和中东国家的相关国家和国际当局报告的新的、公开可用的流行病学统计数据。计算了 2021 年上半年的每日病死率以及致命的 COVID-19 感染与潜在辅助因子的相关性，这一时期主要是由世界卫生组织表示的几种关注变体的广泛传播。结果：该分析产生了一种新的量化衡量因 SARS-CoV-2 感染而导致的死亡率的时间动态变化的方法，其形式是在同一地区的国家与国家之间进行比较的主体病死率变化。它还发现了基于 WHO 数据和平均表观病死率的辅助因素之间相关性的最小变化。“走进火灾希望你不要被抓住”：促进跨党派在线讨论的策略和设计原文标题： ‘Walking Into a Fire Hoping You Don’t Catch’: Strategies and Designs to Facilitate Cross-Partisan Online Discussions地址： http://arxiv.org/abs/2108.06830作者： Ashwin Rajadesingan, Carolyn Duran, Paul Resnick, Ceren Budak摘要： 虽然跨党派对话是充满活力的民主的核心，但这些对话很难进行，尤其是在党派仇恨空前高涨的美国。这种互动通常会演变成辱骂和人身攻击。我们报告了一项对 17 名在 Reddit 上与外派人士互动的美国居民的定性研究，以理解他们的期望以及他们在此类互动中采用的策略。我们发现用户对这些对话有多种、有时相互矛盾的期望，从商议讨论到娱乐和玩笑，这增加了寻找他们喜欢的对话的挑战。通过经验，用户已经完善了多种策略来促进良好的跨党派参与。与理解对话者可以帮助管理分歧的离线设置相反，在 Reddit 上，一些用户希望尽可能少地主动理解他们的外派对话者，因为担心这些信息可能会影响他们的互动。通过对旨在减少党派敌意的假设特征的设计探索，我们发现用户实际上愿意理解有关他们对话者的某些类型的信息，例如他们都参与的非政治性 subreddits，并让这些信息对他们可见对话者。然而，让其他信息可见，例如他们参与的其他 subreddits 或他们之前发布的评论，虽然可能人性化，但会引发对隐私和滥用该信息进行人身攻击的担忧。群体极化的党派信念模型原文标题： Partisan Confidence Model for Group Polarization地址： http://arxiv.org/abs/2108.06879作者： Armineh Rahmanian, Sadegh Bolouki, S. Rasoul Etesami, Abolfazl Mohebbi摘要： 意见动态模型在包括经济学、政治学、心理学和社会科学在内的各个学科中都发挥着重要作用，因为它们提供了分析和干预的框架。尽管文献中提出了许多社会学习的数学模型，但只有少数模型关注或允许在人群中形成流行的极端信仰的可能性。本文通过引入受公认的群体思维社会心理学理论基础启发的党派信心 (PC) 模型来弥补这一差距。该模型暗示了一个临界点的存在，即所谓的“社会泡沫”中个体的意见被夸大到极端位置，无论一般人群如何团结或分裂。数值实验也证明了结果是合理的，这为观点的演变和群体思维现象提供了新的见解。一种用于时间序列分析的复杂网络方法在神经肌肉疾病诊断中的应用原文标题： A complex network approach to time series analysis with application in diagnosis of neuromuscular disorders地址： http://arxiv.org/abs/2108.06920作者： Samaneh Samiei, Nasser Ghadiri, Behnaz Ansari摘要： 肌电图 (EMG) 是指指示神经肌肉活动和肌肉形态的生物医学信号。专家使用此时间序列准确诊断神经肌肉疾病。现代数据分析技术最近引入了将时间序列数据映射到图和复杂网络的新方法，这些方法在包括医学在内的不同领域都有应用。由此产生的网络开发出一种完全不同的视力，可用于补充医生对时间序列的发现。这可以导致更丰富的分析、减少的错误、更准确的疾病诊断以及提高治疗过程的准确性和速度。映射过程可能会导致时间序列中重要数据的丢失，并且无法保留所有时间序列特征。因此，实现一种能够在保持基本特征的同时提供良好的时间序列表示的方法至关重要。本文提出了一种名为 GraphTS 的网络开发新方法，以通过使用可见性图方法的 EMG 时间序列克服现有方法的有限精度。为此，EMG 信号被预处理并通过标准可见性图算法映射到复杂网络。由此产生的网络可以区分健康样本和患者样本。在下一步中，在提取最优特征后，以特征矩阵的形式给出所开发网络的属性作为分类器的输入。所提出的深度神经网络方法的性能评估显示，训练数据的准确率为 99.30%，测试数据的准确率为 99.18%。因此，除了丰富的网络表示和涵盖健康、肌病和神经病 EMG 的时间序列特征外，所提出的技术还提高了准确性、精确度、召回率和 F 分数。项目组形成中的决策：学生的感知与和解原文标题： Decision Making in Project Groups Formation: Students’ Perception and Reconciliation地址： http://arxiv.org/abs/2108.06933作者： Rajeshwari K, Apurva Rohit Hegde, Drishika Patil摘要： 学术是一个巨大的研究途径资源库。学生倾向于根据同伴的影响来表现和适应课堂。同伴有助于提高沟通技巧。研究表明，小组学习比个人学习更有效。群体形成受多种因素的影响，例如朋友、人口统计和语言相似。礼帽更加体贴，但同样会根据舒适度选择朋友。在本文中，我们分析了同伴偏好的变化，并对他们的和解进行了推论。通过潜在主题和话语建模对多方在线对话的成功新进入预测原文标题： Successful New-entry Prediction for Multi-Party Online Conversations via Latent Topics and Discourse Modeling地址： http://arxiv.org/abs/2108.06975作者： Lingzhi Wang, Jing Li, Xingshan Zeng, Kam-Fai Wong摘要： 随着社交媒体的日益普及，在线人际交流现在在人们的日常信息交流中发挥着至关重要的作用。新人是否以及如何更好地参与社区，因其在众多场景中的应用而备受关注。之前的一些探索早期社会化的工作虽然取得了显著的成果，但都侧重于基于小群体的社会学调查。为了帮助个人度过早期社会化时期并更好地参与在线对话，我们研究了一项新任务来预测新来者的消息是否会在多方对话中被其他参与者响应（以下称为textbfSuccessful New-entry Prediction )。该任务将成为在线助理和社交媒体研究的重要组成部分。为了进一步研究表明这种参与成功的关键因素，我们采用了一个无监督的神经网络，变分自动编码器（textbfVAE），从新人的聊天历史和对话的正在进行的上下文中检查主题内容和话语行为。此外，还收集了来自 Reddit 和 Twitter 的两个大规模数据集，以支持对新条目的进一步研究。 Twitter 和 Reddit 数据集上的大量实验表明，我们的模型明显优于所有基线和流行的神经模型。对新进入行为的其他可解释性和可视化分析阐明了如何更好地参与他人的讨论。可变网络博弈的期望值原文标题： Expected Values for Variable Network Games地址： http://arxiv.org/abs/2108.07047作者： Subhadip Chakrabarti, Loyimee Gogoi, Robert P Gilles, Surajit Borkotokey, Rajnish Kumar摘要： 网络博弈为可以在给定玩家组上形成的每个网络分配一定程度的集体财富。可变网络博弈将网络博弈与网络形成概率分布结合起来，描述了对网络形成的某些限制。在这种情况下，可以制定集体创造财富的预期水平和预期的个人收益。我们研究了由此产生的预期财富水平的属性以及完善的网络博弈价值的预期变体，作为分配规则，为每个可变网络博弈分配变量网络博弈中玩家的收益。我们建立了预期迈尔森值的两个公理化，最初是在通信情况类别上制定和证明的，基于完善的组件平衡、平等议价能力和平衡贡献属性。此外，我们将基于平衡链接贡献属性的位置值公理化扩展到预期位置值。奥运冠军Instagram特征的纵向分析原文标题： A Longitudinal Analysis on Instagram Characteristics of Olympic Champions地址： http://arxiv.org/abs/2108.07138作者： Amirhosein Bodaghi摘要： 这项研究检查了 Instagram 上奥运冠军的特征，首先理解年龄和性别如何影响这些特征及其相互关系，然后看看这些特征的未来变化是否可以预测。我们抓取了 4 个月里约 2016 年奥运会金牌得主的 Instagram 数据，并使用内容分析方法来分析他们的照片帖子。横断面分析显示，随着冠军年龄的增长，两性的粉丝参与率都会下降，但男性增加了纯粹的自我展示帖子，而女性则扩大了追随者的圈子。在其批准中，纵向分析表明，当参与率更高时，男性和女性冠军分别失去了自我展示帖子和关注数量增加的趋势。根据相关理论和以前的文献，这些发现有助于更好地理解运动员在社交媒体中的网络行为。此外，这些发现可为体育研究人员提供指导，以帮助他们理解如何帮助运动员更好地与追随者互动并建立个人品牌，这涉及赞助和其他促销机会。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。