原文标题： Graph Neural Network Based VC Investment Success Prediction
地址： http://arxiv.org/abs/2105.11537
作者： Shiwei Lyu, Shuai Ling, Kaihao Guo, Haipeng Zhang, Kunpeng Zhang, Suting Hong, Qing Ke, Jinjie Gu
摘要： 对于风险投资业务和全球决策者而言，预测将最终成功的初创公司至关重要，特别是在早期阶段，这样回报可能是指数级的。尽管已经进行了各种实证研究和数据驱动的建模工作，但是尚未充分探索包括风险投资，初创企业和初创企业管理人员在内的利益相关者的复杂网络的预测能力。我们利用网络结构以及节点的丰富属性，设计了增量表示学习机制和顺序学习模型。通常，我们的方法可以在全球风险投资的综合数据集上实现最先进的预测性能，并且可以大大超过人类投资者。特别是，它擅长预测医疗保健和IT等行业的初创企业成果。同时，我们揭示了性别，教育和网络等可观察因素对创业成功的影响，这对于从业者和决策者在筛选具有高增长潜力的企业时可能是有价值的。
互惠知识共享关系对创业成功的影响原文标题： The power of reciprocal knowledge sharing relationships for startup success
地址： http://arxiv.org/abs/2105.11538
作者： T. J. Allen, P. Gloor, A. Fronzetti Colladon, S. L. Woerner, O. Raz
摘要： 目的：本文的目的是研究大型高科技集群研发网络中与地理邻近性和知识共享互动有关的生物技术初创企业的创新能力。设计方法论：这项研究将生物技术初创公司的研究人员的纵向非正式交流网络与随后几年的公司专利申请进行了比较。一年来，对来自位于波士顿生物技术集群中的70多家生物技术公司的高级研发人员进行了调查，并收集了与同行，大学和大型制药公司互动的交流信息，以及它们的地理位置标签。发现：位置影响公司之间的交流数量，但不影响他们的创新成功。相反，重要的是沟通强度和他人的记忆。特别是，有证据表明，轮换领导能力（在更主动和被动的沟通方式之间转变）是创新绩效的预测指标。实际意义：维持社会联系可以代替昂贵的房地产投资。更具活力的沟通方式和更多样化的社会纽带有利于创新。原创性价值：与早期的研究表明位置，网络和公司绩效之间存在联系相比，本文提供了更加差异化的观点；包括新颖的沟通方式衡量，使用独特的数据集，以及为希望塑造沟通模式以提高创新能力的公司提供新的见解，而与他们的地理位置无关。
跨地理区域和年龄段的自适应和优化的COVID-19疫苗接种策略原文标题： Adaptive and optimized COVID-19 vaccination strategies across geographical regions and age group
地址： http://arxiv.org/abs/2105.11562
作者： Jeta Molla, Alejandro Ponce de León Chávez, Takayuki Hiraoka, Tapio Ala-Nissila, Mikko Kivelä, Lasse Leskelä
摘要： 我们评估分配针对COVID-19的疫苗的各种启发式策略的效率，并将它们与使用最佳控制理论发现的策略进行比较。我们的方法基于一个数学模型，该模型跟踪疾病在不同年龄组之间以及在不同地理区域之间的传播，并且我们引入了一种将特定年龄的联系数据与地理移动数据相结合的方法。作为案例研究，我们使用来自主要电信运营商的移动性数据来模拟芬兰大陆人口的流行情况。我们的方法可以确定应该首先确定哪些地理区域和年龄段，以最大程度地减少死亡人数。在我们测试的场景中，我们发现，按人口统计学和年龄递减的顺序分配疫苗并不是将死亡和疾病负担降至最低的最佳方法。取而代之的是，通过采用强调高发地区并在多个年龄段并行分配疫苗的策略，可以挽救更多的生命。应给予高发地区的重视程度取决于人口的总体传播率。该观察结果突显了当有效繁殖数量由于一般接触方式的变化和新病毒变种的进入而变化时，更新疫苗接种策略的重要性。
具有非对称认知偏差的舆论演化动力学原文标题： Dynamics of Public Opinion Evolution with Asymmetric Cognitive Bias
地址： http://arxiv.org/abs/2105.11569
作者： Yanbing Mao, Naira Hovakimyan, Tarek Abdelzaher
摘要： 在本文中，我们提出了一种结合了不对称认知偏见的公众意见模型：确认偏见和消极偏见。然后，我们研究刻画不对称确认偏差和负偏差的通用建模指导。数值例子说明了不对称认知偏差模型的正确性。
Twitter上有毒对话的结构原文标题： The Structure of Toxic Conversations on Twitter
地址： http://arxiv.org/abs/2105.11596
作者： Martin Saveski, Brandon Roy, Deb Roy
摘要： 社交媒体平台承诺可以在线进行丰富而充满活力的对话；但是，他们的潜力常常受到反社会行为的阻碍。在本文中，我们研究了Twitter对话中结构与毒性之间的关系。我们收集了由主要新闻媒体发布或提及超过一年的推文以及在四个月内参加2018年美国中期选举的候选人提示的118万对话（5850万条推文，440万用户）。我们在个人，二元组和小组级别分析对话。在个人层面上，我们发现毒性分布在许多中低度毒性使用者中。在dyad级别，我们观察到有毒回复更可能来自没有任何社交关系或与发帖人没有很多共同朋友的用户。在小组级别，我们发现有害的对话往往具有更大，更广和更深的回复树，但稀疏跟随图。为了测试会话结构的预测能力，我们考虑了两个预测任务。在第一个预测任务中，我们证明了结构特征可用于预测对话是否会在前十次答复中变得有毒。在第二个预测任务中，我们表明对话的结构特征还可以预测特定用户发布的下一个答复是否有毒。我们观察到，对话的结构和语言特征在两个预测任务中都是互补的。我们的发现为更健康的社交媒体平台的设计提供了信息，并证明了基于对话结构特征的模型可用于检测毒性的早期迹象，并有可能引导对话向毒性较小的方向发展。
HIN-RNN：无手工特征的欺诈群检测的图表示学习神经网络原文标题： HIN-RNN: A Graph Representation Learning Neural Network for Fraudster Group Detection With No Handcrafted Features
地址： http://arxiv.org/abs/2105.11602
作者： Saeedreza Shehnepoor, Roberto Togneri, Wei Liu, Mohammed Bennamoun
摘要： 社会评论是现代消费者决策不可或缺的资源。为了获得经济利益，公司最好向群体中的欺诈者进行降级或促销产品和服务，因为消费者更容易受到群体中大量类似评论的误导。欺诈者群体检测的最新方法采用了群体行为的手工特征，而没有考虑群体中审阅者之间的评论之间的语义关系。在本文中，我们提出了第一种神经方法，即HIN-RNN，这是一种无需手工功能即可用于欺诈者群体检测的异构信息网络（HIN）兼容RNN。 HIN-RNN提供了一个统一的体系结构，用于每个评论者的学习学习，初始向量是同一评论者撰写的所有评论文本的词嵌入总和，由否定评论的比例串联在一起。给定一个代表审阅者的共同审阅网络，该审阅者以相同的评分审阅了相同的项目，并且审阅者的向量表示形式通过HIN-RNN培训获得了一个协作矩阵。在Yelp（分别在召回率和F1值方面分别为22％和12％）和Amazon（分别为4％和2％）上的Yelp（分别为22％和12％）方面，该提议的方法被证实具有明显的改进效果。回忆项和F1值）数据集。
二元决策动力学中的相变和级联崩溃原文标题： Phase transition and cascading collapse in binary decision-making dynamics
地址： http://arxiv.org/abs/2105.11616
作者： Xuyang Chen, Xin Wang, Longzhao Liu, Shaoting Tang, Zhiming Zheng
摘要： 二元决策过程在社会生活中无处不在，在许多现实世界中，从公共卫生到政治运动，都具有至关重要的意义。尽管已经广泛研究了独立于离散选择行为的连续意见演变，但很少有作品揭示如何通过这两个过程的耦合动力学来确定群体二元决策结果。为此，我们提出了一种基于主体的模型，通过社会网络上的竞争性意见动态研究个体二元决策过程的集体行为。考虑了三个关键因素：描述人口认知范围的有限置信度，表征意见更新速度的固执程度和代表两种选择的不对称能力或吸引力的意见强度。我们发现，有限的置信度在确定竞争性演化结果中起着重要作用。随着有限信心的增强，人口观点经历了两极化到共识，从而导致在二元决策下从共存状态过渡到赢者通吃的所有状态。特别令人感兴趣的是，我们展示了有限置信度和不对称观点力量的综合作用如何逆转竞争动态中的初始支持优势。值得注意的是，我们的模型定性地再现了残酷竞争中的重要动力模式，即真实数据观察到的级联崩溃。最后，有趣的是，我们发现个体的认知异质性可以在二元决策过程中带来随机性和不可预测性，从而导致不确定性振荡的出现。我们的研究结果揭示了如何通过拟议要素的复杂相互作用来解释二元决策的多种行为模式，从而为竞争动力学提供重要见解。
COVID-19传输的数学模型原文标题： A Mathematical Model of COVID-19 Transmission
地址： http://arxiv.org/abs/2105.11626
作者： R. Jayatilakaa, R. Patela, M. Brara, Y. Tanga, N. M. Jisrawi, F. Chishtie, J. Drozd, S. R. Valluri
摘要： 通过流行病学，应用数学和统计学等学科研究疾病的传播。传播的数学模拟模型对解决公共和个人健康挑战具有影响。 SIR模型使用一种隔离方法，包括通过三个因素进行传播的动态和非线性行为：易感，感染和移出（恢复和死亡）的个体。使用Lambert W函数，我们提出了一个框架来研究SIR模型的解决方案。这证明了COVID-19传播数据在模拟真实世界疾病传播中的应用。比较了包括SIR，SIRm和SEIR模型在内的各种疾病模型的预测疾病传播能力。物理疏远影响和个人防护设备的使用将与COVID-19传播相关地进行讨论。
基于保守网络的有影响力股票动态分析原文标题： Dynamic analysis of influential stocks based on conserved networks
地址： http://arxiv.org/abs/2105.11630
作者： Xin-Jian Xu, Qin Min, Xiao-Ying Song, Li-Jie Zhang
摘要： 表征股票市场的时间演变是一个基本且具有挑战性的问题。迄今为止，有关分析市场动态的文献都集中在具有较小预测力的宏观指标上。本文从微观的角度解决了这个问题。给定调查期，首先通过移动窗口法和股票相关性显著性检验构建了一系列股票网络。然后，生成几个保守的网络以提取不同状态下的市场的不同骨干。最后，从每个保守的网络中确定有影响力的股票和相应的部门，在此基础上进行纵向分析以描述市场的发展。从2006年1月到2010年4月，对属于标准普尔500指数股票的股票应用上述程序，从演化的角度恢复了2008年的金融危机。
具有三元闭合的配置模型原文标题： A Configuration Model with Triadic Closure
地址： http://arxiv.org/abs/2105.11688
作者： Ruhui Chang, Duan-Shin Lee, Cheng-Shang Chang
摘要： 在本文中，我们提出了具有随机三合会闭包的配置模型。该模型具有五个基本属性：传递性大，幂律度分布，短路径长度，非零皮尔逊度相关性以及社区结构的存在。我们通过分析得出所提出模型的Pearson程度相关性和聚类系数。通过仿真，我们还在模型上测试了三种著名的社区检测算法，以及LFR模型和ABCD模型的其他两个基准模型。
通过拓扑变换进行自监督图表示学习原文标题： Self-Supervised Graph Representation Learning via Topology Transformations
地址： http://arxiv.org/abs/2105.11689
作者： Xiang Gao, Wei Hu, Guo-Jun Qi
摘要： 我们提出了拓扑变换等变表示学习，这是一种用于图数据节点表示的自监督学习的通用范例，以实现图卷积神经网络（GCNN）的广泛适用性。通过最大化拓扑转换和转换前后的节点表示之间的相互信息，我们从信息论的角度对建议的模型进行形式化。我们得出这样的结论：最大化这种互信息可以放宽，以最小化所应用的拓扑变换及其从节点表示的估计之间的交叉熵。特别是，我们试图从原始图中采样节点对的子集，并翻转每对节点之间的边连通性以转换图拓扑。然后，我们通过从原始图和变换后的图的特征表示中重构拓扑变换，来对表示编码器进行自训练，以学习节点表示。在实验中，我们将提出的模型应用于下游节点和图分类任务，结果表明，提出的方法优于最新的无监督方法。
看看里面。通过分析企业内部网社会网络和使用单词共现网络来预测股票价格原文标题： Look inside. Predicting stock prices by analysing an enterprise intranet social network and using word co-occurrence networks
地址： http://arxiv.org/abs/2105.11780
作者： A. Fronzetti Colladon, G. Scettri
摘要： 这项研究调查了员工的沟通情况，提供了新颖的指标，可以帮助预测公司的股价。我们研究了一家意大利大型公司的Intranet论坛，探讨了约8,000名员工的互动和语言使用情况。我们建立了一个将一般话语中的单词链接起来的网络。在这个网络中，我们专注于代表公司品牌的节点的位置。我们发现，较低的情绪，较高的公司品牌中间度，更密集的单词共现网络以及员工的中央度分数分布更均匀（较低的团队中间度）都是股票价格上涨的重要预测因素。我们的发现提供了新的指标，这些指标可能对学者，公司经理和专业投资者有用，并且可以集成到现有的预测模型中以提高其准确性。最后，通过扩展词共现网络的应用领域，我们为词共现网络的研究做出了贡献。
模糊数字路由选择信息可防止延迟引起的拥塞原文标题： Obscuring digital route choice information prevents delay-induced congestion
地址： http://arxiv.org/abs/2105.11790
作者： Verena Krall, Max F. Burg, Friedrich Pagenkopf, Henrik Wolf, Marc Timme, Malte Schröder
摘要： 尽管路由应用程序越来越多地影响个人移动性的选择，但它们对总体流量动态的影响仍然未知。智能通信技术为选择一条路线而不是其他选择提供了准确的交通数据，但是固有的延迟破坏了此类信息的潜在用途。在这里，我们介绍并分析一个简单的集体交通动态模型，该模型是由依赖于过时交通信息的路线选择产生的。我们发现对于足够小的信息延迟，流量可以稳定地免受干扰。但是，超过分叉点的延迟会引起振幅逐渐增大的自组织流动振荡-出现拥塞。提供在足够长的时间内平均的延迟信息，或更有趣的是，减少遵守路线建议的车辆数量可以防止这种延迟引起的拥堵。我们在最小的双向道路模型中揭示了这些现象的基本机制，并在道路网络系统的基于主体的微观仿真中证明了它们的普遍性。我们的发现提供了一种从概念上理解由广泛使用的非即时路由信息引起的系统范围流量动态的方法，并提出了如何避免产生最终的意外流量状态的建议。
人群中COVID-19检测的统计模型：抽样偏差和检测误差的影响原文标题： A statistical model of COVID-19 testing in populations: effects of sampling bias and testing errors
地址： http://arxiv.org/abs/2105.11961
作者： Lucas Böttcher, Maria R. D’Orsogna, Tom Chou
摘要： 我们开发了用于测试人群中疾病流行率的统计模型。该模型假设二进制测试结果为正或负，但允许样本选择存在偏差，并且I型（假阳性）和II型（假阴性）测试误差都存在。我们的模型还包含多种测试类型，并且能够区分测试后的重新测试和排除。我们的定量框架使我们能够将测试结果直接解释为误差和偏差的函数。通过将我们的测试模型应用于特定辖区的COVID-19测试数据和实际病例数据，我们能够估算并提供对大流行至关重要的指标（例如疾病患病率和死亡率）的不确定性量化。
incel词典：解读全球女性厌恶社区的新兴密码原文标题： The incel lexicon: Deciphering the emergent cryptolect of a global misogynistic community
地址： http://arxiv.org/abs/2105.12006
作者： Kelly Gothard, David Rushing Dewhurst, Joshua R. Minot, Jane Lydia Adams, Christopher M. Danforth, Peter Sheridan Dodds
摘要： 从非自愿的独身者身份的性别中立框架发展而来，“ incels”的概念已成为指一个在线社区，这些男人对自己，妇女和整个社会都抱有同情心，因为他们认为自己找不到自己的同伴。并保持性关系。通过在全球在线留言板Reddit上探讨语言语言的使用，我们将语言社区在网络上对女性厌恶和现实暴力行为的表达与周围环境联系起来。在以主题为主题的Reddit频道中整理了大约300万条评论后，我们分析了属于新兴incel词典的短语的词汇表的数据驱动排名排序的时间动态。我们的研究揭示了服务于群体身份的广泛编码的厌恶女性主义词汇的产生和规范化。
大数据和大价值：公司需要重新思考的时候原文标题： Big data and big values: When companies need to rethink themselves
地址： http://arxiv.org/abs/2105.12048
作者： M. A. Barchiesi, A. Fronzetti Colladon
摘要： 为了应对业务环境的复杂性并在触发应急策略时检测优先级，我们提出了一种新的方法论方法，该方法结合了文本挖掘，社会网络和大数据分析，并评估了利益相关者对公司核心价值的态度。在案例研究中应用了这种方法，在该案例中，我们考虑了Twitter关于意大利核心价值观的论述。我们收集了超过94,000条与《财富》杂志全球最受赞赏公司排名（2013-2017）中列出的公司的核心价值相关的推文。对于意大利方案，我们发现了三个主要的核心价值取向（客户，员工和卓越），这是任何业务战略的基础；三个潜在的价值取向（经济，金融增长，公民身份和社会责任），需要定期进行注意力。我们的贡献主要是方法论，并扩展了对文本挖掘和复杂业务环境中应用的在线大数据分析的研究。
沟通效率导致词汇学习偏见的出现和下降原文标题： The advent and fall of a vocabulary learning bias from communicative efficiency
地址： http://arxiv.org/abs/2105.11519
作者： David Carrera-Casado, Ramon Ferrer-i-Cancho
摘要： 众所周知，当足够小的幼儿遇到一个新单词时，他们倾向于将其附加到词典中尚无单词的含义上。在先前的研究中，从信息论的角度来看，该策略是最佳的。但是，所采用的信息论模型既不能解释弱点儿童或多语种词汇学习偏见的减弱，也不能重现Zipf的意思-频率定律，即单词的意思数量与其频率之间的非线性关系。在这里，我们考虑将模型推广用于重现该定律的方法。对新模型的分析揭示了相空间中偏见消失的区域，这与年龄较大的儿童或多语种偏见的减弱或消失是一致的。在深度学习时代，该模型是透明的低维度工具，可用于未来的实验研究，并说明了最初旨在阐明Zipf秩频率定律起源的理论框架的预测能力。
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。
