• 国际贸易超图的结构;
• 投资组合分配方案的建模与仿真：一种基于网络社区检测的方法;
• 对二元建成区表层进行尺度敏感、空间显式精度评估的框架;
• 健康的 Twitter 讨论？时间会告诉我们;
• 骗子更有影响力：欺骗对社会网络影响力最大化的影响;
• BESSIE：用于合成人群的行为和流行病模拟器;
• 使用日本患者理赔数据构建医疗服务提供者网络的区域医疗机构间合作;
• STEM 中的监管和把关;
• 通过社会网络中的 Boost 模拟退火实现预算影响最大化;
• 推特用户个人社会经济状况估计方法;
• 加强本科院校和社区学院的 HEP 研究;
• 促进非 HEP 职业过渡;
• 你被误导了吗？ Facebook 上孟加拉语中与 Covid 相关的假新闻研究;
• 跨多个社交媒体平台的可解释错误信息检测;
• 菲律宾背景下的目标间和目标内 SDG 目标互动：两种方法;
• 对抗车辆对智慧城市交通系统特性的影响;
• 控制随机幂律网络中的平均度数;
• 基于多类型高尔顿-沃森森林的扩散过程新探索;
• 基于 ERGM 的动态网络模型中的关系持续时间建模;

原文标题： Structure of international trade hypergraphs

地址： http://arxiv.org/abs/2203.05762

作者： Sudo Yi, Deok-Sun Lee

摘要： 我们研究了由代表出口商-进口商-产品关系的三角形超边组成的国际贸易超图的结构。测量相邻顶点的平均超度，我们首先发现它的行为与成对网络中的不同，并通过追踪超度和成对度之间的关系来解释起源。为了在交易策略的背景下解释观察到的超度相关属性，我们将相关性分解为两个分量，通过识别一个具有背景相关残余的分量，即使在保留给定经验超度序列的指数随机超图中也是如此。另一个组件描述了净相关性，并揭示了低超度出口商对高超度进口商和低超度产品的偏见，这些信息在成对网络中不容易获得。我们的研究展示了超图方法在研究现实世界复杂系统中的强大功能，并提供了一个理论框架。

原文标题： On the Modeling and Simulation of Portfolio Allocation Schemes: an Approach based on Network Community Detection

地址： http://arxiv.org/abs/2203.11780

作者： Stefano Ferretti

摘要： 我们对金融应用中的证券投资进行了研究。我们描述了一个通用的建模和模拟框架，并研究了对使用不同指标来衡量资产之间相关性的影响。特别是，除了传统的 Pearson 相关性之外，我们还采用了去趋势互相关分析 (DCCA) 和去趋势部分互相关分析 (DPCCA)。此外，引入了一种新颖的投资组合分配方案，将资产视为一个复杂的网络，并使用模块化来检测相关资产的社区。然后为了多样化，分配权重在不同社区之间分配。模拟将这种新颖的方案与关键线算法 (CLA)、逆方差投资组合 (IVP)、分层风险平价 (HRP) 进行比较。使用高斯模型、几何布朗运动、GARCH、ARFIMA 和修改后的 ARFIMA 模型生成合成时间序列。结果表明，所提出的方案在许多情况下都优于最先进的方法。我们还通过回测验证模拟结果，其结果证实了提案的可行性。

原文标题： A framework for scale-sensitive, spatially explicit accuracy assessment of binary built-up surface layers

地址： http://arxiv.org/abs/2203.11253

作者： Johannes H. Uhl, Stefan Leyk

摘要： 为了更好地理解人类住区的动态，全面理解地理空间构建表面数据集的不确定性至关重要。虽然已经提出了分类网格数据的局部精度评估框架来解释分类精度的空间非平稳性，但这种方法尚未应用于（二元）建筑土地数据。此类数据与土地覆盖数据等其他数据不同，因为城乡连续体中建筑表面密度的显著变化导致类别不平衡的转换，从而导致基于较小的基础样本大小的人口稀少的混淆矩阵。在本文中，我们的目标是通过测试常见的一致性度量来填补这一空白，以理解它们在测量堆积表面数据的局部精度方面的适用性和合理性。我们检查了局部精度对评估支持以及分析单位的敏感性，并分析了局部精度与建成区的密度/结构相关属性之间的关系，跨越城乡轨迹和时间。我们的实验基于多时相全球人类住区层 (GHSL) 和马萨诸塞州（美国）的参考数据库。我们发现常用的协议措施之间的适用性差异很大，并且对评估支持的敏感度也不同。然后，我们应用我们的框架来评估从 1975 年到 2014 年随着时间的推移本地化 GHSL 数据的准确性。除了沿着城乡梯度提高准确性外，我们发现准确性通常会随着时间的推移而增加，这主要是由我们研究区域的城郊密集化过程驱动的。此外，我们发现源自 GHSL 的局部致密化措施往往会高估 1975 年至 2014 年间发生的城郊致密化过程，这是由于 1975 年 GHSL 时期的遗漏误差较高。

原文标题： Healthy Twitter discussions? Time will tell

地址： http://arxiv.org/abs/2203.11261

作者： Dmitry Gnatyshak, Dario Garcia-Gasulla, Sergio Alvarez-Napagao, Jamie Arjona, Tommaso Venturini