有效电阻不止是距离：拉普拉斯矩阵、单纯形和舒尔补原文标题： Effective resistance is more than distance: Laplacians, Simplices and the Schur complement
地址：
作者： Karel Devriendt
摘要： 本文讨论了图论中众所周知的事实的几何观点 ， 即有效电阻是图节点上的度量 。 关于这一事实的经典证据利用了电路或随机游走的思想 。 在这里 ， 我们描述了一种替代方法 ， 该方法结合了几何（使用单纯形）和代数（使用Schur补）思想 。 这些观点在米洛斯拉夫·费德勒的矩阵身份中得到统一 ， 该矩阵在图 ， 拉普拉斯矩阵和单纯形的交集处总结了许多相关的观点 ， 其中有效电阻的度量属性是一个突出的结果 。
巴西葡萄牙语社交媒体中的有毒语言检测：新数据集和多语言分析原文标题： Toxic Language Detection in Social Media for Brazilian Portuguese: New Dataset and Multilingual Analysis
地址：
作者： Jo?o A. Leite, Diego F. Silva, Kalina Bontcheva, Carolina Scarton
摘要： 仇恨言论和有毒评论是社交媒体平台用户普遍关注的问题 。 幸运的是 ， 尽管这些评论仅是这些平台中的少数 ， 但它们仍然能够造成伤害 。 因此 ， 识别这些评论是研究和防止社交媒体中毒性扩散的重要任务 。 以前自动检测有毒评论的工作主要集中在英语 ， 很少有诸如巴西葡萄牙语的语言工作 。 在本文中 ， 我们为巴西葡萄牙语提出了一个新的大规模数据集 ， 其推文被标注为有毒或无毒或具有不同类型的毒性 。 我们介绍了我们的数据集收集和注释过程 ， 旨在选择覆盖多个人口统计群体的候选人 。 在二进制情况下 ， 使用单语数据 ， 最新的BERT模型能够获得76％的宏F1分数 。 我们还表明 ， 尽管最近在多语言方法方面取得了进步 ， 但仍需要大规模的单语言数据来创建更准确的模型 。 带有多标签分类的错误分析和实验表明 ， 很难对某些类型的有毒注释进行分类 ， 而这些注释在我们的数据中很少出现 ， 并且突显了开发了解不同毒性类别的模型的必要性 。
带节点边协同演化的异构图上的元图注意力原文标题： Meta Graph Attention on Heterogeneous Graph with Node-Edge Co-evolution
地址：
作者： Yucheng Lin, Huiting Hong, Xiaoqing Yang, Xiaodi Yang, Pinghua Gong, Jieping Ye
摘要： 图神经网络已成为建模结构化数据的重要工具 。 在许多现实世界的系统中 ， 可能存在复杂的隐藏信息 ， 例如 ， 节点/边的异质性 ， 静态节点/边属性以及时空节点/边特征 。 但是 ， 大多数现有方法仅考虑部分信息 。 在本文中 ， 我们提出了协同演化的元图神经网络（CoMGNN） ， 该算法将元图的注意力应用到节点和边状态共同演化的异构图上 。 我们还提出了CoMGNN（ST-CoMGNN）的时空适应模型 ， 用于对节点和边上的时空模式进行建模 。 我们在两个大规模的真实世界数据集上进行实验 。 实验结果表明 ， 我们的模型明显优于最新技术 ， 证明了从不同方面对各种信息进行编码的有效性 。
新的COVID-19波动的风险-以及它如何取决于R0， 当前的免疫度和当前的限制原文标题： The risk for a new COVID-19 wave — and how it depends on $R_0$, the current immunity level and current restrictions
地址：
作者： Tom Britton, Pieter Trapman, Frank Ball
摘要： COVID-19大流行对世界各地的影响程度不同：一些地区仍在第一波浪潮中崛起 ， 其他地区在第一波浪潮后现在正面临下降 ， 而其他地区则开始出现第二波浪潮 。 一个区域中当前的免疫水平 hat i 与感染的累积分数密切相关 ， 这主要取决于两个因素：a）该区域中COVID-19的初始潜力（通常由基本繁殖数 R0量化） ） ， 以及b）采取预防措施的时间 ， 数量和有效性 。 通过一个数学模型 ， 该模型包括由于年龄 ， 社会活动和易感性导致的异质性 ， 并允许随时间变化的预防措施 ， 新的流行病风险及其加倍时间 ， 以及它们如何依赖 R_0，hat调查了i 和当前预防措施的总体效果 。 重点在于量化预防未来爆发所需的预防措施 p