WikiEdge:ArXiv速递/2025-03-27：修订间差异
Updated page by Carole |
Updated page by Carole |
||
| 第16行： | 第16行： | ||
*'''原文链接'''：http://arxiv.org/abs/2503.21423v1 | *'''原文链接'''：http://arxiv.org/abs/2503.21423v1 | ||
'''中文摘要'''：本文研究了2004至2023年间[[斯洛文尼亚]][[马里博尔大学]](UM)学术出版的[[韧性]]与[[波动性]]动态。该时期以重大[[经济压力]]和[[政策转变]]为特征，包括[[高等教育]][[立法]]和[[大学]][[资助]]的变革。研究通过UM[[就业]][[数据]]和[[OpenAlex]][[出版]][[记录]]，考察了在编[[研究人员]]数量与以UM署名发表的独立[[作者]]数之间的关系。尽管2009-2013年[[经济衰退]]和[[紧缩]]阶段研究人员就业大幅减少，但以UM署名发表的独立作者数量却意外增长。这种增长源于[[项目制]][[资助]][[转型]]、扩大的[[博士生]][[群体]][[贡献]]以及[[国际合作]]增加等因素。[[作者]][[流动]][[分析]]揭示显著对比：短期高波动性（年流失率约40-50%）与中期强[[稳定性]]（5年流失率约8-10%）并存。[[生存分析]]证实该趋势，显示[[出版]][[作者]]初期高流失率与[[核心群体]]的长期[[持续性]]。此外，[[合著]][[网络]][[分析]]表明UM[[研究]][[网络]]随时间推移更具韧性。关键发现是2016年前后[[网络]][[结构]]发生根本转变——从[[异配]][[混合]]转向[[同配]][[混合]]，标志着[[合作]][[动态]]的深刻变化。研究结果对[[科研]][[政策]]和[[大学]][[管理]]具有启示意义，强调必须平衡[[短期]][[绩效]][[指标]]与[[科研]][[生态]][[长期]][[稳定]][[发展]]所需的韧性。 | '''中文摘要'''：本文研究了2004至2023年间[[斯洛文尼亚]][[马里博尔大学]](UM)学术出版的[[韧性]]与[[波动性]]动态。该时期以重大[[经济压力]]和[[政策转变]]为特征，包括[[高等教育]][[立法]]和[[大学]][[资助]]的变革。研究通过UM[[就业]][[数据]]和[[OpenAlex]][[出版]][[记录]]，考察了在编[[研究人员]]数量与以UM署名发表的独立[[作者]]数之间的关系。尽管2009-2013年[[经济衰退]]和[[紧缩]]阶段研究人员就业大幅减少，但以UM署名发表的独立作者数量却意外增长。这种增长源于[[项目制]][[资助]][[转型]]、扩大的[[博士生]][[群体]][[贡献]]以及[[国际合作]]增加等因素。[[作者]][[流动]][[分析]]揭示显著对比：短期高波动性（年流失率约40-50%）与中期强[[稳定性]]（5年流失率约8-10%）并存。[[生存分析]]证实该趋势，显示[[出版]][[作者]]初期高流失率与[[核心群体]]的长期[[持续性]]。此外，[[合著]][[网络]][[分析]]表明UM[[研究]][[网络]]随时间推移更具韧性。关键发现是2016年前后[[网络]][[结构]]发生根本转变——从[[异配]][[混合]]转向[[同配]][[混合]]，标志着[[合作]][[动态]]的深刻变化。研究结果对[[科研]][[政策]]和[[大学]][[管理]]具有启示意义，强调必须平衡[[短期]][[绩效]][[指标]]与[[科研]][[生态]][[长期]][[稳定]][[发展]]所需的韧性。 | ||
== 摘要 == | |||
* '''原文标题'''：Efficient Algorithms for Minimizing the Kirchhoff Index via Adding Edges | |||
* '''中文标题'''：通过添加边最小化基尔霍夫指数的高效算法 | |||
* '''发布日期'''：2025-03-27 11:52:24+00:00 | |||
* '''作者'''：Xiaotian Zhou, Ahad N. Zehmakan, Zhongzhi Zhang | |||
* '''分类'''：cs.DM | |||
*'''原文链接'''：http://arxiv.org/abs/2503.21409v1 | |||
'''中文摘要'''：[[基尔霍夫指数]]是衡量[[网络性能]]的关键指标，定义为[[网络]]中所有[[节点]]间[[电阻距离]]之和，其数值越低表示性能越优。本文研究通过添加[[边]]来最小化[[基尔霍夫指数]]的问题。首先提出一种[[贪心算法]]，并通过[[子模性]]比率和[[曲率]]的边界分析其质量；随后引入基于[[梯度]]的[[贪心算法]]作为新解决方案。为降低[[计算成本]]，我们利用[[几何特性]]、[[凸包]]近似和[[节点投影坐标]]近似技术。进一步采用[[预剪枝]]和[[快速更新]]技术优化算法，使其特别适用于[[大规模网络]]。所提算法具有近线性[[时间复杂度]]。通过在十个[[真实网络]]上的大量[[实验]]验证，结果表明我们的算法在[[效率]]和[[效果]]上均优于现有最优方法，且可扩展至含500万[[节点]]和1200万[[边]]的[[大型图]]结构。 | |||
2025年3月28日 (五) 07:52的版本
摘要
- 原文标题：Behavioral response to mobile phone evacuation alerts
- 中文标题：手机疏散警报的行为响应
- 发布日期：2025-03-27 13:33:56+00:00
- 作者：Erick Elejalde, Timur Naushirvanov, Kyriaki Kalimeri, Elisa Omodei, Márton Karsai, Loreto Bravo, Leo Ferres
- 分类：cs.CY, cs.SI
- 原文链接：http://arxiv.org/abs/2503.21497v1
中文摘要：本研究分析了2024年2月智利瓦尔帕莱索野火期间民众对手机疏散警报的行为响应。通过58万台设备的匿名移动网络数据，我们追踪了紧急短信通知后的人口流动情况。研究发现三个关键模式：(1) 首次警报触发即时疏散响应，1.5小时内网络连接率下降80%，而后续警报效果递减；(2) 未预警区域也出现大规模疏散，暗示可能存在交通拥堵；(3) 疏散时机存在社会经济差异，高收入区域响应更快，且预警与非预警地点差异较小。统计模型显示，疏散决策率和恢复模式均存在社会经济差异。这些发现为气候灾害应急通信策略提供依据，强调需要针对性警报、社会经济分层信息传递和分阶段疏散程序，以提升危机期间的公共安全。
摘要
- 原文标题：Resilience and Volatility in Academic Publishing, The Case of the University of Maribor 2004-2023
- 中文标题：学术出版的韧性与波动性：马里博尔大学2004-2023年案例研究
- 发布日期：2025-03-27 12:10:22+00:00
- 作者：Mojca Tancer Verboten, Dean Korošak
- 分类：cs.DL, cs.SI
- 原文链接：http://arxiv.org/abs/2503.21423v1
中文摘要：本文研究了2004至2023年间斯洛文尼亚马里博尔大学(UM)学术出版的韧性与波动性动态。该时期以重大经济压力和政策转变为特征，包括高等教育立法和大学资助的变革。研究通过UM就业数据和OpenAlex出版记录，考察了在编研究人员数量与以UM署名发表的独立作者数之间的关系。尽管2009-2013年经济衰退和紧缩阶段研究人员就业大幅减少，但以UM署名发表的独立作者数量却意外增长。这种增长源于项目制资助转型、扩大的博士生群体贡献以及国际合作增加等因素。作者流动分析揭示显著对比：短期高波动性（年流失率约40-50%）与中期强稳定性（5年流失率约8-10%）并存。生存分析证实该趋势，显示出版作者初期高流失率与核心群体的长期持续性。此外，合著网络分析表明UM研究网络随时间推移更具韧性。关键发现是2016年前后网络结构发生根本转变——从异配混合转向同配混合，标志着合作动态的深刻变化。研究结果对科研政策和大学管理具有启示意义，强调必须平衡短期绩效指标与科研生态长期稳定发展所需的韧性。
摘要
- 原文标题：Efficient Algorithms for Minimizing the Kirchhoff Index via Adding Edges
- 中文标题：通过添加边最小化基尔霍夫指数的高效算法
- 发布日期：2025-03-27 11:52:24+00:00
- 作者：Xiaotian Zhou, Ahad N. Zehmakan, Zhongzhi Zhang
- 分类：cs.DM
- 原文链接：http://arxiv.org/abs/2503.21409v1
中文摘要：基尔霍夫指数是衡量网络性能的关键指标，定义为网络中所有节点间电阻距离之和，其数值越低表示性能越优。本文研究通过添加边来最小化基尔霍夫指数的问题。首先提出一种贪心算法，并通过子模性比率和曲率的边界分析其质量；随后引入基于梯度的贪心算法作为新解决方案。为降低计算成本，我们利用几何特性、凸包近似和节点投影坐标近似技术。进一步采用预剪枝和快速更新技术优化算法，使其特别适用于大规模网络。所提算法具有近线性时间复杂度。通过在十个真实网络上的大量实验验证，结果表明我们的算法在效率和效果上均优于现有最优方法，且可扩展至含500万节点和1200万边的大型图结构。