- 在全球范围内对PKT进行建模：机器学习方法;
- 学习空间不平等：捕捉城市环境中的异质性;
- 在线极化辩论的对比原因检测与聚类;
- 协同推荐中的偏差差异：算法评估和比较;
- 网络上的投票模型划分为两个任意大小的集团;
- 通过心血管疾病死亡率确定关键疾病;
- 短期非特异性免疫可以解释流行病的季节性间隔吗？;
在全球范围内对PKT进行建模：机器学习方法
原文标题： Modeling PKT at a global level: A machine learning approach
地址： http://arxiv.org/abs/1908.00624
作者： Peetak Mitra, Suhrid Deshmukh
摘要： 人们普遍认为，从一个地方到另一个地方的能力，或者移动性，对于一个人的健康有很大的贡献。对移动性的需求是普遍的，但对移动性的需求在国家基础上显示出很大的差异。这项特别的研究着眼于全球层面的一些最重要的因素，这些因素可以帮助预测每个国家/地区的旅行或旅客行驶里程（PKT / PMT）。这项特殊工作试图量化一些关键变量的影响，如国内生产总值（GDP），人口增长率，就业率，家庭数量，人口中的年龄人口统计数据以及宏观经济变量对每个国家内基于车辆的总旅行量的影响。建立了一个基于小组的回归模型，以确定一些关键宏观经济变量对各国PKT增长的影响。
学习空间不平等：捕捉城市环境中的异质性
原文标题： Learning about spatial inequalities: Capturing the heterogeneity in the urban environment
地址： http://arxiv.org/abs/1908.00625
作者： J. Siqueira-Gay, M. A. Giannotti, M. Sester
摘要： 运输系统可以概念化为在全国范围内传播人员和资源的工具，在发展可持续城市方面发挥着重要作用。目前提供运输的理由基于人口需求，无视土地使用和社会经济信息。为了应对促进更公平的资源分配的挑战，这项工作旨在确定和描述城市服务供给模式，可获得性和家庭收入。通过使用多维方法，全球南部大城市的空间不平等表明，低收入人口主要是医院和文化中心。低收入群体为公立学校和体育中心提供了中等水平的可及性，证明了周边公民的多样化状况。土地利用与公共交通相互作用产生的这些复杂结果强调了综合方法论方法对于支持城市项目，计划和项目决策的重要性。减少空间不平等，特别是为贫困群体提供服务，对于促进资源的可持续利用和优化日常通勤至关重要。
在线极化辩论的对比原因检测与聚类
原文标题： Contrastive Reasons Detection and Clustering from Online Polarized Debate
地址： http://arxiv.org/abs/1908.00648
作者： Amine Trabelsi, Osmar R. Zaiane
摘要： 这项工作解决了无监督建模和提取由极化问题的不同观点所传达的主要对比句子原因的问题。它提出了一种以短语的检测和聚类为中心的管道方法，使用新颖的短语作者交互主题 - 观点模型与论点方面同化。评估基于提取的原因的信息性，相关性和聚类准确性。管道方法显示出对在线辩论数据集的对比总结中的最新方法的显著改进。
协同推荐中的偏差差异：算法评估和比较
原文标题： Bias Disparity in Collaborative Recommendation: Algorithmic Evaluation and Comparison
地址： http://arxiv.org/abs/1908.00831
作者： Masoud Mansoury, Bamshad Mobasher, Robin Burke, Mykola Pechenizkiy
摘要： 最近，机器学习的公平性研究已扩展到推荐系统。可能影响公平性的因素之一是偏见差异，即群体对各种项目类别的偏好未能反映在他们收到的建议中的程度。在一些情况下，原始数据中的偏差可以通过基础推荐算法放大或反转。在本文中，我们探讨了不同的推荐算法如何反映排名质量和偏差差异之间的权衡。我们的实验包括基于邻域，基于模型和信任感知的推荐算法。
网络上的投票模型划分为两个任意大小的集团
原文标题： Voter model on networks partitioned into two cliques of arbitrary sizes
地址： http://arxiv.org/abs/1908.00849
作者： Michael T. Gastner, Kota Ishida
摘要： 选民模型是一个代表意见动态的原型随机过程。在每次更新中，随机均匀地选择一个主体。然后，所选主体复制随机选择的邻居的当前意见。我们研究了具有外生社区结构的网络的选民模型：两个派系（即完整子图）由 X interclique边随机链接。我们表明，与直觉相反，平均共识时间通常不是 X 的单调递减函数。如果 X 标记为 N ^ 3/2 ，则具有相反初始意见的固定比例的集团平均达成共识，其中 N 是网络中主体的数量。因此，为了加速派系之间的共识，主体人应该与其他集团中的更多成员联系，因为 N 增加但不会达到派系失去其作为独特社区的身份的程度。我们通过基于方程的分析支持我们的数值结果。通过在两个渐近异构平均场近似之间进行插值，我们得到平均一致时间的方程，该方程与 X 的所有值的模拟非常一致。
通过心血管疾病死亡率确定关键疾病
原文标题： Identification of gatekeeper diseases on the way to cardiovascular mortality
地址： http://arxiv.org/abs/1908.00920
作者： Nils Haug, Stefan Thurner, Alexandra Kautzky-Willer, Michael Gyimesi, Peter Klimek
摘要： 多发病，一名患者中两种或多种慢性疾病如糖尿病，肥胖或心血管疾病的共同发生是常见现象。为了提高护理效率，了解不同疾病在患者的整个生命周期中如何相互影响是相关的。然而，我们目前关于此类患者职业的大部分知识都局限于狭窄的时间跨度或特定的（一组）疾病。在这里，我们根据他们17年来观察到的疾病史，对长期患者的轨迹进行聚类分析。当患者获得新疾病时，他们的群体分配可能会改变。然后可以通过疾病群的时间序列来描述健康轨迹。从群集之间的转换，我们构建了一个年龄相关的疾病群集多层网络。与基于单一疾病聚类患者的模型相比，该多层网络上的随机游走为多病态健康状态的时间演变提供了更精确的模型。我们的结果可用于识别可能决定患者未来疾病轨迹的决定性事件。我们发现，对于老年患者，集群网络由低，中，高院内死亡率组成。发现糖尿病和高血压的诊断强烈增加了患者随后在生命后期进入高死亡率区域的可能性。
短期非特异性免疫可以解释流行病的季节性间隔吗？
原文标题： Could short-lasting non-specific immunity explain seasonal spacing of epidemic diseases?
地址： http://arxiv.org/abs/1908.00925
作者： Gorm Gruner Jensen, Florian Uekermann, Kim Sneppen, Lone Simonsen
摘要： 常见的呼吸道病毒以连续模式引起季节性流行病。这种模式的潜在机制已经争论了一段时间。对于流感，竞争者包括温度，湿度和维生素D水平。虽然这种季节性驱动因素可能足以解释隆冬峰值，但目前尚不清楚春季，夏季或秋季其他呼吸道病毒是否具有个体环境驱动因素。在这里，我们提出了一个相互作用疾病的动态模型，以解释观察到的季节性模式，而不需要多个季节性驱动因素。我们的模型扩展了经典的SIRS模型，包括通过短期非特异性免疫组分相互作用的多种疾病。这种暂时保护是由任何流行病引发的，仅持续数周。我们表明抑制疾病相互作用允许反复流行的行为，没有任何季节性驾驶。在存在单一季节性驱动因素的情况下，我们的模型可以简洁地预测流行病模式，例如连续发生的流行病。我们还提出了一种双病模拟，复制了副流感病毒株PIV-3和两年生PIV-1流行病模式的时间序列中观察到的多种特征。季节性疾病的复杂流行模式可以通过非特异性先天性或cloub细胞（T细胞）介导的免疫应答来解释，所述免疫应答导致无关的呼吸道疾病之间的相互作用。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。