Arxiv网络科学论文摘要22篇(2020-09-22)

• 基于车辆类型、速度和道路几何的驾驶员行为识别和分类;
• 超越社交媒体分析：使用自结构增量机器学习了解人类行为和深层情感;
• 检测期刊网络中的引用联盟;
• 世界上每个城市的街道网络模型和指标;
• 人群易感性变化及其对传染动力学的影响;
• 使用非负张量因子分解理解Covid-19的时空主题动态：一个案例研究;
• 通往白宫之路：分析美国总统初选期间主流媒体与社交媒体之间的关系;
• 网络和站点级自行车共享系统的预测：旧金山湾区案例研究;
• 欧洲宗教和民族主义的因果关系建模;
• 使用人口活动的数字跟踪数据的COVID-19传播风险早期指标;
• div2vec：强调多样性的节点嵌入;
• 领导者和障碍提升了文化界限;
• 使用全球流动性数据测量COVID-19大流行期间非药物干预（NPI）对流动性的影响;
• SIR模型与广义Logistic分布之间的关系及其在SARS和COVID-19中的应用;
• 核技术的社会许可证;
• 循环相互作用驱动的模式形成：对近期进展的简要回顾;
• 一种基于非负矩阵分解的方法，用于使用手机数据量化活动、睡眠节奏和时间型;
• COVID-19与季节性流感之间的耦合导致其动态同步;
• 欧洲专利局（EPO）专利网络中全球化的涌现;
• 社会网络中邻居的隐私和唯一性;
• 超级球队还是公平联盟？强有力的监管机构采取的平价政策不会阻止这种问题;
• 数据驱动不同阶段大流行应对建模;

基于车辆类型、速度和道路几何的驾驶员行为识别和分类

原文标题： Vehicle Class, Speed, and Roadway Geometry Based Driver Behavior Identification and Classification

地址： http://arxiv.org/abs/2009.09066

作者： Awad Abdelhalim, Montasir Abbas

摘要： 在过去的几十年中，人们一直将重点放在对跟车行为及其影响因素的理解上。尽管有很多努力，但是跟车过程仍然是一个非常复杂的研究领域。本文着重研究车辆类别（尤其是重型车辆）对跟随车辆行为的影响，特别是从跟随车辆保持的跟随保险杠到保险杠的距离（间隙）方面领头车。通过在美国加利福尼亚州埃默里维尔的80号州际公路（I 80）的下一代模拟（NGSIM）数据集中提取和分析不同的汽车跟随事件来完成此操作。将统计分析的结果与针对该主题进行的研究工作的综合文献进行比较，然后针对Gazis-Herman-Rothery（GHR）汽车跟随模型，使用不同的校准行为簇进一步评估解决相同车辆类别的驾驶员在跟车行为上的异同。本文还验证了统计分析的结果，并强调了未来可能的实现。

超越社交媒体分析：使用自结构增量机器学习了解人类行为和深层情感

原文标题： Beyond Social Media Analytics: Understanding Human Behaviour and Deep Emotion using Self Structuring Incremental Machine Learning

地址： http://arxiv.org/abs/2009.09078

作者： Tharindu Bandaragoda

摘要： 本文提出了一个概念框架，将社会数据视为代表人类社会行为，需求和认知层次结构的表层，并将其用于将社会数据转换为保留社会行为及其因果关系的表示形式。基于此框架，构建了两个平台来刻画快节奏和慢节奏的社交数据的见解。为了快节奏，人们开发了一种自我构建和增量学习的技术，以随着时间的流逝自动刻画重要的主题和相应的动态。开发了一种事件检测技术，以使用多个指标（例如音量和情绪）自动监视那些已确定的主题途径，以发现社会行为的重大波动。使用两个大型数据集和超过一百万条推文演示了该平台。分开的主题路径代表每个实体的关键主题，并且与主题一致性度量保持一致。所识别的事件已针对新闻中报道的当代事件进行了验证。其次，对于慢节奏的社交数据，开发了一套新的机器学习和自然语言处理技术，以自动刻画个人的自我披露信息，例如人口统计，情感和个人事件的时间表。该平台已在从在线支持小组收集的超过400万个帖子的大型文本语料库中试用。这进一步扩展为将与前列腺癌相关的在线支持小组讨论转换为多维表示，并针对时间，人口统计学和临床​​因素调查了患者（和伴侣）的自我披露的生活质量。已使用从10个前列腺癌在线支持组收集的文本语料库证明了此扩展平台的功能，该文本组包含609,960个前列腺癌讨论和22,233个患者。

检测期刊网络中的引用联盟

原文标题： Detecting citation cartels in journal networks

地址： http://arxiv.org/abs/2009.09097

作者： Sadamori Kojaku, Giacomo Livan, Naoki Masuda

摘要： 在学术出版市场上不断增强的竞争力激励期刊编辑追求更高的影响因子。这意味着期刊变得更具选择性，并最终转化为更高的出版标准。但是，对较高影响因子的关注导致某些期刊通过自我引用以外的期刊“引用卡特尔”的协调努力，人为地提高了影响因子。近年来，“举报卡特尔”行为已变得越来越普遍，据报道有若干卡特尔事件。在这里，我们提出了一种名为CIDRE的算法，用于检测与引起科学社团和期刊规模的空模型相比，期刊交换异常高引用率的期刊异常组。 CIDRE检测到汤姆森路透社暂停的期刊中有一半以上是由于在暂停年度或提前的卡特尔行为而造成的。此外，CIDRE还检测到大量其他异常组，从而揭示了多种机制，可帮助在发病时检测被引用的卡特尔。我们详细描述了许多这样的例子，并讨论了我们的发现对当前学术环境的影响。

世界上每个城市的街道网络模型和指标

原文标题： Street Network Models and Indicators for Every Urban Area in the World

地址： http://arxiv.org/abs/2009.09106

作者： Geoff Boeing

摘要： 世界各地的城市展现出各种街道网络模式和配置，这些模式和配置影响着人们的机动性，公平性，健康和生计。本研究使用从全球人类住区层获得的边界对世界上每个市区的街道网络进行建模和分析。使用开源OSMnx软件和OpenStreetMap获取并建模街道网络数据。总体而言，本研究对178个国家/地区的9000多个城市的1.5亿个OpenStreetMap街道网络节点和3亿多条边进行了建模。本文介绍了该研究的可重现的计算工作流程，介绍了两个新的开放的处理后的全球街道网络模型和计算指标的开放数据存储库，并报告了有关全球街道网络形式的摘要描述性发现。它做出了四个贡献。首先，它报告了在空间网络建模中使用此开源工具的方法学进展，并分析了开放的大数据。其次，它产生了一个开放的数据存储库，其中包含这些城市区域中每个区域的街道网络模型，采用各种文件格式，以供公众重用。第三，它分析这些模型以产生一个开放的数据库，其中包含每个市区的数十条街道网络形式指标。以前没有这样的全球城市街道网络指标数据集。第四，它对城市规模的全球街道网络形式进行了概括性的总结性描述性分析，在文献中首次报道了此类全球性结果。

人群易感性变化及其对传染动力学的影响

原文标题： Population Susceptibility Variation and Its Effect on Contagion Dynamics

地址： http://arxiv.org/abs/2009.09150

作者： Christopher Rose, Andrew J. Medford, C. Franklin Goldsmith, Tejs Vegge, Joshua Weitz, Andrew A. Peterson

摘要： 易感性控制着传染的动力。假设单个共享的敏感性水平，经典的SIR模型是最简单的传染扩散区室模型之一。但是，人群中易感性的变化会从根本上影响传染的动态，进而影响大流行的最终结果。我们开发了数学机制，明确地考虑了磁化率的变化，阐明了磁化率如何通过传染来雕刻磁化率分布，以及由此而来的变化如何影响控制传染性的SIR微分问题。我们的方法使我们能够根据初始易感性分布得出牛群免疫阈值的封闭式表达式，并建议当只有一小部分人群可以进行此类干预时，采用一种直观令人满意的接种方法。特别令人感兴趣的是，如果我们假设易感人群中个体的静态易感性，则忽略易感性多样性 em always会导致对畜群免疫阈值的高估，并且这种差异可能是巨大的。因此，作为应对大流行的公共卫生策略的一部分，我们应制定出敏感的磁化率变化度量。

使用非负张量因子分解理解Covid-19的时空主题动态：一个案例研究

原文标题： Understanding the Spatio-temporal Topic Dynamics of Covid-19 using Nonnegative Tensor Factorization: A Case Study

地址： http://arxiv.org/abs/2009.09253

作者： Thirunavukarasu Balasubramaniam, Richi Nayak, Md Abul Bashar

摘要： 社交媒体平台使数十亿人无处不在地分享他们的思想和活动，从而为人类数据驱动的世界提供了便利。如果进行了适当的分析，这些大量的数据可以为人们的行为提供有用的见解。在Covid-19大流行之下，现在是了解人们在线行为的关键时刻，详细了解正在讨论的主题以及讨论的主题（空间）和时间（时间），这比以往任何时候都重要。鉴于巨大的社交媒体数据的高复杂性和低劣的质量，需要一种有效的时空主题检测方法。本文提出了一种基于张量的社交媒体数据表示和非负张量因子分解（NTF），以识别社交媒体数据中讨论的主题以及时空主题动态。提出了一个来自澳大利亚Twittersphere的Covid-19相关推文的案例研究，以识别和可视化Covid-19上的时空主题动态

通往白宫之路：分析美国总统初选期间主流媒体与社交媒体之间的关系

原文标题： Road to the White House: Analyzing the Relations Between Mainstream and Social Media During the U.S. Presidential Primaries

地址： http://arxiv.org/abs/2009.09307

作者： Aaron Brookhouse, Tyler Derr, Hamid Karimi, H. Russell Bernard, Jiliang Tang

摘要： 信息对于民主社会的功能至关重要，在民主社会中，消息灵通的公民可以做出合理的政治决策。过去，政治实体主要利用报纸和后来的电视来向公众宣传，但随着Internet和在线社交媒体的兴起，政治舞台已转变为更为复杂的结构。现在，人们比以往任何时候都更能在网上表达自己，而主流新闻机构则试图抓住互联网的力量来传播其议程。为了掌握主流媒体和在线社交媒体的政治共存性，在本文中，我们将在美国2020年总统大选的背景下对这两种信息来源进行分析。特别是，我们收集了与候选人有关的2020年民主党总统初选期间的数据，并且通过分析这些数据，我们强调了这两种主要来源之间的异同，发现了它们对彼此的潜在影响，并了解了如何影响关系会随着时间而改变。为了补充这两个主要来源并建立基线，我们还包括了Google趋势搜索结果和正在分析的每个候选者的投票结果。

网络和站点级自行车共享系统的预测：旧金山湾区案例研究

原文标题： Network and Station-Level Bike-Sharing System Prediction: A San Francisco Bay Area Case Study

地址： http://arxiv.org/abs/2009.09367

作者： Huthaifa I. Ashqar, Mohammed Elhenawy, Hesham A. Rakha, Mohammed Almannaa, Leanna House

摘要： 本文开发了用于对旧金山湾区自行车共享系统中的自行车可用性进行建模的模型，该模型在两个层次上应用了机器学习：网络和站点。在站级调查BSS是一个完整的问题，它将为决策者，规划者和运营商提供所需的详细信息水平，以做出重要的选择和结论。我们使用随机森林和最小二乘增强作为单变量回归算法，以在车站一级对可用自行车的数量进行建模。对于多元回归，我们应用偏最小二乘回归（PLSR）来减少所需的预测模型，并在网络级别上重现系统中不同站点的时空交互作用。尽管在单变量模型的情况下预测误差稍低，但我们发现多变量模型的结果对于网络级的预测是很有前途的，尤其是在空间相关站点数量相对较多的系统中。此外，站级分析的结果表明，人口统计信息和其他环境变量是在BSS中为自行车建模的重要因素。我们还证明了在时间t在车站级别建模的可用自行车对自行车数量模型有显著影响。发现站台邻居和预测地平线时间是重要的预测因子，其中15分钟是最有效的预测地平线时间。

欧洲宗教和民族主义的因果关系建模

原文标题： Modelling Threat Causation for Religiosity and Nationalism in Europe

地址： http://arxiv.org/abs/2009.09425

作者： Josh Bullock, Justin E. Lane, Igor Mikloušić, LeRon Shults

摘要： 近几十年来，由于脱欧和现在的COVID-19等地缘政治动荡，欧洲发生了巨大变化，形成了欧洲当代政治格局。政策制定者应对当前大流行的方式可能会对世界在大流行消退后的状况产生重大影响。我们的目的是通过社会混合方法（调查和建模）从社会认知的角度研究COVID-19之后有关民族主义，宗教信仰和反移民情绪的关系和交集的复杂问题；在史无前例的传染病威胁已造成巨大动荡的情况下。关于民粹主义和民族主义的学术文献仍然存在巨大差距。特别是，人们缺乏对演化的人类心理学在应对持续威胁中的作用的关注，这在文献中可分为四大类：捕食（通过以其他方式被吞噬或杀死对生命的威胁），传染（通过身体感染威胁生命），自然（通过自然灾害威胁生命）和社会（通过破坏社会地位威胁生命）。已经针对这些威胁对宗教和其他形式的行为的影响进行了讨论，但尚未将其用于研究民族主义和民粹主义的行为。接下来，提出了两项​​研究来填补文献中的空白。首先是一项调查，用于为我们的理论框架提供信息并探索在线样本中的各种可能关系。第二是对计算机仿真的研究。两项研究（于2020年完成）都发现相关变量之间的影响非常明显，这使我们能够确定趋势，这些趋势需要进一步解释和研究，因为我们正在朝着能够为政策讨论充分提供信息的模型发展。

使用人口活动的数字跟踪数据的COVID-19传播风险早期指标

原文标题： Early Indicators of COVID-19 Spread Risk Using Digital Trace Data of Population Activities

地址： http://arxiv.org/abs/2009.09514

作者： Xinyu Gao, Chao Fan, Yang Yang, Sanghyeon Lee, Qingchun Li, Mikel Maron, Ali Mostafavi

摘要： 大流行病（例如COVID-19）的传播与人类活动密切相关。本文的目的是根据从数字跟踪数据获得的人类活动模式，确定和检查疾病暴发初期的城市疾病传播风险的早期指标。在这项研究中，使用Venables距离（D_v）和活动密度（D_a）来量化和评估193个美国县的人类活动，截至2020年3月31日，这些县的确诊病例累计超过100个。根据整个城市或县内人类活动的平均距离（距离越小，可能导致更大的接触风险）来提供人类活动集聚的度量。活动密度提供了县或市整体活动水平的衡量标准（更多的活动可能导致更大的风险）。因此，皮尔逊相关分析用于检查接下来两周中两个人类活动指标与基本繁殖数量之间的关系。结果表明，所有县的人类活动指标与基本繁殖数量之间在统计上具有显著相关性，并且它们之间存在显著的领导者与从属关系（时间差）。结果还表明，活动指标的变化与基本繁殖数量的减少之间存在一到两周的滞后。该结果表明，人类活动指标为暴发的早期阶段大流行的传播风险提供了有效的早期指标。因此，当局可以通过主动监测每日Venables距离和活动密度，将结果用于主动评估疾病传播的风险。

div2vec：强调多样性的节点嵌入

原文标题： div2vec: Diversity-Emphasized Node Embedding

地址： http://arxiv.org/abs/2009.09588

作者： Jisu Jeong, Jeong-Min Yun, Hongi Keam, Young-Jin Park, Zimin Park, Junki Cho

摘要： 最近，在推荐器系统中，图表示学习的兴趣迅速增长。但是，大多数现有研究都集中在提高准确性上，但是在现实世界的系统中，还应考虑推荐多样性以改善用户体验。在本文中，我们提出了以分集为重点的节点嵌入div2vec，这是一种基于随机游走的无监督学习方法，如DeepWalk和node2vec。生成随机游动时，DeepWalk和node2vec会采样较高级别的节点，而较少采样较低级别的节点。另一方面，div2vec以与节点的度成反比的概率对节点进行采样，以便每个节点可以均匀地属于随机游走的集合。这种策略改善了推荐模型的多样性。在MovieLens数据集上进行的离线实验表明，我们的新方法在准确性和多样性方面都提高了推荐性能。此外，我们在WATCHA和LINE Wallet Coupon两种实际服务上评估了所提出的模型，并观察到div2vec通过使系统多样化来提高推荐质量。

领导者和障碍提升了文化界限

原文标题： Leaders and obstacles raise cultural boundaries

地址： http://arxiv.org/abs/2009.09591

作者： M.G. Cosenza, O. Alvarez-Llamoza, C. Echeverría, K. Tucci

摘要： 我们采用一种基于主体的文化动力学模型来研究空间异质性对社会系统集体行为的影响。我们引入异质性作为二维晶格中缺陷或缺陷的随机分布。分别考虑两种类型的缺陷：代表地理特征​​的障碍和被描述为对其他主体施加单向影响的主体的意见领袖。在这两种情况下，我们都根据缺陷的密度和表示可用状态数的数量来描述系统参数空间上的两个集体相。还有一个混乱的阶段，许多小文化团体并存。对于领导者，同质状态对应于其状态。我们发现足够高的障碍密度有助于系统中的文化多样性。另一方面，当意见领袖分布在系统中时，我们发现一个不平凡的影响：如果意见领袖的密度大于某个阈值，则领袖不再有效地将其状态强加给人口，但实际上它们促进了多元文化。在这种情况下，我们发现领导者以及障碍是形成不同文化群体之间边界和隔离的场所。而且，要想在系统中引入多元文化，领导者的密度要比障碍物的密度低。

使用全球流动性数据测量COVID-19大流行期间非药物干预（NPI）对流动性的影响

原文标题： Measuring the effect of Non-Pharmaceutical Interventions (NPIs) on mobility during the COVID-19 pandemic using global mobility data

地址： http://arxiv.org/abs/2009.09648

作者： Berber T Snoeijer, Mariska Burger, Shaoxiong Sun, Richard JB Dobson, Amos A Folarin

摘要： 政府非药物干预措施（NPI）的实施已成为控制COVID-19疾病传播的主要手段。这些NPI的预期效果是减少移动性。据信，通过限制病毒在人群中传播的机会，迁移率的大幅降低对减少COVID-19传播具有积极作用。由于实施这些NPI的成本很高，因此必须充分了解其功效。使用苹果和谷歌发布的全球流动性数据以及ACAPS NPI数据，我们研究了NPI对以下因素的比例贡献： ）。使用广义线性模型找到最合适的模型，我们使用Apple或Google数据发现了相似的结果。发现会影响出行方式变化幅度的NPI有：锁定措施（Apple，Google零售和娱乐（RAR）和Google Transit and Stations（TS）），宣布处于紧急状态（Apple，Google RAR和Google TS），关闭企业和公共服务（Google RAR）和关闭学校（Apple）。通过聚类分析和卡方检验，我们发现企业和公共服务的关闭，学校的关闭和限制的公共聚会以及边境的关闭和国际航班的停飞都密切相关。实施封锁措施和限制公众集会对流动性变化率的影响最大。总而言之，我们能够定量评估NPI在降低流动性方面的功效，这使我们能够及时了解NPI的细粒度效果，从而促进了消息灵通且具有成本效益的干预措施。

SIR模型与广义Logistic分布之间的关系及其在SARS和COVID-19中的应用

原文标题： A Relationship Between SIR Model and Generalized Logistic Distribution with Applications to SARS and COVID-19

地址： http://arxiv.org/abs/2009.09653

作者： Hideo Hirose

摘要： 本文表明，在一定条件下，广义物流分布模型是从SIR模型推导出来的。在SIR模型中，在预测感染人群数量和感染参数的最终值时存在不确定性。但是，通过利用从广义逻辑分布模型获得的信息，我们可以更稳定，更准确地执行SIR数值计算。还介绍了使用此组合方法在SARS和COVID-19中的应用。

核技术的社会许可证

原文标题： A social license for nuclear technologies

地址： http://arxiv.org/abs/2009.09844

作者： Seth A. Hoedl

摘要： 核能技术具有帮助缓解气候变化的潜力。但是，这些技术面临许多挑战，包括高成本，社会关注和反对，以及健康，安全，环境和扩散风险。许多公司和学术研究小组正在寻求基于裂变和聚变的先进设计，以解决成本和这些风险。本章通过分析核技术如何通过获得社会许可来解决社会关注的问题来补充这些努力，这是一个模糊的概念，代表“社会的同意”，已被用来促进和改善各种公共和私人资助的项目，以及受制于一系列监管监督的活动，包括大型工业设施，有争议的基因工程研究和环​​境管理。之前已经提出了有关社会参与两个方面的公众参与和基于同意的选址的建议。本章通过简要回顾社会许可和参与文献来现代化这些建议。本章在如何获得社会许可的背景下，讨论了政府监管的作用，项目支持者和政府行为者的作用以及四个关键原则的作用，包括建立信任，透明，有意义的公众参与和保护。健康，安全和环境。此外，本章使用社会许可概念来解释为什么某些核废料储存库成功而另一些却不成功的原因，并为部署基于裂变和聚变的新核废料储存库和先进电厂提供了具体建议。

循环相互作用驱动的模式形成：对近期进展的简要回顾

原文标题： Pattern formations driven by cyclic interactions: a brief review of recent developments

地址： http://arxiv.org/abs/2009.09861

作者： A. Szolnoki, B.F. de Oliveira, D. Bazeia

摘要： Lotka的开创性著作（AJ Lotka A.，Proc.Natl.Acad.Sci.USA 6（1920）410）“已经有一定的节奏关系”已有一百年的历史了，但是关于由周期性优势引起的模式形成的研究活动是这是因为非传递性相互作用对于维持生物多样性具有至关重要的作用，而人类对生态系统的充分干预要求对相关的动力学过程有更深入的了解。基于最近几年的数学模型进行维护，我们还简要讨论了与社会系统的演化博弈模型的潜在联系，最后概述了未来研究的潜在前景。

一种基于非负矩阵分解的方法，用于使用手机数据量化活动、睡眠节奏和时间型

原文标题： A Non-negative Matrix Factorization Based Method for Quantifying Rhythms of Activity and Sleep and Chronotypes Using Mobile Phone Data

地址： http://arxiv.org/abs/2009.09914

作者： Talayeh Aledavood, Ilkka Kivimäki, Sune Lehmann, Jari Saramäki

摘要： 人类活动遵循每日，每周和季节性的节奏。这些节律的出现与生理和自然周期以及社会结构有关。人体和生物学功能会经历近24小时的节律（昼夜节律）。这些节律的频率在人中或多或少相似，但是其阶段是不同的。在年代生物学文献中，根据一天中不同时间睡眠的倾向，人们将人们分为早上型，晚上型和中间型组，称为 chronotypes。这种类型通常基于精心设计的问卷或基于人们活动时间数据的手工制作特征。在这里，我们开发了一种完全由数据驱动（无监督）的方法，可以将各个时间活动模式分解为各个组成部分。这样做的好处是不包括有关睡眠和活动时间的任何预定假设，但结果完全取决于上下文，并由活动数据的最突出特征来确定。使用来自400人的手机屏幕使用情况记录中的长达一年的数据集，我们发现了四个紧急时空成分：上午活动，夜间活动，晚上活动和中午活动。可以将个人行为减轻到这四个组成部分的权重上。我们没有根据权重观察到任何明显的新兴人群类别，而是根据他们的活动时间将他们置于连续的范围内。早晚组件的高负荷与上床和起床时间密切相关。我们的工作指向一种以数据为依据的方式，根据人们每天和每周的完整活动和行为节奏对他们进行分类，而不是主要关注他们的睡眠时间。

COVID-19与季节性流感之间的耦合导致其动态同步

原文标题： Coupling between COVID-19 and seasonal influenza leads to synchronization of their dynamics

地址： http://arxiv.org/abs/2009.09950

作者： Jorge P. Rodríguez, Víctor M. Eguíluz

摘要： COVID-19与其他病原体之间的相互作用可能会改变其动力学。特别是，当两种感染的症状难以区分时，这可能会妨碍对经验数据进行建模。我们引入了一个模型，将COVID-19与季节性流感的动力学耦合，模拟了合作，竞争和不对称相互作用。我们发现，这种耦合使两种感染同步进行，对流感的动态影响很大，将其传播时间缩短了一半。

欧洲专利局（EPO）专利网络中全球化的涌现

原文标题： Globalization emergence in the European Patent Office (EPO) patent network

地址： http://arxiv.org/abs/2009.09970

作者： Maria Tsouchnika, Alex Smolyak, Panos Argyrakis, Shlomo Havlin

摘要： 我们在35年的数据跨度内（1978年至2013年）研究了欧洲专利局（EPO）专利申请人合作网络的演变。着眼于分布在整个数据时间线上的许多时间窗口上的巨型成分（GC）形成过程，我们发现控制此现象的特征表明申请人合作中正在出现全球化。时间线似乎被分为三种状态，分别对应网络发展的三个状态。在早期状态下，GC需要花费很长时间才能形成，并且可以很容易地确定其创建的瞬间，而它的特点是地理上隔离的申请人组具有类似的技术活动。相反，在近几年中，GC形成很快，其创建的确切点更难发现，申请人的活动在技术上更加分散，而区域间的合作则大大增加。中期是介于早期和晚期两个极端之间的中间状态。此外，我们得出的结论是，导致GC形成的关键专利通常是由大型申请人引入的，而且产生最高专利的申请人可能会提交关键专利，尽管其申请率低于总体专利提交的速度。最后，我们通过日本对GC的重要参与和关键专利的发现，揭示了日本在网络一致性中的关键作用。

社会网络中邻居的隐私和唯一性

原文标题： Privacy and Uniqueness of Neighborhoods in Social Networks

地址： http://arxiv.org/abs/2009.09973

作者： Daniele Romanini, Sune Lehmann, Mikko Kivelä

摘要： 在个人连接级别共享社会网络数据的能力对科学是有益的：不仅用于再现结果，而且对于可能希望将其用于数据发布者未预期的目的的研究人员。但是，共享此类数据可能会导致严重的隐私问题，因为不仅可以根据可能节点的属性，而且还可以根据围绕它们的网络的结构来重新标识个人。可以衡量与重新识别相关的风险，在某些网络中，这种风险比在其他网络中更为严重。已经提出了各种优化算法来匿名化网络，同时保持更改次数最少。但是，现有算法无法保证在哪里进行更改，因此很难量化其对各种度量的影响。使用网络模型和实际数据，我们表明网络的平均程度是节点邻居重新识别风险的严重性的关键参数。密集网络面临更大的风险，除了一小段平均程度值之外，几乎所有节点都是可重新识别的，或者它们都是安全的。我们的结果使研究人员可以基于少量网络统计信息来评估隐私风险，这些统计信息甚至可以在收集数据之前就获得。作为一个经验法则，如果平均程度高于10，则隐私风险较高。基于这些结果，我们提出了一种基于边采样的简单方法来减轻节点的重新标识风险。我们的方法可以在数据收集阶段就已经实现。可以使用抽样理论估计并纠正其对各种网络措施的影响。这些属性与任意偏向数据的先前方法形成对比。从这个意义上讲，我们的工作可以帮助以统计上易处理的方式共享网络数据。

超级球队还是公平联盟？强有力的监管机构采取的平价政策不会阻止这种问题

原文标题： Super teams or fair leagues? Parity policies by powerful regulator's don't prevent capture

地址： http://arxiv.org/abs/2009.09990

作者： Adam Sawyer, Seth Frey

摘要： 现代社会的许多基础是建立在通过产生积极向上的团队，使他们相互对立并分配随之而来的军备竞赛的成果来生产社会产品的协调机构上。但是，即使“做市商”愿意并能够保持团队之间的均等，也可能无法维持公平的竞争环境，因为一些团队在系统内获得了足够的优势以对其施加影响并使其优势制度化。利用来自四个职业篮球联赛的60,000场比赛的结果以及超过100年的赛季价值，我们计算了传递性违规的发生率（A> B，B> C，但C> A），以衡量各联盟的能力保持团队之间的平等，并支持创新的有效产生和分配。与随机排列结果的基准进行比较，我们发现篮球随着时间的流逝变得竞争力下降，这表明篮球队的表现有所差异，并反映出做市商可能无法驯服那些实力过剩的球队。我们的结果表明，越来越富裕的动态非常有害，以至于它们甚至可以在有能力阻止这种动态的强大管理员的监视下出现。

数据驱动不同阶段大流行应对建模

原文标题： Data-driven modeling for different stages of pandemic response

地址： http://arxiv.org/abs/2009.10018

作者： Aniruddha Adiga, Jiangzhuo Chen, Madhav Marathe, Henning Mortveit, Srinivasan Venkatramanan, Anil Vullikanti

摘要： 在COVID-19大流行期间（以及所有暴发期间），一些重要的令人感兴趣的问题包括：疾病从何处开始，如何传播，处于危险之中以及如何控制传播。导致流行病蔓延的因素很多，因此，多种建模技术在塑造公共政策和决策方面发挥着越来越重要的作用。随着不同国家和地区经历大流行阶段，问题和数据可用性也发生了变化。特别令人感兴趣的是使模型开发和数据收集保持一致，以支持大流行病各个阶段的应对工作。就实时收集和传播许多不同的数据集而言，COVID-19大流行是史无前例的，这些数据集涉及疾病结果，流动性，行为和社会经济因素。从疾病建模和分析的角度来看，数据集对于实时支持决策者至关重要。在本概述文章中，我们调查了围绕COVID-19的数据格局，重点关注了迄今为止此类数据集如何在大流行的不同阶段帮助建模和响应。我们还讨论了当前的一些挑战以及在规划摆脱大流行的过程中将出现的需求。

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。