- 再探随机冲浪：泛化PageRank的远程传输模型;
- 信任与可靠的演化;
- 大规模异构学术网络中名称消歧的成对学习;
- 离散数据的高效鲁棒性证书：用于图、图像等对象的考虑稀疏的随机平滑;
- 在Altmetrics大型数据中利用推特情感;
- 节点和边上事件间时间的同时重尾分布的生成模型;
- 通过随意互连最大化多层网络中的代数连通性;
- Twitter网上气候变化话语中的情感极化;
- 关于气候变化的两极化推文;
- 概率湍流散度：一种用于比较重尾类别分布的可调同概念工具;
- 黑市驱动的在线媒体冲突：一项综述;
- COVID-19传播的分析、建模和表示：以印度为例;
- 社交媒体上的时间心理健康动态;
- CheckThat 2020的QMUL-SDS：使用带有数字表达式的增强型CT-BERT确定COVID-19 Tweet检查的准确性;
- 城市形态发生简单模型的比较;
- Match4Rec：一种基于双向编码器匹配任务的新型推荐算法;
- 碳约束的未来能源系统中的氢渗透和燃料电池汽车的部署;
- 南非数据不足是否可以解释其早期SARS-CoV-2高峰？;
- 偏见动态：当魔鬼在细节中;
- COVID-19期间与网络欺凌相关的Twitter讨论的变更点分析;
- 破坏城市交通;
再探随机冲浪：泛化PageRank的远程传输模型
原文标题： Random Surfing Revisited: Generalizing PageRank's Teleportation Model
地址： http://arxiv.org/abs/2008.12916
作者： Athanasios N. Nikolakopoulos
摘要： 我们重新审视Random Surfer模型，着重研究其经常被忽视的“运输”组件，并介绍NCDawareRank；一种新颖的排名框架，旨在利用网络元信息及其高阶结构组织的各个方面，以保留PageRank的数学结构和有吸引力的计算特性的方式。对所提出模型的严格理论探索揭示了丰富的数学属性，这些属性在鲁棒性，可计算性以及建模灵活性和表达性方面都带来了明显的好处。一组在实际工作网络上进行的实验验证了NCDawareRank的理论预测特性，并展示了其作为网络中心度度量的有效性。
信任与可靠的演化
原文标题： The evolution of trust and trustworthiness
地址： http://arxiv.org/abs/2008.12948
作者： Aanjaneya Kumar, Valerio Capraro, Matjaz Perc
摘要： 信任和可靠是持续的社会和经济互动的基础，也是合作，公平，诚实以及甚至许多其他形式的亲社会和道德行为的基础。但是，信任会带来风险，建立可信赖的声誉需要付出努力。那么信任和可信赖度是如何发展的，它们在什么条件下蓬勃发展呢？为了找到答案，我们使用信任博弈来实现信任和可信赖性，并将信任者的投资和受托人的投资回报作为两个关键参数。我们在不同的网络（包括完整的网络，随机的和无标度的网络）上研究了这款博弈，而且混合程度很高。我们表明，除了一种情况外，网络结构对信任和可信赖度的演变几乎没有影响。具体而言，对于充分混合的种群，晶格，随机和无标度的网络，我们发现信任永远不会演化，而可信度则根据博弈参数和更新动态而以一定的概率演化。仅对于具有度非归一化动力学的无标度网络，我们找到了信任演化而可信度却不演化的参数值，以及信任与可信度都演化的值。最后，我们讨论了可能导致信任发展的机制，并概述了未来工作的方向。
大规模异构学术网络中名称消歧的成对学习
原文标题： Pairwise Learning for Name Disambiguation in Large-Scale Heterogeneous Academic Networks
地址： http://arxiv.org/abs/2008.13099
作者： Qingyun Sun, Hao Peng, Jianxin Li, Senzhang Wang, Xiangyu Dong, Liangxuan Zhao, Philip S. Yu, Lifang He
摘要： 名称歧义消除旨在识别具有相同名称的唯一作者。现有的名称歧义消除方法总是利用作者属性来增强歧义消除效果。但是，某些具有歧视性的作者属性（例如，电子邮件和从属关系）可能会因毕业或跳槽而发生变化，这将导致同一位作者的论文在数字图书馆中的分离。尽管这些属性可能会更改，但是作者的合著者和研究主题不会随时间而频繁更改，这意味着一段时间内的论文在学术网络中具有相似的文本和关联信息。受此想法启发，我们引入了基于多视图注意力的成对递归神经网络（ projtitle），以解决名称歧义化问题。我们根据具有区分性的作者属性将论文分为多个小块，同一作者的块将根据 projtitle的成对分类结果进行合并。 projtitle将异构图嵌入学习和成对相似性学习组合到一个框架中。除了属性和结构信息之外， projtitle还通过元路径利用语义信息并以归纳方式生成节点表示形式，该表示形式可扩展至大型图。此外，采用语义级别的关注机制来融合多个基于元路径的表示。由两个RNN组成的伪暹罗网络以发布时间顺序的两个纸序列作为输入，并输出它们的相似性。在两个真实世界的数据集上的结果表明，我们的框架在名称消歧任务上的性能有了显著且持续的改善。还证明了 projtitle可以在少量训练数据下表现良好，并且在不同研究领域中具有更好的泛化能力。
离散数据的高效鲁棒性证书：用于图、图像等对象的考虑稀疏的随机平滑
原文标题： Efficient Robustness Certificates for Discrete Data: Sparsity-Aware Randomized Smoothing for Graphs, Images and More
地址： http://arxiv.org/abs/2008.12952
作者： Aleksandar Bojchevski, Johannes Klicpera, Stephan Günnemann
摘要： 验证离散数据模型的鲁棒性的现有技术或者仅适用于一小类模型，或者以效率或紧密性为代价而通用的技术。此外，正如我们的发现所表明的那样，它们并没有考虑输入中的稀疏性，这对于获得非平凡的担保通常是必不可少的。我们提出了一种基于随机平滑框架的模型不可知证书，该框架包含了较早的工作，并且紧密，高效且具有稀疏性。它的计算复杂度不取决于离散类别的数量或输入的维度（例如，图大小），因此具有很高的可伸缩性。我们展示了我们的方法在各种模型，数据集和任务上的有效性-特别强调了它在Graph Neural Networks中的使用。到目前为止，由于离散和非i.d.，很难为GNN获得可证明的保证。图数据的性质。我们的方法可以验证任何GNN并处理对图结构和节点属性的扰动。
在Altmetrics大型数据中利用推特情感
原文标题： Exploiting Tweet Sentiments in Altmetrics Large-Scale Data
地址： http://arxiv.org/abs/2008.13023
作者： Saeed-Ul Hassan, Naif Radi Aljohani, Usman Iqbal Tarar, Iqra Safder, Raheem Sarwar, Salem Alelyani, Raheel Nawaz
摘要： 本文旨在利用科学文献（特别是推文）上的社交交流来分析社交媒体用户对研究领域内出版物的看法。首先，我们使用SentiStrength工具（使用新创建的词典术语进行了扩展）来分类与Altmetric.com提供的1,083,535个出版物相关的6,482,260条推文的情绪。然后，我们提出基于谐波均值的统计量度，以使用正负情绪得分和频率指标来生成专门的词典。接下来，我们在领域级别的情感分析中采用新颖的文章级别总结方法，以评估Twitter上社交媒体用户对科学文献的看法。最后，我们提出并采用一种基于方面的分析方法来挖掘用户与本文各个方面相关的表达，例如其标题，摘要，方法，结论或结果部分的推文。我们表明研究社区对各自领域表现出不同的看法。对文章方面的按领域分配的分析表明，在医学，经济学，商业与决策科学中，tweet方面集中在结果部分。相反，物理与天文学，材料科学和计算机科学的这些方面则集中在方法论部分。总体而言，该研究有助于我们了解科学界对科学文献的在线社会交流的情感。具体而言，这种细粒度的分析可以帮助研究社区改善与科学文章的社交媒体交流，从而有效地传播其科学发现并进一步增加其社会影响力。
节点和边上事件间时间的同时重尾分布的生成模型
原文标题： Generative models of simultaneously heavy-tailed distributions of inter-event times on nodes and edges
地址： http://arxiv.org/abs/2008.13034
作者： E. Fonseca dos Reis, A. Li, N. Masuda
摘要： 代表人类活动的离散事件以及其他类型事件之间的间隔通常服从重尾分布，并且已经深入研究了它们对网络上的集体动力学（如传染过程）的影响。文献支持这种重尾分布在与网络中的单个节点和单个边都相关的事件间时间中存在。但是，同时存在节点和边的事件间时间的重尾分布是不平凡的现象，其起源难以捉摸。在本研究中，我们提出了一个生成模型及其变体来解释这种现象。我们假设每个节点根据连续时间的两状态马尔可夫过程在高活动状态和低活动状态之间独立过渡，并且对于主模型，当且仅当两者都发生时，边上的事件发生率很高边的末端节点处于高活动状态。换句话说，只有当两个节点都喜欢与其他节点交互时，两个节点才会频繁交互。该模型为单个节点和边生成事件间时间的分布，类似于某些尺度上的重尾分布。它还在连续的事件间时间中产生正相关，这是对人类活动的经验数据的另一种风格化观察。我们希望我们的建模框架为研究非泊松事件序列驱动的时态网络的动力学提供有用的基准。
通过随意互连最大化多层网络中的代数连通性
原文标题： Maximizing the algebraic connectivity in multilayer networks with arbitrary interconnections
地址： http://arxiv.org/abs/2008.13036
作者： Ali Tavasoli, Ehsan Ardjmand, Heman Shakeri
摘要： 拉普拉斯矩阵的第二个最小特征值在表征许多网络特性时具有决定性作用，被称为代数连通性。在本文中，我们通过分配预算允许的互连权重同时允许任意互连，来研究最大化多层网络中的代数连接性的问题。对于低于阈值的预算，我们确定了最大代数连接的上限，该上限与互连模式无关，并且可以满足一定的规律性条件。为了在没有解析解的区域中提供有效的数值方法，我们将问题投射到一个凸框架中，该凸框架从多个角度探讨该问题，尤其是将其转换为易于解释且与最佳扩散阶段相关的图嵌入问题。允许任意互连需要多个过渡区域，相对于一对一互连情况，扩散阶段将更加多样化。当对互连模式没有限制时，我们得出几个分析结果，这些结果通过单个Fiedler向量来表征最佳权重。我们使用代数连通性的比率和层大小来解释结果。最后，我们使用每一层的Fiedler向量分量，通过贪婪启发法研究有限数量的互连链接的放置。
Twitter网上气候变化话语中的情感极化
原文标题： Affective Polarization in Online Climate Change Discourse on Twitter
地址： http://arxiv.org/abs/2008.13051
作者： Aman Tyagi, Joshua Uyheng, Kathleen M. Carley
摘要： 在线社交媒体已成为组织不同社会文化和政治主题的重要平台。广泛的奖学金讨论了如何将人们分为类似回声室的人群。但是，缺乏与量化两个竞争团体之间的敌对交流或“情感偏见”有关的工作。本文提出了一种基于网络的系统方法，用于检查在线对话中的情感极化。此外，我们将我们的框架应用于有关气候变化的100周Twitter讨论中。我们发现，对于那些相信（信徒）相信气候变化的人为原因的人，气候变化的拒绝者（不信者）比反之亦然。此外，与信徒相比，在更敌对的星期中，不信者会使用更多与自然灾害相关的单词和标签。这些发现对研究在线话语中的情感两极分化具有重要意义，尤其是在气候变化问题上。最后，我们在日益重要的气候变化传播研究的背景下讨论我们的发现。
关于气候变化的两极化推文
原文标题： Polarizing Tweets on Climate Change
地址： http://arxiv.org/abs/2008.13054
作者： Aman Tyagi, Matthew Babcock, Kathleen M. Carley, Douglas C. Sicker
摘要： 我们介绍了一个框架，用于分析两个相互竞争的Twitter用户组之间的对话，一个用户相信气候变化的人为原因（信徒），另一个则怀疑（Twitter）。作为案例研究，我们在波兰卡托维兹举行的联合国气候变化大会-COP24（2018）期间使用了与气候变化相关的推文。我们发现，不信者和信徒在他们的小组中比在其他小组中交谈更多。不信者比信徒更是如此。 Disbeliever信息更多地集中在攻击那些相信人为气候变化原因的人。另一方面，“信奉者”的信息集中在应对气候变化的呼吁上。我们发现，在“不信者”和“信徒”中，类似机器人的帐户同样活跃，并且与“信徒”不同，“不信者”从大量新闻源获取新闻。
概率湍流散度：一种用于比较重尾类别分布的可调同概念工具
原文标题： Probability-turbulence divergence: A tunable allotaxonometric instrument for comparing heavy-tailed categorical distributions
地址： http://arxiv.org/abs/2008.13078
作者： P. S. Dodds, J. R. Minot, M. V. Arnold, T. Alshaabi, J. L. Adams, D. R. Dewhurst, A. J. Reagan, C. M. Danforth
摘要： 现实世界中的复杂系统通常包含许多不同类型的元素以及元素之间的更多类型的网络交互。当类型的相对丰度可以很好地测量时，我们进一步观察到类型频率的重尾分类分布。为了比较两个系统或系统本身在不同时间点的类型频率分布-异位滴定法的一个方面-可以使用很大范围的概率差异。在这里，我们介绍并探索“概率-湍流散度”，这是一种用于比较归一化分类频率分布的可调，直接且可解释的工具。我们在等级湍流发散（RTD）之后对概率湍流发散（PTD）进行建模。尽管概率湍流发散比秩湍流发散在应用上受到更多限制，但它对类型频率的变化更加敏感。我们建立了等渗线描记器以显示概率湍流，并结合了一种在视觉上容纳“排他类型”的零概率的方法，“排他类型”是仅出现在一个系统中的类型。我们将对来自文学，社交媒体和生态学的示例分布进行比较。我们展示了概率湍流散度如何显式地或在功能上概括了许多现有的距离和度量，包括作为特殊情况的 L ^ （p） 范数，S o rensen-Dice系数（ F_1 统计信息）和赫林格距离。我们讨论了与R 'e nyi和Tsallis的广义熵以及生态学的多样性指数（或希尔数）的相似性。我们以关于优化秩和和或湍流散度调优的未解决问题的思想作为结束。
黑市驱动的在线媒体冲突：一项综述
原文标题： Blackmarket-driven Collusion on Online Media: A Survey
地址： http://arxiv.org/abs/2008.13102
作者： Hridoy Sankar Dutta, Tanmoy Chakraborty
摘要： 在线媒体平台使用户能够与个人，组织联系并分享他们的想法。除了连通性之外，这些平台还具有多种用途-教育，促销，更新，认识等。因此，如今在网络媒体中提高个人声誉（又称社交增长）至关重要，尤其是对于那些寻找机会的企业主和活动经理而言提高他们的宣传和销售。获得社会增长的自然方法是一项繁琐的任务，从而导致创造不公平的方法来人为地提高个人声誉。几个在线黑市服务已经开发了蓬勃发展的生态系统，提供了有利可图的优惠，以吸引内容发布者在网上公开其内容。这些服务的运作方式使媒体当局不注意其大多数无机活动，并且黑市服务的客户不太可能被发现。我们将这种在在线媒体上提高社会声誉的不公平方式称为串通。这项调查是首次尝试为读者提供有关识别和分析黑市驱动的在线媒体合谋的最新研究的全面概述。我们对问题进行了概述，对相关问题和概念进行了定义，对提出的方法进行了分类，对可公开获得的数据集和在线工具进行了描述，并讨论了悬而未决的问题。我们认为，共谋实体检测是异常检测和网络安全研究中一个新兴的主题，当前调查将为读者提供迄今为止易于使用的，全面的方法，工具和资源清单，以供检测和发现。分析在线媒体上的串通实体。
COVID-19传播的分析、建模和表示：以印度为例
原文标题： Analysis, Modeling, and Representation of COVID-19 Spread: A Case Study on India
地址： http://arxiv.org/abs/2008.13116
作者： Rahul Mishra, Hari Prabhat Gupta, Tanima Dutta
摘要： 冠状病毒的爆发是地球上整个人类面临的最具挑战性的大流行之一。隔离感染者和保持社会距离等技术是对COVID-19流行病的唯一预防措施。对数据有限的受感染人数的实际估计是数据科学家面临的不确定的问题。现有文献中有许多技术用于预测流行病和传染病的持续时间，包括繁殖数，病死率等。本文提供了一个案例研究，涉及与流行病（例如COVID-19）相关的数据的分析，建模和表示的不同技术。我们进一步提出了一种用于估计特定区域中感染传播状态的算法。这项工作还提出了一种算法，用于从易感性传染和恢复模型中估计流行病的结束时间。最后，本文提供了实证和数据分析，以研究传播概率，接触率，传染性和易感性对流行病传播的影响。
社交媒体上的时间心理健康动态
原文标题： Temporal Mental Health Dynamics on Social Media
地址： http://arxiv.org/abs/2008.13121
作者： Tom Tabak, Matthew Purver
摘要： 我们描述了一组用于建立时间性心理健康动力学系统的实验。我们利用现有方法对来自社交媒体平台的心理健康数据进行远程监管，并以案例研究的形式在全球COVID-19大流行期间部署该系统。尽管这项任务具有挑战性，但我们还是取得了令人鼓舞的结果，无论是对全球大流行的影响是明确的，还是对全球大流行的圣诞节抑郁现象的暗示，都得到了文献的支持。我们提出了一种方法，以提供对时态心理健康动态的洞察力，以用于战略决策。
CheckThat 2020的QMUL-SDS：使用带有数字表达式的增强型CT-BERT确定COVID-19 Tweet检查的准确性
原文标题： QMUL-SDS at CheckThat! 2020: Determining COVID-19 Tweet Check-Worthiness Using an Enhanced CT-BERT with Numeric Expressions
地址： http://arxiv.org/abs/2008.13160
作者： Rabab Alkhalifa, Theodore Yoong, Elena Kochkina, Arkaitz Zubiaga, Maria Liakata
摘要： 本文介绍了QMUL-SDS团队对CLEF 2020 CheckThat任务1的参与！共享任务。这项任务的目的是确定有关COVID-19的推文的可检查性，以识别需要确定事实的推文并确定其优先级。总体目标是进一步支持正在进行的努力，以保护公众免受假新闻的侵害，并帮助人们找到可靠的信息。我们描述和分析我们提交的结果。我们展示了使用带有数字表达式的COVID-Twitter-BERT（CT-BERT）增强的CNN可以有效地提高基线结果的性能。我们还显示了有关其他主题的谣言训练数据增强的结果。我们最好的系统在任务中排名第四，其令人鼓舞的结果表明将来有改进结果的潜力。
城市形态发生简单模型的比较
原文标题： A comparison of simple models for urban morphogenesis
地址： http://arxiv.org/abs/2008.13277
作者： Juste Raimbault
摘要： 城市区域内人口或活动的空间分布，或介观尺度上的城市形式，是多重对抗过程的结果。我们在本文中提出了基准测试不同的城市形态发生模型，以系统比较它们可以产生的城市形态。包括不同类型的方法，例如反应扩散模型，基于重力的模型和相关的渗滤。应用多样性搜索算法，通过比较世界范围内城市地区的经验值，我们估计了每个模型在城市形态指标空间内的可行空间。我们发现了不同类型流程的互补性，主张采用多种城市模型。
Match4Rec：一种基于双向编码器匹配任务的新型推荐算法
原文标题： Match4Rec: A Novel Recommendation Algorithm Based on Bidirectional Encoder Representation with Matching Task
地址： http://arxiv.org/abs/2008.13345
作者： Lingxiao Zhang, Jiangpeng Yan, Yujiu Yang, Xiu Li
摘要： 在有效的推荐系统中，准确表征用户的兴趣至关重要。顺序推荐器系统可以从连续的用户项目交互和动态用户的偏好中学习强大的用户隐藏表示。为了分析此类顺序数据，常规方法主要包括马尔可夫链（MC）和递归神经网络（RNN）。近来，自注意力机制和双向体系结构的使用已引起广泛关注。但是，在以前的工作中仍然存在一个主要限制，即它们仅在行为序列中分别对用户的主要目的进行建模和局部建模，并且它们缺乏用户整体顺序行为的全局表示。为了解决此限制，我们提出了一种新颖的双向顺序推荐算法，该算法通过对匹配任务的附加监督将用户的本地目的与全局偏好集成在一起。在双向编码器的训练过程中，我们将遮罩任务与匹配任务结合在一起。还引入了一种新的样品生产方法来减轻掩膜噪声的影响。我们提出的模型不仅可以从用户的行为序列中学习双向语义，而且可以显式地生成用户表示形式来刻画用户的全局偏好。大量的经验研究表明，我们的方法大大优于各种最新模型
碳约束的未来能源系统中的氢渗透和燃料电池汽车的部署
原文标题： Hydrogen Penetration and Fuel Cell Vehicle Deployment in the Carbon Constrained Future Energy System
地址： http://arxiv.org/abs/2008.13414
作者： Andrew Chapman, Dinh Hoa Nguyen, Hadi Farabi-As, Kenshi Itaoka, Katsuhiko Hirose, Yasumasa Fujii
摘要： 这项研究详细介绍了一个全球模型的结果，该模型估计了到2050年氢在碳约束能源系统中的渗透率。着眼于最小和最大渗透率情景，对全球燃料电池汽车（FCV）的使用进行了调查，并意识到了最佳的经济效益。在日本的案例研究中，在全球范围内部署和利益相关者的偏好。该模型在数学上被公式化为一个非常大规模的线性优化问题，旨在使系统成本（包括发电类型，燃料成本，转换成本和碳减排成本）最小化，但要受每个国家二氧化碳减排的约束。结果表明，到2050年，氢能满足全球能源消耗需求的约0.8％至2％，其中城市燃气和交通运输将成为重要的用例。乘用车燃料电池汽车和氢气巴士几乎占据了所有以氢为基础的运输行业，到2050年将在全球部署约1.2亿辆燃料电池汽车。氢气生产依赖化石燃料，而经合组织国家是净进口国，尤其是日本，其净进口量为100 ％进口案例。为了支撑化石燃料的氢气生产，在预计会有大量FCV时，需要大量的碳捕集与封存（CCS）。利益相关者的参与表明对FCV的部署持乐观态度，而确定的政策问题包括未来大规模能源系统投资的必要性以及可再生能源技术和电解槽技术和经济可行性的快速进步。
南非数据不足是否可以解释其早期SARS-CoV-2高峰？
原文标题： Could Deficiencies in South African Data Be the Explanation for Its Early SARS-CoV-2 Peak?
地址： http://arxiv.org/abs/2008.13521
作者： S. J. Childs
摘要： 与先前对封锁机制的分析所预测的阈值相比，SARS-CoV-2大流行达到峰值的时间很早。最方便的解释是，某些外部因素改变了基本再现数的值 r _ rm 0 ；对此肯定有争论。尽管如此，其他因素也可能起作用。这项研究试图将观测到的峰值与锁定机制所预测的阈值进行调和，该锁定机制与当时有效的锁定机制相似。它考虑了数据中两个不同的假设错误的影响：第一个是乘数因素低估了感染的真实水平，第二个是人口中未被察觉的，已有的免疫部分。尽管已经表明，仅通过这两种现象，就肯定有可能使观察到的早期峰与观察到的峰一样极端，但该值必须相当高。无论如何，这种现象都是微不足道的。还有一个不可避免的事实，即感染的早期高峰与 r _ rm 0 的相当深刻的变化同时发生。在所有预期的数据缺乏情况下。
偏见动态：当魔鬼在细节中
原文标题： Biased Opinion Dynamics: When the Devil Is in the Details
地址： http://arxiv.org/abs/2008.13589
作者： Aris Anagnostopoulos, Luca Becchetti, Emilio Cruciani, Francesco Pasquale, Sara Rizzo
摘要： 当存在对两种可能的观点之一的偏见时，我们研究多主体网络中的观点动态。例如，反映现状与优越的选择。从所有主体共享代表现状的初始意见开始，系统逐步发展。在每个步骤中，随机选择的一个主体以某种概率 alpha 采纳上级观点，并且以概率 1- alpha 遵循潜在的更新规则，以根据其邻居持有的观点修改其观点。我们分析了两个众所周知的更新规则（多数和投票者）下结果过程的收敛性。我们提出的框架展示了一个丰富的结构，在拓扑和基础更新规则之间没有明显的相互作用。例如，对于voter规则，我们表明收敛速度与底层拓扑没有显著相关性，而在多数规则下，图片完全改变了，而多数规则对网络密度产生负面影响。我们认为，我们提出的模型同时简单，丰富且模块化，能够在统一的环境中对偏见，潜在的舆论动态和社会结构之间的相互作用进行数学表征。
COVID-19期间与网络欺凌相关的Twitter讨论的变更点分析
原文标题： Change-Point Analysis of Cyberbullying-Related Twitter Discussions During COVID-19
地址： http://arxiv.org/abs/2008.13613
作者： Sanchari Das, Andrew Kim, Sayar Karmakar
摘要： 由于COVID-19的爆发，用户越来越多地转向在线服务。还发现社交媒体使用量增加，导致怀疑这也增加了网络欺凌行为。在这项初步工作中，我们探索了由于流行病和高社交媒体使用率而导致网络欺凌事件增加的可能性。为了评估这种趋势，我们收集了2020年1月1日至2020年6月7日之间发布的454,046个与网络欺凌相关的公共推文。我们将包含多个关键字的推文汇总到其每日计数中。我们的分析表明，大多数这些关键字最多存在一个统计上有意义的变更点，这些变更点主要位于3月底左右。几乎所有这些变更点时间位置都可以归因于COVID-19，该数据通过对Twitter上的讨论进行分析，证实了我们最初的假设，即网络欺凌行为有所增加。
破坏城市交通
原文标题： Cracking urban mobility
地址： http://arxiv.org/abs/2008.13644
作者： H. A. Carmona, A. W. T. de Noronha, A. A. Moreira, N. A. M. Araujo, J. S. Andrade Jr
摘要： 评估道路网络的弹性有助于改善现有基础设施并设计新的基础设施。在这里，我们应用最佳路径裂缝模型（OPC）来研究道路网络的流动性，并为城市流动性的恢复提出新的主体。与静态方法相反，OPC将重新路由的动态考虑为对交通拥堵的响应。准确地说，是在能够使系统崩溃的最佳起点-目标路径的最脆弱部分模拟一系列故障（裂纹）。我们对综合和真实道路网络的研究结果表明，它们的混乱程度，单向路段的分数和空间相关性会严重影响交通拥堵的脆弱性。通过将OPC应用于波士顿市中心和曼哈顿，我们发现波士顿比曼哈顿脆弱得多。这与波士顿在平均交通浪费时间最多的美国大都市区中名列前茅这一事实是吻合的。此外，我们的分析表明，这种差异的根源来自每个道路网络的内在空间相关性。最后，我们认为，由于其全球影响力，OPC识别出的最重要的裂缝可用于查明道路网络中潜在的小路线变更和结构变化，从而能够显著改善城市交通。
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。