- 大城市地区基于活动的联系网络扩展和流行病传播;
- 面对SARS-CoV-2大流行的企业主的一个关键问题：什么时候可以重新开业？;
- 对Reddit和Wikipedia上COVID-19大流行的媒体报道的集体回应;
- 辛辛那提三州地区COVID-19大流行的建模与仿真;
- 雪上加霜：应对COVID-19的登机更改;
- 流行病从本地传播到全球的模型：以印度的COVID-19为例;
- COVID-19大流行的周期性封锁和经济活动;
- 长期护理设施是导致COVID-19死亡的危险因素;
- 根据劣质数据按年龄结构估算COVID-19 ICU需求;
- 印度Covid-19大流行控制策略的随机方法;
- 经济资源有限的系统中的流行病崩溃;
- 南非公众对COVID-19反应的提取和分类-社交媒体研究;
- COVID-19扩大了研究中的性别差异;
- DFraud3-无需冷启动的多组分欺诈检测;
- 当科学是博弈;
- 纳什强化学习对自适应垃圾邮件发送者的鲁棒检测;
- 通过Reshare级联模型分析和可视化在线用户的工具包;
- G5：通用GRAPH-BERT，用于图到图的迁移和启示学习;
- 具有首选移动方向的剪刀石头布模型;
- 理解您的FATE：社交应用上用户参与度预测的友谊、行为和时间解释;
- 组建图的候选学院：启发式半监督学习框架;
- 使用吸收马尔可夫链理解灾难响应期间的信息流动力学;
- 地球上所有人类住区的精确制图、空间结构和分类;
大城市地区基于活动的联系网络扩展和流行病传播
原文标题： Activity-based contact network scaling and epidemic propagation in metropolitan areas
地址： http://arxiv.org/abs/2006.06039
作者： Nishant Kumar, Jimi B. Oke, Bat-hen Nahmias-Biran
摘要： 鉴于城市化的发展和新出现的大流行威胁，需要更复杂的模型来了解疾病的传播并调查各种城市类型的干预策略的影响。我们介绍了一种完全机械化，基于活动且时空高度解析的流行病学模型，该模型利用了从大规模城市中的综合出行需求和供给模型获得的人员轨迹。为了模拟两个具有代表性的合成人口和出行方式的全面城市中的COVID-19演变，我们分析了基于活动的联系网络。我们观察到，在两个城市中，公交联系人都是无标度的，工作联系人是Weibull分布的，购物或休闲联系人是指数分布的。我们还调查了运输网络的影响，发现运输网络的移除会抑制疾病的传播，而工作对于高峰后疾病的传播也至关重要。我们的框架根据现有的病例和死亡率数据进行了验证，证明了跟踪和追踪的潜力，以及详细的社会人口统计学和流动性控制策略的流动性分析。
面对SARS-CoV-2大流行的企业主的一个关键问题：什么时候可以重新开业？
原文标题： A key question to business owners facing SARS-CoV-2 pandemics: When to reopen my business?
地址： http://arxiv.org/abs/2006.06416
作者： Hongyu Miao, Qianmiao Gao, Han Feng, Chengxue Zhong, Pengwei Zhu, Liang Wu, Michael D. Swartz, Xi Luo, Stacia M. DeSantis, Dejian Lai, Cici Bauer, Adriana Pérez, David Lairson
摘要： 冠状病毒（SARS-CoV-2）大流行的突然发作在全球210多个国家和地区造成了巨大的生命和经济损失。虽然必须采取自我保护措施，例如戴口罩，在适当的地方进行庇护以及隔离政策和策略，以遏制病毒传播，但由于企业关闭，美国成千上万人失去了工作。因此，如何在病毒仍在人群中传播的同时安全地重新开放经济已成为当选领导人和企业高管非常关注和重视的问题。在本研究中，从业务实体的角度出发，采用数学建模来同时量化利润产生和感染风险。具体而言，开发了一个常微分方程模型来表征疾病传播和感染风险。提出了一个代数方程式，以确定营业实体在重新开放后可以产生的净利润，并考虑到一些保护/隔离准则的相关成本。所有模型参数均基于各种数据和信息源进行了校准。进行了敏感性分析和案例研究，以说明该模型在实践中的使用。
对Reddit和Wikipedia上COVID-19大流行的媒体报道的集体回应
原文标题： Collective response to the media coverage of COVID-19 Pandemic on Reddit and Wikipedia
地址： http://arxiv.org/abs/2006.06446
作者： Nicolò Gozzi, Michele Tizzani, Michele Starnini, Fabio Ciulla, Daniela Paolotti, André Panisson, Nicola Perra
摘要： 流行病暴发期间信息的暴露和消费可能会改变风险感知，触发行为变化，并最终影响疾病的发展。因此，通过主流媒体和公众反应传播地图信息至关重要。但是，我们对COVID-19大流行期间这种暴露反应动态的了解仍然有限。在本文中，我们提供了四个国家（意大利，英国，美国和加拿大）的媒体报道和在线集体关注COVID-19大流行的特征。为此，我们收集了一个异构数据集，包括由主流媒体发布的227,768个在线新闻文章和13,448个Youtube视频，在社交媒体平台Reddit上的107,898个用户帖子和3,829,309条评论，以及与COVID-19相关的Wikipedia页面的278,456,892次查看。我们的结果表明，公众关注程度（量化为用户在Reddit上的活动和在Wikipedia页面上的有效搜索）主要是由媒体报道推动的，并且迅速下降，而新闻曝光率和COVID-19发生率仍然很高。此外，通过使用无监督的动态主题建模方法，我们表明，尽管媒体和在线用户对不同主题的关注保持了良好的一致性，但他们的时间模式却出现了有趣的偏差。总体而言，我们的发现为解释公众对当前全球卫生突发事件的看法/反应提供了另一个关键，并提出了关于注意力饱和对集体意识，风险感知以及由此对行为改变趋势的影响的问题。
辛辛那提三州地区COVID-19大流行的建模与仿真
原文标题： Modeling and Simulation of COVID-19 Pandemic for Cincinnati Tri-State Area
地址： http://arxiv.org/abs/2006.06021
作者： Michael Rechtin, Vince Feldman, Sam Klare, Nathan Riddle, Rajnikant Sharma
摘要： 在本文中，我们使用SIR模型来模拟辛辛那提三州地区的COVID-19大流行。我们建立了辛辛那提代表性的人口，其中包括到商店，学校，工作场所和去朋友之家的运动。使用此模型，我们模拟了隔离，返回工作和紧急购买的效果。我们表明，当人们返回工作场所时，将会出现第二波感染；而随着隔离措施的宣布，在商店中出现恐慌性购买时，感染数量将大大增加。
雪上加霜：应对COVID-19的登机更改
原文标题： From Bad to Worse: Airline Boarding Changes in Response to COVID-19
地址： http://arxiv.org/abs/2006.06403
作者： T. Islam (1), M. Sadeghi Lahijani (2), A. Srinivasan (1), S. Namilae (3), A. Mubayi (4), M. Scotch (4) ((1) University of West Florida, (2) Florida State University, (3) Embry-Riddle Aeronautical University, (4) Arizona State University)
摘要： 航空公司针对COVID-19大流行采取了从前到后的登机流程。其目的是希望减少乘客坐在座位上时靠近坐着的乘客的可能性。但是，我们先前关于飞机埃博拉病毒传播风险的研究表明，增加感染传染风险的驱动力是乘客聚集，同时等待其他人收起行李并坐下。在这项工作中，我们检查了新的登机流程是否导致感染传播的风险增加或减少。我们还将研究与不同登机流程相关的风险差异背后的原因。我们通过使用行人动态模拟新的登机流程并将其与替代方案进行比较来实现这一目标。我们的结果表明，与随机登机相比，从后到前登机的感染率大约翻了一番。与COVID-19爆发之前的典型登机流程相比，它也使暴露率增加了约50％。在保持中间座位空着的情况下，可以大大减少接触的风险，我们的结果表明，在这种情况下，不同的登机流程具有与占据中间座位相似的相对优势。我们显示出增加的暴露源于过道和就座乘客之间的接近程度。我们的结果表明，航空公司要么恢复了较早的登机流程，要么采用了更好的随机流程。
流行病从本地传播到全球的模型：以印度的COVID-19为例
原文标题： A model for the spread of an epidemic from local to global: A case study of COVID-19 in India
地址： http://arxiv.org/abs/2006.06404
作者： Buddhananda Banerjee, Pradumn Kumar Pandey, Bibhas Adhikari
摘要： 在本文中，我们提出了COVID-19传播的流行病学模型。传播的动态基于人口中四个基本类别的人群：经过测试和感染，未经测试但受到感染，经过测试但未受到感染以及未经测试并且未受到感染。该模型基于人口扩散的两个动态水平：地方水平和全球水平。用数据和参数描述了本地水平的增长，其中包括COVID-19的测试统计数据，预防措施（例如全国范围内的封锁）以及人员在邻近地区的迁移。在印度的背景下，本地位置被视为地区，而跨地区的迁移或交通流量则是由感染了COVID-19的地区的人口传播网络的归一化边权重定义的。基于这种局部增长，对接受COVID-19阳性检测的人数进行了州水平的预测。此外，将本地位置视为州，对国家/地区级别进行了预测。使用网格搜索来确定模型参数的值，并在使用实际数据训练模型时最小化误差函数。这些预测是根据当前的测试统计数据以及州和国家/地区测试的某些线性和对数线性增长做出的。最后，表明如果在不久的将来可以通过某些因素线性增加或对数线性增加测试数量以及采取预防措施，则可以控制传播。这对于防止感染人数的急剧增长以及摆脱第二波大流行也很有必要。
COVID-19大流行的周期性封锁和经济活动
原文标题： Cyclical lock-down and the economic activity along the pandemic of COVID-19
地址： http://arxiv.org/abs/2006.06409
作者： Fernando E. Cornes, Guillermo A. Frank, Claudio O. Dorso
摘要： 研究集中在控制COVID-19广泛使用的开关协议上。该协议规定所有公民的工作时间为4天，然后锁定8天。我们进一步建议将人员分成经过开/关协议但随时间变化的较小群体。该程序有望使总体经济活动正常化。我们的结果表明，基于协议的协议和分为几类的协议都会减少感染者的数量。但是，出于经济原因，后者似乎更好。我们的仿真进一步表明，启动时间是成功实施的关键问题。
长期护理设施是导致COVID-19死亡的危险因素
原文标题： Long-Term Care Facilities as a Risk Factor for Death Due to COVID-19
地址： http://arxiv.org/abs/2006.06410
作者： Neil Gandal, Matan Yonas, Michal Feldman, Ady Pauzner, Avraham Tabbach
摘要： COVID-19死亡的很大一部分发生在长期护理机构的居民中。此现象有两个可能的原因。首先，这种环境的结构特征可能导致死亡。或者，这些设施中的人的健康状况可能比其他地方的人差，即使这些人不在这些设施中也可能会死亡。我们的研究结果表明，控制人口密度和老年人在人口中的百分比，人均长期护理床位数与COVID-19死亡率之间存在显著的正相关。这一发现为以下观点提供了支持：长期护理生活安排（老年人）是死于COVID-19的重要危险因素。
根据劣质数据按年龄结构估算COVID-19 ICU需求
原文标题： Age-structured estimation of COVID-19 ICU demand from low quality data
地址： http://arxiv.org/abs/2006.06530
作者： Rodrigo Veiga, Rodrigo Murta, Renato Vicente
摘要： 我们从确诊病例中按照年龄结构概率对加重病例进行抽样，并使用ICU职业数据来查找子通知因子。然后采用对数拟合来预测COVID-19流行病的进展，并从已经到达这一阶段的地点获取高原情景。最后，通过子通知因子对发现的逻辑曲线进行校正，并进行采样以预测ICU病床的未来需求。
印度Covid-19大流行控制策略的随机方法
原文标题： Stochastic approach to study control strategies of Covid-19 pandemic in India
地址： http://arxiv.org/abs/2006.06622
作者： Athokpam Langlen Chanu, R.K. Brojen Singh
摘要： 目前，印度是受Covid-19大流行影响最严重的国家之一。我们研究了印度Covid-19患者的公开数据，并分析了SEQIR模型的随机框架内隔离和社会隔离的可能影响，以说明大流行的控制策略。我们的模拟结果清楚地表明，应从大流行开始时的早期就保持适当的隔离和社会隔离，并应持续到隔离结束，以有效控制大流行。从这个角度来看，这要求将来有一种更符合社会纪律的生活方式。人口随机性在系统动力学中非常明显，在调节和控制大流行中起着至关重要的作用。
经济资源有限的系统中的流行病崩溃
原文标题： The Epidemic-Driven Collapse in a System with Limited Economic Resource
地址： http://arxiv.org/abs/2006.06642
作者： S.P. Lukyanets, I.S. Gandzha, O.V. Kliushnychenko
摘要： 我们考虑了由流行病造成的人口社会和经济崩溃的可能性。我们利用最简单的带有负反馈的玩具模型来研究人口中流行病的扩散动态，并且对某些正式资源（经济，金融等）具有相互影响。对于流行病的传播，我们使用简单的SIS模型，辅以最简单的方程式来求解资源的动态，其动态由活跃的劳动力资源决定。我们注意到，患者的特征康复率或恢复时间取决于卫生服务的成本，基本生活消费水平的成本，E 和某些正式资源的可得性。钱。由于服务成本是固定的，因此如果没有足够的个人，私人或集体财务资源 R E ，则该服务将终止，因此该服务将不存在。因此，我们假设恢复速率应具有激活字符 sim exp（-E / rho）。我们表明，根据流行病的传播速度和形式资源的可用性，系统可以恢复正常生活，可以克服压力或转移到另一个稳定但更“贫穷”的状态。否则，系统可能崩溃。当系统崩溃时，它可以通过许多准稳定状态，其动态特性类似于所谓的魔鬼阶梯。
南非公众对COVID-19反应的提取和分类-社交媒体研究
原文标题： Extracting and categorising the reactions to COVID-19 by the South African public -- A social media study
地址： http://arxiv.org/abs/2006.06336
作者： Vukosi Marivate, Avashlin Moodley, Athandiwe Saba
摘要： 社交媒体可用于在灾难期间提取讨论主题。鉴于COVID-19大流行对南非的影响，我们需要了解政府针对大流行而颁布的法律法规与社交媒体用户一直在进行的讨论主题形成的对比。在这项工作中，我们扩展了传统媒体通过使用由南非政府官员推动或针对南非政府官员的社交媒体讨论进行分析。在某些情况下，我们发现主题相似或不同。这些发现可以为在南非及其他地区的灾难环境下对社交媒体的进一步研究提供信息。
COVID-19扩大了研究中的性别差异
原文标题： COVID-19 amplifies gender disparities in research
地址： http://arxiv.org/abs/2006.06142
作者： Goran Muric, Kristina Lerman, Emilio Ferrara
摘要： 早期证据表明，妇女，包括女性研究人员，受 mbox COVID-19大流行的影响尤其严重，对她们的生产力产生负面影响。在这里，我们通过分析在大流行期间发表科学论文的男性和女性研究人员的比例来检验这一假设。我们使用来自生物医学预印本服务器和Springer-Nature期刊的数据表明，在控制了时间趋势之后，大流行期间出版的女性比例在各个学科和研究主题之间均显著下降。对于与COVID-19研究有关的生物医学论文，这种影响尤为明显。此外，通过对作者的从属关系进行地理编码，我们表明，即使贫穷国家在大流行之前的研究中性别差距较小，但贫穷国家的性别差距仍在加剧。我们的结果表明，像全球大流行这样的特殊事件如何进一步加剧研究中的性别不平等。我们的工作可以为更公正的科学评估方法提供参考，尤其是对于可能受到大流行影响不大的早期职业女性研究人员。
DFraud3-无需冷启动的多组分欺诈检测
原文标题： DFraud3- Multi-Component Fraud Detection freeof Cold-start
地址： http://arxiv.org/abs/2006.05718
作者： Saeedreza Shehnepoor, Roberto Togneri, Wei Liu, Mohammed Bennamoun
摘要： 欺诈审查检测是最近几年的热门研究课题。冷启动是一个特别新的重要问题，涉及检测系统无法识别新用户的真实性。最新的解决方案采用翻译知识图嵌入方法（TransE）来对审阅系统的组件之间的交互进行建模。但是，这些方法受到TransEin处理N-1关系的局限性和单一分类任务范围狭窄的限制，即仅检测欺诈者。在本文中，我们将评论系统建模为异构信息网络（HIN），该系统可对每个组件进行唯一表示，并通过聚集附近节点的特征对评论数据进行图归纳学习。具有图归纳的HIN有助于解决伪装问题（带有真实评论的欺诈者），当伪装问题与冷启动结合使用时，伪装问题变得更加严重，即具有真实第一评论的新欺诈者。在这项研究中，检测到欺诈审核或欺诈用户（欺诈者），而不是只关注一个组件，而是为每个组件学习矢量表示，从而实现多组件分类。换句话说，我们能够检测到欺诈评论，欺诈者和针对欺诈的项目，因此我们的方法名称为DFraud3。 DFraud3证明，与Yelp上最先进的技术相比，其准确性提高了13％。
当科学是博弈
原文标题： When Science is a Game
地址： http://arxiv.org/abs/2006.05994
作者： Simon DeDeo
摘要： 当科学家在某个领域的发展中的某些时候玩博弈时会发生什么？我提供了一个这样的分析框架，它借鉴了历史学家约翰·休伊津加（Johan Huizinga）提供的博弈论。 Huizinga为社交实践成为博弈提供了五个条件：自由参与，脱节，时间和竞技场的局限性，规则的有序创造以及紧张的存在。适用于科学实践的行为模式可以通过定量分析进行检验：学科之间严格的界限的出现，理论创造方面的漏洞的关闭，对期刊出版中某些创新的抵制以及科学家无法起诉同事的方式从事可疑的研究实践的人。
纳什强化学习对自适应垃圾邮件发送者的鲁棒检测
原文标题： Robust Detection of Adaptive Spammers by Nash Reinforcement Learning
地址： http://arxiv.org/abs/2006.06069
作者： Yingtong Dou, Guixiang Ma, Philip S. Yu, Sihong Xie
摘要： 在线评论为客户提供产品评估以做出决策。不幸的是，专业的垃圾邮件发送者可以使用虚假评论（“垃圾邮件”）来操纵评估，他们已经通过适应已部署的检测器来学习越来越阴险而强大的垃圾邮件发送策略。垃圾邮件发送策略很难捕获，因为它们会随着时间变化迅速，垃圾邮件发送者和目标产品之间会有所不同，更重要的是，在大多数情况下，垃圾邮件发送策略仍然未知。此外，大多数现有的检测器专注于检测精度，这与保持产品评估的可信赖性的目标并不一致。为了解决这些挑战，我们制定了一个minimax博弈，其中垃圾邮件发送者和垃圾邮件检测者根据其实际目标相互竞争，而不仅仅是基于检测准确性。博弈的纳什均衡导致稳定的检测器，该检测器对任何混合检测策略均不可知。但是，该博弈没有封闭形式的解决方案，因此无法区分典型的基于梯度的算法。我们将博弈变成两个相互依赖的马尔可夫决策过程（MDP），以基于多武装匪徒和策略梯度进行有效的随机优化。我们使用各种最新的垃圾邮件和检测策略对三个大型评论数据集进行了实验，结果表明该优化算法可以可靠地找到一个均衡的检测器，该检测器可以有效地防止采用任何混合垃圾邮件策略的垃圾邮件发送者达到其实际目标。我们的代码可从https://github.com/YingtongDou/Nash-Detect获得。
通过Reshare级联模型分析和可视化在线用户的工具包
原文标题： A Toolkit for Analyzing and Visualizing Online Users via Reshare Cascade Modeling
地址： http://arxiv.org/abs/2006.06167
作者： Quyu Kong, Rohit Ram, Marian-Andrei Rizoiu
摘要： 在线话语动力学建模是了解离线和在线信息传播以及紧急在线行为的核心活动。当前，在线社交媒体分析的从业人员（通常是社会，政治和传播科学家）与能够处理大量在线数据并检查在线用户及其行为的工具之间存在脱节。我们提供了两种工具，birdspotter和events，用于根据在线用户在转推级联中的参与度来分析在线用户。 birdpotter提供了一个工具包，用于评估Twitter用户的社会影响力和僵尸网络。尽管它利用了诸如文本内容之类的推文的多模式信息，但通过使用自激过程对信息传播的时间动态进行建模，最终增加了用户度量。两种工具都是为具有广泛计算机专业知识的用户设计的，包括教程和详细文档。我们使用两个工具对在线用户行为进行端到端分析，说明了与COVID-19相关的主题数据集的案例研究。
G5：通用GRAPH-BERT，用于图到图的迁移和启示学习
原文标题： G5: A Universal GRAPH-BERT for Graph-to-Graph Transfer and Apocalypse Learning
地址： http://arxiv.org/abs/2006.06183
作者： Jiawei Zhang
摘要： 最近的GRAPH-BERT模型引入了一种仅基于注意力机制来学习图表示的新方法。 GRAPH-BERT提供了一个机会，可以在同一图数据集中的不同任务之间传递预训练的模型和学习的图表示形式。在本文中，我们将进一步研究通用GRAPH-BERT在不同图数据集之间进行图表示学习的图间转换，为简单起见，我们提出的模型也称为G5。学习G5以适应每个图数据源的不同输入和输出配置以及信息分布差异存在许多挑战。 G5引入了可插拔的模型体系结构：（a）每个数据源将使用唯一的输入表示学习组件进行预处理； （b）每个输出应用程序任务还将具有特定的功能组件； （c）所有这些不同的输入和输出组件都将分别通过输入大小统一层和输出表示融合层与通用GRAPH-BERT核心组件结合。 G5模型消除了跨图表示学习和传递的最后障碍。对于具有非常稀疏的训练数据的图源，在其他图上预先训练的G5模型仍可以通过必要的微调用于表示学习。此外，G5的体系结构还使我们能够学习数据源的监督功能分类器，而无需任何训练数据。该问题在本文中也称为“启示学习”任务。为了解决该问题，本文介绍了两种不同的标签推理策略，即跨源分类一致性最大化（CCCM）和跨源动态路由（CDR）。
具有首选移动方向的剪刀石头布模型
原文标题： Rock-paper-scissors models with a preferred mobility direction
地址： http://arxiv.org/abs/2006.06360
作者： P.P. Avelino, B.F. de Oliveira, J.V.O. Silva
摘要： 我们研究了使用非晶格随机模拟的修改后的空间随机Lotka-Volterra剪刀石头布模型的公式。在此模型中，一个物种优先沿特定方向移动-优先级别由噪声强度参数 eta in [0，1] （ eta = 0 和 eta = 1）控制分别对应于总偏好和无偏好）-而其他两个物种没有参照运动方向。我们从随机初始条件开始研究系统的行为，表明具有非对称迁移率的物种始终比其掠食者更具优势。我们还确定了噪声强度参数的最佳值，该值为该种类提供了最大的优势。最后，我们发现随着噪声水平的提高，个体的临界数量（在其之下绝种的可能性变得显著）降低了，因此表明，本文研究的优选迁移方向的添加不利于共存。
理解您的FATE：社交应用上用户参与度预测的友谊、行为和时间解释
原文标题： Knowing your FATE: Friendship, Action and Temporal Explanations for User Engagement Prediction on Social Apps
地址： http://arxiv.org/abs/2006.06427
作者： Xianfeng Tang, Yozen Liu, Neil Shah, Xiaolin Shi, Prasenjit Mitra, Suhang Wang
摘要： 近年来，随着社会网络应用程序（Apps）的快速增长和普及，了解用户参与度变得越来越重要，以便为将来的应用程序设计和开发提供有用的见解。尽管最近开创了一些有前途的神经建模方法来准确预测用户参与度，但不幸的是，其黑盒设计在模型可解释性方面受到限制。在本文中，我们研究了社会网络应用程序可解释的用户参与预测的新问题。首先，我们根据未来的指标期望，为各种业务场景提出灵活的用户参与度定义。接下来，我们设计一个端到端的神经框架FATE，该框架包含我们确定的影响用户参与度的三个关键因素，即友谊，用户行为和时间动态，以实现可解释的参与度预测。 FATE基于基于张量的图神经网络（GNN），LSTM和混合注意机制，该机制允许（a）基于不同特征类别之间学习的权重进行预测性解释，（b）降低网络复杂度，以及（c）改善了预测准确性和训练/推理时间的性能。我们对Snapchat的两个大型数据集进行了广泛的实验，其中FATE的性能比最新方法高出 approx 10 ％，减少了 approx 20 ％的运行时间。我们还评估了FATE的解释，显示出强大的定量和定性性能。
组建图的候选学院：启发式半监督学习框架
原文标题： Forming an Electoral College for a Graph: a Heuristic Semi-supervised Learning Framework
地址： http://arxiv.org/abs/2006.06469
作者： Chen Li, Xutan Peng, Hao Peng, Jianxin Li, Lihong Wang, Philip S. Yu
摘要： 最近，基于图的算法由于在半监督场景中取得了令人瞩目的成功而备受关注。为了获得更好的模型性能，以前的研究学习了如何变换输入图的拓扑。但是，这些工作仅专注于优化原始节点和边，而未探索增加现有数据的方向。在本文中，通过模拟图信号的生成过程，我们提出了一种新颖的启发式预处理技术，即ELectoral COllege（ELCO），该技术可自动扩展新的节点和边线以细化密集子图中的标签相似性。通过使用高质量的生成的标记数据大大扩展了原始训练集，我们的框架可以有效地使下游模型受益。为了证明ELCO的通用性和实用性，我们将其与流行的Graph Convolution Network和Graph Attention Network结合使用，以对三个标准数据集进行广泛的半监督学习评估。在所有经过测试的设置中，我们的方法将基本模型的平均分数提高了4个百分点，并且始终优于最新技术。请在https://github.com/RingBDStack/ELCO中找到我们的代码。
使用吸收马尔可夫链理解灾难响应期间的信息流动力学
原文标题： Understanding the Dynamics of Information Flow During Disaster Response Using Absorbing Markov Chains
地址： http://arxiv.org/abs/2006.06510
作者： Yitong Li, Wenying Ji
摘要： 本文旨在得出一个定量模型，以评估信息流对联邦政府向社区提供援助的有效性的影响。该模型的核心是一个专门的吸收性马尔可夫链，该链对考虑社区与利益相关者之间的互动和信息流的不确定性而向社区提供联邦援助的过程进行了建模。基于该模型，计算社区满意度的概率以反映灾难响应过程的有效性。提供了一个说明性示例来演示派生模型的适用性和可解释性。实际上，该研究为政府利益相关者提供了可解释的见解，以评估信息流对其灾难响应过程的影响，从而可以确定关键利益相关者并采取有针对性的积极行动来增强灾难响应能力。
地球上所有人类住区的精确制图、空间结构和分类
原文标题： Precise mapping, spatial structure and classification of all the human settlements on Earth
地址： http://arxiv.org/abs/2006.06584
作者： Emanuele Strano, Filippo Simini, Marco De Nadai, Thomas Esch, Mattia Marconcini
摘要： 地球上的人类住区（HSs）对所有自然和社会系统都有直接影响，但是关于地球上所有HS的位置和空间结构的详细和定量测量仍在争论中。我们在此提供《 2015年世界解决足迹》，前所未有的10 m分辨率的HS的全球空间清单，以及它们的覆盖范围，地理和形态的精确定量分析和空间模型。 HSs估计覆盖了全球可耕地面积的1.47％，并且可以通过其与规模结构的偏离，将其分类为四种主要模式类型。一个基于分散和集中化城市化之间动态相互作用的最小空间模型，能够再现跨地区的所有定居模式。我们的数据集和沉降模型可用于改进全球土地使用变化以及人类土地使用周期和相互作用的建模，并最终可以增进我们对全球人类化过程和人为环境变化的理解。
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。