- 复杂网络上广义互惠的合作动力学;
- 使用图表示学习处理缺失数据;
- netrd：用于网络重建和图距离的库;
- 打车出行需求差异对交通弹性的影响：伊利诺伊州芝加哥市邻里效应的多层次分析;
- 一种新颖的可配置基于主体的仿真模型，可减少任何肿瘤科的患者等待时间;
- 使用多因素Twitter数据分析方法预测美国2020年11月的选举结果;
- COVI-AgentSim：用于评估数字联系人跟踪方法的基于主体的模型;
- 哪些模型特征重要？一种评估电力市场建模选择的实验方法;
复杂网络上广义互惠的合作动力学
原文标题： Cooperation dynamics of generalized reciprocity on complex networks
地址： http://arxiv.org/abs/2010.16356
作者： Viktor Stojkoski
摘要： 最近的研究表明，可以通过广义互惠来解释合作行为的出现，广义互惠是一种基于“如果有人帮助，则帮助他人”的行为机制。在复杂的系统中，合作动力学很大程度上由网络结构决定，网络结构决定了相邻个人之间的交互。尽管有大量的研究，但网络结构在通过广义互惠促进合作中的作用仍然是一个尚未被探索的现象。在本博士论文中，我们利用动力系统理论中的基本工具，并为研究复杂网络上广义互惠的合作动力学建立了一个统一的框架。我们使用该框架对广义互惠在促进三种不同的互动结构中的合作中的作用进行了理论上的概述：i）社会困境，ii）多维网络和iii）波动的环境。结果表明，通过普遍的互惠进行的合作总是作为唯一的吸引子出现的，在该吸引子中，合作的整体水平最大化，同时防止了参与个体的剥削。网络结构的影响通过局部中心度度量来刻画，该度量通过指示微观和宏观层次上显示的协作程度来唯一地量化网络结构的协作倾向。结果，我们成果的实施可能不仅仅解释合作的发展。特别是，它们可以直接应用于处理能够充分模仿现实的人工系统开发的领域，例如强化学习。
使用图表示学习处理缺失数据
原文标题： Handling Missing Data with Graph Representation Learning
地址： http://arxiv.org/abs/2010.16418
作者： Jiaxuan You, Xiaobai Ma, Daisy Yi Ding, Mykel Kochenderfer, Jure Leskovec
摘要： 具有缺失数据的机器学习已经以两种不同的方式进行了处理，包括特征归因（其中基于观察值估计缺失特征值）和标签预测（其中下游标签直接从不完整数据中学习）。但是，现有的归因模型往往具有很强的先验假设，无法从下游任务中学习，而针对标签预测的模型通常涉及启发式算法，并且可能遇到可伸缩性问题。在这里，我们提出了GRAPE，GRAPE，一种基于图的框架，用于特征插补和标签预测。 GRAPE使用图表示法来解决丢失的数据问题，其中观察和特征被视为二部图中的两种类型的节点，而观察到的特征值则作为边。在GRAPE框架下，特征插补被公式化为边级预测任务，而标签预测被公式化为节点级预测任务。然后使用Graph Neural Networks解决这些任务。在9个基准数据集上的实验结果表明，与现有的最新方法相比，GRAPE的插补任务平均绝对误差降低了20％，标签预测任务的平均绝对误差降低了10％。
netrd：用于网络重建和图距离的库
原文标题： netrd: A library for network reconstruction and graph distances
地址： http://arxiv.org/abs/2010.16019
作者： Stefan McCabe, Leo Torres, Timothy LaRock, Syed Arefinul Haque, Chia-Hung Yang, Harrison Hartle, Brennan Klein
摘要： 在过去的二十年中，随着大型网络数据集可用性的提高，我们目睹了网络科学的迅速兴起。但是，对于许多系统而言，我们可以访问的数据并不是对底层网络的直接描述。越来越多地，我们看到了研究从非网络数据推断或重建的网络的动力，特别是使用来自系统节点的时间序列数据来推断它们之间可能的连接。为该任务选择最合适的技术是网络科学中一个具有挑战性的问题。不同的重建技术通常具有不同的假设，并且它们的性能在现实世界中随系统的不同而不同。解决此问题的一种方法可能是使用几种不同的重建技术并比较生成的网络。但是，网络比较也不是一个容易的问题，因为如何最好地量化两个网络之间的差异并不明显，部分原因是这样做的工具多种多样。 netrd Python软件包试图通过在一个库（https://github.com/netsiphd/netrd）中提供我们所知的网络重构技术和网络比较技术（通常称为图距离）的最广泛集合来解决网络科学中的这两个并行问题。在本文中，我们详细介绍了netrd包的两个主要功能。在此过程中，我们描述了其一些其他有用的功能。该程序包建立在常用的Python程序包的基础上，并且已经是网络科学家和其他多学科研究人员广泛使用的资源。随着正在进行的开源开发，我们将其视为一种工具，以后所有类型的研究人员都将继续使用它。
打车出行需求差异对交通弹性的影响：伊利诺伊州芝加哥市邻里效应的多层次分析
原文标题： Disparities in ridesourcing demand for mobility resilience: A multilevel analysis of neighborhood effects in Chicago, Illinois
地址： http://arxiv.org/abs/2010.15889
作者： Elisa Borowski, Jason Soria, Joseph Schofer, Amanda Stathopoulos
摘要： 出行弹性是指尽管计划外的运输系统中断，个人仍能完成所需旅行的能力。诸如出行服务之类的新的按需机动性选项的潜力，可以填补机动性中无法预测的空白，这是自适应能力的未得到充分开发的来源。通过对新发布的拼车数据应用自然实验方法，我们通过分析整个种族和地区意外的轨道交通服务中断期间拼车的使用变化，研究了交通系统突然受到冲击时按需机动性在填补缺口方面的差异。经济多样化的芝加哥市。使用多级混合模型，我们不仅可以控制发生中断的即时站点属性，还可以控制三级结构中社区区域和城市象限的更广泛上下文。因此，除了控制站级影响外，邻里之间未观察到的变异性还可能与诸如过境乘车率或居民的社会经济地位等因素的差异相关。我们的研究结果表明，在铁路运输中断期间，个人将骑车出差作为填补缺口的机制，但是在各种情况和位置环境之间存在很大差异。具体来说，我们的结果显示，在工作日，非节假日和更严重的交通中断期间，以及在白人居民和通勤通勤者所占比例较高的社区地区，以及在城市较富裕的北部地区，交通干扰响应性骑乘服务的增长更大。这些发现指出了新的见解，对乘车出行如何通过在中断期间增加容量来补充现有运输网络产生深远影响，但似乎并没有给通常具有更多流动性选择的低收入有色社区带来公平的填补空缺的好处。
一种新颖的可配置基于主体的仿真模型，可减少任何肿瘤科的患者等待时间
原文标题： A novel configurable agent-based simulation model for reducing patient's waiting time in any oncology department
地址： http://arxiv.org/abs/2010.15922
作者： R. R. Corsini, A. Costa, S. Fichera, A.Pluchino
摘要： 如今，需求的增加和资源的逐渐减少导致许多化疗肿瘤科的患者等待时间的增加。减少等待时间是任何医疗保健经理的主要目标之一，因为这意味着提高医疗服务的质量并避免索赔和失望。仿真模型被认为是一种有效的工具，可用于确定改善肿瘤患者路径的可能方法。与文献中存在的典型离散事件模拟不同，本文提出了一种新颖的基于主体的方法，该方法可以适应任何肿瘤科的需求。该模型经过统计验证，利用了从作为案例研究选择的实际肿瘤学部门收集的数据，并测试了几种替代方案以提高系统性能。
使用多因素Twitter数据分析方法预测美国2020年11月的选举结果
原文标题： Prediction of USA November 2020 Election Results Using Multifactor Twitter Data Analysis Method
地址： http://arxiv.org/abs/2010.15938
作者： Ibrahim Sabuncu, Mehmet Ali Balci, Omer Akguller
摘要： 在基于Twitter数据进行的选举结果预测研究中，使用以下因素之一进行了估算：有关政党的正面，负面和中性推文数量，这些推文的影响大小（重新推文数量），或发布这些推文的人数。但是，没有发现将所有这些因素一起使用的研究。这项研究的目的是开发一种新方法，该方法考虑到所有已描述的因素，并在此背景下为文献做出了贡献。为此，已经开发了一种基于Twitter数据的选举结果预测的新模型。通过尝试预测11月美国2020年选举的结果对模型进行了测试，而在撰写本文的第一版时该选举尚未发生。而且，已经与文献中的替代估计方法进行了比较。使用自回归分数积分移动平均模型（FARIMA）对2020年9月1日至10月21日收集的大约1000万条推文进行了分析。分析的结果是，11月3日的模型参数计算为-0.213423（民主党）和0.0455818共和党人。基于这些分数可以得出结论，共和党将小幅度的赢得大选。
COVI-AgentSim：用于评估数字联系人跟踪方法的基于主体的模型
原文标题： COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing
地址： http://arxiv.org/abs/2010.16004
作者： Prateek Gupta, Tegan Maharaj, Martin Weiss, Nasim Rahaman, Hannah Alsdurf, Abhinav Sharma, Nanor Minoyan, Soren Harnois-Leblanc, Victor Schmidt, Pierre-Luc St. Charles, Tristan Deleu, Andrew Williams, Akshay Patel, Meng Qu, Olexa Bilaniuk, Gaétan Marceau Caron, Pierre Luc Carrier, Satya Ortiz-Gagné, Marc-Andre Rousseau, David Buckeridge, Joumana Ghosn, Yang Zhang, Bernhard Schölkopf, Jian Tang, Irina Rish, Christopher Pal, Joanna Merckx, Eilif B. Muller, Yoshua Bengio
摘要： COVID-19在全球的迅速普及导致对减轻疾病传播的有效方法的空前需求，并且各种数字接触跟踪（DCT）方法已成为解决方案的组成部分。为了做出明智的公共卫生选择，需要一种工具，以允许评估和比较DCT方法。我们引入了一个基于主体的分区模拟器，我们将其称为COVI-AgentSim，它基于经验研究得出的参数，综合了对病毒学，疾病进展，社会网络和流动性模式的详细考虑。通过与真实数据进行比较，我们验证了COVI-AgentSim能够重现真实的COVID-19传播动态，并进行了敏感性分析，以验证接触追踪方法的相对性能在一系列设置中是否一致。我们使用COVI-AgentSim进行成本效益分析，将没有DCT的情况与以下情况进行比较：1）标准二元接触跟踪（BCT），它根据二元测试结果分配二元建议； 2）基于规则的基于特征的联系人跟踪（FCT）方法，该方法根据不同的单个特征分配推荐等级。我们发现，所有DCT方法都可以持续减少疾病的传播，而且在广泛的采用率中，保持了FCT优于BCT的优势。基于特征的接触者追踪方法避免了每项社会经济成本（以损失的生产小时数衡量）带来的更多残疾调整生命年（DALY）。我们的结果表明，任何DCT方法都可以帮助挽救生命，支持经济开放并防止第二波疫情爆发，而FCT方法是利用自我报告的症状丰富BCT，产生早期预警信号并显著降低BCT的有希望的方向。按社会经济成本传播病毒。
哪些模型特征重要？一种评估电力市场建模选择的实验方法
原文标题： Which model features matter? An experimental approach to evaluate power market modeling choices
地址： http://arxiv.org/abs/2010.16142
作者： Kais Siala, Mathias Mier, Lukas Schmidt, Laura Torralba-Díaz, Siamak Sheykkha, Georgios Savvidis
摘要： 我们使用五种电力市场模型进行模型间和模型内比较的新颖实验方法，以为2050年之前的欧洲脱碳途径提供有力的政策建议。近视），时间分辨率（8760对384小时）和空间分辨率（28个国家对12个大区域）。模型类型从根本上决定了容量扩展的演变。在二氧化碳价格高昂的情况下，规划范围（假设企业的远见）起着次要作用。反过来，由于二氧化碳价格低，近视模型的结果与跨期模型的结果有很大差异。较低的时间和空间分辨率分别通过存储和被忽略的传输边界来促进风力发电。使用模拟而不是优化框架，可能需要更短的公司计划范围或更低的时间和空间分辨率来降低计算复杂性。我们提供有关如何限制此类情况下差异的建议。
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。