- 基于深度Q学习/遗传算法的应对Covid-19大流行政府行动优化新方法;
- 考虑地理的流行病模型;
- 间歇但协调一致的区域策略可以缓解COVID-19流行：意大利案例的网络模型;
- 有缺失数据的网络中的免疫策略;
- COVID-Twitter-BERT：一种自然语言处理模型，用于分析Twitter上的COVID-19内容;
- 黎巴嫩COVID-19传播动力学;
- COVID-19危机期间Twitter中的信息领导者特征;
- 利用用户信任和移动性的电子健康敏感数据分发;
- 改造中国的燃煤电厂带来的汞有关的健康收益;
- 创新事业的成功与产品质量的关系不大;
- 动态图异常检测的结构含时图神经网络;
- 预测精神障碍在线社区中的用户情绪;
- 使用动态图神经网络的动态网络基础和建模：一项综述;
- 语言变化不是中性的空间证据;
- 能源和交通领域的共同转型的三个阶段;
- 基于真实数据的Facebook Prophet算法在成功销售预测中的应用;
- 复杂社会与法律的增长;
- 分析Twitter上流行词与城市词典活动之间的时间关系;
基于深度Q学习/遗传算法的应对Covid-19大流行政府行动优化新方法
原文标题： A Deep Q-learning/genetic Algorithms Based Novel Methodology For Optimizing Covid-19 Pandemic Government Actions
地址： http://arxiv.org/abs/2005.07656
作者： Luis Miralles-Pechuán, Fernando Jiménez, Hiram Ponce, Lourdes Martínez-Villaseñor
摘要： 每当国家受到大流行的威胁时（例如COVID-19病毒），政府都应采取正确的措施来维护公共卫生并减轻对经济的负面影响。在这方面，政府可以采取两种完全不同的方法：一种限制性的方法，其中的严厉措施（如自我隔离）会严重损害经济；另一种较为宽松的方法，其中放宽的限制可能使较高的比例面临风险。人口。最佳方法可能介于两者之间，为了做出正确的决定，有必要准确地估计采取一项或其他措施的未来效果。在本文中，我们使用SEIR流行病学模型（易感-暴露-感染-回收）来代表人群中COVID-19病毒随时间的演变。为了优化政府可以采取的最佳行动顺序，我们提出了一种具有两种方法的方法，一种基于深度Q学习，另一种基于遗传算法。根据着眼于实现两个目标的奖励系统，评估行动的顺序（约束，自我隔离，两米距离或不采取限制措施）：首先，感染很少的人，这样医院就不会被重症患者淹没；以及第二，避免太长时间采取严厉的措施，以免对经济造成严重损害。进行的实验证明，我们的方法论是发现政府可以采取的减少两种流行病大范围负面影响的行动的有效工具。我们还证明，基于深度Q学习的方法克服了基于遗传算法优化动作序列的方法。
考虑地理的流行病模型
原文标题： Epidemic models with geography
地址： http://arxiv.org/abs/2005.07673
作者： Alan Wilson
摘要： 大多数流行病模型是空间聚集的，并且最常用于计划和政策编号的索引r编号通常是指单个感兴趣的系统。例如，即使为相邻区域，地区或国家/地区中的每一个计算r个数字，它们之间也不会发生交互。在这里，我们旨在提供一个细粒度的地理区域：具有相互作用的空间分解系统中的流行病模型。这提供了对流行病动态以及旨在缓解和控制的政策提供新见解的可能性。
间歇但协调一致的区域策略可以缓解COVID-19流行：意大利案例的网络模型
原文标题： Intermittent yet coordinated regional strategies can alleviate the COVID-19 epidemic: a network model of the Italian case
地址： http://arxiv.org/abs/2005.07594
作者： Fabio Della Rossa, Davide Salzano, Anna Di Meglio, Francesco De Lellis, Marco Coraggio, Carmela Calabrese, Agostino Guarino, Ricardo Cardona, Pietro DeLellis, Davide Liuzza, Francesco Lo Iudice, Giovanni Russo, Mario di Bernardo
摘要： 2019年底在武汉爆发的COVID-19疫情对意大利的打击尤其严重，导致实施了严格的国家封锁规则（第一阶段）。现在，在意大利和国外，关于如何最好的策略重启一个国家以退出国家封锁的争论一直很激烈（第二阶段）。先前的研究集中于在国家层面上对可能的重启情景进行建模，而忽略了意大利与世界其他国家一样划分为行政区域的事实，这些行政区域可以独立地监督自己在意大利国家卫生服务局中的份额。在这项研究中，我们表明，区域主义和区域之间的异质性对于理解流行病的传播至关重要，更重要的是，对于设计有效的后锁定策略来控制该疾病至关重要。为了实现这一目标，我们将意大利建模为一个区域网络，并在距最初爆发近两个月的真实数据上参数化每个区域的模型。使用该模型，我们确认了意大利政府迄今为减轻该疾病的传播而实施的国家封锁策略在区域一级的有效性，并显示了其在区域一级的有效性。我们还建议，尽管采取协调一致的措施，但有区别的区域干预措施在第二阶段可以有效地重启该国，并避免该流行病再次发生，同时避免区域卫生系统饱和并减轻对成本的影响。我们的研究和方法可以轻松扩展到其他级别的粒度（同一地区的省或县或其他联邦国家的州等），以支持政策制定者和决策者。
有缺失数据的网络中的免疫策略
原文标题： Immunization Strategies in Networks with Missing Data
地址： http://arxiv.org/abs/2005.07632
作者： Samuel F. Rosenblatt, Jeffrey A. Smith, G. Robin Gauthier, Laurent Hébert-Dufresne
摘要： 以网络为基础的干预策略可以是减少各种环境中有害传染的有效且具成本效益的方法。根据研究，这些策略通常不可行，因为它们通常假设您完全了解网络结构，这在实践中是不常见的。在本文中，我们研究了在部分情况下通过部分观察到的网络数据告知免疫策略在实际条件下如何执行。我们的结果表明，在大多数情况下，像程度免疫一样的全局免疫策略是最佳的。唯一的例外是丢失数据的水平很高，在这种情况下，随机策略（如熟人免疫）开始在最小化爆发方面超过了它们。随机策略在某些情况下会更强大，因为丢失数据可能会影响它们的方式不同。实际上，我们提出的熟人免疫的一种变体利用了逻辑上现实的正在进行的调查干预过程，作为有针对性的数据恢复的一种形式，可以随着丢失数据水平的提高而提高。这些结果支持了常规免疫靶向免疫的有效性。他们还强调了将网络视为理想的数学对象的风险：高估了网络数据的准确性，并忽视了额外查询的好处。
COVID-Twitter-BERT：一种自然语言处理模型，用于分析Twitter上的COVID-19内容
原文标题： COVID-Twitter-BERT: A Natural Language Processing Model to Analyse COVID-19 Content on Twitter
地址： http://arxiv.org/abs/2005.07503
作者： Martin Müller, Marcel Salathé, Per E Kummervold
摘要： 在这项工作中，我们发布了基于变压器的模型COVID-Twitter-BERT（CT-BERT），该模型预先训练了大量关于COVID-19的Twitter消息集。在五个不同的分类数据集上，我们的模型与基本模型BERT-Large相比，显示出10-30％的边际改进。最大的改进是在目标域上。预训练的转换器模型（例如CT-BERT）在特定的目标域上进行训练，可用于各种自然语言处理任务，包括分类，问答和聊天机器人。 CT-BERT经过优化，可用于COVID-19内容，尤其是Twitter的社交媒体帖子。
黎巴嫩COVID-19传播动力学
原文标题： The Dynamics of COVID-19 spread in Lebanon
地址： http://arxiv.org/abs/2005.07251
作者： Omar El Deeb, Maya Jalloul
摘要： 我们采用三种不同的方法来探索2019年冠状病毒病（COVID-19）在黎巴嫩的传播，即SEIR模型，重复迭代模型和费米-狄拉克样模型。自第一例被诊断出的病例以来，我们拟合了可用的每日数据的前75天，并预测了与不同程度的社会疏远措施相关的传染病可能发生的情况。我们确定了黎巴嫩的初始生殖传播率及其随后的动态。我们的结果表明，保持严格的缓解措施将阻止疾病的传播。然而，放松措施将在几周内引发第二次感染爆发，其严重程度取决于放松程度。
COVID-19危机期间Twitter中的信息领导者特征
原文标题： Characterizing information leaders in Twitter during COVID-19 crisis
地址： http://arxiv.org/abs/2005.07266
作者： David Pastor-Escuredo, Carlota Tarazona
摘要： 在当前的COVID-19大流行等危机中，信息是关键，因为它极大地影响着人们的意见，行为甚至心理状态。联合国秘书长已经确认，误传信息是大流行病造成的重要次生危机。信息传播可以在不同方面放大大流行的真正负面影响：社会，经济甚至卫生。例如，信息传播会导致不同人群之间的仇恨，从而使社会分散影响其反应或导致消极的习惯，从而有助于大流行的传播。相反，可靠，可信赖的信息以及希望和团结的信息可用于控制大流行，建立安全网并帮助促进复原力和抗脆弱性。我们根据对来自该社会网络中活动的社交图进行分析，提出了一个框架来表征Twitter中的领导者。中心度度量标准用于标识相关节点，这些节点进一步根据Twitter管理的用户参数来表征。然后，我们评估领导者集群的结果拓扑。尽管此工具可用于监视个人，但我们建议将其作为建设性应用程序的基础，以使用户能够对网络的集体行为和信息传播产生积极影响。
利用用户信任和移动性的电子健康敏感数据分发
原文标题： E-Health Sensitive Data Dissemination Exploiting Trust and Mobility of Users
地址： http://arxiv.org/abs/2005.07296
作者： Agnaldo Batista, Michele Nogueira, Aldri Santos
摘要： 电子医疗服务处理大量敏感数据，需要可靠性和保密性。新技术的出现将电子医疗服务推向了传统护理机构之外的持续医疗服务领域。这造成了不确定和不可靠的条件，从而带来了控制敏感用户数据分发的挑战。然后，在需要快速响应的情况下（例如，心脏骤停），敏感数据的传播存在差距。这使网络有义务在用户移动性，动态网络拓扑以及设备之间的偶尔交互下提供可靠的敏感数据分发。在本文中，我们提出了STEALTH，该系统利用社会信任和感兴趣的社区来应对这些挑战。隐身遵循两个步骤：聚类和传播。首先，STEALTH根据用户的兴趣对设备进行分组，形成兴趣社区。医疗紧迫性启动了第二个过程，根据设备之间的信任级别，STEALTH会将用户敏感数据分发到属于特定社区的设备。仿真结果表明，STEALTH确保将数据分发给可以为高效服务做出贡献的人员。 STEALTH在访问敏感数据方面的可靠性高达97.14％，最大延迟为170 ms，在紧急情况下的可用性高达100％。
改造中国的燃煤电厂带来的汞有关的健康收益
原文标题： Mercury-related health benefits from retrofitting coal-fired power plants in China
地址： http://arxiv.org/abs/2005.07346
作者： Jiashuo Li, Sili Zhou, Wendong Wei, Jianchuan Qi, Yumeng Li, Bin Chen, Ning Zhang, Dabo Guan, Haoqi Qian, Xiaohui Wu, Jiawen Miao, Long Chen, Sai Liang, Kuishuang Feng
摘要： 中国已在燃煤电厂（CFPP）中实施了改造措施，以通过小机组停工（SUS），安装空气污染控制装置（APCD）和提高发电效率（PGE）来减少空气污染。这些措施减少的剧毒汞排放及其对健康的影响尚未得到很好的研究。为了完善缓解措施，我们结合中国工厂的汞排放清单和中国汞风险源追踪模型，通过在中国的“十二五”规划期间通过改进措施评估了减少汞排放的健康益处。我们发现，这些措施减少了23.5吨汞排放（约占2010年CFPP排放的1/5），防止了每只胎儿的智商（IQ）下降0.0021点，并避免了114人死于致命性心脏病。 CFPP的关闭和APCD的安装主导了这些优势。省级卫生福利主要归因于其他地区汞减少。我们还证明了在选择汞控制设备时，不仅要考虑人类健康的影响，而且要考虑减少汞的排放。这项研究还表明，汞控制策略应考虑各种因素，例如CFPP的位置，人口密度以及总Hg（THg）和Hg2 +的减少之间的权衡。
创新事业的成功与产品质量的关系不大
原文标题： Success in creative careers depends little on product quality
地址： http://arxiv.org/abs/2005.07349
作者： M.V. Simkin
摘要： Janosov，Battiston和Sinatra在最近的文章中报告说，他们将创意职业中的才能和运气分开。它们建立在Sinatra等人先前的工作（引入Q模型）的基础上。在该模型下，文化的不同元素的普及是两个因素的产物：一个随机因素和一个Q因子或人才。后者是固定的，但会随机分配给不同的人。通过这种方式，他们解释了一些人如何能够持续产生高影响力的作品。他们从关于他们作品受欢迎程度的统计数据中提取了不同科学家，作家和电影制作人的Q因子。但是，他们在他们的文章中勉强声明书和电影的受欢迎程度和质量等级之间几乎没有相关性（相关系数为0.022和0.15）。我分析了原始Q因子文章的数据，并获得了基于引文的Q因子与仅获得0.19诺贝尔奖的相关性。我还简要回顾了一些其他实验，这些实验发现文化产品的受欢迎程度和质量之间存在微弱甚至有时是负面的关系。我得出的结论是，如果存在与高Q因子相关联的能力，那么它应该是营销能力，而不是生产更高质量产品的能力。亚诺索夫
动态图异常检测的结构含时图神经网络
原文标题： Structural Temporal Graph Neural Networks for Anomaly Detection in Dynamic Graphs
地址： http://arxiv.org/abs/2005.07427
作者： Lei Cai, Zhengzhang Chen, Chen Luo, Jiaping Gui, Jingchao Ni, Ding Li, Haifeng Chen
摘要： 在动态图中检测异常是一项至关重要的任务，在安全，金融和社交媒体等领域有许多实际应用。以前基于网络嵌入的方法主要集中在学习良好的节点表示上，而在很大程度上忽略了与动态图中的目标节点相关的子图结构更改。在本文中，我们提出了 modele，一种用于检测动态图中异常边的端到端结构含时图神经网络模型。特别是，我们首先提取以目标边为中心的 h -hop封闭子图，并提出节点标记功能以标识子图中每个节点的作用。然后，我们利用图卷积运算和Sortpooling层从每个快照/时间戳中提取固定大小的特征。基于提取的特征，我们利用门控循环单元（GRU）捕获时间信息以进行异常检测。在六个基准数据集和一个真实的企业安全系统上进行的大量实验证明了 modele的有效性。
预测精神障碍在线社区中的用户情绪
原文标题： Predicting User Emotional Tone in Mental Disorder Online Communities
地址： http://arxiv.org/abs/2005.07473
作者： Bárbara Silveira, Fabricio Murai, Ana Paula Couto da Silva
摘要： 在线社会网络已成为患有精神疾病的人们之间交流，分享痛苦时刻并寻求支持的重要媒介。在这里，我们分析Reddit的讨论如何帮助改善用户的健康状况。使用用户出版物的情绪基调作为其情绪状态的主体，我们发现状态变化与他在给定社区中的互动之间的关系。我们观察到，负面文章的作者在进行讨论后通常会发表更多正面评论。其次，我们基于最先进的嵌入技术和RNN构建模型，以预测情绪变化。我们表明，有可能以较高的准确性预测精神障碍在线社区的用户对这些平台中经历的交互的反应。我们的模型可以协助卫生保健专业人员提倡的干预措施，为患有精神疾病的人们提供支持。
使用动态图神经网络的动态网络基础和建模：一项综述
原文标题： Foundations and modelling of dynamic networks using Dynamic Graph Neural Networks: A survey
地址： http://arxiv.org/abs/2005.07496
作者： Joakim Skarding, Bogdan Gabrys, Katarzyna Musial
摘要： 动态网络被广泛用于各个领域，包括社会网络分析，推荐系统和流行病学。将复杂的网络表示为随时间变化的结构允许网络模型不仅利用结构，而且利用时间模式。但是，由于动态网络文献源于不同领域，并且使用了不一致的术语，因此导航非常困难。同时，图神经网络（GNN）近年来由于其在一系列网络科学任务（例如链路预测和节点分类）中表现出色的能力而受到了广泛关注。尽管图神经网络很流行并且具有动态网络模型的公认优势，但很少有人关注动态网络的图神经网络。我们旨在提供使动态网络神秘化，引入动态图神经网络（DGNN）并吸引具有网络科学或数据科学背景的研究人员的综述。我们的贡献是：（i）全面的动态网络分类法；（ii）动态图神经网络的调查；（iii）动态图神经网络如何用于动态链路预测的概述。
语言变化不是中性的空间证据
原文标题： Spatial evidence that language change is not neutral
地址： http://arxiv.org/abs/2005.07553
作者： James Burridge, Tamsin Blaxter
摘要： 遗传和语言演化的中性理论认为，变体的相对频率通过随机漂移而演化。中性演化仍然是语言变化的一个可能的无效模型。在本文中，我们通过考虑语言调查中观察到的地理模式来提供针对中立假设的证据。我们将说话者建模为嵌入空间的Hopfield网络中的神经元，类似于统计物理学的经典二维晶格模型之一。模型的通用性类别取决于神经元激活函数的形式，该函数编码说话者的学习行为。我们将英语方言调查生成的地图作为网络样本。最大似然分析以及真实地图和模拟地图之间的空间自相关性比较表明，这些地图更可能属于一致性驱动的Ising类，在该类中，界面受表面张力驱动，而不是中性Voter类，其中它们是由噪音驱动的。
能源和交通领域的共同转型的三个阶段
原文标题： Three stages in the co-transformation of the energy and mobility sector
地址： http://arxiv.org/abs/2005.07571
作者： Simon Morgenthaler, Justus Dünzen, Ingo Stadler, Dirk Witthaut
摘要： 风能和太阳能等可再生能源在效率，成本和可用性方面已取得了显著发展，但是系统集成仍然是一个挑战。要实现完全可再生的电力供应，将需要大规模的存储技术和灵活的用户来克服长期的低发电量。同时，必须使其他领域（如交通和工业）电气化，以替代化石燃料。沼气发电是一项很有前途的技术，因为它可以利用现有基础设施实现大规模的能量存储和扇区耦合。在这项工作中，我们分析了德国电力，交通运输和工业部门的共同转型，同时考虑了到2038年为止逐步淘汰煤炭的最新决定。我们评估了可再生能源的容量，存储容量以及系统成本和相关排放在开源框架OSeMOSYS中使用具有高技术和时间分辨率的技术经济优化模型。我们发现，由于排放差距的减小和煤的逐步淘汰，驱动了三个相当不同的转变阶段。到2030年，太阳能将得到极大的扩展，然后到2040年，煤将主要由化石天然气替代。此后，排放上限变得非常具有挑战性，因此，所有灵活性选项都将大大扩展：存储，缩减和灵活的沼气发电。
基于真实数据的Facebook Prophet算法在成功销售预测中的应用
原文标题： Application of Facebook's Prophet Algorithm for Successful Sales Forecasting Based on Real-world Data
地址： http://arxiv.org/abs/2005.07575
作者： Emir Zunic, Kemal Korjenic, Kerim Hodzic, Dzenana Donko
摘要： 本文提出了一个框架，该框架能够准确地预测零售行业的未来销售额，并根据预测可靠性的预期水平对产品组合进行分类。所提议的框架将对Facebook的Prophet算法和回测策略非常有用，该框架将对零售行业中的任何公司都非常有用。在波斯尼亚和黑塞哥维那最大的零售公司之一的生产环境中通过实验获得的实际销售预测基准数据用于评估框架并展示其在实际用例场景中的功能。
复杂社会与法律的增长
原文标题： Complex Societies and the Growth of the Law
地址： http://arxiv.org/abs/2005.07646
作者： Daniel Martin Katz, Corinna Coupette, Janis Beckedorf, Dirk Hartung
摘要： 关于法律演变的最受欢迎的叙述之一是其规模和复杂性的不断增长。我们对两个工业化国家的联邦立法进行了定量确认，在过去的两年半中，德国和美国的法律有了令人印象深刻的扩展。我们将25年的立法建模为多维的，随时间演变的文档网络，我们使用网络科学和自然语言处理方法研究了这一发展的来源。为了进行跨国比较，我们将美国和德国的立法材料重组为反映法律主题的分组。我们表明，在两个司法管辖区中，法律增长的主要推动力是福利国家的扩张，而税收国家的扩张则是其后盾。
分析Twitter上流行词与城市词典活动之间的时间关系
原文标题： Analyzing Temporal Relationships between Trending Terms on Twitter and Urban Dictionary Activity
地址： http://arxiv.org/abs/2005.07655
作者： Steven R. Wilson, Walid Magdy, Barbara McGillivray, Gareth Tyson
摘要： 作为在线的，众包的，开放式英语语词典，Urban Dictionary平台包含大量的观点，笑话以及术语，短语，首字母缩写等等的定义。但是，目前尚不清楚该平台上的活动与网络上其他地方发生的较大对话（例如，在更大，更流行的社交媒体平台上进行的讨论）如何相关。在这项研究中，我们研究了“城市词典”上的时间活动趋势，并首次分析了该活动与主要社会网络（Twitter）上讨论的内容之间的关系。通过收集整个《城市词典》以及七年来的大量推文样本，我们探索了《城市词典》中定义和搜索的单词和短语与Twitter上谈论的内容之间的联系。通过一系列互相关计算，我们确定了“城市词典”活动密切反映Twitter上发生的较大交谈的情况。然后，我们分析与Twitter上的讨论有更强联系的术语类型，发现与Twitter正相关的城市词典活动以与模因，受欢迎的公众人物和离线事件相关的术语为中心。最后，我们探讨了术语在Twitter上流行的时间段与Urban Dictionary上相应活动之间的关系，揭示了对于当前在Twitter上流行的术语，新定义更有可能添加到Urban Dictionary中。
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。