- 衡量COVID-19对城市交通影响的交通性能指标;
- 使用Twitter和人口普查数据分析探索COVID-19后重新开放情绪的社会经济因素;
- 美国第一波COVID-19地方疫情的差异揭示了人口密度、人口统计学、气候、易感性耗竭以及干预所产生的独特影响;
- 时变图信号的Sobolev模最小化：新型冠状病毒案例的估计;
- 在COVID-19大流行期间监视Twitter上的抑郁趋势;
- 表征竞争性疫苗接种社区中的社会语言学差异;
- 加权超软配置模型;
- 真实世界复杂网络上量子游走的零特征值局部化;
- 走向可见恒星数量图集;
- 意见变更成本的集体效应;
- 通过单纯复形上的热扩散进行图分类;
- 大型网络的网络保险定价;
- 使用救援指南最大限度地减少人群从复杂建筑中撤离的时间;
- 图对齐问题中的部分恢复;
- 随时间推移导航金融嵌入的动态;
- 多维主题空间中两极分化的意识形态的出现;
衡量COVID-19对城市交通影响的交通性能指标
原文标题： Traffic Performance Score for Measuring the Impact of COVID-19 on Urban Mobility
地址： http://arxiv.org/abs/2007.00648
作者： Zhiyong Cui, Meixin Zhu, Shuo Wang, Pengfei Wang, Yang Zhou, Qianxia Cao, Cole Kopca, Yinhai Wang
摘要： 衡量交通性能对于管理交通的公共机构和计划行程的个人至关重要，尤其是在发生特殊事件时。 COVID-19大流行严重影响了日常生活的几乎各个方面，包括城市交通方式。因此，重要的是测量COVID-19对交通的影响，以进一步指导机构和居民正确应对交通方式的变化。但是，大多数现有的交通性能指标仅包含单个交通参数，并且仅测量各个走廊的性能。为了克服这些挑战，在本研究中，提出了一种流量性能得分（TPS），其中包含了用于测量网络范围流量性能的多个参数。华盛顿大学STAR实验室开发了一种基于交互式Web的TPS平台，该平台可提供实时和历史时空交通性能分析。基于此平台的数据，本研究分析了COVID-19对不同路段和整个交通网络的影响。考虑到这种流行病极大地重塑了社会和经济运作，因此本研究还从旅行需求和驾驶行为的角度评估了COVID-19如何改变城市的出行方式。
使用Twitter和人口普查数据分析探索COVID-19后重新开放情绪的社会经济因素
原文标题： Twitter and Census Data Analytics to Explore Socioeconomic Factors for Post-COVID-19 Reopening Sentiment
地址： http://arxiv.org/abs/2007.00054
作者： Md. Mokhlesur Rahman, G. G. Md. Nawaz Ali, Xue Jun Li, Kamal Chandra Paul, Peter H.J. Chong
摘要： 在研究人员中，对社交媒体用户对项目，情况和系统的情绪进行调查和分类非常普遍。但是，他们很少讨论这种情绪的潜在社会经济因素关联。这项研究试图探讨在COVID-19全球危机中，美国与经济开放有关的正面和负面情绪相关的因素。它考虑了情境的不确定性（即由于锁定政策导致工作和旅行方式的变化），经济下滑和相关的创伤以及诸如抑郁之类的情绪因素。为了了解人们对重新开放经济的看法，收集了Twitter数据，这些数据代表包括美国华盛顿特区在内的51个州。收集了全州人民的社会经济特征，建筑环境数据以及与COVID-19相关的案例数，并将其与Twitter数据集成以进行分析。使用二进制logit模型来识别影响人们朝着积极或消极情绪的因素。 Logit模型的结果表明，家庭，低学历的人，劳动力中的人，低收入者和房租较高的人对重新开放经济更感兴趣。相反，拥有大量成员和高收入的家庭对重新开放经济的兴趣较小。该模型可以正确分类56.18％的情绪。 Pearson chi2测试表明，该模型总体上具有较高的拟合优度。这项研究为政策制定者提供了明确的指示，他们可以在哪里分配资源以及他们可以采取哪些政策方案来改善人民的社会经济状况并减轻当前和未来流行病的影响。
美国第一波COVID-19地方疫情的差异揭示了人口密度、人口统计学、气候、易感性耗竭以及干预所产生的独特影响
原文标题： Diverse local epidemics reveal the distinct effects of population density, demographics, climate, depletion of susceptibles, and intervention in the first wave of COVID-19 in the United States
地址： http://arxiv.org/abs/2007.00159
作者： Niayesh Afshordi (U-Waterloo/Perimeter), Benjamin Holder (GVSU/U-Waterloo), Mohammad Bahrami, Daniel Lichtblau (Wolfram Research)
摘要： SARS-CoV-2大流行已在全球范围内造成了巨大的死亡率和发病率，几乎没有社区幸免。由于该疾病可能会在未来几年继续构成威胁，因此了解人类人口统计学和定居的确切影响以及气候，易感耗竭和干预等动态因素对局部流行病的传播至关重要。做出有效的回应。我们考虑了美国的整个地方流行病；人口，人口密度和气候因素的选择范围很广；和本地流动性数据，跟踪与社会隔离的干预措施，以确定驱动病毒传播和控制的关键因素。首先假设病例/死亡率的指数增长（或衰减）速率的线性模型，我们发现，一旦考虑了干预措施，人口加权的密度，湿度和中位年龄将主导增长和下降的动态。对不同都市圈的关注表明，一些地区受益于几乎同时关闭全国的时间和/或3月中旬的区域气候条件；而其他人则在干预之前遭受了重大爆发。我们使用感染传播的第一原理模型，然后针对社会疏远和当地气候条件的放松所产生的影响进行了预测。少数地区有相当一部分人口被感染，这些证据表明该流行病已通过减少易感人群（即“畜群免疫力”）而部分解决，而美国的大多数地区仍然是绝大多数。这些结果对于优化干预策略管理非常重要，可以使用我们的在线仪表板来简化这些策略。
时变图信号的Sobolev模最小化：新型冠状病毒案例的估计
原文标题： On the Minimization of Sobolev Norms of Time-Varying Graph Signals: Estimation of New Coronavirus Disease 2019 Cases
地址： http://arxiv.org/abs/2007.00336
作者： Jhony H. Giraldo, Thierry Bouwmans
摘要： 传染病的数学建模是控制爆发策略的基础研究领域。与该研究领域相关的模型通常在新病例数方面具有指数先验假设，而在这些模型中很少分析空间数据的探索。在本文中，我们将2019年冠状病毒病（COVID-19）的新病例数建模为重建时变图信号的问题。为此，我们提出了一种基于Sobolev范数最小化的图信号处理新方法。在约翰霍普金斯大学提供的两个COVID-19数据库中，我们的方法优于最新的算法。同样，我们依靠与我们方法的底层优化问题相关的Hessian的条件数，证明了Sobolev重构方法收敛速度的好处。
在COVID-19大流行期间监视Twitter上的抑郁趋势
原文标题： Monitoring Depression Trend on Twitter during the COVID-19 Pandemic
地址： http://arxiv.org/abs/2007.00228
作者： Yipeng Zhang, Hanjia Lyu, Yubao Liu, Xiyang Zhang, Yu Wang, Jiebo Luo
摘要： COVID-19大流行严重影响了人们的日常生活，并在全球范围内造成了巨大的经济损失。但是，它对人们的心理健康状况的影响尚未引起足够的重视。为了研究该主题，我们选择社交媒体作为主要数据资源，并创建了迄今为止最大的英文Twitter抑郁数据集，其中包含2,575个不同的已识别抑郁用户及其过去的推文。为了检查抑郁症对人们的Twitter语言的影响，我们在数据集上训练了三个基于变压器的抑郁症分类模型，并随着训练量的逐步增加来评估其表现，并比较了模型在“ tweet块”级别和用户级别的表现。此外，受心理学研究的启发，我们创建了一个融合分类器，将深度学习模型得分与心理文本特征和用户的人口统计信息相结合，并研究这些特征与抑郁信号的关系。最后，我们通过展示COVID-19大流行期间的两种应用来证明我们的模型能够同时监测群体水平和人口水平的抑郁趋势。我们希望这项研究能够提高研究人员和公众对COVID-19对人们心理健康的影响的认识。
表征竞争性疫苗接种社区中的社会语言学差异
原文标题： Characterizing Sociolinguistic Variation in the Competing Vaccination Communities
地址： http://arxiv.org/abs/2006.04334
作者： Shahan Ali Memon, Aman Tyagi, David R. Mortensen, Kathleen M. Carley
摘要： 公共卫生从业人员和政策制定者应对设计基于消息的有效干预措施来揭穿网络社区中公共卫生错误信息的挑战。消息的“成帧”和“个性化”是设计有说服力的消息传递策略的关键特征之一。为了进行有效的健康交流，当务之急是关注“基于偏好的框架”，其中要考虑目标子社区的偏好。为了实现这一目标，重要的是要了解目标社区并据此确定其特征。在与健康有关的错误信息中，疫苗接种仍然是不和谐的最普遍话题。因此，在本文中，我们对Twitter上的两个竞争性疫苗接种社区进行了社会语言学分析：“亲疫苗接种者”或相信疫苗接种有效性的个人，以及“抗疫苗接种者”或反对接种疫苗的个体。我们的数据分析显示，就使用语言增强器，代词和不确定性词而言，这两个社区之间存在显著的语言差异。我们的网络级分析显示，两个社区在网络密度，回声腔和EI指数方面存在显著差异。我们假设这些社会语言差异可以用作表征和理解这些社区的主体，以设计更好的消息干预措施。
加权超软配置模型
原文标题： Weighted hypersoft configuration model
地址： http://arxiv.org/abs/2007.00124
作者： Ivan Voitalov, Pim van der Hoorn, Maksim Kitsak, Fragkiskos Papadopoulos, Dmitri Krioukov
摘要： 网络的最大熵空模型有不同的形式，这取决于最大熵的约束类型。如果约束是度数序列或分布，则我们正在处理配置模型。如果度数序列受到严格约束，则具有给定度数序列的随机图的相应微规范合奏本身就是配置模型。如果程度序列仅在平均范围内受约束，则具有给定期望程度序列的随机图的相应大正典合奏为软配置模型。如果度数序列不是完全固定的而是从固定分布中随机抽取的，则具有给定度数分布的随机图的相应超规范集合是hypersoft配置模型，这是对度数序列为的动态现实世界网络的更充分描述从未固定，但学位分布通常保持稳定。在这里，我们介绍加权网络的超软件配置模型。主要贡献是具有幂律度和强度分布的模型的特定版本，以及具有度的强度的超线性尺度，从而模仿了某些实际网络的属性。作为副产品，我们将稀疏石墨烯及其熵的概念推广到加权网络。
真实世界复杂网络上量子游走的零特征值局部化
原文标题： Null-eigenvalue localization of quantum walks on real-world complex networks
地址： http://arxiv.org/abs/2007.00129
作者： Ruben Bueno, Naomichi Hatano
摘要： 首先，我们报告说，现实世界中复杂网络的邻接矩阵系统地具有零本征空间，其维数要比随机网络高。这些空特征值是由复制机制引起的，该复制机制导致具有局部对称性的结构出现在复杂组织中。这些状态的相关特征向量是强烈定位的。然后，我们在量子力学的背景下评估这些微结构，通过研究连续时间量子行走的传播来证明前面提到的局部化。这种零特征值本地化在以下几点上与安德森本地化有本质区别：首先，特征值不位于状态密度的边，而是位于其中心。第二，本征态不会按指数衰减，也不会泄漏出对称结构。从这个意义上讲，它更接近连续状态的束缚状态。
走向可见恒星数量图集
原文标题： Toward an atlas of the number of visible stars
地址： http://arxiv.org/abs/2007.00354
作者： Pierantonio Cinzano, Fabio Falchi
摘要： 用于大气中光污染传播的建模技术允许计算人造夜空在天空的任何方向上的亮度图，其中涉及来自卫星数据的大量细节。 Cinzano等。 （2001a）介绍了一种基于卫星辐射测量和光污染传播的Garstang模型在大面积的天顶上绘制肉眼星可见性的方法。它考虑了数字高程数据中每个陆地的海拔高度，基于Garstang方法的选定天空方向上的自然天空亮度，Garstang和Schaefer之后的眼睛视力以及可见光度波段中的大气消光。在这里，我们讨论了如何使用这些方法在观察夜空半球时获得平均可见恒星数的地图，最后逐个站点回答天空中可见多少颗星的问题。这并非微不足道，因为可见恒星的数量取决于天空中每个方向的极限大小，并且取决于该方向上的天空亮度，该天顶距离处的大气消光以及观察者的视敏度和经验。作为例子，我们向晴朗的夜晚，平均分辨率约为1 km的普通观察者展示了意大利可见恒星数量的地图。
意见变更成本的集体效应
原文标题： Collective effects of the cost of opinion change
地址： http://arxiv.org/abs/2007.00432
作者： Hendrik Schawe, Laura Hernández
摘要： 我们研究在变更意见涉及主体商成本的情况下意见形成的动态。为此，我们将异构有界置信度Hegselmann-Krause模型的动力学与主体对每种观点变化投入的资源的动力学耦合起来。动力学的结果是很重要的，并且在很大程度上取决于置信度参数空间的不同区域。特别是，在异质Hegselmann-Krause模型中观察到重入共有相的区域中发现了我们确定相应临界指数的二阶相变。对于异质Hegselmann-Krause模型中始终存在共识的地区，成本的引入不会导致相变，而只会导致最大的意见集群规模的持续减小。最后，在异质性HK模型中预计会出现碎片化的地区，极小的成本的引入反常增加了最大的意见集群的规模。
通过单纯复形上的热扩散进行图分类
原文标题： Graph Classification via Heat Diffusion on Simplicial Complexes
地址： http://arxiv.org/abs/2007.00434
作者： Mehmet Emin Aktas, Esra Akbas
摘要： 在本文中，我们研究了顶点标记图中的图分类问题。我们的主要目标是对归因于其单纯形上的热扩散的图的高阶结构进行分类。我们首先将顶点标记的图表示为单纯形加权超图。然后，我们在其单纯形上定义扩散Frechet函数，以对高阶网络拓扑进行编码，并最终通过将函数值与机器学习算法结合来达到我们的目标。我们在现实世界中的生物信息学网络上的实验表明，对单纯形使用扩散Fr 'e chet函数在图分类中很有前途，并且比基准方法更有效。据我们所知，本文是文献中针对图挖掘问题中的高维单纯形进行热扩散的第一篇论文。我们相信我们的方法可以扩展到不同的图挖掘领域，而不仅仅是图分类问题。
大型网络的网络保险定价
原文标题： Pricing cyber insurance for a large-scale network
地址： http://arxiv.org/abs/2007.00454
作者： Lei Hua, Maochao Xu
摘要： 面对缺乏网络保险损失数据的情况，我们提出了一种创新的方法，可以基于综合数据为大型网络的网络保险定价。综合数据是通过建议的风险分散和恢复算法生成的，该算法允许感染和恢复事件顺序发生，并允许随机等待时间依赖于不同节点的感染。采用无标度网络框架来考虑随机大规模网络的拓扑不确定性。进行了广泛的模拟研究，以了解风险的扩散和恢复机制，并发现最重要的承保风险因素。还提供了一个案例研究，以证明所提出的方法和算法可以进行相应的调整，以为网络保险定价提供参考。
使用救援指南最大限度地减少人群从复杂建筑中撤离的时间
原文标题： Minimizing the evacuation time of a crowd from a complex building using rescue guides
地址： http://arxiv.org/abs/2007.00509
作者： Anton von Schantz, Harri Ehtamo
摘要： 在紧急情况下，如果没有有效的疏散计划，从复杂建筑物中疏散大量人群可能会变得缓慢甚至危险。使用将人群引出大楼的救援向导可以提高疏散效率。一个重要的问题是如何选择这些指南的数量，位置和出口分配，以最大程度地疏散人群。在这里，我们使用社会力量模型和向导及其追随者的简单交互规则，将疏散人群建模为多主体系统。我们制定了使用救援指南作为随机控制问题来最大限度地缩短疏散时间的问题。然后，我们通过结合数值模拟和遗传算法（GA）的过程对其进行求解。 GA反复搜索最佳疏散计划，而数值模拟则评估计划的疏散时间。我们将该程序应用于测试用例和虚构会议楼的撤离。该过程能够在单个但复杂的优化过程中解决向导的数量，其初始位置和退出分配。所得结果表明，该过程收敛于最佳疏散计划，该计划可最大程度地缩短疏散时间并减轻交通拥堵以及坐席运动随机偏差的影响。
图对齐问题中的部分恢复
原文标题： Partial Recovery in the Graph Alignment Problem
地址： http://arxiv.org/abs/2007.00533
作者： Georgina Hall, Laurent Massoulié
摘要： 在本文中，我们考虑了图对齐问题，这是在给定两个图的情况下恢复节点之间一对一映射（最大化边重叠）的问题。此问题可以看作是众所周知的图同构问题的嘈杂版本，并且出现在许多应用中，包括社会网络去匿名和细胞生物学。这里我们的重点是部分恢复，即，我们寻找一对一的映射，该映射在图的一部分节点上正确，而不是在所有节点上正确，并且我们假设问题的两个输入图是参数（n，q，s）的相关Erd “ os-R 'enyi图。然后我们的主要贡献是为（n，q，s）提供必要和充分的条件，在该条件下部分恢复为当结点数 n 变为无穷大时，这些条件是很可能的，这些条件是紧凑的，易于解释的，并且覆盖了绝大多数参数空间。
随时间推移导航金融嵌入的动态
原文标题： Navigating the Dynamics of Financial Embeddings over Time
地址： http://arxiv.org/abs/2007.00591
作者： Antonia Gogoglou, Brian Nguyen, Alan Salimov, Jonathan Rider, C. Bayan Bruss
摘要： 金融交易构成了实体之间的联系，通过这些联系，制定了大规模的异构加权图。在这种不断更新的交互迷宫中，存在着多种基于相似性的模式，这些模式可以为金融系统的动态提供洞察力。在当前的工作中，我们建议在可扩展的动态设置中应用“图表示学习”，以一种有意义且健壮的方式捕获这些模式。我们将对潜在的轨迹进行严格的定性分析，以从提议的表示及其随时间的演变中提取现实世界的见解，这是我们所知，在金融领域尚属首次。潜在空间的变化与已知的经济事件有关，尤其是最近发生的Covid-19大流行对消费者形态的影响。捕获这种模式表示通过合并潜在图表示为财务建模增加了价值。
多维主题空间中两极分化的意识形态的出现
原文标题： Emergence of polarized ideological opinions in multidimensional topic spaces
地址： http://arxiv.org/abs/2007.00601
作者： Fabian Baumann, Philipp Lorenz-Spreen, Igor M. Sokolov, Michele Starnini
摘要： 意见分歧正在上升，引起公众辩论公开的担忧。此外，对不同主题的极端看法通常显示出显著的相关性。导致这些两极分化的意识形态的动力提出了一个挑战：如何在不假设个人喜好或既存社会结构先验的情况下出现这种关联？在这里，我们提出了一个简单的模型，该模型可以重现在调查数据中发现的意识形态观点状态，甚至在不相关但足够有争议的主题之间也是如此。受自然语言处理模型中最近提出的偏斜坐标系的启发，我们以形式主义巩固了这些直觉，在形式主义中，意见在多维空间中演变，而多维空间中的主题构成了非正交的基础。该模型的特征在于共识，意见分歧和意识形态状态之间的相变，我们分析性地将其描述为主题的争议性和重叠性的函数。我们的发现揭示了推动思想形成中的意识形态出现的机制。
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。