- 思想史社会网络的纵向分析;
- 学习离散选择中可解释的特征上下文效应;
- 社会网络中个人资料匹配风险的有效量化;
- 经合组织城市地区大众快速运输可得性;
- 连通性很重要：连接图的构造和精确随机抽样;
- 数据驱动的COVID-19流行病优化控制;
- 使用手机数据评估COVID-19总体移动性相对变化的影响;
- 建模德国的缩减：空间分辨率如何影响线路拥堵;
- QSAN：基于量子概率的符号注意网络，用于可解释的虚假信息检测;
- WNUT-2020任务2的LynyrdSkynyrd：半监督学习识别COVID-19英语信息推文;
- 比利时Covid-19：扩展的SEIR-QD模型，包括托儿所和开学后基于长期情景的预测;
- 行人移动的室内环境中气溶胶病原体传播的高保真建模;
- 在COVID期间，美国社交媒体上的“ Black Lives Matter”演讲：新事件中出现了两极化的立场;
- 无症状个体通过复杂网络在COVID-19大流行中的作用;
思想史社会网络的纵向分析
原文标题： A Longitudinal Analysis of a Social Network of Intellectual History
地址： http://arxiv.org/abs/2009.03604
作者： Cindarella Petz, Raji Ghawi, Jürgen Pfeffer
摘要： 知识分子的历史由复杂的网络组成，这些网络影响着哲学家、科学家、作家的作品和思想，并相互影响。这些影响是如何随着时间演变的？谁是一个时期最有影响力的学者？为了回答这些问题，我们从链接开放数据提供商YAGO中提取了一个由12,500多名知识分子组成的影响力网络。我们从纵向角度丰富了该网络，并分析了整个网络的时间分段预测，以区分时代内部，时代之间和累积时代的网络。因此，我们确定了知识分子和时代的各种模式，并及时研究了他们的发展。我们展示了哪些学者在不同时代最具影响力，以及谁扮演了杰出的知识经纪人角色。一个重要的发现是，一个时代的学者对他们的同时代人的影响最大，而且每个时期的跨时代影响力都最强。此外，我们看到了定量的证据，表明文艺复兴时期没有重新发现上古，但自中世纪以来一直在不断地接受。
学习离散选择中可解释的特征上下文效应
原文标题： Learning Interpretable Feature Context Effects in Discrete Choice
地址： http://arxiv.org/abs/2009.03417
作者： Kiran Tomlinson, Austin R. Benson
摘要： 选举，产品销售和社会关系的结构都取决于个人在选择一系列选项时所做的选择，因此了解有助于选择的因素至关重要。特别引起关注的是上下文效应，当一组可用选项影响选择者的相对偏好时会发生这种情况，因为它们违反了传统的理性假设，但在实践中却很普遍。但是，从观察到的选择中识别这些影响是具有挑战性的，通常需要对要测量的影响有所了解。相反，我们提供了一种从观察到的选择数据中自动发现广泛类别的上下文效应的方法。与现有模型相比，我们的模型更易于训练且更灵活，并且还可以产生直观，可解释和可统计测试的上下文效果。使用我们的模型，我们可以在广泛使用的选择数据集中识别新的上下文效应，并提供对社会网络增长中的选择集上下文效应的首次分析。
社会网络中个人资料匹配风险的有效量化
原文标题： Efficient Quantification of Profile Matching Risk in Social Networks
地址： http://arxiv.org/abs/2009.03698
作者： Anisa Halimi, Erman Ayday
摘要： 在当今互连的数字世界中，匿名数据共享已变得越来越具有挑战性，对于同时具有匿名和已确定在线活动的个人而言，尤其如此。如今，此类数据共享平台最突出的示例是在线社会网络（OSN）。许多人在不同的OSN中具有多个配置文件，包括匿名和已识别的配置文件（取决于OSN的性质）。在这里，隐私威胁就是配置文件匹配：如果攻击者将个人的匿名配置文件链接到他们的真实身份，则它可以获得对隐私敏感的信息，这可能会造成严重后果，例如歧视或勒索。因此，量化并向OSN用户显示此隐私风险的程度非常重要。现有的在OSN中对配置文件匹配进行建模的尝试对于实时风险量化而言是不够的，并且在计算上效率低下。因此，在这项工作中，我们开发了可对OSN中的配置文件匹配攻击进行有效建模和量化的算法，作为迈向实时隐私风险量化的一步。为此，我们使用图对轮廓匹配问题进行建模，并开发一种基于置信度传播（BP）的算法，与现有技术相比，该算法以明显更有效，更准确的方式解决了该问题。我们在三个真实的数据集（包括来自四个不同社会网络的数据）上评估了所提出的框架，并展示了如何有效且高概率地匹配不同OSN中的用户资料。我们表明，就用户对的数量而言，所提出的模型生成具有线性复杂度，这比最新技术（具有三次复杂度）要有效得多。此外，与最新技术相比，它具有可比的准确性，精确度和召回率。
经合组织城市地区大众快速运输可得性
原文标题： Access to mass rapid transit in OECD urban areas
地址： http://arxiv.org/abs/2009.03700
作者： Vincent Verbavatz, Marc Barthelemy
摘要： 随着缓解城市中的汽车交通已成为减轻气候变化影响的重中之重，在城市中促进公共交通的吸引力越来越大。为此目的的一个关键因素是易于使用大众捷运系统。到目前为止，我们对城市地区捷运覆盖率的经验估计很少，以居住在捷运集水区的人口比例（例如步行距离之内）计算。在这项工作中，我们阐明了此类指标的通用定义，即“近距离公交（PNT）”，并提出了OECD国家中85个城市地区这一数量的度量标准，这是迄今为止该数量最大的数据集。通过提出一个标准化的协议，我们使我们的数据集合理且可扩展到世界其他国家和城市，这为我们在运输，环境或经济研究中多次重复使用奠定了坚实的基础。
连通性很重要：连接图的构造和精确随机抽样
原文标题： Connectivity matters: Construction and exact random sampling of connected graphs
地址： http://arxiv.org/abs/2009.03747
作者： Szabolcs Horvát, Carl D. Modes
摘要： 我们描述了一种用于以指定的度数序列对连接的图进行随机采样的新方法。我们同时考虑简单图和无环多图的情况。我们的方法建立在最近引入的新颖采样方法的基础上，该方法可独立（与边切换马尔可夫链蒙特卡洛方法不同）且高效（与配置模型不同）构造图，并将其扩展以合并连通性约束。此外，我们提出了一种简单而优雅的算法，可以直接将度数序列的单个连接实现构造为简单图或多图。最后，我们在一个真实的无标度示例以及连接的真实世界网络的度序列上演示了我们的采样方法。
数据驱动的COVID-19流行病优化控制
原文标题： Data-driven Optimized Control of the COVID-19 Epidemics
地址： http://arxiv.org/abs/2009.03753
作者： Afroza Shirin, Yen Ting Lin, Francesco Sorrentino
摘要： 旨在控制COVID-19传播的控制策略对经济的优化影响是一项严峻的挑战。我们使用来自美国不同大都市统计区（MSA）的当地卫生行政管理部门报告的COVID-19患者的每日新病例计数，对模型进行参数化，该模型很好地描述了疾病在每个区域的传播。然后，我们引入随时间变化的控制输入，该输入代表施加在给定区域人口上的社会疏远程度，并解决了一个最佳控制问题，目的是在存在相关约束的情况下将社会疏远对经济的影响最小化，例如对终端疫情的理想抑制水平。我们发现，除了初始时间和最终时间以外，最佳控制输入均由特定于每个区域的常数很好地近似，这与当前的“分阶段”重新开放系统相反。对于所有考虑的领域，该最佳水平对应于比根据数据估计的水平更严格的社会距离。正确选择最佳时间以实施控制措施非常重要：根据特定的MSA，此时间段应该短或长或中间。最后，我们发现与最佳解决方案的微小偏差会导致对约束的严重违反。
使用手机数据评估COVID-19总体移动性相对变化的影响
原文标题： The impact of COVID-19 on relative changes in aggregated mobility using mobile-phone data
地址： http://arxiv.org/abs/2009.03798
作者： Georg Heiler, Allan Hanbury, Peter Filzmoser
摘要： 评估相对变化会导致其他洞察力，这些洞察力仅在评估绝对变化时才会隐藏。我们分析了描述COVID-19锁定措施之前直至最近的奥地利移动电话移动性的数据集。通过应用成分数据分析，我们显示出以前隐藏的信息变得可用：我们看到，老年人群增加了相对流动性，尤其是在周末，年轻人群的流动性没有其他人那么大。
建模德国的缩减：空间分辨率如何影响线路拥堵
原文标题： Modeling Curtailment in Germany: How Spatial Resolution Impacts Line Congestion
地址： http://arxiv.org/abs/2009.03801
作者： Martha Frysztacki, Tom Brown
摘要： 本文研究了在传输级别上的能源系统模型中网络约束对可再生能源的产生和削减的影响，因为该网络正在空间聚合。我们力求使用开放式传输系统PyPSA-Eur，重现德国在2013-2018年间的历史测量限度。我们的模拟包括空间和时间方面的考虑，包括每条线的拥堵以及每个控制区和每季度的拥堵。结果表明，由于电力需求分配不正确以及对过载站点的可再生容量的分配，在高网络分辨率下的削减明显被高估了。但是，随着网络群集到较少数量的节点，传输网络的高拥塞率会降低，从而减少了限制。定义了一种刻画电力需求和电厂分配中的错误的措施，并暗示了更好的空间分辨率。因此，我们能够在精确的节点分配和网络拥塞之间取得平衡，这表明简化的模型可以从最近的历史数据中刻画削减量。这表明可以减少网络以缩短计算时间，并同时刻画网络约束对可变可再生能源馈电的最重要影响。
QSAN：基于量子概率的符号注意网络，用于可解释的虚假信息检测
原文标题： QSAN: A Quantum-probability based Signed Attention Network for Explainable False Information Detection
地址： http://arxiv.org/abs/2009.03823
作者： Tian Tian, Yudong Liu, Xiaoyu Yang, Yuefei Lyu, Xi Zhang, Binxing Fang
摘要： 在社交媒体上进行虚假信息检测具有挑战性，因为它通常需要乏味的证据收集，但缺乏可用的比较信息。从用户的意见中提取线索，作为群众的智慧，可能会为这项任务带来巨大的好处。但是，考虑到它们的隐式相关性，从内容和注释中刻画复杂的语义并非易事。尽管深度神经网络具有良好的表达能力，但主要的缺点之一是缺乏可解释性。在本文中，我们着重于如何从社交媒体中的帖子内容和相关评论中学习，以更有效地理解和检测虚假信息，并具有可解释性。因此，我们提出了一种基于量子概率的符号注意网络（QSAN），该网络将量子驱动的文本编码和新颖的符号注意机制集成在一个统一的框架中。 QSAN不仅能够将重要的评论与其他评论区分开，而且可以利用评论中相互矛盾的社会观点来促进检测。此外，由于量子物理学的意义和注意力的集中，QSAN在透明性方面具有可解释性的优势。在现实世界的数据集上进行的大量实验表明，我们的方法优于最新的基准，并且可以提供不同类型的用户评论，以解释为什么检测到一条信息为假。
WNUT-2020任务2的LynyrdSkynyrd：半监督学习识别COVID-19英语信息推文
原文标题： LynyrdSkynyrd at WNUT-2020 Task 2: Semi-Supervised Learning for Identification of Informative COVID-19 English Tweets
地址： http://arxiv.org/abs/2009.03849
作者： Abhilasha Sancheti, Kushal Chawla, Gaurav Verma
摘要： 我们在识别信息丰富的COVID-19英语推文时描述了WNUT-2020共享任务的系统。我们的系统是各种机器学习方法的集合，既利用了传统的基于特征的分类器，又利用了预训练语言模型的最新进展，这些模型有助于从推文中刻画语法，语义和上下文特征。我们进一步采用伪标签来合并在大流行中发布的未标签的Twitter数据。我们提供的最佳模型在提供的验证集上的F1得分为0.9179，在盲测集上的F1得分为0.8805。
比利时Covid-19：扩展的SEIR-QD模型，包括托儿所和开学后基于长期情景的预测
原文标题： Covid-19 Belgium: Extended SEIR-QD model with nursery homes and long-term scenarios-based forecasts from school opening
地址： http://arxiv.org/abs/2009.03450
作者： Nicolas Franco
摘要： 我们使用年龄结构扩展的SEIR-QD流行病模型对比利时covid-19流行病的演变进行了建模，并单独考虑了托儿所。该模型的所有参数均使用MCMC方法进行估算，但社交联系人的综合数据除外。该模型根据医院的数据，死亡人数，托儿所的测试和血清学测试进行了校准。我们提供了2020年9月的当前状况以及基于长期情景的预测，并可能再次引起学校联系人的新传播功能的冲击。
行人移动的室内环境中气溶胶病原体传播的高保真建模
原文标题： High Fidelity Modeling of Aerosol Pathogen Propagation in Built Environments with Moving Pedestrians
地址： http://arxiv.org/abs/2009.03365
作者： Rainald Löhner, Harbir Antil
摘要： 提出了在行人移动的情况下通过气溶胶传播病原体的高保真度模型。关键思想是计算流体动力学和计算人群动力学的紧密耦合，以便刻画时空内病原体负荷的排放，运输和吸入。在行人移动的狭窄走廊中模拟病原体传播的示例清楚地表明，行人运动会对气流产生巨大影响，从而对病原体传播和潜在的传染性产生巨大影响。
在COVID期间，美国社交媒体上的“ Black Lives Matter”演讲：新事件中出现了两极化的立场
原文标题： Black Lives Matter discourse on US social media during COVID: polarised positions enacted in a new event
地址： http://arxiv.org/abs/2009.03619
作者： Gillian Bolsover
摘要： 自2014年以来，Black Lives Matter一直是美国社会变革的主要力量，社交媒体在运动的发展和扩散中发挥着核心作用。在乔治·弗洛伊德（George Floyd）因明尼阿波利斯（Minneapolis）警察身亡之后，美国历史上规模最大的抗议活动发生在2020年5月下旬和6月初。这一事件再次激发了对BLM运动的广泛支持。抗议活动不仅规模庞大，而且发生在美国仍在努力控制COVID-19大流行的蔓延之时，每天有20,000多新病例发生。假设抗议条件和警察控制人群的策略加剧了疾病的传播，而COVID对少数民族人口的影响不成比例，则可以假设，参与和支持抗议活动将导致系统性种族主义和疾病传播风险之间的平衡。但是，社交媒体数据表明情况并非如此，有关BLM运动的讨论取代了美国社交媒体上对COVID的讨论。 BLM运动或抗议活动的支持者或反对者都没有将COVID视为因素。 BLM支持者对该运动的构架在很大程度上复制了先前的研究，围绕该运动从种族主义，警察军事化和唐纳德·特朗普（Donald Trump）受到的反对派出现了新的框架。话语证明了两极分化，仇恨，不活跃和阴谋内容令人担忧的水平，并且与先前研究的COVID话语具有许多相似之处。这表明乔治·弗洛伊德（George Floyd）的死是美国警察杀死一名非裔美国人的又一个例子，主要是通过既定的两极分化的身份立场对事件做出反应并导致抗议活动在很大程度上已成定局，既定事实也未明确提及持续的大流行。
无症状个体通过复杂网络在COVID-19大流行中的作用
原文标题： The Role of Asymptomatic Individuals in the COVID-19 Pandemic via Complex Networks
地址： http://arxiv.org/abs/2009.03649
作者： Leonardo Stella, Alejandro Pinel Martínez, Dario Bauso, Patrizio Colaneri
摘要： 最近的血清阳性率研究试图估计受COVID-19影响的无症状病例的真实数量。了解这些感染的影响以防止第二波感染至关重要。这项研究旨在通过一个复杂的网络对人口之间的相互作用进行建模，并揭示了与9月中旬学校开学有关的意大利本地化控制措施的有效性。给出了流行病学预测模型的公式：使用此模型的优势在于，由于与这两类感染者的相互作用是分别刻画的，因此可以区分无症状和有症状的COVID-19病例，从而可以对无症状病例的影响。然后，通过Watts-Strogatz复杂网络将该模型扩展为结构化的非均质版本，该网络由于拥有较小的世界属性而被广泛用于对社会交互进行建模。最后，对意大利的情况进行了案例研究：首先，使用均质模型将官方数据与Istat最近的血清阳性率研究数据进行比较；第二，鉴于9月中旬重返学校，进行了区域一级的研究。这项研究的结果强调了协调适当控制措施的部署的重要性，这些措施要考虑到无症状感染（尤其是在年轻人中）的作用以及意大利的区域间连通性。
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。