- 知识与社会相关性塑造了研究组合的多样化;
- 资助CRISPR：了解政府和私营部门参与者在变革性创新系统中的作用;
- 含时网络上的流行病建模系统框架;
- 城市化与经济复杂性;
- 时间成本异质性机制促进雪堆博弈合作;
- 黎曼投影近邻梯度法的社区检测;
- 角色抽取问题的邻域模式相似度度量分析;
- 在真实的城市环境中评估出行方式与SARS-CoV-2爆发之间的相互作用;
- 使用时间序列预测模型进行COVID-19大流行预测;
- 网络博弈中来自简单局部规则的复杂数据的涌现;
- COVID-19型病毒的年龄结构修正SIR模型;
- 带有循环的网络上概率模型的消息传递;
- 在多元时间序列上使用双向LSTM预测COVID-19病例;
- 网络结构和市场不稳定性;
知识与社会相关性塑造了研究组合的多样化
原文标题： Knowledge and Social Relatedness Shape Research Portfolio Diversification
地址： http://arxiv.org/abs/2002.06419
作者： Giorgio Tripodi, Francesca Chiaromonte, Fabrizio Lillo
摘要： 科学发现取决于科学家的选择，进而取决于他们的职业生涯。在科学前沿工作所需的知识的不断增长，使个人更难走未探索的道路。然而，协作可以降低学习成本，尽管是以增加协调成本为代价的。在本文中，我们使用大量物理学家的出版历史数据来衡量知识和社会相关性对其多样化战略的影响。使用双向网络，我们可以计算主题相似度和社会接近度。我们发现科学家的策略不是随机的，并且两者都对它们的影响很大。跨主题的知识相关性可以解释 大约10 ％的逻辑回归偏差和高达 大约30 ％的社会相关性，这表明科学是一个杰出的社会事业：当科学家摆脱核心专业后，他们就会因此通过合作。有趣的是，我们还发现知识与社会关联性之间存在显著的消极相互作用，这表明科学家从专业领域走得越远，他们越依赖于合作。我们的结果为科学多元化战略的更广泛的定量分析提供了起点，也可以扩展到技术创新领域-从比较和政策角度提供见解。
资助CRISPR：了解政府和私营部门参与者在变革性创新系统中的作用
原文标题： Funding CRISPR: Understanding the role of government and private sector actors in transformative innovation systems
地址： http://arxiv.org/abs/2009.11920
作者： David Fajardo-Ortiz, Stephan Hornbostel, Maywa Montenegro-de-Wit, Annie Shattuck
摘要： CRISPR / Cas具有改变医学，农业以及我们对生活本身的理解方式的潜力。了解这种创新的轨迹，如何影响创新以及谁为之付费，对于这种变革性技术至关重要。加利福尼亚大学和Broad / Harvard / MIT系统是参与CRISPR / Cas研究与开发的两个最杰出的学术机构。在这里，我们介绍了在这些机构中用于CRISPR / Cas研究的共同筹资网络模型，使用资金确认来建立联系。我们对代表这些机构中CRISPR / Cas引文的95％的论文进行了映射，按阶段将它们分别代表在研究翻译过程中（作为生物现象，作为研究工具，作为一组技术以及该技术的应用），并使用一种新颖的技术来分析共同筹资网络的结构，研究阶段和资金来源之间的关系。共同资助子网络的相似之处在于，美国政府的研究经费在早期研究中起着决定性的作用。在翻译过程的后期，慈善/慈善组织也大力支持Broad / Harvard / MIT的研究，这些研究围绕某些主题进行。 CRISPR技术的申请数量不足，这支持了以下方面的发现：美国私营部门在开发应用程序中占优势，以及中国为工业和食品系统申请专利的机构数量不成比例。这些网络模型提出了有关国家在支持突破性创新，风险，奖励以及私营部门和慈善机构对变革性技术轨迹的影响方面的作用的基本问题。
含时网络上的流行病建模系统框架
原文标题： A Systematic Framework of Modelling Epidemics on Temporal Networks
地址： http://arxiv.org/abs/2009.11965
作者： Rory Humphries, Kieran Mulchrone, Jamie Tratalos, Simon More, Philipp Hövel
摘要： 我们提出了在时空网络上传播流行病的建模框架，从中可以恢复基于个人和基于对的模型。从该框架系统派生的拟议的基于对的模型通过远离边中心描述，同时保持描述简洁和相对简单，对现有的基于对的模型进行了改进。对于传染过程，我们考虑敏感感染恢复（SIR）模型，该模型在具有时变边的网络上实现。我们表明，从基于个人的数量到基于配对的数量的转变使得可以在时间树网络上对马尔可夫流行过程进行精确建模。在任意网络上，与基于个人的模型相比，所提出的基于对的模型以较低的计算和概念成本提供了准确度的大幅提高。从基于配对的模型中，我们分析性地找到发生流行病的必要条件，或者称为流行病阈值。由于SIR模型只有一个稳定的固定点，即全局未感染状态，因此我们通过查看模型的初始稳定性来识别流行病。
城市化与经济复杂性
原文标题： Urbanization and Economic Complexity
地址： http://arxiv.org/abs/2009.11966
作者： Riccardo Di Clemente, Emanuele Strano, Michael Batty
摘要： 城市化在每个国家的经济发展中都起着至关重要的作用。任何国家的城市化与其经济生产结构之间的相互关系都还远未得到理解。我们使用世界贸易网（WTW）分析了1995-2010年间城市化模式下所有国家产品出口的历史演变。使用不断发展的经济复杂性框架，我们揭示出一个国家在其产品生产和出口方面的经济发展在其经济发展和增长的早期阶段就与城市化进程交织在一起。同时，在城市化国家中，经济增长与城市化之间的相互关系在其后期阶段逐渐消失，对于高度依赖资源出口而城市化与任何结构性经济转型均不相关的国家而言，这一关系可以忽略。
时间成本异质性机制促进雪堆博弈合作
原文标题： The mechanism of individual time cost heterogeneity promotes cooperation in snowdrift game
地址： http://arxiv.org/abs/2009.11967
作者： Hancheng Wang
摘要： 调查现实世界中的集体行为时，时间流逝的成本起着重要的作用。通过综合考虑时间成本，每个理性个体都可以得到更合理的策略。基于这一事实，我们在此提出一种具有个体时间成本异质性的机制，其核心在于两个方面：1.规则网络中的个体分为两组：高时间成本和低时间成本。 2.每个人都有时间成本参数，并且当他们与邻居互动时，他们会考虑时间成本对收益的影响。同步更新算法用于研究规则格上合作的演化与时间成本的关系。仿真结果表明，该机制有效地促进了雪堆博弈的合作。而且，揭示了以下原因导致更高水平的合作：时间成本越高，组中时间成本较高的个人越多，而在低时间成本保持不变的情况下，组之间时间成本的差异就越大。 。
黎曼投影近邻梯度法的社区检测
原文标题： Community Detection by a Riemannian Projected Proximal Gradient Method
地址： http://arxiv.org/abs/2009.11989
作者： Meng Wei, Wen Huang, Kyle A. Gallivan, Paul Van Dooren
摘要： 社区检测在理解和利用复杂系统的结构中起着重要作用。已经开发出许多用于使用模块化最大化或其他技术进行社区检测的算法。在本文中，我们将社区检测问题公式化为紧凑型Stiefel流形上的约束非光滑优化问题。提出了黎曼投影近端梯度法并用于解决该问题。据我们所知，这是将黎曼优化用于社区发现问题的首次尝试。综合基准和实际网络上的数值实验结果表明，我们的算法是有效的，并且优于几种最新算法。
角色抽取问题的邻域模式相似度度量分析
原文标题： Analysis of the Neighborhood Pattern Similarity Measure for the Role Extraction Problem
地址： http://arxiv.org/abs/2009.11991
作者： Melissa Marchand, Kyle A. Gallivan, Wen Huang, Paul Van Dooren
摘要： 在本文中，我们分析了一种间接方法，称为邻域模式相似性方法，以解决所谓的大型图角色提取问题。该方法基于节点相似度矩阵的初步构建，该节点相似度矩阵允许在第二阶段中使用适当的聚类技术将被分配为具有相同角色的节点分组在一起。该分析基于理想图的概念，其中所有具有相同角色的节点在结构上也是等效的。
在真实的城市环境中评估出行方式与SARS-CoV-2爆发之间的相互作用
原文标题： Assessing the Interplay between travel patterns and SARS-CoV-2 outbreak in realistic urban setting
地址： http://arxiv.org/abs/2009.12076
作者： Rohan Patil, Raviraj Dave, Harsh Patel, Viraj M Shah, Deep Chakrabarti, Udit Bhatia
摘要： 人口稠密的城市地区密集的社会联系网络和高流动性促进了传染病的快速传播。典型的机制流行病学模型要么基于与临时联系流程的均匀混合，要么需要实时或存档的人口流动性数据来模拟社会网络。但是，新型冠状病毒（SARS-CoV-2）的快速和全球传播已导致在全球和区域范围内前所未有的封锁，从而使存档数据集的使用受到限制。虽然通常假设人口密度是疾病传播的重要驱动因素，但密度可比的不同城市所展现的不同的疾病轨迹和感染率需要对疾病及其驱动因素进行高分辨率描述。在这项研究中，我们探讨了建立收容区对城市内出行方式的影响。此外，我们使用基于动态网络的传染病模型来了解在印度艾哈迈达巴德市被证明为SARS-CoV-2热点地区的亚公里尺度上疾病传播的关键驱动因素。我们发现，除了接触网络和人口密度之外，道路连通性模式和运输的便利性还与疾病的传播速度密切相关。鉴于在锁定期间对实时交通数据的访问受到限制，我们使用来自开源调查和政府报告的开源图像和旅行模式来生成道路连通性网络。然后，在提出的框架内，我们分析了社交距离，强制封锁以及增强测试和隔离以减轻疾病传播的相对优势。
使用时间序列预测模型进行COVID-19大流行预测
原文标题： COVID-19 Pandemic Prediction using Time Series Forecasting Models
地址： http://arxiv.org/abs/2009.12176
作者： Naresh Kumar, Seba Susan
摘要： 由于世界范围内正在发生的新型冠状病毒（COVID-19）大流行，数以百万计的人被感染，数十万人丧生。确定未来感染的病例和病毒传播率，以在医疗服务中提前准备以避免死亡是至关重要的。准确预测COVID-19的传播对研究界是一个分析性且具有挑战性的现实问题。因此，我们将COVID-19传播的日级信息用于来自全球和10个受灾最严重国家的累积病例；美国，西班牙，意大利，法国，德国，俄罗斯，伊朗，英国，土耳其和印度。我们利用从2020年1月22日到2020年5月20日传播的冠状病毒的时间数据。我们对COVID-19爆发的演变进行建模，并使用ARIMA和Prophet时间序列预测模型进行预测。基于平均绝对误差，均方根误差，均方根相对误差和绝对绝对百分比误差来评估模型的有效性。我们的分析可以帮助您了解疾病爆发的趋势，并提供所采用国家的流行病学阶段信息。我们的研究表明，ARIMA模型对于预测COVID-19患病率更为有效。预测结果有可能协助政府制定遏制病毒传播的政策。
网络博弈中来自简单局部规则的复杂数据的涌现
原文标题： Emergence of complex data from simple local rules in a network game
地址： http://arxiv.org/abs/2009.12210
作者： Felipe S. Abrahão, Klaus Wehmuth, Artur Ziviani
摘要： 作为数据科学研究的主要主题之一，网络科学已被证明在实际网络分析和建模中具有广泛的应用。例如，普遍存在的结构或拓扑特征，例如小世界现象，小直径，无标度特性或肥尾度分布，是促进复杂网络研究的基本支柱之一。将这些现象与复杂系统中的其他紧急事件属性联系起来已成为至关重要的课题。为了解决这些问题中的一些目的，通过在数据科学和复杂系统科学之间的接口上引入新的含义，在本文中，我们提出了一个由复杂网络玩的网络博弈模型，其中节点是可计算的系统。特别是，我们提出并讨论了一些网络拓扑属性和简单的本地通信规则如何能够就不可压缩数据的出现产生一个相变。
COVID-19型病毒的年龄结构修正SIR模型
原文标题： A modified age-structured SIR model for COVID-19 type viruses
地址： http://arxiv.org/abs/2009.12219
作者： Vishaal Ram, Laura P. Schaposnik
摘要： 我们根据美国华盛顿州内已知的社会接触和疏远措施，提出了一种修正的年龄结构SIR模型。我们发现人口年龄分布对疾病的传播和死亡率具有显著影响，并有助于特定年龄的接触和治疗措施的功效。我们比较放宽对弱势年龄段人群的限制的效果，比较不同人口参数的选定组的结果。此外，我们分析了疫苗接种的缓解效果，并检查了按年龄分布的有效性。最后，我们探索如何将模型应用到其他州，以基于不同的参数和指标来反映社会疏远政策。
带有循环的网络上概率模型的消息传递
原文标题： Message passing for probabilistic models on networks with loops
地址： http://arxiv.org/abs/2009.12246
作者： Alec Kirkley, George T. Cantwell, M. E. J. Newman
摘要： 在本文中，我们将最近提出的用于在“循环”网络上传递消息的框架扩展到概率模型的解决方案。我们导出了一组自洽的消息传递方程式，可以快速计算包含短循环（可能具有高密度）的系统中的概率分布，以及此类系统的熵和分配函数的表达式，它们的数量非常困难计算。以伊辛模型为例，我们证明了我们的解决方案在某些类的具有短环的网络上是渐近精确的，并且在更通用的网络上提供了很好的近似值，大大改善了从标准置信度传播得出的结果。我们还讨论了我们的方法在各种其他问题上的潜在应用。
在多元时间序列上使用双向LSTM预测COVID-19病例
原文标题： Predicting COVID-19 cases using Bidirectional LSTM on multivariate time series
地址： http://arxiv.org/abs/2009.12325
作者： Ahmed Ben Said, Abdelkarim Erradi, Hussein Aly, Abdelmonem Mohamed
摘要： 背景：为帮助决策者做出适当的决定以阻止COVID-19大流行的蔓延，准确预测疾病的传播至关重要。材料和方法：本文提出了一种深度学习方法，该方法使用双向长期短期记忆（Bi-LSTM）网络应用于多元时间序列来预测COVID-19病例的累积数量。与其他预测技术不同，我们提出的方法首先使用K-Means聚类算法将人口和社会经济方面以及卫生部门指标相近的国家分组。每个聚类国家的累积案例数据，其中包含与锁定措施有关的数据，将被提供给双向LSTM以训练预测模型。结果：我们通过研究卡塔尔的疾病暴发验证了该方法的有效性。使用多个评估指标的定量评估表明，所提出的技术优于最新的预测方法。结论：除锁定措施外，使用多个国家的数据可提高每日累计COVID-19病例预测的准确性。
网络结构和市场不稳定性
原文标题： Network geometry and market instability
地址： http://arxiv.org/abs/2009.12335
作者： Areejit Samal, Hirdesh Kumar Pharasi, Sarath Jyotsna Ramaia, Harish Kannan, Emil Saucan, Jürgen Jost, Anirban Chakraborti
摘要： 金融市场的复杂性来自交易股票的主体商之间的战略互动，这种互动以股票价格之间活跃的关联模式表现出来。在过去的几十年中，复杂的金融市场通常被表示为网络，其相互作用的节点对是股票，由表示关联强度的边连接。但是，我们经常有三个或更多节点组成的交互，不能简单地通过成对交互来描述，而我们还需要考虑这些交互之间的关系。直到最近，研究人员才开始关注复杂金融系统的高阶体系结构，这可以显著增强我们估计系统风险的能力，并可以根据市场效率来衡量金融系统的稳健性。受几何启发的网络度量（例如Ollivier-Ricci曲率和Forman-Ricci曲率）可用于刻画网络的脆弱性并持续监控财务动态。在这里，我们探讨了这种离散的Ricci型曲率在表征金融系统结构中的效用，并进一步将其评估为市场不稳定的通用指标。为此，我们检查了包括美国S＆P-500和日本日经225在内的一组股票在32年内的每日收益，并监视以边为中心的网络曲率的变化。我们发现不同的几何度量可以很好地捕捉市场的系统级特征，因此我们可以区分正常时期或“一切照旧”时期和所有主要市场崩盘。这在金融系统的战略设计和监管市场以解决金融不稳定方面非常有用。
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。