- 用于监测大规模伤亡事故演习的可穿戴式接近传感器：可行性研究;
- 论证挖掘：利用多种来源和背景知识;
- 注意你的POV：文章和编辑的融合迈向维基百科的中立规范;
- 分析社区驱动的讨论平台（如Reddit）的行为趋势;
用于监测大规模伤亡事故演习的可穿戴式接近传感器：可行性研究
原文标题： Wearable proximity sensors for monitoring a mass casualty incident exercise: a feasibility study
地址： http://arxiv.org/abs/1809.06887
作者： Laura Ozella, Laetitia Gauvin, Luca Carenzo, Marco Quaggiotto, Pier Luigi Ingrassia, Michele Tizzoni, André Panisson, Davide Colombo, Anna Sapienza, Kyriaki Kalimeri, Francesco Della Corte, Ciro Cattuto
摘要： 在过去的几十年中，自然发生的和人为的大规模伤亡事故（MCI）在全球范围内的频率和数量都有所增加。为了测试此类事件对医疗资源的影响，模拟可以提供安全，可控的设置，同时复制典型的实际灾难的混乱环境。需要一种收集和分析大规模伤亡人员数据的标准化方法，以评估相关医护人员的准备情况和表现。我们报告了在MCI仿真期间使用可穿戴接近传感器测量接近事件的情况。我们调查了医务人员和患者之间的相互作用，根据角色评估医务人员在受害者受伤严重程度方面的时间。我们估计了现场医院不同处所内患者的存在情况，以便研究患者的流量。在大规模伤亡事件功能练习期间，通过部署可穿戴接近传感器获得并收集数据。该方案包括两个方面：事故现场和高级医疗岗位（AMP），演习持续3个小时。共有238名参与者参与模拟医务人员和受害者。每个参与者都佩戴了一个接近传感器，30个固定设备被放置在野战医院。联系网络显示参与者在附近花费的累积时间的异构分布。我们根据受害者与救援人员之间的累计时间获得了联系矩阵。我们的研究结果显示，医疗团队与受害者接近的时间与患者受伤的严重程度有关。对患者流量的分析表明，医院病房内患者的存在与分诊代码和诊断一致，未发现明显的瓶颈。
论证挖掘：利用多种来源和背景知识
原文标题： Argumentation Mining: Exploiting Multiple Sources and Background Knowledge
地址： http://arxiv.org/abs/1809.06943
作者： Anastasios Lytos, Thomas Lagkas, Panagiotis Sarigiannidis, Kalina Bontcheva
摘要： 争论挖掘领域的出现源于需要从表达的意见中确定根本原因，以及发展意见挖掘和情感分析的既定领域的紧迫性。最近人工智能领域的最新进展与社会网络上的可用数据相结合，为自然语言过程的每个子领域（包括论证挖掘）创造了巨大的潜力。
注意你的POV：文章和编辑的融合迈向维基百科的中立规范
原文标题： Mind Your POV: Convergence of Articles and Editors Towards Wikipedia's Neutrality Norm
地址： http://arxiv.org/abs/1809.06951
作者： Umashanthi Pavalanathan, Xiaochuang Han, Jacob Eisenstein
摘要： 维基百科在“中立的观点”（NPOV）中有着强烈的写作规范。违反此规范的文章会被标记，并鼓励编辑进行更正。但是这种标记系统的影响尚未定量测量。 NPOV标记是否有助于文章融合到所需的风格？ NPOV更正是否鼓励编辑采用这种风格？我们使用NPOV标记文章和一组与偏见语言相关的词汇来研究这些问题。中断的时间序列分析表明，在文章被标记为NPOV之后，文章中的偏见语言显著减少，如通过几个词典所测量的。但是，对于个人编辑而言，NPOV更正和谈话页面讨论不会对大多数词典中词语的使用产生重大变化，包括维基百科自己的“要监听的词汇”列表。这表明NPOV标记和讨论确实改进了内容，但是编辑人员对网站的语言规范进行了较少的成功。
分析社区驱动的讨论平台（如Reddit）的行为趋势
原文标题： Analyzing behavioral trends in community driven discussion platforms like Reddit
地址： http://arxiv.org/abs/1809.07087
作者： Sachin Thukral, Hardik Meisheri, Tushar Kataria, Aman Agarwal, Ishan Verma, Arnab Chatterjee, Lipika Dey
摘要： 本文的目的是提出系统地分析在社区驱动的讨论平台（如Reddit）中观察到的个人和群体行为模式的方法，其中用户交换关于当前感兴趣的各种主题的信息和观点。我们通过分析帖子的统计行为并模拟用户之间的互动来进行这项研究。我们选择Reddit作为一个例子，因为它已经从一个小社区指数增长到最近一个最大的社会网络平台。由于其庞大的用户群和受欢迎程度，用户在其活动方面存在各种行为。我们的研究提供了有关大量非活动帖子的有趣见解，尽管他们的作者表现出类似Cyborg的行为以引起注意，但这些帖子未能引起人们的注意。我们还提供了有关短暂但非常活跃的帖子的有趣见解，这些帖子模仿Mayfly Buzz等现象。此外，我们提出了一些方法来查找高活动岗位周围活动的性质，以确定Limelight hogging活动的存在（如果有的话）。我们分析了超过2百万美元的帖子和超过7百万美元的用户在整个2008年期间的回复和超过6300万美元的帖子以及从2014年8月到2015年7月的超过608百万美元的用户回复，相当于两个一年的时间段，以了解社交媒体空间多年来如何演变。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，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.me （提供RSS订阅）进行同步更新。