- 鲁棒随机方法估计2019-nCoV的传输潜力;
- 超越R0：预测流行病时接触跟踪的重要性;
- 非关联几何框架下的复杂网络;
- 通过深度Q学习快速检测最大公共子图;
- 通用设施集中式动态匹配市场的渐近最优控制;
- 目标隐私保护的社会网络;
- 线超图卷积网络：在超图上应用图卷积;
- 通过随机平滑实现有效抵抗对抗性结构扰动的显著稳健社区检测;
- 疫情在城市公交系统传播的接触网络的尺度性;
- 带连续主体的社交传输模型的事项;
- 小世界是不够的：网络选择和模拟的结论性标准;
- 时隙分配的公平性;
- 合成群体生产的配对：直接概率配对方法;
- 通过社会认知偏差驱动的公共话语和社会网络回声室;
- 图累积量简介：你的社会网络峰度是什么？;
鲁棒随机方法估计2019-nCoV的传输潜力
原文标题： A Robust Stochastic Method of Estimating the Transmission Potential of 2019-nCoV
地址： http://arxiv.org/abs/2002.03828
作者： Jun Li
摘要： 最近一种新型的冠状病毒（2019-nCoV）的爆发，迅速演变成一个全球性的健康危机。2019-nCoV的传播潜力已经在最近的几个研究工作中得到建模研究。诸如基本再生数R0等关键因子已经通过对汇总数据拟合传染病传播模型得到确定。该数据包括在中国和世界各地紧密联系的城市报告病例。在本文中，我们从统计估计的鲁棒性的角度研究2019-nCoV的传输潜力，考虑在爆发的初始阶段不同的数据质量和时效性。研究采用取样一致算法以提高出现异常值时模型拟合效果。鲁棒估计使我们能够识别传播模型的两个聚类，两者均值得重点关注，其中一个R0介于8至14，接近麻疹和其他有大量的初始感染组情况。
超越R0：预测流行病时接触跟踪的重要性
原文标题： Beyond R_0: the importance of contact tracing when predicting epidemics
地址： http://arxiv.org/abs/2002.04004
作者： Laurent Hébert-Dufresne, Benjamin M. Althouse, Samuel V. Scarpino, Antoine Allard
摘要： 基本再生数R0是公共卫生最常见的和最常被误用的数字。不过，每当传染性病原体出现或流行，估计R0仍然是世界各地流行病学优先任务。虽然经常用来比较爆发、预测流感大流行的风险，这个单一的数字掩盖了两个不同的病原体的复杂性，尽管它们可以表现出相同的R0。本文我们将展示预测疫情规模如何既需要估计R0，还需要估计继发感染人数的异质性。为了便于快速测定风险的爆发，我们根据随机网络理论的经典结果重新进行推导，建议依赖接触的跟踪数据同时确定分布的一阶矩（R0）和高阶矩（代表异质性）。此外，我们展示了这个框架在通常有限的新兴病原体数据下是稳健的。最后我们证明，诸如2019-nCoV这类新病原体如果没有二次感染的异质性数据，爆发规模的不确定性范围巨大，达到2019-nCoV易感人群的5-40%。总之，我们的工作强调了传染病暴发时迫切需要接触追踪，以及预测疫情规模时需要超越R0。
非关联几何框架下的复杂网络
原文标题： Complex Networks in the Framework of Nonassociative Geometry
地址： http://arxiv.org/abs/1812.10865
作者： Alexander I. Nesterov, Pablo Héctor Mata Villafuerte
摘要： 在对非关联几何框架内，我们引入扩展了隐藏的几何形状复杂网络的统计处理新的有效模式。网络的小世界属性是由我们的模型外地曲率控制。我们用这种方式来上网学习作为嵌入在双曲空间的复杂网络。该模型产生与现有的经验数据显著的协议，并解释了互联网关联度数据的特点是其他车型不能。我们的方法提供了新的途径为一大类复杂的网络，如航空运输，社会网络，生物网络等的研究
通过深度Q学习快速检测最大公共子图
原文标题： Fast Detection of Maximum Common Subgraph via Deep Q-Learning
地址： http://arxiv.org/abs/2002.03129
作者： Yunsheng Bai, Derek Xu, Alex Wang, Ken Gu, Xueqing Wu, Agustin Marinovic, Christopher Ro, Yizhou Sun, Wei Wang
摘要： 两个输入图之间检测所述最大共子图（MCS）是用于生物医学分析，恶意软件检测，云计算等应用的基础这是在药物设计的任务尤其重要，在那里共同子化合物中成功提取可以减少由人类进行的实验所需要的数量。然而，MCS计算是NP难，和国家的最先进的精确MCS求解没有最坏情况下的时间复杂度保证在实践中不能处理大图。学习设计基于模型，同时利用尽可能少的标记MCS情况下尽可能遗体是一项艰巨的任务找到近似但准确路两幅图之间的MCS。在这里我们建议RLMCS，通过强化学习一个图表基于神经网络模型的MCS检测。我们的模型使用的探索树提取物的子图在两个图一个节点对的时间，并且被训练通过深Q-网络优化子提取奖励。一种新颖的图嵌入方法，提出了以产生用于节点状态表示，并在每个步骤共同提取的子图。真实数据集图实验表明，我们的模型进行毫不逊色于精确MCS求解器和在精度和效率方面的监督神经图匹配网络模型。
通用设施集中式动态匹配市场的渐近最优控制
原文标题： Asymptotically Optimal Control of a Centralized Dynamic Matching Market with General Utilities
地址： http://arxiv.org/abs/2002.03205
作者： Jose H. Blanchet, Martin I. Reiman, Viragh Shah, Lawrence M. Wein
摘要： 我们认为，买家和卖家到帐根据以相同的速率独立泊松过程和独立放弃的市场，如果时间均值相等的指数数量后不匹配的匹配市场。在这种集中的市场，从匹配任何买家和卖家的任何系统管理实用程序是一般随机变量。我们认为由 n 的地方在 N ^ mathrm 日 系统来港定居人士由 n 的一个因素加速了索引系统的序列。我们分析一个参数政策的两个家庭：人口阈值策略立即到达的主体相匹配的最好的搭档只有当队友在系统中的数目高于阈值，效用阈值策略到达的主体匹配到最佳只有当相应的效用是高于阈值的可用的伴侣。利用买卖双方的二维马尔可夫过程的渐进流体分析，我们表明，当匹配效用分布是轻尾，％（即最大许多随机变量的期望值是有规律地变化的功能 阿尔法= 0 ）与阈值 压裂N人口阈值策略 LN N 是渐近最优只在剂到达时期使比赛的所有策略之一。在重尾情况％（即 阿尔法在（0,1）），我们描述最佳阈值两个政策水平。 ％虽然没有达到我们的松动上限的性能。我们还与重尾匹配公用事业研究效用阈值策略中不平衡配套市场，并找到了买家和卖家有相同的渐近最优效用阈值。
目标隐私保护的社会网络
原文标题： Target Privacy Preserving for Social Networks
地址： http://arxiv.org/abs/2002.03284
作者： Zhongyuan Jiang, Lichao Sun, Philip S. Yu, Hui Li, Jianfeng Ma, Yulong Shen
摘要： 在本文中，我们纳入重点保护的现实情况下进入链接隐私保护，并提出目标链接隐私保护（TPP）模型：目标链路被称为目标是指将被对手有意攻击的最重要，最敏感的目标，为了使需要隐私保护，而少隐私担忧等环节都被正确释放，以维持图工具。 TPP的目标是通过删除限制设定的预算可选择的非目标链路被称为保护捍卫所有目标的对抗链路预测，以限制目标披露。传统的链接隐私保护处理的各个环节为目标，并集中在结构层面的保护措施，其中严重的联系的公开和高图效用损失仍然是图今天释放的瓶颈，而TPP侧重于哪个键保护上所执行的目标水平的保护关键指标的小部分，以达到更好的隐私保护和下图效用损失。目前还缺乏明确TPP问题的定义，可证明最优或接近最优选择保护算法和大型的社交图谱可扩展实现。首先，我们介绍了TPP模型，并提出了用于测量对隐私权保护的分析为目标的防御能力的差异性功能。我们认为通过预算分配设置两个不同的问题：1）我们保护所有目标，并优化了单一的预算各项指标的差异性; 2）除了所有目标的保护，我们还在乎通过赋予地方预算的每一个目标，考虑到两个本地保护选择保护每个目标的。我们还实现了可扩展的实现和实验验证了该算法的有效性和效率。
线超图卷积网络：在超图上应用图卷积
原文标题： Line Hypergraph Convolution Network: Applying Graph Convolution for Hypergraphs
地址： http://arxiv.org/abs/2002.03392
作者： Sambaran Bandyopadhyay, Kishalay Das, M. Narasimha Murty
摘要： 网络表示学习和图节点分类有显著注意由于创造不同类型的图表神经网络。图卷积网络（GDN）是一种流行的半监督技术，其每个节点的邻域内聚集属性。常规GCNs可应用于其中每个边仅连接两个节点的简单图。但是许多现代天应用程序需要在图高阶的关系进行建模。超图是有效的数据类型来处理这种复杂的关系。在本文中，我们提出了一种新的技术来对具有可变大小的超边超图申请图表卷积。我们使用了超图的线图的经典概念在超图学习文学的第一次。然后，我们建议对超图的线图使用图的卷积。在多个现实世界中的网络数据集的实验分析表明相对于国家的的艺术我们的方法的优点。
通过随机平滑实现有效抵抗对抗性结构扰动的显著稳健社区检测
原文标题： Certified Robustness of Community Detection against Adversarial Structural Perturbation via Randomized Smoothing
地址： http://arxiv.org/abs/2002.03421
作者： Jinyuan Jia, Binghui Wang, Xiaoyu Cao, Neil Zhenqiang Gong
摘要： 社区检测对理解图结构中起关键作用。然而，最近的一些研究表明，社区发现是脆弱的对抗性结构扰动。特别是，通过添加或在图中移除少量的仔细选择边的，攻击者可以操纵所检测的社区。然而，据我们所知，有在社区认证检测可以有效抵抗这种对抗性结构扰动没有研究。在这项工作中，我们的目标是弥合这一差距。具体而言，我们开发社区发现的第一个认证的鲁棒性保证对对抗性结构扰动。给定任意社区检测方法，我们通过随机扰动图结构建立一个新的平滑社区检测方法。我们理论上表明平滑社区检测方法可证明组节点中的给定任意一组到同一社区（或不同的社区）当加入边的/被攻击者除去的数量是有界的。此外，我们证明了我们的认证的稳健性是紧的。我们还根据经验评估我们在多个真实世界的图，与地面实情社区方法。
疫情在城市公交系统传播的接触网络的尺度性
原文标题： Scaling of contact networks for epidemic spreading in urban transit systems
地址： http://arxiv.org/abs/2002.03564
作者： Xinwu Qian, Lijun Sun, Satish V.Ukkusuri
摘要： 流动性改善不仅有助于更深入的人类活动，而且也有利于传染性疾病的传播，从而构成十亿城市通勤的一大威胁。在这项研究中，我们提出了传染病地铁的旅客中渗透的多城市的调查。我们使用在中国有三个特大城市智能卡数据来构建个人层面的联系网络，在此基础上疾病的传播进行建模和研究。我们观察到，尽管在城市形态，网络布局和流动模式不同，这三个城市的地铁系统共享类似的接触网络结构。这促使我们开发出捕获的联系人数量以及个别旅客之间的接触时间的分布的普遍代车型。这个模型解释了如何在地铁联络网的结构特性与传染性疾病的风险水平相关。我们的研究结果凸显城市公共交通系统的过程中疾病爆发的脆弱性，并提出重要的规划和经营策略为减轻传染性疾病的风险。
带连续主体的社交传输模型的事项
原文标题： Notes on a Social Transmission Model with a Continuum of Agents
地址： http://arxiv.org/abs/2002.03569
作者： Benjamin Golub
摘要： 本说明介绍的性状的传输，如培养的简单重叠-世代（OLG）模型。起初，主体一些分数携带的特点。在每个时间段，年轻的主体``出生的'，并通过一些老剂的影响。主体采用特质仅在至少他们的影响力一定数目的有特点。这种影响可能会出现由于理性的选择（例如，因为年轻剂在玩谁已经致力于战略旧主体合作博弈），或一些其它原因。我们的兴趣是在社会影响力的过程中如何展开随着时间的推移，以及是否一个特点将长期存在或消亡。我们表征活性剂的比例的动态和相关的分析结果，经典的分枝过程和随机图。
小世界是不够的：网络选择和模拟的结论性标准
原文标题： Small world is not enough: Criteria for network choice and conclusiveness of simulations
地址： http://arxiv.org/abs/2002.03717
作者： Samuel Thiriot
摘要： 大多数基于主体的型号包括描述人工种群内的相互作用的结构的社会网络。由于这种结构对模拟动力学的显著影响，建模人员创建此网络以匹配似然性的标准（例如小世界属性）。网络实际上是由这些标准，像小世界网络的情况下，瓦，斯托加茨算法一个网络发电机兼容的创建。然而，这种做法过来一个算法，而不是动态跨类的利益网络，可能诱导结果的强烈的偏见而产生的特定的网络学习模型的动态。我们确定与此相关的偏差3个问题群：网络生成的一类网络（I）的代表性，（二）模拟的结论性意义上的一类网络及（iii）的增益结论性改进网络的选择标准时。我们提出的实验方案并创建实例对小世界网络流行病，舆论和文化动态。我们发现，（我）瓦，斯托加茨网络并不能代表小世界的网络（二）仿真结果过小的世界，可以说是不确定的，和（iii）具有相同的尺寸，甚至小世界网络，密度，传递和平均路径长度不会导致一致的结果。除了质疑模拟结果的人工网络获得的相关性，该研究还构成其他方法的探索那并不仅仅专注于网络的统计性质多一个说法。
时隙分配的公平性
原文标题： Fairness in Slot Allocation
地址： http://arxiv.org/abs/2002.03806
作者： Mehran Makhtoumi
摘要： 公平的航班的时隙分配最近的解释被认为是字的股权并在这些解释公平，航空机构与利益相关者一起空域管理人员已被安排和压缩算法采用地面延误问题的过程与理性的插槽的公平分配其中降低容量机场。这些方法的缺点是，要被分配给航班的槽都是相等的大小或持续时间的，因为航班要分配给时隙不能被区分。事实上，由于没有空中交通管理公正性的科学框架已经导致了它的不同矛盾的解释。在本研究中提出，公平是从计划结局下每个利益相关方的最佳共享管理规则的时间，数量和质量方面的偏差最小。为了实现在减压和正常容量机场的时隙分配的公平性，通过公平配给一个新的分配规则提出了其中的时间，数量和质量元件被建议为出发或到达，槽的大小或原来的时间分别持续时间和空域安全和飞行前检查表。
合成群体生产的配对：直接概率配对方法
原文标题： Pairing for Generation of Synthetic Populations: the Direct Probabilistic Pairing method
地址： http://arxiv.org/abs/2002.03853
作者： Samuel Thiriot, Marie Sevenet
摘要： 用于合成群体的生成方法都产生微型模型或者多主体模型所需的实体，比如他们匹配所研究的人群实地观察或假设。在这里，我们解决创造了两个类型的实体由0，1个或多个环节连在一起的合成人口的具体问题。潜在的应用包括住户居住的住房，家庭拥有汽车，住房配备家电，由事务所的工作人员等的创建我们提出了一个理论框架来解决这个问题。然后，我们强调这个问题是怎么过的约束和要求的一些约束放松来解决。我们提出了一个方法来分析，它可以让用户选择其输入数据应予以保留，并适应别人，以使数据保持一致解决问题。我们通过合成由包含在城市里尔（法国）的0,1或2户住宅群说明此方法。在这部分人群中，住房和家庭的特性的分布被保留，无一不是根据统计配对统计链接。
通过社会认知偏差驱动的公共话语和社会网络回声室
原文标题： Public discourse and social network echo chambers driven by socio-cognitive biases
地址： http://arxiv.org/abs/2002.03915
作者： Xin Wang, Shaoting Tang, Zhiming Zheng, Feng Fu
摘要： 近年来，社交媒体已日益成为竞争活动的重要平台，尤其是在政治选举。话语如何公众身份政治和决斗竞选努力之间错综复杂的相互作用推动它仍然遥遥无期。在这里，我们表明，这让人感到共鸣身份的范围是在形成偏振社会认知偏差的关键因素和隔离的网络结构，也被称为回声室。我们还发现，在公共话语，赢得多数支持被确定为不完全由它的声音更响亮，但也更微妙的意识形态定位的相对运动之间的分歧。进一步整合我们与Twitter的机理模型话语从2016年大选的总统候选人辩论数据揭示了吸收游移未定个人和空前上涨和支持率下跌到各自的总统候选人竞选增加工作的综合效应。
图累积量简介：你的社会网络峰度是什么？
原文标题： Introducing Graph Cumulants: What is the Kurtosis of your Social Network?
地址： http://arxiv.org/abs/2002.03959
作者： Lee M. Gunderson, Gecia Bravo-Hermsdorff
摘要： 在一个日益相互关联的世界，了解和总结这些网络的结构变得越来越重要。然而，这个任务是平凡的;建议汇总统计一样多种多样它们所描述的网络，以及一个标准化的层次结构尚未建立。与此相反，矢量值随机变量在其累积量（例如，均值，（共）方差，歪斜，峰度）来承认这样的描述。这里，我们介绍累积量为网络的天然类似物，建立基础上增加连接数量，之间的相关性的无缝结合另外的信息，诸如有向边，节点属性，和边权的分层描述。这些图表累积量提供用于量化网络的倾向显示感兴趣（如小集团测量群集）任何一个子结构和原则的统一框架。此外，它们产生最大熵模型的自然分层家族网络（即，ERGMs）不从“退化问题”，其他ERGMs共同的实际缺陷受到影响。
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.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。