- 居家令对SARS-CoV-2传播影响的因果估计;
- 通过具有异质扩散的空间分辨易感暴露-感染-恢复-死亡（SEIRD）模型模拟COVID-19的传播;
- 信息和性别对戴口罩以减慢COVID-19传播意图的影响;
- 通过跟踪感染轨迹来跟踪COVID-19;
- COVID-19信息疫情期间印度国家公报和Twitter之间的情绪分析和情绪耦合;
- Twitter上COVID-19错误信息的探索性研究;
- 被COVID-19挑战的经验教训;
- 当拉近转为推离：意见动态的数学模型;
- 假主体的观察性学习;
- GoGNN：用于预测结构化实体交互的图神经网络图;
- 未知世界中的网络：委内瑞拉难民危机中的公共WhatsApp组;
- 仇恨言论和辱骂性语言数据集的交叉偏见;
居家令对SARS-CoV-2传播影响的因果估计
原文标题： Causal Estimation of Stay-at-Home Orders on SARS-CoV-2 Transmission
地址： http://arxiv.org/abs/2005.05469
作者： M. Keith Chen, Yilin Zhuo, Malena de la Fuente, Ryne Rohla, Elisa F. Long
摘要： 准确估计居家令对减少社交接触和疾病传播的有效性对于缓解流行病至关重要。利用1000万部智能手机的个人级别位置数据，我们观察到，到4月30日时-十分之九的美国人处于居家令之下-每天的运动比COVID之前的水平下降了70％。这种下降的四分之一可归因于居家令，在合规性方面存在很大的人口差异，最主要的是政治派别。特朗普的选民可能会在当地居家令后将行动减少9％，相比之下，面临类似风险和相同政府指令的克林顿投票邻居减少了21％。将社会隔离的行为与流行病模型联系起来，我们估计运动的减少已使SARS-CoV-2传播率降低了49％。
通过具有异质扩散的空间分辨易感暴露-感染-恢复-死亡（SEIRD）模型模拟COVID-19的传播
原文标题： Simulating the spread of COVID-19 via spatially-resolved susceptible-exposed-infected-recovered-deceased (SEIRD) model with heterogeneous diffusion
地址： http://arxiv.org/abs/2005.05320
作者： Alex Viguerie, Guillermo Lorenzo, Ferdinando Auricchio, Davide Baroli, Thomas J.R. Hughes, Alessia Patton, Alessandro Reali, Thomas E. Yankeelov, Alessandro Veneziani
摘要： 我们提出了一种基于偏微分方程和非均质扩散模型的易暴露-感染-恢复-死亡（SEIRD）数学模型的早期版本。该模型描述了COVID-19大流行的时空分布，旨在根据人类习惯和地理特征捕捉动态。为了测试模型，我们将有限元求解器产生的输出与意大利伦巴第大区的测量数据进行了比较，该区域在2020年2月至2020年4月之间受到这场危机的严重影响。伦巴第时空传播的COVID-19预测以及市政当局收集的流行病学数据。其他模拟探索了放宽锁定限制的替代方案的模拟表明，重新开放策略应考虑当地人口密度和传染的具体动态。因此，我们认为，以数据为驱动力的模型模拟最终可以告知卫生当局设计有效的大流行阻止措施，并预测关键医疗资源的地理分配。
信息和性别对戴口罩以减慢COVID-19传播意图的影响
原文标题： The effect of messaging and gender on intentions to wear a face covering to slow down COVID-19 transmission
地址： http://arxiv.org/abs/2005.05467
作者： Valerio Capraro, Hélène Barcelo
摘要： 如今，各个国家正在或将要朝着放宽就地庇护规定的方向发展，重要的是人们必须使用面罩，以免冠状病毒疾病（COVID-19）的传播呈指数增长。在这里，我们报告了一个预先注册的在线实验（N = 2,459），该实验使用了一个异构但不具代表性的美国居民样本，我们在其中测试了消息的相对影响，强调冠状病毒是对“您”的威胁“您的家人”与“您的社区”与“您的国家”在自我报告的意图下要戴上口罩。结果表明，关注“您的社区”会促使人们倾向于相对于基线佩戴面部遮盖物；将“您的社区”与其他条件进行比较时，趋势是相同的，但并不明显。我们还进行了预先注册的性别差异分析，目的是戴口罩。我们发现，男性比女性要戴口罩的人数要少，但是在必须戴口罩的县，这种差异几乎消失了。我们还发现，男性少于女性的人认为自己会受到冠状病毒的严重影响，这部分地介了性别差异，意在戴口罩的意图（这尤其具有讽刺意味，因为官方统计数据实际上表明男性受到了COVID-比女性更重视19）。最后，我们还发现在戴口罩时自我报告的负面情绪中存在性别差异。男人比女人更同意，戴口罩是可耻的，不是很酷的，是虚弱的迹象，而且是一种污名。这些性别差异还介导了戴口罩的性别差异。
通过跟踪感染轨迹来跟踪COVID-19
原文标题： Tracking COVID-19 by Tracking Infectious Trajectories
地址： http://arxiv.org/abs/2005.05523
作者： Badreddine Benreguia, Hamouma Moumen, Mohammed Amine Merzoug
摘要： 如今，冠状病毒大流行已经并且仍在造成大量死亡和感染者。尽管世界各国政府已采取严厉措施以减缓病毒传播（例如，出行限制，暂停所有体育，社会和经济活动，隔离，社会隔离等），但仍有许多人死亡，很多人死亡。还有更多人处于危险之中。确实，最近进行的一项研究〜引用ref2报告说，中国79％的确诊感染是由无症状的无症状患者引起的。在同一情况下，在许多其他国家，由于冠状病毒需要几天才能出现症状，因此也有报道说，已知感染数并不代表实际感染人数（预计实际人数是更高）。就是说，无症状患者是冠状病毒大量迅速传播的主要因素，也是导致政府对这一严峻形势失去控制的主要原因。为了为纠正这种全球性流行病做出贡献，在本文中，我们提出了一种IoT（物联网）调查系统，该系统专门设计用于发现没有证件的患者和感染场所。目的是帮助当局对高污染部位进行消毒，并限制没有明显症状的人员。提议的系统还允许确定与感染或怀疑患者密切接触的所有人员。因此，可以快速隔离可疑病例并更有效地控制任何大流行传播。
COVID-19信息疫情期间印度国家公报和Twitter之间的情绪分析和情绪耦合
原文标题： Psychometric Analysis and Coupling of Emotions Between State Bulletins and Twitter in India during COVID-19 Infodemic
地址： http://arxiv.org/abs/2005.05513
作者： Baani Leen Kaur Jolly, Palash Aggrawal, Amogh Gulati, Amarjit Singh Sethi, Ponnurangam Kumaraguru, Tavpritesh Sethi
摘要： COVID-19信息病的传播速度超过了大流行本身，因为信息潮席卷而来的错误信息是对人们健康和治理系统的主要威胁。由于社交媒体是最大的信息来源，因此管理信息流行不仅需要减轻错误信息的影响，还需要及早了解由此产生的心理模式。自2020年3月6日起，在COVID-19危机期间，仅Twitter的策展活动页面使用量猛增了45％，直接消息传递使用率则增长了30％。在本研究中，我们分析了心理影响并将COVID-19信息流行病与印度国家和州一级与COVID-19相关的官方公告相结合。我们从情感的心理语言学角度审视这两个来源，并量化了两者之间的程度和耦合。我们修改了path，这是一个基于深度跳跃语法的开源词典构建器，可有效捕获与健康相关的情绪。然后，我们能够在社交媒体和官方公告中记录与健康相关的情绪的时间演变。使用格兰杰的因果关系分析从官方公告中提取的情感的时间序列与社交媒体之间的超前-滞后关系，结果表明，州公告在社交媒体中引发某些情绪，例如恐惧。还讨论了可能与决策者和积极参与缓解误报的传播者有关的其他见解。本文还介绍了CoronaIndiaDataset2，这是印度第一个基于社交媒体的国家和州级COVID-19数据集，具有超过560万个国家级和260万个州级推文。最后，我们以COVibes的形式展示我们的发现，COVibes是一个交互式Web应用程序，可捕获在国家和州一级从CoronaIndiaDataset上捕获的心理计量见解。
Twitter上COVID-19错误信息的探索性研究
原文标题： An Exploratory Study of COVID-19 Misinformation on Twitter
地址： http://arxiv.org/abs/2005.05710
作者： Gautam Kishore Shahi, Anne Dirkson, Tim A. Majchrzak
摘要： 尽管通过Twitter等渠道共享了许多正确和有用的信息，但它也已成为误导COVID-19的依据。为了解决这种仍在持续的信息流行，需要科学监督以及从业者对危机管理的更好理解。我们已经围绕COVID-19主题对Twitter上的错误信息的传播，作者和内容进行了探索性研究，以便对COVID-19信息流行病有更早的见解。我们的结果使我们不仅可以给出初步的迹象，而且可以建议在当前对该主题的科学报道中的差距。此外，我们为当局提出了应对错误信息的措施，并为社交媒体用户提供了有关如何帮助阻止错误信息传播的提示。
被COVID-19挑战的经验教训
原文标题： Lessons from being challenged by COVID-19
地址： http://arxiv.org/abs/2005.05853
作者： E. Tagliazucchi, P. Balenzuela, M. Travizano, G.B. Mindlin, P.D. Mininni
摘要： 我们介绍了模拟阿根廷COVID-19疫情演变的不同方法的结果，特别关注布宜诺斯艾利斯市及其大都市区所构成的特大城市，包括总共41个地区，人口超过1300万。我们首先强调从国外来袭的传染病旅行者解释流行病早期的意义。接下来，我们基于生殖数目的瞬时修改，对某些提议的解决方案进行严格评估以遏制该流行病。最后，我们建立了越来越复杂和现实的模型，从用于估计本地复制数量的简单同质模型，到结合了来自手机位置数据的移动性估算的完全耦合的不均匀（确定性或随机性）模型。这些模型能够以最小的参数拟合和微调来生成与官方案例数高度一致的预测。我们将讨论拟议模型的优势和局限性，着眼于不同的必要一阶近似值的有效性，并警告未来的建模工作，应在长期预测的解释以及采用非药物干预措施的支持下格外小心数值模拟。
当拉近转为推离：意见动态的数学模型
原文标题： When Pull Turns to Shove: A Mathematical Model For Opinion Dynamics
地址： http://arxiv.org/abs/2005.05478
作者： David Sabin-Miller, Daniel M. Abrams
摘要： 准确的观点动态建模有可能帮助我们理解两极分化，以及使有效的政治言论成为可能或不可能的原因。在这里，我们使用微分方程来模拟连续分布的人口中政治观点的演变。我们利用无网络系统来确定政治影响力，并采用局部吸引，远端排斥的动态来响应感知到的内容。我们的方法允许合并组间偏见，以使来自受信任的组内来源的邮件比组外的邮件具有更大的回旋余地。我们提出的框架可以重现现实世界中的政治分布和实验观察到的动态，并且可以随着更多数据的获得而进一步完善。
假主体的观察性学习
原文标题： Observational Learning with Fake Agents
地址： http://arxiv.org/abs/2005.05518
作者： Pawan Poojary, Randall Berry
摘要： 在在线市场中，主体商通常会从他人的行为中学习。这种观察性学习可以导致放牧或信息级联，在这些级联中，主体商最终会“跟随人群”。对于选择收益最优行动的贝叶斯理性行为者，已经很好地研究了这种级联模型。在本文中，我们还考虑了假冒主体的存在，这些伪主体试图影响其他主体采取特定行动。为此，这些主体采取固定的行动，以便影响随后的主体朝其首选行动发展。我们表征了这种假冒主体人所占比例如何影响其余主体人的行为，并表明在某些情况下，假冒主体人所占比例的增加实际上减少了其获得理想结果的机会。
GoGNN：用于预测结构化实体交互的图神经网络图
原文标题： GoGNN: Graph of Graphs Neural Network for Predicting Structured Entity Interactions
地址： http://arxiv.org/abs/2005.05537
作者： Hanchen Wang, Defu Lian, Ying Zhang, Lu Qin, Xuemin Lin
摘要： 实体相互作用预测在许多重要应用中至关重要，例如化学，生物学，材料科学和医学。当每个实体由复杂的结构（即结构化实体）表示时，该问题变得非常具有挑战性，因为涉及两种类型的图：结构化实体的局部图和捕获结构化实体之间的交互的全局图。我们观察到，有关结构化实体交互预测的现有工作无法正确利用图模型的唯一图。在本文中，我们提出了一种图神经网络图，即GoGNN，它以分层的方式提取结构化实体图和实体交互图中的特征。我们还提出了双重注意机制，该机制使模型能够在图的两个级别上保留邻居的重要性。在现实世界的数据集上进行的大量实验表明，GoGNN在两个代表性的结构化实体相互作用预测任务上优于最新方法：化学-化学相互作用预测和药物-药物相互作用预测。我们的代码可在Github上获得。
未知世界中的网络：委内瑞拉难民危机中的公共WhatsApp组
原文标题： Networks in a World Unknown: Public WhatsApp Groups in the Venezuelan Refugee Crisis
地址： http://arxiv.org/abs/2005.05883
作者： Adam Chang
摘要： 到2020年3月上旬，在经济和机构全面崩溃之后，有500万委内瑞拉人逃离了自己的祖国，超过160万的委内瑞拉人移民到了哥伦比亚。移民在哥伦比亚的生活很艰辛，因为他们的经济资源很少，而且往往没有法律文件，而在城市却很少给他们提供。但是，委内瑞拉移民严重依赖手机和社交媒体网络作为获取信息，机会和资源的生命线，这使WhatsApp既成为移民安置和融合的重要工具，也是宝贵的数据来源，更好地了解移民经验。本文探讨了委内瑞拉移民到哥伦比亚使用的公共WhatsApp组的动态，以及他们如何告诉我们移民如何使用和共享信息。我们将研究的重点放在信息传播和信任上，尤其是当它们与群体内部的集中度和地理异质性相交时。我们广泛地分析消息和成员身份，然后探讨组内的互动，虚假新闻和经济骗局以及冠状病毒大流行的影响。我们的研究结果具有一系列政策含义，从对哥伦比亚决定在冠状病毒大流行中关闭边境的思考到对援助组织如何通过社交媒体渠道有效共享信息的理解。
仇恨言论和辱骂性语言数据集的交叉偏见
原文标题： Intersectional Bias in Hate Speech and Abusive Language Datasets
地址： http://arxiv.org/abs/2005.05921
作者： Jae Yeon Kim, Carlos Ortiz, Sarah Nam, Sarah Santiago, Vivek Datta
摘要： 算法已广泛应用于检测社交媒体中的仇恨言论和侮辱性语言。我们调查了用于训练这些算法的人工注释数据是否有偏差。我们利用了一个公开可用的带注释的Twitter数据集（Founta et al.2018），并对99,996条推文的种族，性别和政党身份进行了分类。结果表明，与其他人相比，非裔美国人的推文被标记为可恶的可能性高出3.7倍，而非裔美国人的男性推文被标记为具有仇恨性的可能性高出77％。这些模式具有统计意义，并且即使将参与方标识添加为控制变量也很可靠。这项研究为仇恨言论和辱骂性语言数据集中的交叉偏倚提供了第一个系统证据。
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。