COVID-19疫情是否可以根據每日數據進行管理？
原文標題： Can the COVID-19 epidemic be managed on the basis of daily data?
地址： http://arxiv.org/abs/2003.06967
作者： Francesco Casella
摘要： 簡短的回答：作用有限，只有採取過分謹慎的方法。本文提供了過程的一個簡單數學模型，並利用控制論的著名結果證明：如果考慮到時間延遲的影響，中國和意大利採取的封鎖隔離方法可以行得通（意大利效果略差），而英國目前宣佈的方法可能會失敗。
COVID-19大流行演變中的症狀前傳播
原文標題： Pre-symptomatic Transmission in the Evolution of the COVID-19 Pandemic
地址： http://arxiv.org/abs/2003.07353
作者： Liang Tian, Xuefei Li, Fei Qi, Qian-Yuan Tang, Viola Tang, Jiang Liu, Xingye Cheng, Xuanxuan Li, Yingchen Shi, Haiguang Liu, Lei-Han Tang
摘要： 2019年冠狀病毒（COVID-19）已在全球感染了170,000多人，在三個月的時間內導致6,000多人死亡。與主流觀點相反，關於症狀前和無症狀個體對疾病暴發起重要作用的文獻越來越多。最近有關串行感染的幾項研究得出的平均間隔為4天左右，比平均症狀發作時間5-7天短，連續間隔為陰性的病例超過10％。這些觀察結果突出表明，迫切需要量化症狀前的傳播，以做出充分的全球反應。在本文中，我們開發了一種由症狀前傳播驅動的流行病模型。在模型構建體中，病毒載體在給定日期的傳染性通過其症狀發作概率來確定，我們通過對臨床文獻的大量研究來表徵。然後可以調用眾所周知的Lotka-Euler估計方程，將流行病的日增長率lambda與基本再生數R_0相關聯。在2020年1月23日武漢封鎖之後，我們將疾病傳播模型應用於中國受影響省份的流行病發展。該模型可以很好地捕捉到顯著的三相普遍模式。儘管模型很簡單，但該模型仍允許綜合來自各種來源的數據，以形成對導致或控制疾病傳播的關鍵機制的定量理解，並做出明智的決策以控制大流行。
Covid-19傳播：在歐幾里得網絡上使用SIR模型進行數據再現和預測
原文標題： Covid-19 spread: Reproduction of data and prediction using a SIR model on Euclidean network
地址： http://arxiv.org/abs/2003.07063
作者： Kathakali Biswas, Abdul Khaleque, Parongama Sen
摘要： 我們研究了在中國Covid-19暴發時累積和每日病例數的數據。累積數據可以適合於從先前在歐幾里得網絡上研究的易感感染去除（SIR）模型獲得的經驗形式。通過對中國和意大利的病例數與距疫情中心的距離作圖，我們發現近似冪律變化，指數約為1.85，強烈表明空間依賴性起著關鍵作用，是模型中包括的一個因素。我們在這裡報告說，歐幾里得網絡上的SIR模型可以高精度地複製給定參數值的中國數據，並且還可以預測至少在局部地區流行有望何時結束。
數據驅動的接觸結構：從均勻混合到多層網絡
原文標題： Data-driven contact structures: from homogeneous mixing to multilayer networks
地址： http://arxiv.org/abs/2003.06946
作者： Alberto Aleta, Guilherme Ferraz de Arruda, Yamir Moreno
摘要： 在過去的二十年左右的時間裡，傳染病傳播的建模取得了重大進展。由於數據的激增以及新的收集，挖掘和分析數據的方法的發展，使之成為可能。網絡科學等新學科的最新進展也發揮了關鍵作用。但是，當前的模型仍然缺乏對可以從數據中提取的所有可能的異質性和特徵的忠實表示。在這裡，我們彌合了當前傳染病數學模型中的空白，並開發了一個框架，可以同時考慮個人的連通性和人口的年齡結構。我們比較了不同的場景，即，i）均勻混合設置，ii）僅考慮社會混合的場景，iii）僅考慮個人連接性的設置，最後，iv）多層表示，其中該模型包括社交混合和聯繫人數量。我們分析表明，這四種情況下獲得的閾值是不同的。此外，我們進行了廣泛的數值模擬，並得出結論，接觸網絡中的異質性對於正確確定流行閾值很重要，而年齡結構在疫情爆發後起著更大的作用。總之，在評估干預措施（如疫苗接種）時，兩個個體異質性的來源都很重要，應同時考慮。我們的研究結果還表明，在人們無法獲得連通性和人口年齡方面無法訪問所有所需信息的情況下，會發生錯誤。
城市間移動對中國人口空間分佈的影響
原文標題： The effect of interurban movements on the spatial distribution of population in China
地址： http://arxiv.org/abs/2003.07276
作者： Jiachen Ye, Qitong Hu, Peng Ji, Marc Barthelemy
摘要： 瞭解城市間的移動如何改變人口的空間分佈對於交通規劃很重要，但它也是流行病建模的基本要素。我們將重點放在農曆新年期間的假期旅行（針對所有交通方式），並將2019年的結果與2020年的結果進行比較，在該年中，旅行禁令被用於緩解新型冠狀病毒（COVID-19）的傳播。我們首先表明，這些旅行流分佈廣泛，並且顯示出較大的時間和空間波動，因此很難進行建模。當流量更大時，它們似乎更分散在大量的起點和目的地，從而創建了可以大規模傳播流行病的事實上的樞紐。這些運動迅速（約一週）在少數城市中引起了非常強烈的人口集中。我們通過定義一個擺動比率定量地確定返回初始分佈的特徵，該比率使我們能夠表明這種動態非常緩慢，甚至由於旅行限制在2020年農曆新年期間都停止了。出行限制顯然限制了疾病在不同城市之間的傳播，但因此具有在少數城市中保持高度集中的反作用，這是先驗的城市內傳播，除非嚴格限制個人接觸。這些結果揭示了城市間運動如何改變人口的全國分佈，這是在國家一級制定有效控制策略的關鍵因素。
市場狀態：新的認識
原文標題： Market states: A new understanding
地址： http://arxiv.org/abs/2003.07058
作者： Hirdesh K. Pharasi, Eduard Seligman, Thomas H. Seligman
摘要： 我們以複雜系統為例，介紹了2006-2019年間標普500（美國）和日經225（JPN）市場的金融市場的聚類分析。我們研究了從滑動曆元構造的相關矩陣的統計性質。根據相關結構的相似性，可以將相關矩陣分為不同的類，稱為市場狀態。通過優化集群內距離的價值，我們將S＆P 500市場分為四個市場狀態，將Nikkei 225市場分為六個市場狀態。市場顯示出這些市場狀態之間的轉換，而向關鍵市場狀態的轉換的統計特性可能表明災難性事件的可能先兆。我們還對根據市場狀態的平均相關性構建的替代數據分析了相同的聚類技術，並且由於短時間序列的白噪聲而產生波動。我們使用相關的Wishart正交系綜來構建替代數據，該替代數據的平均相關度等於實際數據的平均值。
複雜動態網絡上的有效通信：矩陣非正規性的作用
原文標題： Efficient Communication over Complex Dynamical Networks: The Role of Matrix Non-Normality
地址： http://arxiv.org/abs/1904.02447
作者： Giacomo Baggio, Virginia Rutten, Guillaume Hennequin, Sandro Zampieri
摘要： 在自然系統和工程系統中，通信通常都是通過網絡動態發生的，這些網絡的範圍從高度結構化的網格到很大程度上無序的圖。為了使用或理解網絡作為有效的通信介質的使用，需要了解網絡如何面對噪聲傳播和轉換信息。在這裡，我們開發了一個框架，使我們能夠檢查網絡結構，噪聲和連續數據包之間的干擾如何共同確定具有單節點線性動態和任意拓撲的網絡中的傳輸性能。可以分解為單獨的低維信息通道的數學上正常的網絡會嚴重遭受讀出和干擾噪聲的困擾。有趣的是，它們的大多數佈線細節都不會影響傳輸質量。但是，非正常網絡可以通過暫時放大選定的輸入尺寸而忽略其他尺寸，從而在很大程度上消除噪聲的影響，從而導致更高的淨信息吞吐量。我們的理論可以為新通信網絡的設計以及現有網絡的最佳使用提供參考。
使用一跳線性模型的簡單有效圖自動編碼器
原文標題： Simple and Effective Graph Autoencoders with One-Hop Linear Models
地址： http://arxiv.org/abs/2001.07614
作者： Guillaume Salha, Romain Hennequin, Michalis Vazirgiannis
摘要： 在過去的幾年中，圖自動編碼器（AE）和變分自動編碼器（VAE）成為強大的節點嵌入方法，在具有挑戰性的任務（如鏈路預測和節點聚類）上具有令人鼓舞的性能。圖AE，VAE及其大多數擴展都依賴於多層圖卷積網絡（GCN）編碼器來學習節點的向量空間表示。在本文中，我們表明GCN編碼器實際上對於許多應用而言都不必要地複雜。我們建議用更簡單，更易解釋的線性模型替換它們。圖的直接鄰域（單跳）鄰接矩陣，涉及較少的操作，較少的參數並且沒有激活函數。對於上述兩個任務，我們證明了這種更簡單的方法始終可以達到具有競爭優勢的性能。基於GCN的圖AE和VAE，適用於眾多真實世界的圖，包括通常用於評估圖AE和VAE的所有基準數據集。基於這些結果，我們還質疑重複使用這些數據集來比較複雜圖AE和VAE的相關性。
互補驅動網絡的潛在幾何
原文標題： Latent Geometry for Complementarity-Driven Networks
地址： http://arxiv.org/abs/2003.06665
摘要： 跨學科團隊的網絡，生物相互作用以及食物網是由互補原理塑造的網絡的示例：這些網絡中的連接優先建立在具有互補屬性的節點之間。我們提出了互補驅動網絡的幾何框架。在這樣做的過程中，我們首先認為，由於潛在度量空間中的三角形不等式和互補性的非及物性之間的矛盾，傳統的幾何表示形式（例如將網絡嵌入潛在度量空間中）不適用於互補驅動網絡。然後，我們提出這些互補驅動網絡的跨幾何表示，並證明該表示（i）自然地遵循互補規則，（ii）與潛在空間的度量屬性一致，（iii）再現瞭如果潛在空間是雙曲磁盤，則為實際的互補驅動網絡，並且（iv）可以預測精度超過現有基於相似性的方法的互補驅動網絡中的丟失鏈接。擬議的框架挑戰了社會網絡分析的直覺和通常用於互補驅動網絡的工具，併為科學和生物醫學系統的描述性和規範性分析提供了新途徑。
基於邊的有效方法促進SIR模型的傳播
原文標題： Effective edge-based approach for promoting the spreading of SIR model
地址： http://arxiv.org/abs/2003.06771
作者： Dan Yang, Jiajun Xian, Liming Pan, Wei Wang, Tao Zhou
摘要： 促進網絡系統中的傳播動力學具有理論和實踐意義。在這項研究中，我們提出了一種有效的基於邊的方法，通過添加原始網絡中不存在的連接，來促進複雜網絡上易受感染感染的恢復模型的傳播動力學。具體來說，我們首先通過數學模型量化每個潛在邊（即之前不存在或未激活的每個邊）的影響。然後，我們根據每個潛在邊的影響從策略上將潛在邊添加到原始網絡中。應該提到的是，我們的策略既包含了網絡結構信息，又包含了傳播動態信息。我們通過大量的數值模擬驗證了我們策略的有效性，並證明了我們的策略優於僅考慮網絡結構的方法。此外，本研究建立的理論框架為進一步研究基於邊的其他傳播模型的促進策略提供了啟發。
交通流多發性紊亂
原文標題： Traffic flow with multiple quenched disorders
地址： http://arxiv.org/abs/2003.06790
作者： A. Sai Venkata Ramana, Saif Eddin Jabari
摘要： 我們通過在Newell的跟車模型的所有參數中引入淬滅性障礙來研究異構交通動態。具體來說，我們考慮自由流動速度，卡紙密度和反向波速度的隨機性。使用β分佈對猝滅的疾病進行建模。可以觀察到，在低密度下，車輛的平均排量和平均速度會隨著時間的冪律而變化，這是由Ben-Naim，Krapivsky和Redner（BKR）得出的。在密度和密度分佈函數的第二矩的時間演化中未觀察到冪律行為，這表明本系統與粘性氣體之間沒有等效性。與完全不對稱的簡單排除過程（TASEP）相反，我們發現在靜止的間隙分佈中沒有冪律行為，並且從排形成階段到層流階段的過渡與自由流動到擁擠過渡相一致，並且總是一階，獨立於自由流動速度的淬滅紊亂。使用平均場理論，我們得出了車輛的間隙分佈，並表明相變始終是一階的，與自由流動速度中的淬火無序無關，從而證實了仿真結果。我們還表明，過渡密度是熱力學極限中排中車輛平均間隙的倒數。
交流少量意見勝過分享大量人群彙總的意見
原文標題： Exchanging small amounts of opinions outperforms sharing aggregated opinions of large crowds
地址： http://arxiv.org/abs/2003.06802
作者： Bertrand Jayles, Ralf H.J.M Kurvers
摘要： 數字革命從根本上改變了社會信息交流，並大大增加了他人意見的公開程度。但是，尚不清楚交換如此大量的信息是否有利於決策。交換適量或聚合形式的社會信息確實可以避免信息過載，並能做出更好的決策。我們進行了一些實驗，要求參與者在收到所有同事的估計值或其幾何平均值之前和之後兩次估計數量。我們發現，當參與者觀察到所有估計值時，第二估計值比他們看到其幾何平均值時更準確。使用模型，我們可以預測，當交換大約十二個估計值時，與組的大小無關，準確性最多會提高。綜上所述，我們的結果因此表明，為了優化集體決策，個人應該從適度的小組成員那裡接受所有決策，而不是大批人群的彙總意見。
自私的徒勞——自私路由對無協調和優化的運輸網絡的影響
原文標題： The Futility of Being Selfish — The Impact of Selfish Routing on Uncoordinated and Optimized Transportation Networks
地址： http://arxiv.org/abs/2003.06833
作者： Ho Fai Po, Chi Ho Yeung, David Saad
摘要： 優化流量對於緩解擁塞至關重要。但是，即使提供了全局最優，協調和個性化的路線，用戶也可以選擇成本更低的替代路線。通過使用腔方法分析自私路線選擇對性能的影響，我們發現一小部分自私路線選擇可提高不協調運輸網絡的整體性能，但會降低優化系統的效率。值得注意的是，在某些參數條件下，合規用戶始終會獲得前者的利益，自私用戶可能會獲得後者的利益。理論結果與大規模仿真非常吻合。一小部分自私用戶的迭代路由切換導致Nash均衡接近於全局最優路由解決方案。我們的理論框架還概括了最初為研究平衡態而開發的腔法的使用，以分析迭代博弈理論問題。這些結果揭示了當並非所有車輛都遵循協調的路線時通過路線協調緩解擁堵的可行性。
名人能刺破你的泡沫嗎？
原文標題： Can Celebrities Burst Your Bubble?
地址： http://arxiv.org/abs/2003.06857
作者： Tuğrulcan Elmas, Kristina Hardi, Rebekah Overdorf, Karl Aberer
摘要： 極化是一個日益嚴重的全球性問題。這樣，已經提出了許多基於社交媒體的解決方案以減少它。在這項研究中，我們提出了一種新的解決方案，向名人推薦主題，以鼓勵他們參加兩極分化的辯論，並增加對逆向內容的曝光率-打破篩選泡沫。本文使用最新的量化極化程度的模型，嘗試通過經驗回答以下問題：名人是否會爆破濾泡？我們使用案例研究來分析當名人參與有爭議的話題時人們的反應，並列出可能的研究方向。
消除人群的偏見：選擇性地交換社會信息可改善集體決策
原文標題： Debiasing the crowd: selectively exchanging social information improves collective decision making
地址： http://arxiv.org/abs/2003.06863
作者： Bertrand Jayles, Ralf H.J.M Kurvers
摘要： 集體決策在生物系統中無處不在。但是，個人層面的偏見可能會損害集體決策的質量。一種主要的偏見是人類傾向於低估數量。我們在人類群體中進行了估算實驗，在該實驗中，我們重新連接了信息交換的結構，以支持最接近估計中值的，最接近中位數高估的估算交換。我們顯示，與隨機交流相比，這種重新交換社會信息交流的方式可以抵消低估的偏見，並可以促進集體決策。這種結果的根本原因是人類趨向於放牧，信任大群而不是小群，以及較少地關注不同的社會信息。我們引入了一個模型，該模型可再現所有主要的經驗結果，並預測優化集體決策的條件。我們的結果表明，利用現有的偏見知識可以促進集體決策，為對抗威脅集體系統的其他認知偏見鋪平道路。
多階段流程的對抗編碼器-多任務-解碼器
原文標題： Adversarial Encoder-Multi-Task-Decoder for Multi-Stage Processes
地址： http://arxiv.org/abs/2003.06899
作者： Andre Mendes, Julian Togelius, Leandro dos Santos Coelho
摘要： 在多階段流程中，決策按階段的順序進行。早期階段通常具有更多具有一般信息的信息（更容易/更便宜地收集信息），而晚期階段則具有較少的觀察結果，但是具有更具體的數據。這種情況可以用雙重漏斗結構表示，其中樣本量從一個階段減少到另一個階段，而信息增加。在這種情況下，對分類器進行培訓是具有挑戰性的，因為早期的信息可能不包含學習（欠擬合）的獨特模式。相反，後期的樣本量較小會導致過擬合。我們通過引入一個結合對抗性自動編碼器（AAE），多任務學習（MTL）和多標籤半監督學習（MLSSL）的框架來解決這兩種情況。我們使用MTL組件改進了AAE的解碼器，因此它可以聯合重建原始輸入並使用特徵網預測下一階段的特徵。我們還在MLSSL分類器的輸出中引入了序列約束，以確保預測中的順序模式。使用來自不同領域（選擇過程，醫學診斷）的真實數據，我們證明了我們的方法優於其他最新方法。
替代程度：家用光伏電池續用量對公用事業發電和存儲的影響
原文標題： Degrees of displacement: The impact of household PV battery prosumage on utility generation and storage
地址： http://arxiv.org/abs/2003.06987
作者： Kelvin Say, Wolf-Peter Schill, Michele John
摘要： 光伏和電池成本的降低鼓勵家庭投資光伏電池的生產。我們通過將兩個開源技術經濟模型應用於西澳大利亞州2030年的情景，探索對電力行業其他部門的影響。家用光伏發電容量通常替代公用事業光伏發電，但由於安裝了更多家用電池而略有減少。風能的影響較小，特別是在可再生能源份額較高的情況下。隨著家用電池的運行以最大程度地提高自我消耗，實用電池的容量幾乎無法替代。供應家庭的批發價格（包括不從事賣淫的家庭）略有下降，而其他消費者的價格則略有上升。我們得出的結論是，專業人數的增長對電力部門的各個要素都有影響，投資者，監管機構和電力部門規劃者應更全面地考慮這一點。
網絡中意見動態的對抗性擾動
原文標題： Adversarial Perturbations of Opinion Dynamics in Networks
地址： http://arxiv.org/abs/2003.07010
作者： Jason Gaitonde, Jon Kleinberg, Eva Tardos
摘要： 我們研究了網絡結構，觀點動態和對手人為地引起分歧的能力之間的聯繫。我們通過擴展社會科學中的觀點形成模型來表示這些場景，以應對最近事件所熟悉的場景，這些場景中外部參與者試圖通過假新聞和機器人通過複雜的信息戰策略來破壞社區的穩定。在許多情況下，這些努力的內在目標不一定是改變網絡的整體情緒，而是誘發不和諧。這些干擾通過計算機網絡和社會科學工作中已經分析和抽象的機制，通過底層網絡上的意見動態傳播。我們調查了此類攻擊的性質，同時考慮了針對尋求引起分歧的對手以及負責保護網絡免受攻擊的實體的最佳策略。我們表明，對於這些類型目標的不同表述，網絡譜結構的不同機制將限制對手播撒不和諧的能力。這使我們能夠定性地描述哪些網絡最容易受到這些干擾的影響。然後，我們考慮網絡防禦者通過異構地隔離節點來減輕這類對抗攻擊的算法任務；我們表明，通過考慮此問題的幾何形狀，可以通過凸編程有效地解決此優化任務。最後，我們將這些結果歸納為兩個網絡結構，其中意見動態過程和分歧度量不相關，並確定對手的力量如何變化；例如，當意見動態通過社交媒體控制在線社區時，而意見分歧則通過“現實世界”的聯繫來衡量，則可能會出現這種情況。
用於推薦系統的深度神經網絡審閱文本交互
原文標題： Deep Neural Review Text Interaction for Recommendation Systems
地址： http://arxiv.org/abs/2003.07051
作者： Parisa Abolfath Beygi Dezfouli, Saeedeh Momtazi, Mehdi Dehghan
摘要： 用戶的評論包含有價值的信息，大多數推薦系統中並未考慮這些信息。根據該領域的最新研究，使用審閱文本不僅可以提高推薦的性能，而且還可以減輕數據稀疏性的影響並有助於解決冷啟動問題。在本文中，我們提出了一種神經推薦器模型，該模型通過利用用戶評論來推薦商品。為了預測每個商品的用戶評分，我們建議的模型名為MatchPyramid推薦系統（MPRS），代表每個用戶和每個商品及其相應的評論文字。因此，推薦問題被視為文本匹配問題，從而從匹配的用戶文本和項目文本獲得的匹配分數可以被視為它們共同相似程度的良好代表。為了解決文本匹配問題，受MatchPyramid（Pang，2016）的啟發，我們採用了一種基於交互的方法，根據該方法，在給定一對輸入文本的情況下構造了一個匹配矩陣。然後將具有分層匹配模式屬性的匹配矩陣輸入到卷積神經網絡（CNN）中，以計算給定用戶項對的匹配分數。我們對Amazon Review數據集的小數據類別進行的實驗表明，與DeepCoNN模型相比，我們提出的模型相對改進了1.76％至21.72％，與TransNets模型相比，相對改進了0.83％至3.15％。此外，在兩個大類別上，即AZ-CSJ和AZ-Mov，我們的模型與DeepCoNN模型相比分別實現了8.08％和7.56％的相對改進，與TransNets模型相比分別實現了1.74％和0.86％的相對改進。
合併-拆分的馬爾可夫鏈蒙特卡洛方法用於社區檢測
原文標題： Merge-split Markov chain Monte Carlo for community detection
地址： http://arxiv.org/abs/2003.07070
作者： Tiago P. Peixoto
摘要： 我們提出了一種基於群體合併和分裂的馬爾可夫鏈蒙特卡洛方案，該方案能夠根據隨機塊模型（SBM）定義的網絡分區的後驗分佈有效採樣。我們展示了基於單個節點在組之間移動的方案如何系統地無法正確地從後驗分佈正確採樣，即使在小型網絡上，以及我們的合併拆分方法如何表現得更好，並且將鏈的混合時間縮短了幾個數量級。典型情況下的幅度。我們還展示瞭如何將該方案直接擴展到SBM的嵌套版本，從而產生漸進精確的分層網絡分區樣本。
使用無網絡數據的人口行為快照對大型社會網絡進行推斷和影響
原文標題： Inference and Influence of Large-Scale Social Networks Using Snapshot Population Behaviour without Network Data
地址： http://arxiv.org/abs/2003.07146
作者： Antonia Godoy-Lorite, Nick S. Jones
摘要： 人口行為（例如投票和疫苗接種）取決於社會網絡。社會網絡可以根據行為類型而有所不同，並且通常是隱藏的。但是，儘管只有在一個時間點拍攝的快照，我們還是經常擁有大規模的行為數據。我們提出了一種僅使用快照人口行為數據來共同推斷大規模網絡結構和人類行為網絡模型的方法。這利用了一些參數，幾何社會人口網絡模型和基於自旋的行為模型的簡單性。對於歐盟公投和兩次倫敦市長選舉，我們將說明該模型如何同時提供我們對同性傾向的預測和解釋。除了從大規模行為數據集中提取特定於行為的網絡結構外，我們的方法還產生了將不平等和社會偏好與行為結果聯繫起來的粗略演算。我們舉例說明了潛在的網絡敏感政策：收入不平等，社會溫度和同志偏好的變化如何在最近的選舉中減少了兩極分化。
SocialGrid：TCN增強的在線討論預測方法
原文標題： SocialGrid: A TCN-enhanced Method for Online Discussion Forecasting
地址： http://arxiv.org/abs/2003.07189
作者： Chen Ling, Ruiqi Wang, Guangmo Tong
摘要： 作為現代通信工具的一種手段，在線討論論壇已經成為允許異步在線交互的越來越流行的平臺。人們通過發帖線程和回覆來共享思想和觀點，這在主線程和相關回復之間形成了獨特的交流結構。瞭解這種通信結構下的信息傳播模式非常重要，其中的一項重要任務是預測未來事件的到達時間。在這項工作中，我們提出了一個新穎卻簡單的框架，稱為SocialGrid，用於以在線討論形式對事件進行建模。我們的框架首先通過在一個特定長度的時間間隔內將連續的偶數分組來將整個事件空間轉換為網格表示。根據網格的性質，我們利用時間卷積網絡來學習網格級別的動力學。改變單個網格的時間範圍，學習的網格模型可用於預測未來事件在不同粒度下的到達時間。利用Reddit數據，我們通過在一系列應用程序上進行的實驗來驗證所提出的方法。廣泛的實驗和實際應用。結果表明，與其他方法相比，我們的框架在各種級聯預測任務方面表現出色。
人類移動網絡的流描述符
原文標題： Flow descriptors of human mobility networks
地址： http://arxiv.org/abs/2003.07279
作者： David Pastor-Escuredo, Enrique Frias-Martinez
摘要： 手機數據使人們能夠及時而細緻地研究人類的流動性。在呼叫事件中生成的“呼叫詳細記錄”可用於以不同的分辨率以及不同的空間，時間和社交粒度來構建移動性描述。個體軌跡是長期觀察活動模式並確定人類動力學因素的基礎。在這裡，我們提出了系統的分析，以表徵移動性網絡流量和拓撲並評估其對單個跡線的影響。基於離散流的描述符用於在多個尺度上分類和理解人員流動模式。該框架適用於評估城市規劃，優化交通運輸，衡量外部事件和條件的影響，監控內部動態並根據用戶的移動方式對其進行描述。
集體風險困境中的時間不確定性鼓勵團體互惠和極化
原文標題： Timing uncertainty in collective risk dilemmas encourages group reciprocation and polarization
地址： http://arxiv.org/abs/2003.07317
作者： Elias Fernández Domingos, Jelena Grujić, Juan C. Burguillo, Georg Kirchsteiger, Francisco C. Santos, Tom Lenaerts
摘要： 人類的社會困境通常是由涉及不確定目標和回報的行動所決定的，而這些目標和回報只能在將來實現。氣候行動，自願接種疫苗和其他前瞻性選擇是這種情況的最重要例子。在這種情況下，以及在許多其他社會困境中，不確定性可能會產生不小的影響。儘管關於集體目標及其影響的不確定性對小組的協調和成功產生負面影響，但沒有關於時間不確定性的信息，即，何時需要達到目標的不確定性如何影響結果和決策。在這裡，我們通過集體困境進行實驗性展示，其中參與者群體需要避免在集體損失的風險下出現臨界點，時間不確定性不僅會提早提倡慷慨，而且會導致兩極分化的貢獻，其中參與者的總貢獻比當沒有不確定性時。分析參與者的行為表明，在不確定的情況下，對等策略的增加，其中的貢獻取決於其他參與者的先前捐贈，這是眾所周知的“以牙還牙”策略的一個類比。儘管時間上的不確定性似乎會降低集體成功的可能性，但成功收集所需數量的團體表現出強大的相互協調能力。這個結論得到了博弈論模型的支持，該模型研究了在時間不確定性情況下行為的主導地位。總的來說，時間上的不確定性給未來蒙上了陰影，導致參與者及早做出回應，鼓勵相互的行為和不平等的貢獻。
通過在超詞袋圖上基於通用偏誤交換的擴散來調整共現網絡中的排名
原文標題： Tuning Ranking in Co-occurrence Networks with General Biased Exchange-based Diffusion on Hyper-bag-graphs
地址： http://arxiv.org/abs/2003.07323
作者： Xavier Ouvrard, Jean-Marie Le Goff, Stéphane Marchand-Maillet
摘要： 共現網絡可以通過超級袋圖（簡稱hb圖）進行適當建模。 hb圖是具有相同宇宙的一組多集，稱為頂點集。先前已經提出了一種有效的基於交換的擴散方案，該方案允許對頂點和hb邊進行排序。在本文中，我們擴展了該方案以允許不同種類的偏差，並探討它們對獲得的不同排名的影響。偏見增強了對網絡某些特定方面的重視。
聲明：Arxiv文章摘要版權歸論文原作者所有，由本人進行翻譯整理，未經同意請勿隨意轉載。本系列在公眾號“網絡科學研究速遞”和個人博客進行同步更新。
閱讀更多 網絡科學研究速遞 的文章
