Covid-19：伦巴第大区、贝加莫和布雷西亚省的数据分析
原文标题： Covid-19: Data analysis of the Lombardy region and the provinces of Bergamo and Brescia
地址： http://arxiv.org/abs/2003.10518
作者： Marco Picariello, Paola Aliani
摘要： 伦巴第大区以及贝加莫和布雷西亚两省的死亡数据分析显示出该流行趋势的两面：所有数据均显示与3月10日（伦巴第大区有关的数据是不完整的）的偏差，以及随后计算阳性病例和死亡的方式的变化； 根据3月11日首相法令的遏制措施，这种流行病的传播虽然本质上仍呈指数级增长，但其乘积系数却降低了。我们的分析得出的结论是，这种情况尚无到达平台期趋势，由此可以预测伦巴第地区的死亡人数趋势。因此，我们得出的结论是，政府3月11日实施的围堵措施将使3月27日的死亡人数从8000人减少到6500多人。
COVID-19大流行的简单迭代映射预测
原文标题： A simple iterative map forecast of the COVID-19 pandemic
地址： http://arxiv.org/abs/2003.10532
作者： André E. Botha, Wynand Dednam
摘要： 我们开发了一个简单的3维迭代图模型来预测冠状病毒疾病的全球传播。我们的模型仅包含一个拟合参数，我们可以根据世界卫生组织每天提供的病例总数和新病例的数据确定该参数。我们发现我们的模型非常适合当前可用的数据。它预测，从世界卫生组织提供第一份“状况报告”之日（2020年1月21日，第一天）起，该病将在六至七个月内完全发作。预计该疾病将感染全球约25％的人口，即约19.5亿美元的人口，约有85百万美元的生命。除非有可能采取严厉的新措施，否则预计全球新病例数将在第126天（大约2020年5月中旬）达到顶峰，估计每天有7千5百万的新病例。由于我们的简单模型非常适合现有的全球数据，因此我们建议，迄今为止采取的遏制大流行的措施可能无法有效遏制病毒的全球传播。因此，应仔细权衡目前为遏制冠状病毒而采取的措施的有效性及其对世界经济的影响。
目前智利或美国的COVID19隔离是合理的吗？
原文标题： Is a COVID19 Quarantine Justified in Chile or USA Right Now?
地址： http://arxiv.org/abs/2003.10879
作者： R. I. Gonzalez, F. Munoz, P. S. Moya, M. Kiwi
摘要： 在当前的COVID-19大流行期间，必须发出预警以降低死亡率。但是，诸如权威机构和普通民众这样的非专业人士在理解这种大流行的真正原因时会遇到一些问题，而对其风险的低估/高估在新闻界和社交媒体中是司空见惯的。在这里，我们定义了一个指数，称为COVID-19负担指数，该指数与特定国家/地区的医疗系统治疗重症和重症病例的能力相关。如果医疗保健系统中没有额外的压力，则其值为0；当即将崩溃时，其值为1.0。截至2020年3月23日，我们显示智利，美国，英国以及其他国家/地区目前必须降低感染率，否则，在不到7天的时间里，它们可能会处于灾难性的境地，例如意大利，西班牙和伊朗。
COVID-19的转化知识图谱
原文标题： Translational Knowledge Map of COVID-19
地址： http://arxiv.org/abs/2003.10434
作者： Cesar Aguado-Cortés, Victor M. Castaño
摘要： 一个COVID-19的转化知识图谱，分析基于以下术语和关键词共现的科学论文和网络引用：主要数据库（MEDLINE，Web of Science和Scopus）中的covid-19、2019-ncov和sars-cov-2。covid-19的某些研究领域是相互联系的，但在结构、内容和演变上都不同。
基于影响力的社会网络三明治方法社区划分
原文标题： Influence-based Community Partition with Sandwich Method for Social Networks
地址： http://arxiv.org/abs/2003.10439
作者： Qiufen Ni, Jianxiong Guo, Chuanhe Huang, Weili Wu
摘要： 社区划分是生物网络，社会网络等许多领域的重要问题。这个问题的目的是通过网络拓扑分析数据之间的关系。在本文中，我们考虑了社会网络中IC模式下的社区划分问题。我们将该问题表述为组合优化问题，旨在将给定的社会网络划分为不相交的M社区。目的是通过在每个社区内最大化社会网络的影响力传播的总和。现有工作表明，对社区划分问题（IMCPP）的影响最大化是NP难题。我们首先证明IC模型下IMCPP的目标函数既不是亚模也不是超模。然后构造并证明了超模上限和亚模下限，从而可以应用三明治框架。针对上界和下界问题设计了连续贪婪算法和离散实现，两个问题的算法都获得了1-1 / e的近似值。我们还设计了一个简单的贪婪算法来求解原始目标函数，并对其应用三明治近似框架，以保证依赖于数据的近似因子。最后，我们的算法在两个真实的数据集上进行了评估，这清楚地验证了我们的方法在社区划分问题中的有效性以及我们的方法相对于其他方法的优势。
您应该在哪里停放汽车？1/2规则
原文标题： Where Should You Park Your Car? The 1/2 Rule
地址： http://arxiv.org/abs/2003.10603
作者： P. L. Krapivsky, S. Redner
摘要： 我们调查一维停车位，其中汽车以 lambda 的速度进入，每辆车试图将其停在原点附近的目标位置。停放的汽车也以1的速度发车。进入的驾驶员看不到停放的汽车以外的地方，以获得更理想的空地。我们分析了一类策略，其中驾驶员忽略 tau L 以外的空地，其中 tau 是风险阈值， L 是最远的停放汽车的位置，并尝试在第一个停放遇到的可用现货比 tau L 更近。当所有驾驶员都采用此策略时，在 tau = frac 1 2 时，最大停车位的概率最大，而在最佳位置停车的概率为 frac 1 4 。
集群网络中的寄生传染式疾病传播和社会意识
原文标题： Spread of infectious disease and social awareness as parasitic contagions on clustered networks
地址： http://arxiv.org/abs/2003.10604
作者： Laurent Hébert-Dufresne, Dina Mistry, Benjamin M. Althouse
摘要： 诸如流感之类的生物传染与诸如流感疫苗接种运动之类的相关信息的传播之间相互作用的模型已有悠久的历史。关于网络上互动传染病传播的最新研究表明，这些互动传染病可能与网络结构产生反直觉的相互作用。在这里，我们概括了这些框架之一，以解决意识和疾病传播的三个重要特征：第一，我们在高度聚类的，流行的网络上模拟动态，以模仿工作场所和家庭的作用。第二，意识传播会通过降低其传播率来影响生物传播的传播，而这种传播在有意识或已接种疫苗的个体不太可能被感染的情况下；第三，生物传播也影响意识传播的传播，但是会通过提高其传播率来使感染者更容易接受并且更可能分享与疾病有关的信息。在这种情况下，我们发现已知会阻碍疾病传播的不断增加的网络聚类实际上可以使他们在有意识的模型中维持较大的疾病流行。这一违反直觉的结果违背了传统观点，即认为随机网络是合理的，因为它们可以提供最坏情况的预测。为了进一步研究此结果，我们基于两步分支过程（即预期的三次感染数量）提供了一种封闭形式的标准，以识别参数空间中聚类和共感染的净效应发生变化的不同区域。总而言之，我们的结果再次强调了在疾病建模中超越随机网络的必要性，并说明了即使在相互作用的传染病的复杂模型中也可能进行的分析类型。
DeepSIP：一种通过时间多模CNN预测网络故障服务影响的系统
原文标题： DeepSIP: A System for Predicting Service Impact of Network Failure by Temporal Multimodal CNN
地址： http://arxiv.org/abs/2003.10643
作者： Yoichi Matsuo, Tatsuaki Kimura, Ken Nishimatsu
摘要： 当网络中发生故障时，网络运营商需要识别服务影响，因为服务影响是处理故障的重要信息。在本文中，我们提出了基于深度学习的服务影响预测（DeepSIP），该系统使用时间多模态卷积神经网络（CNN）来预测从故障中恢复的时间以及由于网络元素故障而导致的流量损失）。由于恢复时间对于服务水平协议（SLA）是有用的信息，并且流量的损失与故障的严重程度直接相关，因此我们将其视为服务影响。由于网络元素未明确包含有关服务影响的任何信息，因此很难预测服务影响。因此，我们旨在通过提取有关故障的隐藏信息来预测来自syslog消息和流量的服务影响。为了从多模式且高度相关且具有时间依赖性的syslog消息和流量中提取有用的预测功能，我们使用了时间多模式CNN。与其他具有综合数据集的基于NN的方法相比，我们通过实验评估了DeepSIP和DeepSIP将预测误差降低了约50％。
软件工程挑战的系统映射：GHTorrent案例
原文标题： A Systematic Mapping of Software Engineering Challenges: GHTorrent Case
地址： http://arxiv.org/abs/2003.10750
作者： Abdulkadir Seker, Banu Diri, Halil Arslan, Mehmet Fatih Amasyalı
摘要： Git用作许多开源软件项目的分布式版本控制系统。一种基于Git的服务GitHub是针对开源软件项目的最常见的代码托管和存储库服务。对于研究软件工程的研究人员而言，这些平台上托管的内容提供了很多有价值的数据。还有一些获取GitHub数据的方法，例如GitHub Archive，GitHub API或GHTorrent。在这些选项中，GHTorrent是文献中最广为人知和使用的GitHub数据集。尽管有一些有关整个GitHub平台上软件工程挑战的综述研究，但尚没有有关GHTorrent数据集特定研究的综述。在这项研究中，使用GHTorrent作为数据源的172项研究被归类为软件工程挑战的范围，并进行了系统的制图研究。此外，已经指出了数据集的利弊，并指出了文献中的重点问题和公开挑战。
q-Weibull分布描述商业服务路线
原文标题： q-Weibull distributions describing commercial service routes
地址： http://arxiv.org/abs/2003.10856
作者： Ronan S. Ferreira, Priscila C. A. da Silva
摘要： 我们将结合复杂的网络工具和实际数据，对巴西的公路运输方式进行调查。我们的分析涉及一个数据集，该数据集基于巴西运输局数据库中列出的服务路线。尽管通常以幂律法描述全球道路网络的连通性分布，但我们报告称其更适合q-Weibull分布提供的巴西案例。在我们的方法中，节点承担位置的角色，而链接代表其中的服务路由。有趣的是，对于特定范围的传出连接，数据分布的尾部会迅速下降。通过研究网络的谱中心性和用于输入和输出分布的不同分布混合物的模式，揭示了导致这种下降的机制。除了讨论幂律描述外，我们还报告了两种不同分布的对比。它们由q-Weibull一个插值：Weibull和q指数分布。此外，我们研究了该网络的互易性，这反映了相互链接对动力学过程的影响。对于人类流动性，运输和多模式视角的研究，这种分析是必不可少的。
使用位置大数据校准用于业务分析的动态Huff模型
原文标题： Calibrating the dynamic Huff model for business analysis using location big data
地址： http://arxiv.org/abs/2003.10857
作者： Yunlei Liang, Song Gao, Yuxin Cai, Natasha Zhang Foutz, Lei Wu
摘要： Huff模型已广泛用于基于位置的业务分析中，用于描绘包含潜在客户到商店的交易区域。校准霍夫模型及其扩展需要经验性的位置访问数据。许多研究依赖劳动密集型调查。随着移动设备可用性的提高，基于位置的平台中的用户可以以精细的时空分辨率共享有关其位置的丰富多媒体信息，这为商业智能提供了机会。在这项研究中，我们提出了一种基于时间的动态Huff模型（T-Huff），用于基于位置的市场份额分析，并根据人口稠密的美国十个城市的手机位置数据，使用大规模商店访问模式来校准此模型。通过比较两种类型商店的每小时访问模式，我们证明了校准的T-Huff模型比原始Huff模型在预测不同类型的业务（例如，超级市场与百货商店）随时间的市场份额方面更为准确。我们还确定了区域差异性，大城市地区公交系统发达的人们对长途旅行的敏感性较低。此外，还检查并总结了可能影响人们访问决定的一些社会经济和人口因素（例如家庭收入中位数）。
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。本系列在公众号“网络科学研究速递”和个人博客进行同步更新。
閱讀更多 網絡科學研究速遞 的文章
