Covid-19：倫巴第大區、貝加莫和佈雷西亞省的數據分析
原文標題： 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： 倫巴第大區以及貝加莫和佈雷西亞兩省的死亡數據分析顯示出該流行趨勢的兩面：所有數據均顯示與3月10日（倫巴第大區有關的數據是不完整的）的偏差，以及隨後計算陽性病例和死亡的方式的變化； 根據3月11日首相法令的遏制措施，這種流行病的傳播雖然本質上仍呈指數級增長，但其乘積係數卻降低了。我們的分析得出的結論是，這種情況尚無到達平臺期趨勢，由此可以預測倫巴第地區的死亡人數趨勢。因此，我們得出的結論是，政府3月11日實施的圍堵措施將使3月27日的死亡人數從8000人減少到6500多人。
COVID-19大流行的簡單迭代映射預測
原文標題： 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： 我們開發了一個簡單的3維迭代圖模型來預測冠狀病毒疾病的全球傳播。我們的模型僅包含一個擬合參數，我們可以根據世界衛生組織每天提供的病例總數和新病例的數據確定該參數。我們發現我們的模型非常適合當前可用的數據。它預測，從世界衛生組織提供第一份“狀況報告”之日（2020年1月21日，第一天）起，該病將在六至七個月內完全發作。預計該疾病將感染全球約25％的人口，即約19.5億美元的人口，約有85百萬美元的生命。除非有可能採取嚴厲的新措施，否則預計全球新病例數將在第126天（大約2020年5月中旬）達到頂峰，估計每天有7千5百萬的新病例。由於我們的簡單模型非常適合現有的全球數據，因此我們建議，迄今為止採取的遏制大流行的措施可能無法有效遏制病毒的全球傳播。因此，應仔細權衡目前為遏制冠狀病毒而採取的措施的有效性及其對世界經濟的影響。
目前智利或美國的COVID19隔離是合理的嗎？
原文標題： 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： 在當前的COVID-19大流行期間，必須發出預警以降低死亡率。但是，諸如權威機構和普通民眾這樣的非專業人士在理解這種大流行的真正原因時會遇到一些問題，而對其風險的低估/高估在新聞界和社交媒體中是司空見慣的。在這裡，我們定義了一個指數，稱為COVID-19負擔指數，該指數與特定國家/地區的醫療系統治療重症和重症病例的能力相關。如果醫療保健系統中沒有額外的壓力，則其值為0；當即將崩潰時，其值為1.0。截至2020年3月23日，我們顯示智利，美國，英國以及其他國家/地區目前必須降低感染率，否則，在不到7天的時間裡，它們可能會處於災難性的境地，例如意大利，西班牙和伊朗。
COVID-19的轉化知識圖譜
原文標題： Translational Knowledge Map of COVID-19
地址： http://arxiv.org/abs/2003.10434
作者： Cesar Aguado-Cortés, Victor M. Castaño
摘要： 一個COVID-19的轉化知識圖譜，分析基於以下術語和關鍵詞共現的科學論文和網絡引用：主要數據庫（MEDLINE，Web of Science和Scopus）中的covid-19、2019-ncov和sars-cov-2。covid-19的某些研究領域是相互聯繫的，但在結構、內容和演變上都不同。
基於影響力的社會網絡三明治方法社區劃分
原文標題： 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： 社區劃分是生物網絡，社會網絡等許多領域的重要問題。這個問題的目的是通過網絡拓撲分析數據之間的關係。在本文中，我們考慮了社會網絡中IC模式下的社區劃分問題。我們將該問題表述為組合優化問題，旨在將給定的社會網絡劃分為不相交的M社區。目的是通過在每個社區內最大化社會網絡的影響力傳播的總和。現有工作表明，對社區劃分問題（IMCPP）的影響最大化是NP難題。我們首先證明IC模型下IMCPP的目標函數既不是亞模也不是超模。然後構造並證明了超模上限和亞模下限，從而可以應用三明治框架。針對上界和下界問題設計了連續貪婪算法和離散實現，兩個問題的算法都獲得了1-1 / e的近似值。我們還設計了一個簡單的貪婪算法來求解原始目標函數，並對其應用三明治近似框架，以保證依賴於數據的近似因子。最後，我們的算法在兩個真實的數據集上進行了評估，這清楚地驗證了我們的方法在社區劃分問題中的有效性以及我們的方法相對於其他方法的優勢。
您應該在哪裡停放汽車？1/2規則
原文標題： 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： 我們調查一維停車位，其中汽車以 lambda 的速度進入，每輛車試圖將其停在原點附近的目標位置。停放的汽車也以1的速度發車。進入的駕駛員看不到停放的汽車以外的地方，以獲得更理想的空地。我們分析了一類策略，其中駕駛員忽略 tau L 以外的空地，其中 tau 是風險閾值， L 是最遠的停放汽車的位置，並嘗試在第一個停放遇到的可用現貨比 tau L 更近。當所有駕駛員都採用此策略時，在 tau = frac 1 2 時，最大停車位的概率最大，而在最佳位置停車的概率為 frac 1 4 。
集群網絡中的寄生傳染式疾病傳播和社會意識
原文標題： 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： 諸如流感之類的生物傳染與諸如流感疫苗接種運動之類的相關信息的傳播之間相互作用的模型已有悠久的歷史。關於網絡上互動傳染病傳播的最新研究表明，這些互動傳染病可能與網絡結構產生反直覺的相互作用。在這裡，我們概括了這些框架之一，以解決意識和疾病傳播的三個重要特徵：第一，我們在高度聚類的，流行的網絡上模擬動態，以模仿工作場所和家庭的作用。第二，意識傳播會通過降低其傳播率來影響生物傳播的傳播，而這種傳播在有意識或已接種疫苗的個體不太可能被感染的情況下；第三，生物傳播也影響意識傳播的傳播，但是會通過提高其傳播率來使感染者更容易接受並且更可能分享與疾病有關的信息。在這種情況下，我們發現已知會阻礙疾病傳播的不斷增加的網絡聚類實際上可以使他們在有意識的模型中維持較大的疾病流行。這一違反直覺的結果違背了傳統觀點，即認為隨機網絡是合理的，因為它們可以提供最壞情況的預測。為了進一步研究此結果，我們基於兩步分支過程（即預期的三次感染數量）提供了一種封閉形式的標準，以識別參數空間中聚類和共感染的淨效應發生變化的不同區域。總而言之，我們的結果再次強調了在疾病建模中超越隨機網絡的必要性，並說明了即使在相互作用的傳染病的複雜模型中也可能進行的分析類型。
DeepSIP：一種通過時間多模CNN預測網絡故障服務影響的系統
原文標題： 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： 當網絡中發生故障時，網絡運營商需要識別服務影響，因為服務影響是處理故障的重要信息。在本文中，我們提出了基於深度學習的服務影響預測（DeepSIP），該系統使用時間多模態卷積神經網絡（CNN）來預測從故障中恢復的時間以及由於網絡元素故障而導致的流量損失）。由於恢復時間對於服務水平協議（SLA）是有用的信息，並且流量的損失與故障的嚴重程度直接相關，因此我們將其視為服務影響。由於網絡元素未明確包含有關服務影響的任何信息，因此很難預測服務影響。因此，我們旨在通過提取有關故障的隱藏信息來預測來自syslog消息和流量的服務影響。為了從多模式且高度相關且具有時間依賴性的syslog消息和流量中提取有用的預測功能，我們使用了時間多模式CNN。與其他具有綜合數據集的基於NN的方法相比，我們通過實驗評估了DeepSIP和DeepSIP將預測誤差降低了約50％。
軟件工程挑戰的系統映射：GHTorrent案例
原文標題： 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用作許多開源軟件項目的分佈式版本控制系統。一種基於Git的服務GitHub是針對開源軟件項目的最常見的代碼託管和存儲庫服務。對於研究軟件工程的研究人員而言，這些平臺上託管的內容提供了很多有價值的數據。還有一些獲取GitHub數據的方法，例如GitHub Archive，GitHub API或GHTorrent。在這些選項中，GHTorrent是文獻中最廣為人知和使用的GitHub數據集。儘管有一些有關整個GitHub平臺上軟件工程挑戰的綜述研究，但尚沒有有關GHTorrent數據集特定研究的綜述。在這項研究中，使用GHTorrent作為數據源的172項研究被歸類為軟件工程挑戰的範圍，並進行了系統的製圖研究。此外，已經指出了數據集的利弊，並指出了文獻中的重點問題和公開挑戰。
q-Weibull分佈描述商業服務路線
原文標題： 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： 我們將結合複雜的網絡工具和實際數據，對巴西的公路運輸方式進行調查。我們的分析涉及一個數據集，該數據集基於巴西運輸局數據庫中列出的服務路線。儘管通常以冪律法描述全球道路網絡的連通性分佈，但我們報告稱其更適合q-Weibull分佈提供的巴西案例。在我們的方法中，節點承擔位置的角色，而鏈接代表其中的服務路由。有趣的是，對於特定範圍的傳出連接，數據分佈的尾部會迅速下降。通過研究網絡的譜中心性和用於輸入和輸出分佈的不同分佈混合物的模式，揭示了導致這種下降的機制。除了討論冪律描述外，我們還報告了兩種不同分佈的對比。它們由q-Weibull一個插值：Weibull和q指數分佈。此外，我們研究了該網絡的互易性，這反映了相互鏈接對動力學過程的影響。對於人類流動性，運輸和多模式視角的研究，這種分析是必不可少的。
使用位置大數據校準用於業務分析的動態Huff模型
原文標題： 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模型已廣泛用於基於位置的業務分析中，用於描繪包含潛在客戶到商店的交易區域。校準霍夫模型及其擴展需要經驗性的位置訪問數據。許多研究依賴勞動密集型調查。隨著移動設備可用性的提高，基於位置的平臺中的用戶可以以精細的時空分辨率共享有關其位置的豐富多媒體信息，這為商業智能提供了機會。在這項研究中，我們提出了一種基於時間的動態Huff模型（T-Huff），用於基於位置的市場份額分析，並根據人口稠密的美國十個城市的手機位置數據，使用大規模商店訪問模式來校準此模型。通過比較兩種類型商店的每小時訪問模式，我們證明了校準的T-Huff模型比原始Huff模型在預測不同類型的業務（例如，超級市場與百貨商店）隨時間的市場份額方面更為準確。我們還確定了區域差異性，大城市地區公交系統發達的人們對長途旅行的敏感性較低。此外，還檢查並總結了可能影響人們訪問決定的一些社會經濟和人口因素（例如家庭收入中位數）。
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
