用Ising模型和Fermi-Dirac分佈函數對抗Covid-19
原文標題： Attacking the Covid-19 with the Ising-model and the Fermi-Dirac Distribution Function
地址： http://arxiv.org/abs/2003.11860
作者： Lucas Squillante, Isys F. Mello, Antonio C. Seridonio, M. de Souza
摘要： 我們使用自旋 S = 1/2類似於Ising模型和類似於Fermi-Dirac的函數來描述Covid-19的傳播。我們使用可獲得的官方感染率數據進行的分析表明：（i）高斯函數很好地描述了流行曲線，即報告病例數與時間的關係。（ii）累積的受感染人數的時間演變遵循扭曲的費米-狄拉克樣分佈函數；（iii）隔離區在防止covid-19傳播方面發揮的關鍵作用，它被模型的“交互”參數刻畫，該參數模擬了感染者與未感染者之間的聯繫。埃博拉、SARS和甲型H1N1流感的流行曲線的分析也可以通過高斯函數進行描述。我們的發現證明了凝聚態物理中公認的概念的普遍性及其在不同領域的應用。
Purim：一種快速且低成本的大規模檢測CoVid-19方法
原文標題： Purim: a rapid method with reduced cost for massive detection of CoVid-19
地址： http://arxiv.org/abs/2003.11975
作者： Benjamin Isac Fargion, Daniele Fargion, Pier Giorgio De Sanctis Lucentini, Emanuele Habib
摘要： CoVid-19正在全世界大範圍傳播。要迅速戰勝大流行，就需要對人群進行大規模篩查，以將陽性病例與陰性病例區分開。這樣的隔離將釋放大量生產人口。用普通的PCR（聚合酶鏈反應）方法和可用資源進行測試的當前速度和成本迫使選擇要測試的對象。實際上，必須以寶貴的時間為代價對每個人進行單獨檢查。此外，從篩查中排除潛在陽性個體會引起健康風險，遏制病毒傳播的努力大大減慢，並因此導致死亡率下降。我們提出了一種新的程序，簡稱“感染人群統一重採樣純化”，簡稱Purim，能夠通過對聯合標本進行互相關分析，以廉價的篩查方法解開任何大量候選樣品。此過程可以發現並檢測出大多數陰性患者，並且在大多數情況下，可以發現在第一次或幾次次要檢測中已經存在的少數陽性患者的身份。我們調查感染概率函數中的二維相關情況。還考慮了多維拓撲，尺度的Purim程序。廣泛的Purim測試可以衡量和衡量流行程度：其結果可以在早期階段確定病灶區域。假設有數百或數千個主題，那麼在時間和成本上的節省都將是可觀的。普im節可能能夠過濾預定航班，學者接受程度，受歡迎的國際活動參與者。Purim結局的最佳擴展隨著流行病擴大的逆而增長。因此，越早越好。
基於冪律尺度指數的國家特定Covid-19感染率的短期預測
原文標題： Short-term predictions of country-specific Covid-19 infection rates based on power law scaling exponents
地址： http://arxiv.org/abs/2003.11997
摘要： 全球範圍內，冠狀病毒（COVID-19）感染的數量在增加。為了創建短期預測為全球大流行做好準備，我們分析了受影響最大的25個國家的感染數據。結果表明，所有特定國家/地區的感染率均遵循冪律增長行為，並計算出每個國家/地區的尺度指數。我們發現兩種不同的增長模式：從一開始就穩定的冪律增長，擬合的比例指數為3-5，或者爆炸性的冪律增長，戲劇性的比例指數為8-11。在美國，我們甚至發現了16.59的指數。通過數據分析，我們確認，採取嚴格的鎖定措施並結合民眾的堅守態度是降低增長率的有效手段。儘管許多國家已經制定了措施，但迄今為止只有三個國家實行這種限制措施，導致增長率顯著下降。以丹麥為例，我們計算出定標指數的減少量，從6.82降低到1.47。
深度主體：研究社會網絡中信息傳播和演化的動力學
原文標題： Deep Agent: Studying the Dynamics of Information Spread and Evolution in Social Networks
地址： http://arxiv.org/abs/2003.11611
作者： Ivan Garibay, Toktam A. Oghaz, Niloofar Yousefi, Ece C. Mutlu, Madeline Schiappa, Steven Scheinert, Georgios C. Anagnostopoulos, Christina Bouwens, Stephen M. Fiore, Alexander Mantzaris, John T. Murphy, William Rand, Anastasia Salter, Mel Stanfill, Gita Sukthankar, Nisha Baral, Gabriel Fair, Chathika Gunaratne, Neda B. Hajiakhoond, Jasser Jasser, Chathura Jayalath, Oliva Newton, Samaneh Saadat, Chathurani Senevirathna, Rachel Winter, Xi Zhang
摘要： 本文介紹了在DARPA的SocialSim計劃下開發的社會網絡分析框架的設計，該框架具有模仿人類情感，認知和社會因素的新穎架構。我們的框架是理論和數據驅動的，並利用領域專業知識。我們的模擬工作有助於理解信息在社交媒體平臺中的流動和演化方式。我們專注於為三個相互關聯的社交環境（GitHub，Reddit和Twitter）的三個信息域建模：加密貨幣，網絡威脅和軟件漏洞。我們參加了2018年12月的SocialSim DARPA挑戰賽，其中對我們的模型進行了性能，準確性，通用性，可解釋性和實驗能力的廣泛評估。本文報告了主要概念和模型，這些概念和模型用於我們的社交媒體建模工作中，用於在用戶，社區，人口和內容級別開發多分辨率模擬。
基於度的閾值模型：更好地理解在線社會網絡上的意見動態
原文標題： The Degree-Dependent Threshold Model: Towards a Better Understanding of Opinion Dynamics on Online Social Networks
地址： http://arxiv.org/abs/2003.11671
作者： Ece C. Mutlu, Ivan Garibay
摘要： 隨著在線社交媒體的迅速發展，人們越來越不瞭解環境中存在的信息的數量和內容。閾值模型是當前捕獲人們對他人觀點和情緒影響的最常用方法之一。儘管許多研究採用閾值模型並試圖對其進行改進，但是尋找合適的閾值函數以定義人類行為是一項必不可少且尚未完成的探索。個體閾值中的異質性定義常常定義不清，這導致統一函數和二元函數的使用相當簡單，儘管它們遠不能代表現實。在本研究中，我們使用30,704,025條推文的Twitter數據來模擬採用新意見的情況。我們的結果表明，閾值不僅與結點的外度相關，這與其他研究相矛盾，而且還與結點的內度相關。因此，我們模擬了兩種情況，其中閾值分別依賴於度數和度數。我們得出的結論是，當閾值與度相關時，系統更有可能達成共識；但是，在這種情況下，直到所有節點確定其意見為止的時間要長得多。此外，對於這兩種情況，我們均未觀察到平均度對平均意見或意見的確定時間有顯著影響，並且增加種子大小對達成共識有負面影響。儘管閾值異質性對平均意見有輕微影響，但當閾值與度相關時，異質性對達成共識的積極影響更加明顯。
在線社會網絡中的持續活動最大化
原文標題： Continuous Activity Maximization in Online Social Networks
地址： http://arxiv.org/abs/2003.11677
作者： Jianxiong Guo, Tiantian Chen, Weili Wu
摘要： 活動最大化是一項任務，該任務是在給定的社會網絡中尋找一小部分用戶，以使預期的總活動收益最大化。這是許多實際應用程序的概括。在本文中，我們將活動最大化問題擴展到一般營銷策略 vec x 下的活動，該問題是來自晶格空間的 d 維向量，概率為 h_u（ vec x）激活節點 u 作為種子。基於此，我們提出了連續活動最大化（CAM）問題，其中域是連續的並且我們選擇的種子集符合一定的概率分佈。研究晶格約束下的信息擴散問題是一個新的課題，因此，我們在此係統地解決這一問題。首先，我們分析了CAM的硬度，以及如何準確有效地計算CAM的目標函數。我們證明此目標函數是單調的，但不是DR次模和DR超模。然後，我們開發了CAM的單調和DR次模下界和上限，並應用採樣技術來設計CAM的三個無偏估計量，即下界和上限。接下來，根據IMM算法和三明治近似框架，我們獲得了數據相關的近似比率。可以將這一過程視為解決晶格上那些最大化問題的通用方法，而不是解決DR次模塊問題。最後，我們在三個真實的數據集上進行實驗，以評估我們提出的算法的正確性和有效性。
最高評論還是隨筆評論？預測和解釋在線新聞討論中的用戶參與度
原文標題： Top Comment or Flop Comment? Predicting and Explaining User Engagement in Online News Discussions
地址： http://arxiv.org/abs/2003.11949
作者： Julian Risch, Ralf Krestel
摘要： 在線新聞文章下面的評論部分在讀者中越來越受歡迎。但是，大量的評論使普通新聞消費者無法閱讀所有評論，並且妨礙了討論。大多數平臺按時間順序顯示評論，而忽略了其中一些與用戶更相關並且是更好的對話開始者。在本文中，我們以評論和收到評論的答覆的形式系統地分析用戶參與度。基於評論文本，我們訓練了一個模型來區分有很多機會接受很多投票和回覆的評論。我們對TheGuardian.com對用戶評論的評估將遞歸和卷積神經網絡模型與傳統的基於特徵的分類器進行了比較。此外，我們調查了使某些評論比其他評論更具吸引力的原因。為此，我們確定了參與觸發因素並將其分類。神經網絡的解釋方法揭示了哪些輸入詞對我們模型的預測影響最大。此外，我們對產品評論的數據集進行評估，該產品評論具有與用戶評論類似的屬性，例如具有對幫助的讚譽。
量化科學影響力的異構動態圖神經網絡方法
原文標題： A Heterogeneous Dynamical Graph Neural Networks Approach to Quantify Scientific Impact
地址： http://arxiv.org/abs/2003.12042
作者： Fan Zhou, Xovee Xu, Ce Li, Goce Trajcevski, Ting Zhong, Kunpeng Zhang
摘要： 量化和預測科學著作或個人學者的長期影響對許多政策決策具有重要意義，例如資助提案評估和確定新興研究領域。在這項工作中，我們提出了一種基於異構動態圖神經網絡（HDGNN）的方法來顯式建模和預測論文和作者的累積影響。 HDGNN通過合併隨時間演變的特徵並捕獲歸因圖的結構特性和不斷增長的引用行為來擴展異構GNN。 HDGNN與以前的模型有很大不同，它以動態方式對節點影響進行建模的能力，同時考慮了節點之間的複雜關係。在真實引文數據集上進行的實驗證明了其在預測論文和作者影響方面的出色表現。
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
