COVID-19大流行：增長模式、冪律尺度和飽和
原文標題： The COVID-19 pandemic: growth patterns, power law scaling, and saturation
地址： http://arxiv.org/abs/2004.03859
摘要： 由於有效的政府制定的封鎖措施和社會隔離措施，越來越多的國家顯示出新的COVID-19感染數量顯著下降。我們通過局部斜率分析對影響最大的25個國家的增長行為進行了分析，發現各國根據鎖定協議的嚴格程度遵循三種不同的模式：指數上升和下降，冪律，或邏輯斯蒂。對於顯示冪律增長的國家，我們已經確定了比例指數。對於感染率大幅下降的國家，我們推斷出感染數量的預期飽和度和預計的最終日期。使用了兩種不同的外推方法（邏輯和拋物線）。兩種方法在飽和度和結束日期的數量級上都一致。使用相同的方法分析全球感染率。討論了這些推斷的相關性和準確性。
群體智慧預測COVID-19傳播的嚴重性
原文標題： Wisdom of the crowds in forecasting COVID-19 spreading severity
地址： http://arxiv.org/abs/2004.04125
作者： Jeremy Turiel, Tomaso Aste
摘要： 在這項工作中，我們報告說，在COVID-19大流行初期，公眾對社交媒體的反應出奇地準確，其活動水平反映了將近一個月後登記的傳染病數據的嚴重性。具體來說，疫情開始時（21-24 / 2/2020）來自意大利不同地區的COVID相關社交媒體活動的強度，很好地預測了將近一個月後（21/3/2020）的每個地區死亡總數。應當指出，在最初的推特反應發生時，尚無關於流行病的表格區域數據。到2020年2月24日，只有兩個地區報告了死亡病例，只有三個報告了受感染的對象。
危機關鍵型知識產權：COVID-19大流行的發現
原文標題： Crisis-Critical Intellectual Property: Findings from the COVID-19 Pandemic
地址： http://arxiv.org/abs/2004.03715
作者： Frank Tietze, Pratheeba Vimalnath, Leonidas Aristodemou, Jenny Molloy
摘要： 在國家和國際創新體系中，大流行病呼籲跨部門的許多行為者採取大規模行動，以動員資源，有效且大量地開發和製造危機關鍵型產品（CC產品）。如今，這還包括從複雜的流行病學模型AI到開放的預防，診斷和治療數據平臺的數字創新。在大流行期間的眾多挑戰中，創新和製造業的利益相關者發現自己正在建立新的關係，並可能面臨與知識產權（IP）相關的挑戰。本文采用了關於COVID-19大流行的IP觀點，以確定與大流行相關的IP注意事項和IP挑戰。重點在於與研究，開發和迫切需要大規模製造CC產品的能力提升相關的挑戰。其目的是提供一種避免IP挑戰的結構，以避免延誤應對大流行病。我們確定了四個與知識產權挑戰有關的利益相關者群體：（i）政府，（ii）擁有現有的“危機關鍵”知識產權的組織，被描述為“危機關鍵部門”（CC-Sector）的現有人員，（iii）其他行業的製造公司通常不生產CC產品的人突然湧入CC部門以支持CC產品（新進入者）的生產，以及（iv）在大流行期間形成的自願基層倡議。本文討論了與（i）預防（傳播），（ii）診斷感染患者和（iii）開發治療技術和產品有關的知識產權挑戰。我們對可能的應對措施進行了初步討論，以減少大流行期間工業利益相關者之間與知識產權相關的風險。
冠狀病毒大流行期間Twitter消息的詞頻和情緒分析
原文標題： Word frequency and sentiment analysis of twitter messages during Coronavirus pandemic
地址： http://arxiv.org/abs/2004.03925
作者： Nikhil Kumar Rajput, Bhavya Ahuja Grover, Vipin Kumar Rathi
摘要： 冠狀病毒大流行已經席捲了全世界，同時也是社交媒體。隨著人們對疾病意識的增強，確認其存在的信息，視頻和帖子也隨之增加。社交網站Twitter表現出相似的效果，與冠狀病毒相關的帖子數量在很短的時間內顯示出空前的增長。本文介紹了自2020年1月以來發布的與此疾病相關的twitter消息的統計分析。進行了兩種類型的經驗研究。第一個是關於單詞頻率，第二個是關於各個tweet消息的情感。檢查單詞頻率有助於表徵站點中所用單詞的樣式或趨勢。在此關鍵時刻，這也將反映出Twitter用戶的心理。 Unigram，bigram和trigram頻率已通過冪律分佈建模。結果已通過平方誤差總和（SSE），R2和均方根誤差（RMSE）進行了驗證。 R2的高值和SSE和RMSE的低值為該模型的擬合優度奠定了基礎。進行了情緒分析，以瞭解此時Twitter用戶的總體態度。公眾和WHO的兩條推文都是該語料庫的一部分。結果表明，大多數推文具有正極性，只有約15％的負極性。
流行病與遏制措施
原文標題： Epidemics with containment measures
地址： http://arxiv.org/abs/2004.03934
作者： Ginestra Bianconi, Pavel L. Krapivsky
摘要： 我們提出了一種包括感染控制措施在內的易感染（SI）流行病傳播模型。在沒有遏制措施的情況下，對於任何傳染性值 lambda> 0 ，流行病的傳播速度都呈指數級增長。通過考慮裸露的傳染性 lambda 的時間依賴性調節來建模遏制措施，從而導致每個感染個體的有效傳染性隨時間衰減，例如模仿疾病的無症狀發作，測試策略和隔離。對於有效的傳染性，我們考慮了各種各樣的時間核，我們研究了所考慮的圍堵措施的效果。我們發現，並非所有內核都能將流行病動態推到流行閾值以下，而某些遏制措施只能降低新感染個體的指數增長速度。我們還提出了一個由越來越多的新分離病灶引起的大流行模型。該模型提供了一個程式化的數學框架，可以闡明不同遏制措施在減輕和抑制像COVID-19這樣的流行病傳播中的作用。
如何最好地預測Covid-19的每日新感染數
原文標題： How to Best Predict the Daily Number of New Infections of Covid-19
地址： http://arxiv.org/abs/2004.03937
作者： Bernd Skiera, Lukas Jürgensmeier, Kevin Stowe, Iryna Gurevych
摘要： 瞭解Covid-19每日新感染的每日數量非常重要，因為它是導致封鎖和採取緊急醫療措施的政治決策的基礎。我們以德國為例來說明官方數字的不足之處，至少在德國，這種披露僅延遲了幾天，而在週末卻嚴重漏報（超過40％）。這些缺點概述了迫切需要替代數據源。約翰·霍普金斯大學（JHU）系統科學與工程中心（JHU）提供的其他被廣泛引用的消息來源，也比德國平均偏離官方數字79％。我們認為Google搜索和Twitter數據應補充官方數字。他們的預測甚至比約翰·霍普金斯大學的原始預測還要好，而且要提前幾天進行。這兩個數據源也可以在世界上不存在官方數字或被認為不可靠的地方使用。
評估針對COVID-19流行病的“信息傳播”風險
原文標題： Assessing the risks of “infodemics” in response to COVID-19 epidemics
地址： http://arxiv.org/abs/2004.03997
作者： Riccardo Gallotti, Francesco Valle, Nicola Castaldo, Pierluigi Sacco, Manlio De Domenico
摘要： 我們的社會是建立在相互依存的複雜網絡上的，這種相互依存的影響在諸如COVID-19大流行之類的特殊事件中變得很明顯，其中一種系統的衝擊在某種程度上蔓延到其他系統。由於SARS-CoV-2疫情，我們分析了在全球緊急情況下以64種語言發佈的超過1億條Twitter消息，並對傳播的新聞的可靠性進行了分類。我們發現，一波不可靠和低質量的信息預示著這一流行病的流行，使整個國家面臨不合理的社會行為和對公共衛生的嚴重威脅。當流行病襲擊同一地區時，便會迅速接種可靠信息，例如抗體，並且系統會將重點轉移到經過認證的信息來源上。與主流觀點相反，我們表明人類對虛假的反應表現出預警信號，可以通過適當的溝通策略來緩解這種信號。
用於開放科學研究的大規模COVID-19 Twitter聊天數據集——國際合作
原文標題： A large-scale COVID-19 Twitter chatter dataset for open scientific research — an international collaboration
地址： http://arxiv.org/abs/2004.03688
作者： Juan M. Banda, Ramya Tekumalla, Guanyu Wang, Jingyuan Yu, Tuo Liu, Yuning Ding, Gerardo Chowell
摘要： 隨著COVID-19大流行繼續在全球蔓延，正在為遺傳學和流行病學研究生成前所未有的開放數據。世界各地許多研究小組以無與倫比的速度發佈有關正在進行的大流行的數據和出版物，這使其他科學家可以從本地經驗和COVID-19大流行的前線產生的數據中學習。但是，有必要將其他數據源整合到生物醫學，生物學和流行病學分析中，這些數據源將這種獨特的全球性事件的社會動態圖化並加以衡量。為此，我們提供了一個大型的精選數據集，該數據集與撰寫本文時從1月1日到4月4日產生的COVID-19聊天有關，每天增長著1.52億條。這個開放的數據集將使研究人員能夠進行許多研究項目，這些研究涉及對社會疏遠措施的情感和心理反應，錯誤信息來源的識別以及對大流行的情緒的分層測量。
科學專家發現的新數據集和文檔網絡嵌入方法的基準
原文標題： New Datasets and a Benchmark of Document Network Embedding Methods for Scientific Expert Finding
地址： http://arxiv.org/abs/2004.03621
作者： Robin Brochier, Antoine Gourru, Adrien Guille, Julien Velcin
摘要： 科學文獻的增長比以往任何時候都快。由於出版物數量的增加以及專業領域的不斷增長，在特定的科學領域尋找專家從未像現在這樣困難。為了解決這一挑戰，自動專家查找算法依靠龐大的科學異構網絡將文本查詢與潛在的專家候選人進行匹配。在這個方向上，文檔網絡嵌入方法似乎是構建科學文獻表示形式的理想選擇。引用和作者鏈接包含與出版物文字內容相關的主要補充信息。在本文中，我們利用從科學引文網絡和三個科學問答網站提取的數據，為文檔網絡中的專家發現提出了基準。我們比較了幾種算法在這些不同數據源上的性能，並進一步研究了嵌入方法在專家發現任務中的適用性。
意見網絡建模與實驗
原文標題： Opinion Network Modeling and Experiment
地址： http://arxiv.org/abs/2004.03757
作者： Michael Gabbay
摘要： 我們提出了一個描述由於個人網絡之間的相互作用而導致的意見隨時間演變的模型。該“接受-移動-收縮”（ASC）模型是根據耦合的非線性微分方程式建立的，以獲取觀點和不確定性。 ASC模型的動態性允許多數職位的出現和持續存在，因此即使對於對稱網絡，平均意見也可以轉移。該模型還根據最近提出的群體極化效應理論在見解和修辭之間做出區分。這樣就可以對討論引起的極端轉變進行建模，而無需典型的建模假設，即對極端主義者的抗拒能力更大。描述了一個實驗，其中三合會參與了在線討論。仿真表明，ASC模型與實驗數據在定性和定量上吻合。
預算約束下的社會網絡中的收益最大化
原文標題： Earned Benefit Maximization in Social Networks Under Budget Constraint
地址： http://arxiv.org/abs/2004.04003
作者： Suman Banerjee, Mamata Jenamani, Dilip Kumar Pratihar
摘要： 給定一個用戶選擇成本不一致的社會網絡， 預算影響最大化（簡稱BIM）問題要求在分配的預算內選擇一部分節點進行初始激活，例如，由於級聯效應，網絡中的影響力將最大化。在本文中，我們以變體形式研究此問題，其中將一組節點指定為目標節點，併為每個節點分配一個利益值，可以通過影響它們來獲得收益，而我們的目標是最大限度地獲得收益首先啟動預算內的一組節點。我們稱這個問題為 textsc 收益最大化問題。首先，我們證明這個問題是NP mbox - Hard的，效益函數是 Independent Cascade Model擴散下的 monotone， sub mbox - modular。我們針對此問題提出了一種增量貪婪策略，並顯示了經過細微修改後，它可以為獲得的收益提供（1- frac 1 sqrt e） mbox -因子近似保證。接下來，通過利用利益函數的sub mbox -模塊化特性，我們提高了所提出的貪婪算法的效率。然後，我們提出了一種基於Hop mbox -的啟發式方法，該方法基於對與目標節點相對應的有效鄰居的“預期收益”的計算。最後，我們使用四個真實的 mbox -生活，公開可用的社會網絡數據集進行了一系列廣泛的實驗。從實驗中，我們觀察到，與許多現有方法相比，所提出的算法選擇的種子集可以實現更大的收益。特別是，發現基於Hop mbox -的方法比其他方法更有效。
印度鐵路區的複雜網絡分析
原文標題： Complex Network Analysis of Indian Railway Zones
地址： http://arxiv.org/abs/2004.04146
作者： Nikhil Kumar Rajput, Piyush Badola, Harshit Arora, Bhavya Ahuja Grover
摘要： 根據直接連接兩個鐵路區的列車數量，對印度鐵路網進行了分析。網絡已顯示為加權圖，其中權重表示區域之間的列車數量。可能會指出，每個區域本身就是一個複雜的網絡，可能會描繪出不同的特徵。因此，可以將區域網絡視為複雜網絡的網絡。在本文中，已計算了每個區域的自鏈接，入度和出度，它們提供了區域間和區域內連通性的信息。還研究了度數乘客相關性，這種相關性給出了有關可能來自某個特定區域的火車和乘客數量的信息，這可能在決策制定中發揮作用。已經獲得了其他一些複雜的網絡參數，例如介數中心性，聚類係數和集團，以獲取有關複雜的印度區域網絡的更多信息。
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
