COVID-19大流行：增长模式、幂律尺度和饱和
原文标题： The COVID-19 pandemic: growth patterns, power law scaling, and saturation
地址： http://arxiv.org/abs/2004.03859
摘要： 由于有效的政府制定的封锁措施和社会隔离措施，越来越多的国家显示出新的COVID-19感染数量显著下降。我们通过局部斜率分析对影响最大的25个国家的增长行为进行了分析，发现各国根据锁定协议的严格程度遵循三种不同的模式：指数上升和下降，幂律，或逻辑斯蒂。对于显示幂律增长的国家，我们已经确定了比例指数。对于感染率大幅下降的国家，我们推断出感染数量的预期饱和度和预计的最终日期。使用了两种不同的外推方法（逻辑和抛物线）。两种方法在饱和度和结束日期的数量级上都一致。使用相同的方法分析全球感染率。讨论了这些推断的相关性和准确性。
群体智慧预测COVID-19传播的严重性
原文标题： 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： 在这项工作中，我们报告说，在COVID-19大流行初期，公众对社交媒体的反应出奇地准确，其活动水平反映了将近一个月后登记的传染病数据的严重性。具体来说，疫情开始时（21-24 / 2/2020）来自意大利不同地区的COVID相关社交媒体活动的强度，很好地预测了将近一个月后（21/3/2020）的每个地区死亡总数。应当指出，在最初的推特反应发生时，尚无关于流行病的表格区域数据。到2020年2月24日，只有两个地区报告了死亡病例，只有三个报告了受感染的对象。
危机关键型知识产权：COVID-19大流行的发现
原文标题： 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： 在国家和国际创新体系中，大流行病呼吁跨部门的许多行为者采取大规模行动，以动员资源，有效且大量地开发和制造危机关键型产品（CC产品）。如今，这还包括从复杂的流行病学模型AI到开放的预防，诊断和治疗数据平台的数字创新。在大流行期间的众多挑战中，创新和制造业的利益相关者发现自己正在建立新的关系，并可能面临与知识产权（IP）相关的挑战。本文采用了关于COVID-19大流行的IP观点，以确定与大流行相关的IP注意事项和IP挑战。重点在于与研究，开发和迫切需要大规模制造CC产品的能力提升相关的挑战。其目的是提供一种避免IP挑战的结构，以避免延误应对大流行病。我们确定了四个与知识产权挑战有关的利益相关者群体：（i）政府，（ii）拥有现有的“危机关键”知识产权的组织，被描述为“危机关键部门”（CC-Sector）的现有人员，（iii）其他行业的制造公司通常不生产CC产品的人突然涌入CC部门以支持CC产品（新进入者）的生产，以及（iv）在大流行期间形成的自愿基层倡议。本文讨论了与（i）预防（传播），（ii）诊断感染患者和（iii）开发治疗技术和产品有关的知识产权挑战。我们对可能的应对措施进行了初步讨论，以减少大流行期间工业利益相关者之间与知识产权相关的风险。
冠状病毒大流行期间Twitter消息的词频和情绪分析
原文标题： 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： 冠状病毒大流行已经席卷了全世界，同时也是社交媒体。随着人们对疾病意识的增强，确认其存在的信息，视频和帖子也随之增加。社交网站Twitter表现出相似的效果，与冠状病毒相关的帖子数量在很短的时间内显示出空前的增长。本文介绍了自2020年1月以来发布的与此疾病相关的twitter消息的统计分析。进行了两种类型的经验研究。第一个是关于单词频率，第二个是关于各个tweet消息的情感。检查单词频率有助于表征站点中所用单词的样式或趋势。在此关键时刻，这也将反映出Twitter用户的心理。 Unigram，bigram和trigram频率已通过幂律分布建模。结果已通过平方误差总和（SSE），R2和均方根误差（RMSE）进行了验证。 R2的高值和SSE和RMSE的低值为该模型的拟合优度奠定了基础。进行了情绪分析，以了解此时Twitter用户的总体态度。公众和WHO的两条推文都是该语料库的一部分。结果表明，大多数推文具有正极性，只有约15％的负极性。
流行病与遏制措施
原文标题： Epidemics with containment measures
地址： http://arxiv.org/abs/2004.03934
作者： Ginestra Bianconi, Pavel L. Krapivsky
摘要： 我们提出了一种包括感染控制措施在内的易感染（SI）流行病传播模型。在没有遏制措施的情况下，对于任何传染性值 lambda> 0 ，流行病的传播速度都呈指数级增长。通过考虑裸露的传染性 lambda 的时间依赖性调节来建模遏制措施，从而导致每个感染个体的有效传染性随时间衰减，例如模仿疾病的无症状发作，测试策略和隔离。对于有效的传染性，我们考虑了各种各样的时间核，我们研究了所考虑的围堵措施的效果。我们发现，并非所有内核都能将流行病动态推到流行阈值以下，而某些遏制措施只能降低新感染个体的指数增长速度。我们还提出了一个由越来越多的新分离病灶引起的大流行模型。该模型提供了一个程式化的数学框架，可以阐明不同遏制措施在减轻和抑制像COVID-19这样的流行病传播中的作用。
如何最好地预测Covid-19的每日新感染数
原文标题： 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： 了解Covid-19每日新感染的每日数量非常重要，因为它是导致封锁和采取紧急医疗措施的政治决策的基础。我们以德国为例来说明官方数字的不足之处，至少在德国，这种披露仅延迟了几天，而在周末却严重漏报（超过40％）。这些缺点概述了迫切需要替代数据源。约翰·霍普金斯大学（JHU）系统科学与工程中心（JHU）提供的其他被广泛引用的消息来源，也比德国平均偏离官方数字79％。我们认为Google搜索和Twitter数据应补充官方数字。他们的预测甚至比约翰·霍普金斯大学的原始预测还要好，而且要提前几天进行。这两个数据源也可以在世界上不存在官方数字或被认为不可靠的地方使用。
评估针对COVID-19流行病的“信息传播”风险
原文标题： 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： 我们的社会是建立在相互依存的复杂网络上的，这种相互依存的影响在诸如COVID-19大流行之类的特殊事件中变得很明显，其中一种系统的冲击在某种程度上蔓延到其他系统。由于SARS-CoV-2疫情，我们分析了在全球紧急情况下以64种语言发布的超过1亿条Twitter消息，并对传播的新闻的可靠性进行了分类。我们发现，一波不可靠和低质量的信息预示着这一流行病的流行，使整个国家面临不合理的社会行为和对公共卫生的严重威胁。当流行病袭击同一地区时，便会迅速接种可靠信息，例如抗体，并且系统会将重点转移到经过认证的信息来源上。与主流观点相反，我们表明人类对虚假的反应表现出预警信号，可以通过适当的沟通策略来缓解这种信号。
用于开放科学研究的大规模COVID-19 Twitter聊天数据集——国际合作
原文标题： 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： 随着COVID-19大流行继续在全球蔓延，正在为遗传学和流行病学研究生成前所未有的开放数据。世界各地许多研究小组以无与伦比的速度发布有关正在进行的大流行的数据和出版物，这使其他科学家可以从本地经验和COVID-19大流行的前线产生的数据中学习。但是，有必要将其他数据源整合到生物医学，生物学和流行病学分析中，这些数据源将这种独特的全球性事件的社会动态图化并加以衡量。为此，我们提供了一个大型的精选数据集，该数据集与撰写本文时从1月1日到4月4日产生的COVID-19聊天有关，每天增长着1.52亿条。这个开放的数据集将使研究人员能够进行许多研究项目，这些研究涉及对社会疏远措施的情感和心理反应，错误信息来源的识别以及对大流行的情绪的分层测量。
科学专家发现的新数据集和文档网络嵌入方法的基准
原文标题： 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： 科学文献的增长比以往任何时候都快。由于出版物数量的增加以及专业领域的不断增长，在特定的科学领域寻找专家从未像现在这样困难。为了解决这一挑战，自动专家查找算法依靠庞大的科学异构网络将文本查询与潜在的专家候选人进行匹配。在这个方向上，文档网络嵌入方法似乎是构建科学文献表示形式的理想选择。引用和作者链接包含与出版物文字内容相关的主要补充信息。在本文中，我们利用从科学引文网络和三个科学问答网站提取的数据，为文档网络中的专家发现提出了基准。我们比较了几种算法在这些不同数据源上的性能，并进一步研究了嵌入方法在专家发现任务中的适用性。
意见网络建模与实验
原文标题： Opinion Network Modeling and Experiment
地址： http://arxiv.org/abs/2004.03757
作者： Michael Gabbay
摘要： 我们提出了一个描述由于个人网络之间的相互作用而导致的意见随时间演变的模型。该“接受-移动-收缩”（ASC）模型是根据耦合的非线性微分方程式建立的，以获取观点和不确定性。 ASC模型的动态性允许多数职位的出现和持续存在，因此即使对于对称网络，平均意见也可以转移。该模型还根据最近提出的群体极化效应理论在见解和修辞之间做出区分。这样就可以对讨论引起的极端转变进行建模，而无需典型的建模假设，即对极端主义者的抗拒能力更大。描述了一个实验，其中三合会参与了在线讨论。仿真表明，ASC模型与实验数据在定性和定量上吻合。
预算约束下的社会网络中的收益最大化
原文标题： 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： 给定一个用户选择成本不一致的社会网络， 预算影响最大化（简称BIM）问题要求在分配的预算内选择一部分节点进行初始激活，例如，由于级联效应，网络中的影响力将最大化。在本文中，我们以变体形式研究此问题，其中将一组节点指定为目标节点，并为每个节点分配一个利益值，可以通过影响它们来获得收益，而我们的目标是最大限度地获得收益首先启动预算内的一组节点。我们称这个问题为 textsc 收益最大化问题。首先，我们证明这个问题是NP mbox - Hard的，效益函数是 Independent Cascade Model扩散下的 monotone， sub mbox - modular。我们针对此问题提出了一种增量贪婪策略，并显示了经过细微修改后，它可以为获得的收益提供（1- frac 1 sqrt e） mbox -因子近似保证。接下来，通过利用利益函数的sub mbox -模块化特性，我们提高了所提出的贪婪算法的效率。然后，我们提出了一种基于Hop mbox -的启发式方法，该方法基于对与目标节点相对应的有效邻居的“预期收益”的计算。最后，我们使用四个真实的 mbox -生活，公开可用的社会网络数据集进行了一系列广泛的实验。从实验中，我们观察到，与许多现有方法相比，所提出的算法选择的种子集可以实现更大的收益。特别是，发现基于Hop mbox -的方法比其他方法更有效。
印度铁路区的复杂网络分析
原文标题： 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： 根据直接连接两个铁路区的列车数量，对印度铁路网进行了分析。网络已显示为加权图，其中权重表示区域之间的列车数量。可能会指出，每个区域本身就是一个复杂的网络，可能会描绘出不同的特征。因此，可以将区域网络视为复杂网络的网络。在本文中，已计算了每个区域的自链接，入度和出度，它们提供了区域间和区域内连通性的信息。还研究了度数乘客相关性，这种相关性给出了有关可能来自某个特定区域的火车和乘客数量的信息，这可能在决策制定中发挥作用。已经获得了其他一些复杂的网络参数，例如介数中心性，聚类系数和集团，以获取有关复杂的印度区域网络的更多信息。
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
