使用時變相遇網絡模擬公共交通中的流行病傳播
原文標題： Modeling Epidemic Spreading through Public Transit using Time-Varying Encounter Network
地址： http://arxiv.org/abs/2004.04602
作者： Baichuan Mo, Kairui Feng, Yu Shen, Clarence Tam, Daqing Li, Yafeng Yin, Jinhua Zhao
摘要： 公共交通（PT）網絡中的乘客聯繫可以成為傳染病傳播的關鍵媒介。本文提出了一個時變加權的PT遭遇網絡，以通過PT系統對傳染病的傳播進行建模。還考慮了地方和全球層面的社會活動聯繫。我們選擇了2019年冠狀病毒病（COVID-19）的流行病學特徵以及來自新加坡的智能卡數據作為案例研究，以在大城市水平上說明該模型。推導了可擴展的輕量級理論框架，以捕獲時變和異構的網絡結構，從而能夠以較低的計算成本在整個人口級別上解決問題。評估了公共衛生和運輸方面的不同控制策略。我們發現人們的預防行為是控制流行病傳播的最有效措施之一。從運輸方面看，公交路線的部分封閉有助於減緩速度，但不能完全遏制流行病的蔓延。使用智能卡數據識別“有影響力的乘客”並及早隔離它們，也可以有效地減少流行病的傳播。
集中式和分佈式隔離策略及其對COVID-19大流行動態的影響
原文標題： Centralized and decentralized isolation strategies and their impact on the COVID-19 pandemic dynamics
地址： http://arxiv.org/abs/2004.04222
作者： Alexandru Topirceanu, Mihai Udrescu, Radu Marculescu
摘要： 由於各種社會網絡促成的人類互動，傳染病正在蔓延。因此，當新的病原體（例如SARS-CoV-2）引起暴發時，非藥物隔離策略（例如，社會疏遠）是破壞其傳播的唯一可能反應。為此，我們介紹了新的流行病模型（SICARS），並比較了集中式（C），分散式（D）和組合（C + D）的社會疏遠策略，並分析了它們控制COVID-19動態的效率。異構複雜網絡。我們的分析表明，集中化的社會距離對於最大程度地減少大流行的傳播是必要的。單獨使用分散策略不足，但是與集中策略結合使用時效果最好。實際上，（C + D）是緩解網絡超級擴展器並將最高節點度降低到其初始值的10％以下時最有效的隔離策略。我們的結果還表明，更強的社會距離，例如減少75％的社會紐帶，可以使C隔離，75％的D隔離和87％（C + D）隔離的爆發減少75％戰略。最後，我們研究了主動隔離策略與被動隔離策略的影響，以及延遲執行策略。我們發現，對大流行的反應性反應效率較低，將隔離措施的採用推遲一個月以上（因為該地區爆發疫情）會產生令人震驚的效果；因此，我們的研究有助於瞭解COVID-19大流行的時空分佈。我們相信我們的調查具有很高的社會相關性，因為它們可以幫助您瞭解不同程度的社會距離如何可以大大降低峰值感染率。這樣可以使COVID-19大流行在較長的一段時間內更容易理解和控制。
地理學和人口統計學之間：Covid-19的關鍵相互依賴性和退出機制
原文標題： Between Geography and Demography: key Interdependencies and Exit Mechanisms for Covid-19
地址： http://arxiv.org/abs/2004.04608
作者： Antonio Scala, Andrea Flori, Alessandro Spelta, Emanuele Brugnoli, Matteo Cinelli, Walter Quattrociocchi, Fabio Pammolli
摘要： 我們開發了一個極簡主義的隔間模型來分析Covid-19爆發期間意大利的行動不便政策。我們的發現表明，早期鎖定幾乎無法及時改變該流行病的時間：此外，超出鎖定強度的臨界值後，似乎已平息的流行病在解除限制後得以完全恢復。我們通過在模型中引入異質性來研究對鎖定方案和退出策略的影響。特別是，我們將意大利地區視為獨立的行政實體，在其中發生了不同年齡段的社會互動。我們發現，由於流動性矩陣的稀疏性，一旦爆發開始，流行病就會在不同地區獨立發展。而且，在流行病開始之後，與其他地區接觸的影響很快就變得無關緊要了。稀疏性可能是造成不同區域之間觀察到的延遲的原因。類似的論點適用於世界/國家場景。我們還發現，忽視社會交往的結構可能會嚴重低估鎖定後的影響。但是，基於年齡段的策略可以通過較溫和的策略來幫助緩解反彈效果。最後，我們指出，通過提供關鍵參數對非醫學流行病緩解策略的影響的描述，可以將這些結果推廣到該特定模型之外。
英國COVID-19流行病的通用概率模型和非均質性問題
原文標題： Generic probabilistic modelling and non-homogeneity issues for the UK epidemic of COVID-19
地址： http://arxiv.org/abs/2004.01991
作者： Anatoly Zhigljavsky, Roger Whitaker, Ivan Fesenko, Kobi Kremnizer, Jack Noonan, Paul Harper, Jonathan Gillard, Thomas Woolley, Daniel Gartner, Jasmine Grimsley, Edilson de Arruda, Val Fedorov, Tom Crick MBE
摘要： 冠狀病毒COVID-19主要通過社會接觸在整個人群中傳播。為了評估潛在的廣泛蔓延，應對相關的不確定性並告知緩解措施，更準確，更可靠的建模對於決策至關重要。我們提供了一種靈活的建模方法，可以提高獲得洞察力的準確性。我們用它來分析與英國COVID-19情況有關的不同情況。我們提出了一種隨機模型，該模型捕獲了人口成員之間傳染的內在概率性質。我們模型的計算性質意味著可以輕鬆地納入空間限制（例如，社區和區域），不同年齡段的易感性以及其他因素（例如病史）。我們分析了英國COVID-19局勢的各種可能情況。我們的模型對參數的微小變化具有魯棒性，並且能夠靈活地應對不同的情況。這種方法超越了通過易感性，感染和恢復（SIR）的固定週期來表示流行病傳播的慣例。需要強調的是，與我們的模型不同，標準SIR類型的模型不夠靈活，也不是隨機的，因此應格外小心。我們的模型允許將異質性和內在的不確定性結合在一起。由於缺乏經過驗證的數據，我們通過使用其他相關來源的參數（包括與基於SIR的模型中的參數達成的平均（均值）一致性）來校準模型，從而獲得見解。
流行病的傳播與GDP有關嗎？可視化COVID-19在中國大陸的分佈
原文標題： Is the epidemic spread related to GDP? Visualizing the distribution of COVID-19 in Chinese Mainland
地址： http://arxiv.org/abs/2004.04387
作者： Yi Zhang (1,3), Hanwen Tian (1), Yinglong Zhang (2), Yiping Chen (3) ((1) College of Geography and Environmental Science, Northwest Normal University, China, (2) Zhejiang Provincial Institute of Communications Planning, Design & Research Co., Ltd., China, (3) Institute of Earth Environment, Chinese Academy of Sciences, China)
摘要： 2019年12月，在中國湖北省武漢市檢測到COVID-19。在春節旅行熱潮期間，SARS-CoV-2迅速與人們一起傳播到整個中國大陸。截至2020年2月19日，中國大陸已報告74576例確診的COVID-19病例。哪種城市的確診病例更多，GDP與確診病例之間是否有關係？在這項研究中，我們探索了縣級COVID-19確診病例與GDP之間的關係，發現二者之間存在正相關關係。這一發現警告說，高流行地區在發生疫情暴發時應付出更多的預防和控制努力，因為它們比附近的其他地區面臨更大的風險。
測量COVID-19現實世界憂慮數據集的情緒
原文標題： Measuring Emotions in the COVID-19 Real World Worry Dataset
地址： http://arxiv.org/abs/2004.04225
作者： Bennett Kleinberg, Isabelle van der Vegt, Maximilian Mozes
摘要： COVID-19大流行對世界各地的社會和經濟產生了巨大影響。隨著各種鎖定措施和社會疏遠措施的到位，大量了解情緒反應變得很重要。在本文中，我們介紹了第一個對COVID-19的情緒反應的地面事實數據集。我們要求參與者表明自己的情緒並用文字表達，並創建了5,000文本（2,500短+ 2500長文本）的真實世界擔憂數據集。我們的分析表明，情緒反應與語言措施相關。主題建模進一步表明，英國人擔心自己的家庭和經濟狀況。 Tweet大小的文本起到了團結的作用，而較長的文本則可以減輕人們的擔憂和擔憂。使用預測建模方法，我們能夠從參與者實際值的14％以內估算參與者的情感反應。我們鼓勵其他人使用數據集並改善我們如何使用自動化方法來了解情緒反應和對緊急問題的擔憂。
用逆流行病學評估預防性檢疫的影響
原文標題： Estimating the impact of preventive quarantine with reverse epidemiology
地址： http://arxiv.org/abs/2004.04153
作者： Jacopo Grilli, Matteo Marsili, Guido Sanguinetti
摘要： 可以通過將分區模型的參數擬合到經驗數據，然後使用說明特定措施的修改後的參數來運行模型，從而估算緩解措施或控制措施對流行病的影響。由於偏差或數據可用性不足以及參數估計值不穩定，因此該方法具有一些缺點。在這裡，我們採取相反的方法-我們稱之為逆流行病學。給定數據，我們及時向後重建了聯繫網絡的集合，並且我們評估了措施對傳染過程具體實現的影響。該方法是可靠的，因為它僅取決於描述一個人內疾病發展的參數（例如潛伏時間），而不取決於描述流行病在人群中傳播的參數。使用這種方法，我們評估了預防性隔離對意大利Covid-19持續爆發的影響。這提供了在給定時間實施預防性檢疫可以避免多少感染的估計。
通過測量時間依賴的加倍時間評估Covid-19遏制的效率
原文標題： Efficiency of Covid-19 Containment by Measuring Time Dependent Doubling Time
地址： http://arxiv.org/abs/2004.04604
作者： Antonio Bianconi, Augusto Marcelli, Gaetano Campi, Andrea Perali
摘要： 儘管最近已對Covid-19流行病採取了不同的收容措施，但仍無法定量地評估其效率。我們在此處顯示，大流行倍增時間Td（t）的時間演變是對使用現代技術與傳統的“停停停停”策略進行鎖定，案例查找，移動跟蹤（LFT）策略的效率的可靠度量。我們已經能夠驗證倍增時間Td（t）的時間演變以及每個策略的特定特徵的理論預測。最成功的遏制政策達到最低的s因子，即被捕政權下的指數增長倍增時間的特徵時間。韓國，中國，意大利和美國分別達到s = 5、6、10、18。結果清楚地表明，LFT遏制政策已能夠降低Covid-19大流行性圓頂的強度和時間寬度，從而減少了死亡人數和經濟損失。
全球COVID-19傳播的非藥物干預措施的情景分析
原文標題： Scenario analysis of non-pharmaceutical interventions on global COVID-19 transmissions
地址： http://arxiv.org/abs/2004.04529
作者： Xiaohui Chen, Ziyi Qiu
摘要： 本文介紹了動態面板SIR（DP-SIR）模型，利用來自全球9個國家的面板數據來研究非藥物干預（NPI）對COVID-19傳播動力學的影響。通過構建具有不同NPI組合的情景，我們的經驗發現表明，各國可以通過實行停課，戴口罩和集中檢疫來避免鎖定政策，從而在控制COVID-19感染上取得相似的結果。我們的結果還表明，自2020年4月4日起，某些國家（如美國和新加坡）可能需要採取其他非營利機構措施，以更有效地控制疾病傳播，而其他國家可能會謹慎考慮逐步取消某些非營利機構以減輕疾病的傳播。整體經濟成本。
繪製應對COVID-19的美國縣級流動模式變化
原文標題： Mapping county-level mobility pattern changes in the United States in response to COVID-19
地址： http://arxiv.org/abs/2004.04544
作者： Song Gao, Jinmeng Rao, Yuhao Kang, Yunlei Liang, Jake Kruse
摘要： 為了遏制冠狀病毒病（COVID-19）大流行，應對COVID-19爆發的一種非藥物流行病控制措施是通過（物理）社會距離降低SARS-COV-2在人群中的傳播速度。在國家科學基金會（NSF）的支持下，開發了一個交互式的基於Web的地圖繪製平臺，該平臺提供了有關不同縣和州人民對社會疏遠準則的反應的及時定量信息。它整合了地理信息系統（GIS）和每日更新的人類移動性統計模式，這些模式是從美國縣級的大規模匿名和彙總智能手機位置大數據得出的，旨在提高公眾的風險意識，支持政府決策製作，並幫助增強社區對COVID-19爆發的反應。
CovidSens：基於可靠社會感知的COVID-19傳播風險預警系統的願景
原文標題： CovidSens: A Vision on Reliable Social Sensing based Risk Alerting Systems for COVID-19 Spread
地址： http://arxiv.org/abs/2004.04565
作者： Md Tahmid Rashid, Dong Wang
摘要： 隨著2019年冠狀病毒疾病（COVID-19）的大流行激增，傳播有關該疾病的準確及時的信息已變得內在重要。由於互聯網連接和智能設備無處不在，社交傳感正在成為一種動態傳感範例，可以收集來自在線用戶的實時觀察結果。在此願景文件中，我們提出了CovidSens，這是一種基於社會感知的風險預警系統，旨在將COVID-19的傳播範圍告知公眾。 CovidSens概念的靈感來自於最近的兩項觀察：1）人們一直通過在線社交媒體積極分享他們的健康狀況和COVID-19的經驗，以及2）官方警告渠道和新聞機構比報告其觀察結果的人們要慢和社交媒體上有關COVID-19的經驗。我們預計將利用社交媒體用戶生成的帖子建立一個前所未有的機會，以建立一個實時分析系統來收集和傳播COVID-19傳播的重要信息。具體來說，CovidSens的願景試圖回答以下問題：如何跟蹤COVID-19的傳播？如何在社交媒體上流行的謠言和錯誤信息的共存中提取有關疾病的可靠信息？如何及時，有效地向公眾通報疫情的最新情況，並提醒他們做好準備？在此願景文件中，我們討論了CovidSens的作用，並確定了在實施可靠的基於社會感知的風險預警系統中的潛在挑戰。我們設想源自多種學科的方法（例如估計理論，機器學習，約束優化）可以有效應對挑戰。最後，我們概述了CovidSens未來工作的一些研究方向。
信息尋求對本地COVID-19病例新聞響應：來自Internet搜索數據的證據
原文標題： Information Seeking Responses to News of Local COVID-19 Cases: Evidence from Internet Search Data
地址： http://arxiv.org/abs/2004.04591
作者： Ana I. Bento, Thuy Nguyen, Coady Wing, Felipe Lozano-Rojas, Yong-Yeol Ahn, Kosali Simon
摘要： 新型冠狀病毒（COVID-19）爆發是全球性大流行，在許多國家（包括在美國每個州都報告確診病例的國家）中，有社區流通。這種大流行的過程將在很大程度上取決於政府如何制定及時的政策，傳播信息，最重要的是，公眾如何對它們做出反應。在這裡，我們研究了一個州對第一份COVID-19案例公開公告的信息尋求響應。通過使用事件研究框架，我們表明，這樣的消息立即增加了人們對危機的集體關注，但是，儘管最初的公告採取了越來越強的措施，但關注的提升是短暫的。我們發現人們通過立即搜索有關COVID-19的信息來回應其狀態中的COVID-19的第一個報告，該信息通過搜索冠狀病毒，冠狀病毒症狀和洗手液來衡量。另一方面，搜索有關社區級政策（例如檢疫，學校停課，檢測）或個人健康策略（例如口罩，雜貨店送貨，非處方藥）的信息似乎不會立即觸發第一份報告。這些研究結果令人鼓舞，因為我們的研究階段還處於流行階段的初期，而更詳盡的政策應對措施尚未成為公眾討論的一部分。進一步的分析將跟蹤對隨後的公共信息流的響應方式的演變。
短事件間隔時間控制著含時網絡上的流行病傳播
原文標題： Small inter-event times govern epidemic spreading on temporal networks
地址： http://arxiv.org/abs/1911.04040
作者： Naoki Masuda, Petter Holme
摘要： 就像人類和動物互動網絡的程度一樣，互動之間的時間分佈通常是右偏和胖尾的。這兩種分佈都強烈影響流行病動態，但是，正如我們在這封信中所顯示的，原因是完全不同的。儘管高度的尾部對於促進流行病至關重要，但控制事件流行的時間是小的事件間隔時間。我們在不同類型的網絡上，針對不同版本的敏感感染恢復模型，以分析和數值方式研究了這種影響。
COVID-19上的大型阿拉伯語Twitter數據集
原文標題： Large Arabic Twitter Dataset on COVID-19
地址： http://arxiv.org/abs/2004.04315
作者： Sarah Alqurashi, Ahmad Alhindi, Eisa Alanazi
摘要： 2019年冠狀病毒病（COVID-19）於2019年12月下旬在中國出現，目前正在全球範圍內迅速傳播。在撰寫本文時，全球確診病例已超過100萬，死亡人數超過75,000。許多國家實施了嚴格的社會隔離政策，以遏制病毒的傳播。這改變了數以千萬計的人們的日常生活，並敦促人們例如通過諸如Twitter之類的在線社交媒體網站將其討論在線上轉。在這項工作中，我們描述了自2020年3月1日以來我們一直在收集的COVID-19上的第一個阿拉伯語推文數據集。該數據集將幫助研究人員和政策制定者研究與大流行有關的不同社會問題。與行為改變，信息共享，錯誤信息和謠言傳播有關的許多其他任務也可以進行分析。
能源政策法案生效後，由於夏令時造成的交通事故增加一倍
原文標題： Traffic accident increase attributed to Daylight Saving Time doubled after Energy Policy Act
地址： http://arxiv.org/abs/2004.04156
作者： José María Martín-Olalla
摘要： 2020年1月30日，Current Biology發佈了報告“夏令時對交通事故風險的急性影響的時序生物學評估” doi：https：//doi.org/10.1016/j.cub.2019.12.045，Fritz等人等人指出，由於夏令時春季過渡，致命交通事故風險在美國增加了6％。這份手稿是1000字的對應詞，表明報告的大部分風險來自2007年《能源政策法》規定的過渡日期。
通過自然語言處理和機器學習增強分佈式同行評審
原文標題： Distributed peer review enhanced with natural language processing and machine learning
地址： http://arxiv.org/abs/2004.04165
作者： Wolfgang E. Kerzendorf, Ferdinando Patat, Dominic Bordelon, Glenn van de Ven, Tyler A. Pritchard
摘要： 儘管古代科學家經常有顧客來資助他們的工作，但對資源分配提案的同行評審是現代科學的基礎。一種非常普遍的方法是，提案由贈款機構提名的一小組專家評估（由於後勤和資金限制）。專家小組討論過程引入了幾個問題-最值得注意的是：1）在選擇小組時引入了偏見。 2）專家必須閱讀大量建議。分佈式同行評審承諾通過在提議者之間分配評審任務來緩解上述問題。每個提議者都有有限數量的提議要審查和排名。我們介紹了在歐洲南部天文臺運行機器學習增強型分佈式同行評審過程以分配望遠鏡時間的實驗結果。在這項工作中，我們證明了統計學上的分佈式同行評審與“傳統”評審小組相同，我們的機器學習算法可以預測成功率很高的評審員的專業知識，並且我們發現資歷和評審員的專業知識對審核質量。參與社區獲得了普遍的好評（使用匿名反饋機制）。
極端主義意識形態是一個複雜的傳染病：極右翼激進主義在美國2005-2017年間的蔓延
原文標題： Extremist ideology as a complex contagion: the spread of far-right radicalization in the United States between 2005-2017
地址： http://arxiv.org/abs/2004.04265
作者： Mason Youngblood
摘要： 極右翼極端主義暴力活動的增加，引起了公眾對美國激進主義蔓延的關注。先前的研究表明，激進的人會因各種環境（或地方性）因素而不穩定，暴露於極端主義意識形態，隨後被其社區成員強化。這樣，激進主義的蔓延可能會通過社會傳染過程來進行，在該過程中，極端主義意識形態的行為就像複雜的傳染一樣，需要多次曝光才能被採用。在這項研究中，我將一種流行病學方法（稱為二元時空強度建模）應用於2005年至2017年期間暴露於美國的416名極右翼極端分子的數據。結果表明，美國的極右激進主義模式與複雜的傳染過程一致，在傳播過程中需要加強。社交媒體的使用和團體成員身份都促進了極端主義思想的傳播，這表明在線組織和實體組織仍然是極右翼運動的主要招募工具。此外，我發現了一些流行因素，例如貧困，這些因素增加了特定地區激演化的可能性。未來的研究應調查如何有效實施特定干預措施，例如與戰鬥宣傳有關的在線反敘事，以減輕極右翼極端主義在美國的蔓延。
超高層建築疏散性能決定因素的實驗研究
原文標題： Experimental study on determinants of the evacuation performance in the super-high rise building
地址： http://arxiv.org/abs/2004.04310
作者： Fang Zhiming, Gao Huisheng, Huang Zhongyi, Ye Rui, Li Xiaolian, Xu Qingfeng, Xu Xingpeng, Huang Nan
摘要： 樓梯間是超高層建築人員緊急疏散的主要途徑，因此根據實驗數據揭示樓梯間的運動特性，是控制超高層建築疏散過程，確保人員安全的基礎。人群。在這裡，垂直高度為583 m的上海中心大廈進行了疏散實驗，這是世界上第二高的建築物。結果表明，行人會根據目標高度距離為自己設置一個“合適的速度”，而距離越遠，步行者的“合適的速度”就越低。有證據表明，行駛高度增加9.63％的參與者花費的疏散時間延長了16.39％，但是在每組參與者中，速度並不會隨著移動距離的增加而降低。此外，樓梯間的擁擠決定了行人是否可以達到“合適的速度”，在相同的情況下，女性或老年人的“適合速度”小於男性或年輕人。對不同群體，性別和年齡的局部速度和垂直速度進行分類和分析。提出了一種新的人群密度測量方法，並給出了超高層建築中速度密度關係的基本圖。這些結果可為應急疏散設施的設計和超高層建築應急預案的制定提供基礎數據。
在不同個體的功能性大腦網絡中檢測動態社區結構：多層方法
原文標題： Detecting Dynamic Community Structure in Functional Brain Networks Across Individuals: A Multilayer Apporach
地址： http://arxiv.org/abs/2004.04362
作者： Chee-Ming Ting, S. Balqis Samdin, Meini Tang, Hernando Ombao
摘要： 我們提出了一個統一的統計框架，用於描述大腦功能網絡的社區結構，該結構捕獲了個體之間的變異以及隨時間的演變。現有的社區檢測方法僅關注動態網絡的單主題分析。而最近對多主題分析的擴展僅限於靜態網絡。為了克服這些侷限性，我們提出了一個多主體，馬爾可夫切換隨機障礙模型（MSS-SBM），以識別一群人的大腦社區組織中與狀態相關的變化。我們首先制定了SBM的多層擴展來描述時間相關的多主體腦網絡。我們開發了一種適合多層SBM的新穎程序，該程序建立在多層模塊化最大化的基礎上，可以同時揭示所有層（對象）的公共社區分區。通過使用動態馬爾可夫切換過程進行擴充，我們提出的方法能夠捕獲關於主題之間的社區間交互以及它們之間的變化點的一組不同的重複性時間狀態。仿真顯示，MSS-SBM可以準確地恢復社區並跟蹤多層網絡上的動態社區狀況。在任務功能磁共振成像中的應用揭示了有意義的非分類性大腦社區主題，例如在群體水平上的核心-外圍結構，與語言理解和運動功能相關，表明它們在複雜信息整合中的假定作用。我們的方法檢測到因任務需求變化而引起的模塊化連接的動態重新配置，並確定了跨不同任務條件的社區內和社區間連接的獨特配置文件。所提出的多層網絡表示提供了一種原理方法來檢測跨受試者的大腦網絡中的同步，動態模塊化。
對亞洲移民態度的網絡分析
原文標題： Network Analysis of Attitudes towards Immigrants in Asia
地址： http://arxiv.org/abs/2004.04367
作者： Rachael Kei Kawasaki, Yuichi Ikeda
摘要： 這項研究建立了對東亞和東南亞移民的跨國態度，將其作為一個符號加權的國家二模網絡，並對各種政治問題或決定因素作出了評價。然後將該網絡投影到兩個單模網絡中，一個是國家，另一個是決定因素，並且應用了社區檢測方法。本文旨在彌補當前對移民態度的研究中的兩個缺陷：1）在這個移民不斷增長的地區，亞洲缺乏跨國研究； 2）儘管存在著一些不確定性，但研究人員傾向於將決定因素視為不相關。評價反應相互依存的性質。結果表明，樣本中的九個國家是一個凝聚力集團，其態度決定因素的相似之處大於差異。採取了模型化的方法來確定對移民態度的八個決定因素，即對獨立性和社會依賴性的看法，群體認同，絕對或相對道德取向，對民主，科學和技術的態度，偏見和汙名以及與宗教有關的兩個決定因素。但是，與文獻綜述相比，該調查的結果得出了一些令人驚訝的結果。首先，儘管在歐洲模式中教育具有強大而一致的預測能力，但教育並未被視為對移民態度的重要決定因素。其次，偏見似乎部分地是由宗教引起的，尤其是在宗教認同和對上帝的信仰中。群體認同和偏見似乎也有關聯，儘管只是微弱的關係。最後，焦慮症出現在與社會規範相關的類別中，表明對移民的恐懼與對他人行為的期望密切相關。
使用社區的馬爾可夫分配推斷隨機塊模型
原文標題： Inference in the Stochastic Block Model with a Markovian assignment of the communities
地址： http://arxiv.org/abs/2004.04402
作者： Quentin Duchemin (LAMA)
摘要： 當圖的節點的社區被分配以馬爾可夫動力學時，我們解決了隨機塊模型（SBM）中的社區檢測問題。為了恢復節點的分區，我們採用[11]中提出的寬鬆的K-means SDP程序。我們在框架中確定了相關的信噪比（SNR），並證明了誤分類誤差相對於該SNR呈指數級衰減。我們提供了模型參數的無窮範數一致估計，並且我們通過SBM文獻的經典度制度來討論我們的結果。 MSC 2010主題分類：主要68Q32；次級68R10、90C35。
可觀察性會增強對道德框架的敏感性嗎？評估基於聲譽的道德偏好賬戶
原文標題： Does observability amplify sensitivity to moral frames? Evaluating a reputation-based account of moral preferences
地址： http://arxiv.org/abs/2004.04408
作者： Valerio Capraro, Jillian J. Jordan, Ben M. Tappin
摘要： 越來越多的工作表明，人們對涉及親社會的經濟博弈中的道德框架敏感，表明人們對做“正確的事情”持有道德上的偏好。是什麼引起了這些偏好？在這裡，我們評估了基於信譽的帳戶的解釋能力，該解釋力建議人們對道德框架做出反應，因為他們被激勵在他人眼中看起來很好。在兩個預先註冊的實驗中（總計N = 3,610），我們調查了聲譽激勵是否會放大對取景效果的敏感性。兩個實驗都操縱（i）是使用道德框架還是中立框架來描述權衡博弈（參與者在優先考慮平等或效率之間進行選擇）和（ii）權衡博弈選擇在隨後的社交夥伴中是否可觀察到信任博弈。我們發現，框架效應對聲譽激勵相對不敏感：可觀察性並未顯著擴大對道德框架的敏感性。但是，我們的結果與可觀察性具有一定放大作用的可能性並不一致。從數量上講，當決策是私有的時，觀察到的框架效果是可觀察到的74％。這些結果表明，道德框架可以利用相對內在化的道德偏好，並且通過使他人能夠觀察到道德框架的行為，道德框架促進社會主義的能力可能不會得到很大增強。
PANDORA對話：Reddit上的個性和人口統計
原文標題： PANDORA Talks: Personality and Demographics on Reddit
地址： http://arxiv.org/abs/2004.04460
作者： Matej Gjurković, Mladen Karan, Iva Vukojević, Mihaela Bošnjak, Jan Šnajder
摘要： 人格和人口統計學是社會科學中的重要變量，而在自然語言處理中，它們可以幫助理解和消除社會偏見。但是，同時具有個性和人口標籤的數據集很少。為了解決這個問題，我們展示了PANDORA，這是Reddit評論的第一個大規模數據集，其中標記了三個人格模型（包括公認的Big 5模型）和人口統計信息（年齡，性別和位置），超過1萬名用戶。我們在三個實驗中展示了此數據集的實用性，其中我們利用了來自其他人格模型的更容易獲得的數據來預測5大特質，分析了由心理人口統計學變量引起的性別分類偏差，並進行了基於驗證性和探索性分析的關於心理學理論。最後，我們介紹了所有個性和人口統計變量的基準預測模型。
暴力音樂與暴力和音樂：倫敦的說唱和暴力犯罪
原文標題： Violent music vs violence and music: Drill rap and violent crime in London
地址： http://arxiv.org/abs/2004.04598
作者： Bennett Kleinberg, Paul McFarlane
摘要： 當前從社交媒體平臺（例如YouTube）上刪除演練音樂視頻的政策仍存在爭議，因為這有可能將演說和暴力的共同出現與兩者的因果鏈相混淆。從經驗上講，我們重新審視以下問題：是否有證據支持將鑽探音樂和幫派暴力聯繫在一起的推測。我們提供了新的經驗見解，表明：i）隨時間推移，鑽探音樂歌詞沒有變得更加消極，如果它們變得更加積極； ii）個別演藝人員的情感軌跡與演藝類型中的其他藝術家相似，並且iii）與倫敦記錄的三種警察記錄的暴力犯罪數據相比，演藝音樂與現實生活暴力之間沒有有意義的關係。我們建議新工作的思路，以幫助圍繞該問題建立急需的證據。
多重網絡的啟發式鏈路預測
原文標題： Heuristics for Link Prediction in Multiplex Networks
地址： http://arxiv.org/abs/2004.04704
作者： Robert E. Tillman, Vamsi K. Potluru, Jiahao Chen, Prashant Reddy, Manuela Veloso
摘要： 鏈路預測，或推斷實體之間將來或缺少的連接，是網絡分析中經過充分研究的問題。在具有單一連接類型的普通網絡中，存在許多啟發式算法用於鏈路預測。但是，在多路網絡或具有多種連接類型的網絡中的鏈路預測不是一個很好理解的問題。我們提出了一個簡單的，可解釋的新穎的通用框架和三個啟發式方法，用於多路網絡鏈路預測，並利用了許多現實世界網絡中存在的豐富連接類型相關結構。我們進一步根據與鄂爾多斯-仁伊隨機圖重疊的鏈接數得出用於確定何時使用其他連接類型的理論閾值。通過在模擬和現實世界中的科學協作，運輸和全球貿易網絡中進行的實驗，我們證明了所提出的啟發式方法在連接類型相關性結構豐富的情況下表現出更高的性能，並且明顯優於單一連接類型的普通網絡的基線啟發式方法。
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
