採取緩解措施來防止芝加哥ICU因COVID-19容量溢出的機會窗口
原文標題： Window of Opportunity for Mitigation to Prevent Overflow of ICU capacity in Chicago by COVID-19
地址： http://arxiv.org/abs/2003.09564
作者： Sergei Maslov, Nigel Goldenfeld
摘要： 我們使用針對SARS-CoV-2病毒擬合的最先進的計算機模擬，估計在新興的COVID-19流行期間芝加哥ICU病床的需求增長。我們要解決的問題是：（1）芝加哥的ICU容量是否會被超過？如果是，超出了多少？ （2）強有力的緩解策略（如鎖定或適當安置的避難所）是否可以防止容量溢出？ （3）何時應實施此類策略？我們的答案如下：（1）ICU容量可能被大量超出，可能是十倍。 （2）強有力的緩解措施有可能避免這種緊急情況，但是如果實施得太晚，即使這樣也行不通。 （3）如果在4月1日之前採取了強有力的緩解措施，則可以控制COVID-19的增長，並且ICU的容量可能足夠。實施強有力的緩解措施越早，成功的可能性就越大。在2020年4月1日前後，任何有力的緩解措施都不會避免緊急情況。在意大利，鎖定發生得太遲了，死亡人數仍每2.3天翻一番。由於計算機模擬的內在不確定性，很難確定這個機會窗口的確切日期。但是，人們對該主要結論的存在充滿信心，並將得出結論。我們的結論是，充分意識到了社會的權衡之後，就迅速避免了在芝加哥發生最壞情況的機會，但是直到下週才實施了強有力的緩解/鎖定措施。如果錯過了這個窗口，疫情將變得更糟，那麼畢竟需要強有力的緩解/鎖定措施，但為時已晚。
快速多次流行病干預措施用於封城後適應：簡單Covid-19模型的啟示
原文標題： On Fast Multi-Shot Epidemic Interventions for Post Lock-Down Mitigation: Implications for Simple Covid-19 Models
地址： http://arxiv.org/abs/2003.09930
作者： Michelangelo Bin, Peter Cheung, Emanuele Crisostomi, Pietro Ferraro, Connor Myant, Thomas Parisini, Robert Shorten
摘要： 英國政府最初的定時干預策略是一種打擊Covid-19的手段，這與許多其他國家採用的政策形成了鮮明的對比，其他許多國家也採用了更為嚴格的社會隔離政策。我們在此註釋中的目的是闡明這些政策之間的差異，並提出修改後的政策（用於鎖定職位），以允許對Covid-19進行管理，同時又可以在一定程度上減少社會和經濟活動。
COVID-19傳播的網絡結構和印度測試策略的缺陷
原文標題： Network structure of COVID-19 spread and the lacuna in India’s testing strategy
地址： http://arxiv.org/abs/2003.09715
作者： Anand Sahasranaman, Nishanth Kumar
摘要： 我們對在印度傳播的COVID-19網絡進行了表徵，發現傳播速率為0.43，每日病例增長是由在國外感染該病毒的個人所驅動。我們探討的問題是，這是否代表著指數衰減的動力學趨勢，或者僅僅是印度測試策略的產物。測試很大程度上僅限於來自高風險國家的個人及其直接聯繫，這意味著該網絡反映了來自有偏見的測試樣本的積極認同。由於測試水平普遍較低，並且幾乎沒有針對社區傳播的測試，因此存在很大的風險，即我們可能會錯過實際爆發的性質。印度目前的案件處理量仍然很低，可能只有很短的時間可以採取行動，因此，印度應該積極，系統地擴大對社區傳播的隨機檢測，包括對無症狀病例的檢測。這將有助於瞭解真實的傳輸特性，併為近期做出適當的計劃。
通過挖掘多語言Twitter數據集了解對COVID-19政策的感知
原文標題： Understanding the perception of COVID-19 policies by mining a multilanguage Twitter dataset
地址： http://arxiv.org/abs/2003.10359
作者： Christian E. Lopez, Malolan Vasu, Caleb Gallemore
摘要： 這項工作的目的是探討有關COVID-19大流行的流行論述以及為管理該流行所採取的政策。使用自然語言處理，文本挖掘和網絡分析來分析與COVID-19大流行相關的推文的語料庫，我們可以確定對大流行的常見反應以及這些反應隨時間的變化。此外，從大流行的早期階段開始，就如何通過Twitter傳播信息和錯誤信息提出了見解。最後，這項工作介紹了從世界各地以多種語言收集的推文數據集，其歷史可追溯至1月22日，當時全球已報告的COVID-19總數低於600。這項工作中提出的見解可以幫助面對未來大流行的決策者，引入的數據集可用於獲取有價值的知識，以幫助緩解COVID-19大流行。
COVID-19攻擊率隨城市規模增加
原文標題： COVID-19 attack rate increases with city size
地址： http://arxiv.org/abs/2003.10376
作者： Andrew J Stier, Marc G. Berman, Luis M. A. Bettencourt
摘要： 當前爆發的新型冠狀病毒疾病2019（COVID-19）對相互聯繫的人類社會構成了前所未有的全球健康和經濟威脅。在開發疫苗之前，控制爆發的策略依賴於積極的社會疏遠。這些措施在很大程度上斷開了人類社會的社會網絡結構，特別是在城市地區。在這裡，我們估算了3月14日至3月19日美國城市中COVID-19的增長率和生殖數量，以揭示冪律與城市人口規模的比例關係。這意味著，COVID-19在大城市中的平均傳播速度更快，此外，還意味著在不受控制的疫情中，預計會有更大比例的人口感染人口較多的城市地區。我們討論了這些觀察結果對控制COVID-19暴發的意義，強調需要在較大的城市中實施更積極的隔離政策，同時還要保留社會經濟活動。
Moran過程中具有不同連接圖的突變體和居民
原文標題： Mutants and Residents with Different Connection Graphs in the Moran Process
地址： http://arxiv.org/abs/1710.07365
作者： Themistoklis Melissourgos, Sotiris Nikoletseas, Christoforos Raptopoulos, Paul Spirakis
摘要： Lieberman等人研究的Moran過程。 [L05]是一個隨機過程，用於模擬遺傳突變在人群中的傳播。在此過程中，將兩種人口（即突變體和居民）的主體與圖的頂點相關聯。最初，只有一個頂點選擇了u.a.r.是一個突變體，適應度 r> 0 ，而其他所有個體都是居民，適應度 1 。在每一步中，均以與其適應度成正比的概率選擇一個人，並將其狀態（突變或居住）傳遞給被選為美國的鄰居。在本文中，我們首次引入並研究[L05]模型的一般化，方法是假設不同類型的個人通過不同的圖感知人口，即居民的 G_R（V，E_R）和居民的 G_M（ V，E_M）代表突變體。在此模型中，我們研究了固定概率，即對於各種圖對，最終只有突變體保留在種群中的概率。首先，我們將已知結果從原始的[L05]單圖模型轉移到我們的2圖模型。其中，我們提供了對等溫定理[L05]的推廣，它為一對圖具有與一對集團相同的固定概率提供了充分的條件。接下來，我們給出一個2人策略博弈過程視圖，其中玩家收益對應於注視和/或滅絕概率。在這種情況下，我們嘗試確定每個玩家的最佳反應，並提供證據表明集團對於兩個玩家都是最有利的圖。最後，我們研究了有效近似固定概率的可能性。我們表明，通常無法通過類似於[D14]的方法來近似任意一對圖的固定概率。儘管如此，我們為突變圖完成的特殊情況提供了FPRAS。
簡單復形的高階譜：重整化群方法
原文標題： The higher-order spectrum of simplicial complexes: a renormalization group approach
地址： http://arxiv.org/abs/2003.09143
作者： Marcus Reitz, Ginestra Bianconi
摘要： 網絡拓撲是一個蓬勃發展的跨學科學科，與包括量子引力和大腦研究在內的不同學科有關。在網絡拓撲中研究的離散拓撲對象是簡單復形。簡單複合體不僅通過考慮成對交互，而且還考慮了兩個以上節點之間的多體交互來對網絡進行泛化。高階拉普拉斯算子是拓撲算子，它們描述簡單復形上的高階擴散，並構成捕獲網絡拓撲和動力學之間相互作用的自然數學對象。高階上下拉普拉斯算子可以具有有限的譜維，表徵了在單純復形上擴散過程的長時間行為。在這裡，我們提供了一個重歸一化群論，用於計算兩個確定性單純形複合體模型的高階譜維：Apollonian和偽分形單純形複合體。我們表明，RG流受質量為零的固定點的影響，這確定了 m 且 m geq 0 的上拉普拉斯主義者的高階譜維 d_S 。最後，我們討論瞭如果考慮由“帶有風味的網絡幾何”模型生成的單純復形，則高階上Laplacian的譜特性如何變化。這些簡單複數是隨機的，並且根據參數 beta 顯示結構拓撲相變，這也反映在高階Laplacian譜中。
在線社會網絡中實現時間感知上下文感知深度信任預測
原文標題： Towards Time-Aware Context-Aware Deep Trust Prediction in Online Social Networks
地址： http://arxiv.org/abs/2003.09543
作者： Seyed Mohssen Ghafari
摘要： 信任可以定義為一種確定哪種信息來源可靠，我們應該與誰共享或我們應該從誰接受信息的措施。在線社會網絡（OSN）上有多種信任應用程序，包括社交垃圾郵件發送者檢測，虛假新聞檢測，轉發行為檢測和推薦系統。信任預測是預測當前未連接的兩個用戶之間新的信任關係的過程。在信任的應用中，需要預測用戶之間的信任關係。此過程面臨許多挑戰，例如用戶指定的信任關係的稀疏性，信任的上下文意識以及信任值隨時間的變化。本文分析了OSN中成對信任預測模型的最新技術。我們討論了該領域的三個主要挑戰，並提出了新穎的信任預測方法來應對這些挑戰。我們首先關注於提出一種低級的用戶表示形式，該表示形式將用戶的性格特徵作為附加信息納入其中。然後，我們提出了一組上下文感知的信任預測模型。最後，通過考慮信任關係的時間依賴性，我們提出了一種動態的深度信任預測方法。我們設計並實現了五種成對信任預測方法，並使用從OSN收集的真實數據集對它們進行評估。實驗結果證明，與其他最新的成對信任預測模型相比，我們的方法是有效的。
尺度的變化：Twitter數據採樣下的測量保真度
原文標題： Variation across Scales: Measurement Fidelity under Twitter Data Sampling
地址： http://arxiv.org/abs/2003.09557
作者： Siqi Wu, Marian-Andrei Rizoiu, Lexing Xie
摘要： 對數據偏見的全面理解是緩解社交媒體研究中偏見的基石。本文深入介紹了Twitter數據採樣在不同時間範圍和不同主題（實體，網絡和級聯）上的影響。通過構建兩個完整的tweet流，我們顯示Twitter限速消息是對丟失tweet數量的準確度量。儘管採樣率具有明顯的時間變化，但我們發現具有統一速率的伯努利過程很好地近似了Twitter數據採樣，並且它允許估計真實的實體頻率並與觀察到的採樣數據進行排名。在網絡分析方面，我們觀察到用戶標籤二部圖和轉發網絡中的重大結構變化。最後，我們測量轉推級聯。我們確定依賴推文到達時間和用戶影響的信息傳播模型的風險。這項工作引起了人們對由數據收集引起的社會數據偏差的關注，並提出了測量由抽樣引入的系統偏差的方法。
高階同步穩定性的多階Laplacian框架
原文標題： A multi-order Laplacian framework for the stability of higher-order synchronization
地址： http://arxiv.org/abs/2003.09734
作者： Maxime Lucas, Giulia Cencetti, Federico Battiston
摘要： 耦合主體系統中同步的出現是物理學，生物學，計算機科學和神經科學中的關鍵現象。傳統上，交互系統已被描述為網絡，其中鏈接僅根據節點之間的成對影響來編碼信息。但是，在許多系統中，單元之間的交互通常是在較大的組中進行的。最近的工作表明，振盪器之間存在高階相互作用會嚴重影響新興的動力學。但是，這些早期研究大多將他們的研究限於一次最多4個振盪器的相互作用，或者僅限於混合均勻的場景。在這裡，我們提出了一個通用框架，使我們能夠有效地研究所有可能階次的高階相互作用都考慮在內的振盪器群。為此，我們引入了一個多階拉普拉斯算子，其譜決定了同步解決方案的穩定性。我們的框架在日益複雜的交互的三種結構上得到了驗證。首先，我們研究了具有所有階躍的所有相互作用的種群，對此我們可以以完全分析的方式得出系統的Lyapunov指數，併為此研究包括吸引性和排斥性相互作用的影響。其次，我們將多階Laplacian框架應用於具有異質高階交互作用的合成模型上的同步。最後，對於描述獼猴大腦連接體的真實數據集，我們僅將耦合振盪器的動力學與高階和成對耦合進行了比較。兩者合計，在這項工作中，我們強調了如實表示真實世界系統中相互作用的複雜性的重要性，提出了一個分析框架來表徵具有高階相互作用的耦合非線性系統中的緊急行為。
智能停車：使用AI識別溫哥華的停車效率低下
原文標題： Smarter Parking: Using AI to Identify Parking Inefficiencies in Vancouver
地址： http://arxiv.org/abs/2003.09761
作者： Devon Graham, Satish Kumar Sarraf, Taylor Lundy, Ali MohammadMehr, Sara Uppal, Tae Yoon Lee, Hedayat Zarkoob, Scott Duke Kominers, Kevin Leyton-Brown
摘要： 路旁停車很方便，但有很多缺點：路旁停車位以其他道路用途為代價，例如交通車道，公交車道，自行車道或小公園；尋找停車位的駕駛員在很大程度上造成了交通擁堵，進而導致了溫室氣體的排放；安全性降低，這是由於以下事實：尋找地點的駕駛員比其他道路使用者更分散注意力，而且下車的人對騎自行車的人構成風險。當路邊停車場在附近並且有剩餘容量時，這些社會成本可能不值得支付。為了瞭解這在溫哥華市中心的真實情況，我們使用人工智能技術來估算駕駛員在整個城市的街道上和街上停車所需的時間。對於路邊停車，我們開發了（1）基於停車收費表和審計數據的逐塊停車可用性的深度學習模型，以及（2）駕駛員在路邊尋找地點的計算模擬。對於路外停車，我們開發了一個計算模擬，該模擬計算了駕駛員從其原始目的地開車到最近的城市擁有的路外地段，然後根據交通和車位佔用數據排隊等候的時間。最後，在兩種情況下，我們還計算了駕駛員從停車位步行到原始目的地所花費的時間。我們將這些時間估計值與溫哥華市中心每個街區和一天中的每個小時的目的地進行了比較。我們發現在很多地方，路外停車實際上可以節省駕駛員在街道上尋找地點的時間，而在路外停車的時間成本卻很小的地方，則更多。識別這些區域為城市提供了機會，使其更有價值的路邊空間重新用於社區友好型用途，從而更符合其交通目標。
人類駕駛的博弈模型及其在任意車道變更中的應用
原文標題： A Game-Theoretic Model of Human Driving and Application to Discretionary Lane-Changes
地址： http://arxiv.org/abs/2003.09783
作者： Jehong Yoo, Reza Langari
摘要： 在本文中，我們考慮了Stackelberg博弈論在輕度擁擠高速公路環境中對任意車道變換建模的應用。該模型的基本意圖是參數化以捕獲駕駛員的性情（攻擊性或不專心），其目的是通過考慮人類駕駛員在道路上如何執行相同功能的方式來幫助開發自動駕駛汽車的決策策略。 （已在其他地方進行了報道。）但是，本文僅關注模型開發和相應的定性評估。通過與NHTSA 100車自然駕駛安全性數據進行比較的有限交通微觀模擬，這可以在單元測試模擬以及批量模式下（即使用蒙特卡洛方法）完成。特別是，定性比較顯示了所提出模型與人為決策的相對一致性，即根據駕駛員注意力不集中（或攻擊性）產生的定性相似比例的碰撞和接近碰撞事故。雖然此結果本身並不能提供對所提議模型的真實定量驗證，但它確實證明了所提議方法在對任意車道變更進行建模方面的效用，因此可能以與人類決策相一致的方式用於自動駕駛在路上製作。
影響力最大化的解分佈：三種算法方法的高級實驗研究
原文標題： The Solution Distribution of Influence Maximization: A High-level Experimental Study on Three Algorithmic Approaches
地址： http://arxiv.org/abs/2003.09816
摘要： 影響力最大化是社會影響力分析中最基本的算法問題之一。在過去的十年中，致力於開發有效的算法以最大程度地發揮影響力，因此識別``最佳’’算法已成為一項艱鉅的任務。在SIGMOD’17中，Arora，Galhotra和Ranu報告了11種現有算法的基準測試結果，並證明了沒有一種最先進的技術可以在計算效率和解決方案質量之間取得最佳平衡。在本文中，我們報告了對三種成熟的影響力最大化算法的高級實驗研究，這些方法被稱為Oneshot，Snapshot和Reverse Impact Sampling（RIS）。與Arora等人不同，我們的實驗方法設計得如此，我們可以檢查隨機解的分佈，表徵樣本數與實際解質量之間的關係，並避免實現依賴。我們的主要發現如下：1.對於足夠大的樣本數，無論算法如何，我們都會獲得唯一的解決方案。 2. Oneshot，Snapshot和RIS的平均解決方案質量以相同的速率提高，直至樣本數量的尺度。 3. Oneshot比Snapshot需要更多的樣本，並且Snapshot比RIS需要更少但更大的樣本。我們討論將Oneshot，Snapshot和RIS設置為相同精度時的時間效率。我們的結論是，只有在可用內存大小有限的情況下，Oneshot才適用。對於大型網絡，RIS比Snapshot更有效。對於小型，低概率的網絡，快照是首選。
節點邊協同演化的深度多屬性圖轉換
原文標題： Deep Multi-attributed Graph Translation with Node-Edge Co-evolution
地址： http://arxiv.org/abs/2003.09945
作者： Xiaojie Guo, Liang Zhao, Cameron Nowzari, Setareh Rafatirad, Houman Homayoun, Sai Manoj Pudukotai Dinakarrao
摘要： 從圖像和語言翻譯概括起來，圖翻譯旨在通過限制源域中的輸入圖來在目標域中生成圖。最近，這個有前途的話題引起了越來越多的關注。現有的工作僅限於僅預測具有固定拓撲的圖的節點屬性，或者僅在不考慮節點屬性的情況下僅預測圖拓撲，但由於重大挑戰，無法同時預測它們的兩者：1）難以描述交互式，迭代式，以及節點和邊的異步轉換過程； 2）難以發現和保持預測圖中節點和邊之間的固有一致性。這些挑戰阻止了用於聯合節點和邊屬性預測的通用端到端框架，這是對現實世界應用程序的需求，例如物聯網網絡中的惡意軟件限制以及結構到功能的網絡轉換。這些實際應用程序高度依賴手工製作和臨時啟發式模型，但無法充分利用大量的歷史數據。在本文中，我們將此通用問題稱為“多屬性圖轉換”，並開發了一種無縫集成節點和邊轉換的新穎框架。新穎的邊轉換路徑是通用的，這被證明是對現有拓撲轉換模型的概括。然後，提出了一種基於非參數圖拉普拉斯算子的譜圖正則化方法，以學習和保持預測節點和邊的一致性。最後，對合成和實際應用數據進行的大量實驗證明了該方法的有效性。
電力需求預測中的知識映射：科學計量學的見解
原文標題： Knowledge Mapping in Electricity Demand Forecasting: A Scientometric Insight
地址： http://arxiv.org/abs/2003.10055
作者： Dongchuan Yang, Ju-e Guo, Jie Li, Shouyang Wang, Shaolong Sun
摘要： 電力需求預測在電力系統的運行和規劃程序中以及在有關電力需求預測的出版物中逐年增加中起著根本性的作用。在本文中，我們使用Scientometric分析來分析20年來（1999-2018年）831篇Web of Science核心收藏中電力需求預測領域的現狀和新興趨勢。本文采用統計描述，合作網絡分析，關鍵詞共現分析，共引分析，聚類分析和新興趨勢分析技術，給出了該領域最關鍵的國家，機構，期刊，作者和出版物，以及合作網絡關係。 ，研究熱點和新興趨勢。本文的結果可以為研究人員找出該領域的關鍵研究，新興趨勢和新發展提供有意義的指導和見解。
基於arXiv概念網絡中科學創新的嵌入技術和網絡分析
原文標題： Embedding technique and network analysis of scientific innovations emergence in an arXiv-based concept network
地址： http://arxiv.org/abs/2003.10289
作者： Serhii Brodiuk, Vasyl Palchykov, Yurij Holovatch
摘要： 新穎性是創新和發現的固有部分。這樣的過程可以看作是新思想的出現，也可以看作是現有思想之間非典型聯繫的出現。這種聯繫的重要性暗示著通過在思想空間中通過網絡或圖表示來研究創新。在這樣的表示中，圖節點對應於相關的概念（想法），而兩個節點之間的邊表示相應的概念已在公共上下文中使用。在這項研究中，我們解決了有關是否有可能確定創新可能出現的現有概念之間的邊的問題。為此，我們使用了記錄良好的科學知識，包括2007年4月至2019年9月的120萬份arXiv.org手稿。我們使用ScienceWISE.info平臺為其提取相關概念。結合複雜網絡科學中開發的方法和圖嵌入，我們討論了可能會出現創新的科學知識領域中邊（鏈接）的可預測性。
不對稱的黨派投票博弈
原文標題： Asymmetric Partisan Voter Turnout Games
地址： http://arxiv.org/abs/2003.10313
作者： Cameron Guage, Feng Fu
摘要： 自從唐斯在1957年提出投票行為是非理性的以來，就提出了無數模型來解釋投票並解釋觀察到的投票率模式。我們提出了一個模型，在這種模型中，黨派人士在決定是否棄權選舉時會同時考慮其投票的工具性利益和表達利益，並引入了大多數其他模型都不會考慮的不對稱性。允許我們的選民學習過程，我們分析了在各種條件下合理的投票率狀態。我們的模型預測與選民行為一致的比較靜態。此外，放寬我們的一些初步假設可以消除我們的模型與經驗選民行為之間的某些差異。
熵量度里約熱內盧都會區吸引力和社會經濟複雜性
原文標題： Entropy as a measure of attractiveness and socioeconomic complexity in Rio de Janeiro metropolitan area
地址： http://arxiv.org/abs/2003.10340
作者： Maxime Lenormand, Horacio Samaniego, Julio C. Chaves, Vinicius F. Vieira, Moacyr A. H. B. da Silva, Alexandre G. Evsukoff
摘要： 定義和測量整個城市環境中的空間不平等仍然是一項複雜而難以捉摸的任務，大型地理位置數據庫的可用性不斷提高，這已經變得很容易。在這項研究中，我們依靠手機數據集和基於熵的度量來衡量里約熱內盧大都會區（巴西）某個位置的吸引力是否隨訪客居住地的多樣性而變化。結果表明，通過熵衡量的給定位置的吸引力是該位置的社會經濟狀況的重要描述，因此可以用作複雜社會經濟指標的替代指標。
全局思考，局部行動：關於非次模影響力最大化的最佳種子
原文標題： Think Globally, Act Locally: On the Optimal Seeding for Nonsubmodular Influence Maximization
地址： http://arxiv.org/abs/2003.10393
作者： Grant Schoenebeck, Biaoshuai Tao, Fang-Yi Yu
摘要： 我們研究了複雜的 r 傳染影響最大化問題。在影響力最大化問題中，人們選擇社會網絡中固定數量的初始種子來最大化其影響力的傳播。在 r 複雜感染模型中，如果網絡中每個未感染的頂點至少具有 r 感染的鄰居，則該頂點將被感染。在本文中，我們專注於一個名為隨機分層模塊模型的隨機圖模型，這是經過充分研究的隨機模塊模型的特例。當圖不是特別稀疏時，特別是當每個邊以概率 omega（n ^ -（1 + 1 / r））出現時，在某些溫和的假設下，我們證明了最佳的播種策略是將所有種子放在一個社區中。這符合直覺，即在非亞模塊級聯模型中，將種子彼此靠近會產生協同作用。但是，這與亞模塊級聯模型（例如，獨立級聯模型和線性閾值模型）的直覺形成了鮮明的對比，在該模型中，附近的種子傾向於侵蝕彼此的效果。我們的關鍵技術是四個級聯過程的新穎時間異步耦合。最後，我們證明了這種觀察結果產生了多項式時間動態規劃算法，如果每條邊以 omega（n ^ -（1 + 1 / r））或 o（ n ^ -2）。
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
