社會隔離下的疾病傳播：無序多重網絡中的預防策略
原文標題： Disease spreading with social distancing: a prevention strategy in disordered multiplex networks
地址：
http://arxiv.org/abs/2004.10593
作者： I. A. Perez (1), M. A. Di Muro (1), C. E. La Rocca (1), L. A. Braunstein (1 and 2) ((1) Instituto de Investigaciones Físicas de Mar del Plata (IFIMAR)-Departamento de Física, FCEyN, Universidad Nacional de Mar del Plata-CONICET, Mar del Plata, Argentina, (2) Physics Department, Boston University, Boston, MA, USA.)
摘要： 甲型（H1N1）流感，SARS，MERS和COVID-19等可能在本地和全球範圍內構成威脅的疾病的不斷出現，使得繼續設計疾病傳播模型和預防或預防策略十分重要。減輕其對人口的影響。由於隔離系統在任何情況下都很少見，特別是在人類接觸網絡中，因此在此我們研究了由兩個不同的網絡或通過分數 q相互連接的層組成的多重網絡中的疾病傳播的易感感染恢復模型。我們通過加權網絡對每一層中個體之間的交互進行建模，因為人與人之間的交互是多種多樣的（或無序的）。權重代表這些交互作用的接觸時間，我們使用接觸時間的分佈為每一層分配一個個體障礙。使用模擬支持的分支理論，我們研究了一種社會疏遠策略，在該策略中，我們減少了一層（或必要時兩層）的平均接觸時間。我們發現了一組與平均接觸時間相關的病症參數，可以防止疾病流行。當疾病極有可能擴散時，無論疾病參數和共享結節的分數如何，系統始終處於流行階段。但是，我們發現仍然有可能保護易感個體的巨大組成部分，這對於保持由兩個相互連接的層組成的系統的功能至關重要。
高階網絡傳染動力學中觀局部化的主方程分析
原文標題： Master equation analysis of mesoscopic localization in contagion dynamics on higher-order networks
地址：
http://arxiv.org/abs/2004.10203
作者： Guillaume St-Onge, Vincent Thibeault, Antoine Allard, Louis J. Dubé, Laurent Hébert-Dufresne
摘要： 傳染病的簡單模型傾向於假定個人是隨機混合的，但真正的互動並不是隨機的成對遭遇：它們發生在明確定義的高級結構中，例如工作場所，家庭，學校和音樂會。我們使用基於團的近似主方程對具有高階結構的網絡的傳播進行建模，其中我們跟蹤團內的所有狀態和相互作用，並假設它們之間存在均值場耦合。使用敏感感染敏感動力學，我們的方法使我們能夠顯示介觀定位機制的存在，在這種機制下，疾病只能在網絡中的大型子結構周圍集中和自我維持。在這種情況下，相變被塗抹，其特徵在於各種高階結構的不均勻活化。在介觀水平上，我們觀察到相同大小的群中感染節點的分佈可能非常分散，甚至是雙峰的。當考慮網絡在節點和集團級別上的異構時，我們分析地表徵了結構參數空間中與介觀局部化相關的區域。我們以特徵向量本地化的角度來看待了這一現象，並討論瞭如何需要關注高層結構才能在介觀水平上辨別更細微的本地化。最後，我們討論了介觀局部化如何影響對結構性干預的反應，以及該框架如何為廣泛的動力學提供重要見解。
在旁觀者眼中：對社交媒體使用COVID-19的中性和爭議性術語的情感和主題分析
原文標題： In the Eyes of the Beholder: Sentiment and Topic Analyses on Social Media Use of Neutral and Controversial Terms for COVID-19
地址：
http://arxiv.org/abs/2004.10225
作者： Long Chen, Hanjia Lyu, Tongyu Yang, Yu Wang, Jiebo Luo
摘要： 在COVID-19大流行期間，“中國病毒”作為冠狀病毒的有爭議術語出現。在某些人看來，這似乎是一箇中性術語，指的是病毒的物理起源。但是，對於許多其他人來說，該術語實際上是將種族與病毒聯繫在一起。在本文中，我們試圖闡明該術語在Twitter上的實際用法。通過使用情感特徵分析和主題建模，我們揭示了使用有爭議的術語（例如“中國病毒”）和使用無爭議的術語（例如“ COVID-19”）之間的實質差異。例如，使用有爭議的術語的推文包含較高百分比的憤怒和負面情緒。他們還更頻繁地指向中國。我們的研究結果表明，儘管“中國病毒”一詞可以解釋為中立或種族主義，但其在社交媒體上的使用強烈傾向於後者。
具有自訓練功能的域引導任務分解，用於檢測社交媒體中的個人事件
原文標題： Domain-Guided Task Decomposition with Self-Training for Detecting Personal Events in Social Media
地址：
http://arxiv.org/abs/2004.10201
作者： Payam Karisani, Joyce C. Ho, Eugene Agichtein
摘要： 挖掘社交媒體內容以執行諸如檢測個人經歷或事件之類的任務，會遭受詞彙稀疏，訓練數據不足以及發明性詞彙的困擾。為了減輕創建大量標記數據的負擔並提高分類性能，我們建議分兩個步驟執行這些任務：1.通過識別關鍵概念將任務分解為特定於領域的子任務，從而利用人對領域的理解； 2.使用聯合培訓將每個關鍵概念的學習者結果組合在一起，以減少對帶有標籤的培訓數據的需求。我們使用三種代表性的社交媒體挖掘任務，即個人健康提及檢測，危機報告檢測和藥物不良反應監測，通過經驗證明了我們的方法Co-Decomp的有效性和普遍性。實驗表明，在可獲得少量訓練數據的情況下，我們的模型能夠勝過最新的文本分類模型（包括那些使用最近引入的BERT模型的模型）。
活動的爆發：在線心理健康論壇中尋求幫助和支持的時間模式
原文標題： Bursts of Activity: Temporal Patterns of Help-Seeking and Support in Online Mental Health Forums
地址：
http://arxiv.org/abs/2004.10330
作者： Taisa Kushner, Amit Sharma
摘要： 近年來，社交媒體平臺的興起為那些遭受精神困擾的人提供了點對點的支持。對這些平臺的影響的研究集中於短期的單崗位線程規模，或在任意時間段（數月或數年）內的長期變化。儘管很重要，但這樣的任意時期並不一定會隨著用戶在嚴重困擾期間的進展而變化。使用來自心理健康平臺Talklife的數據，我們發現用戶活動遵循高活動期與無活動的交錯期的獨特模式，並提出了一種識別活動爆發和中斷的方法。然後，我們展示了對突發性活動進行研究如何為在線心理健康社區中的一個關鍵問題提供個性化的中期分析：用戶活動的哪些特徵導致一些用戶尋求支持和幫助，而其他用戶則缺乏支持和幫助？通過使用兩個獨立的結果指標，即在一連串的活動中認知變化的時刻和自我報告的情緒變化，我們確定了兩個可為用戶改善結果的可行功能：持久性爆發以及為他人提供複雜的情感支持。我們的結果表明，考慮將爆發作為在線心理健康社區中心理社會變化的自然分析單位的價值。
通過排序彙總緩解推薦偏差
原文標題： Alleviating the recommendation bias via rank aggregation
地址：
http://arxiv.org/abs/2004.10393
作者： Qiang Dong, Quan Yuan, Yang-Bo Shi
摘要： 推薦系統的主要目標通常被稱為“幫助用戶找到相關項目”，因此提出了許多推薦算法。然而，這些面向準確性的方法通常遭受對流行商品的推薦偏見的問題，不僅用戶而且商品提供商也不歡迎這種偏愛。為了緩解推薦偏差問題，我們針對現有算法的推薦結果提出了通用的排名彙總框架，該框架將面向用戶和麵向項目的排名結果線性地聚合在一起，並控制後一個排名過程的權重。在兩個真實世界的數據集上的典型算法的實驗結果表明，該框架可有效地提高任何現有的面向精度算法的推薦公平性，同時避免明顯的精度損失。
憤怒使假新聞在線傳播
原文標題： Anger makes fake news viral online
地址：
http://arxiv.org/abs/2004.10399
作者： Yuwei Chuai, Jichang Zhao
摘要： 虛假新聞操縱著政治選舉，罷工金融體系甚至煽動騷亂，比網上的真實新聞更具有病毒性，從而導致社會不穩定和民主制度不穩。人們發現，假新聞在網上更容易傳染，可以用其引起的更多憤怒來解釋。離線問卷進一步顯示，憤怒導致更多的焦慮者受到焦慮管理和信息共享的激勵，因此，假新聞比在線真實新聞更具感染力。我們的結果表明，在分析在線信息傳播時，應綜合考慮情緒的數字傳染，尤其是憤怒。諸如在社交媒體中標記憤怒之類的治癒方法可能會在一開始就受到啟發，以減慢速度或防止假新聞的蔓延。
從不完整網絡和非線性動力學推斷度
原文標題： Inferring Degrees from Incomplete Networks and Nonlinear Dynamics
地址：
http://arxiv.org/abs/2004.10546
作者： Chunheng Jiang, Jianxi Gao, Malik Magdon-Ismail
摘要： 從觀察到的數據中推斷複雜網絡的拓撲特徵對於瞭解從Internet和Internet到生物網絡和社會網絡的網絡系統的動態行為至關重要。先前的研究通常集中在基於結構的估計上，以推斷網絡的大小，程度分佈，平均程度等。很少的努力嘗試從採樣的誘導圖中估計每個頂點的特定程度，這使我們無法測量蛋白質網絡中節點的殺傷力和社會網絡中的影響者。對於微小的採樣誘導圖，當前的方法會大大失敗，並且需要特定的採樣方法和較大的樣本量。這些方法忽略了表示網絡系統動力學行為的頂點狀態信息，例如物種的生物量或基因的表達，這對於程度估計非常有用。我們通過開發一個使用採樣拓撲和頂點狀態信息來推斷單個頂點度的框架來填補這一空白。我們將平均場理論與組合優化相結合，以學習頂點度。在具有各種動態性的真實網絡上的實驗結果表明，我們的框架可以產生可靠的程度估計，並通過用我們的估計程度替換採樣的程度來顯著改善現有的鏈路預測方法。
社交媒體數據在城市規劃中的潛力：巴西庫裡提巴啤酒街的發現
原文標題： On the Potential of Social Media Data in Urban Planning: Findings from the Beer Street in Curitiba, Brazil
地址：
http://arxiv.org/abs/2004.10590
作者： Ville Santala, Giovane Costa, Luiz Celso Gomes-Jr, Tatiana Gadda, Thiago H. Silva
摘要： 社交媒體為各種類型的分析提供了大量數據。城市有機會探索這一新的數據源，以研究城市動態並補充用於城市規劃的傳統數據。我們在巴西庫裡提巴的城市規劃背景下調查了Untappd社交媒體數據。我們分析了市政當局最近宣佈的創建精釀啤酒街的項目，以促進庫裡提巴的當地啤酒發展，以研究探索社交媒體數據以支持該項目計劃的潛力。我們的結果表明，社交媒體數據可能有助於指導啤酒街的創建決策，並有可能成為戰略性城市規劃工具。
ktrain：增強型機器學習的低代碼庫
原文標題： ktrain: A Low-Code Library for Augmented Machine Learning
地址：
http://arxiv.org/abs/2004.10703
作者： Arun S. Maiya
摘要： 我們介紹了ktrain，這是一個低代碼的Python庫，可讓機器學習更易於訪問且更易於應用。作為TensorFlow和許多其他庫（例如，變壓器，scikit-learn，stellargraph）的包裝，它旨在使複雜的，先進的機器學習模型易於構建，訓練，檢查和部署初學者和經驗豐富的從業者。以支持文本數據（例如，文本分類，序列標記，開放域問答），視覺數據（例如，圖像分類）和圖數據（例如，節點分類，鏈路預測）的模塊為特色，ktrain提供了一個簡單的方法統一的界面，使人們能夠以最少的三到四個“命令”或代碼行快速解決各種各樣的任務。
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。
