- 有向随机网络谱的空间比表征;
- 建模饮酒行为的演变：统计物理学视角;
- 复杂的社会网络以更好地讲故事：对中国历史文本和小说的实证研究;
- 预期的COVID-19疫苗接种的最佳计划：以纽约州为例;
- 遏制疾病的互动区域政策;
- 在Twitter上使用文本挖掘和图机器学习来预测变化的个体;
- 度差异：表征复杂网络中结构异质性的简单方法;
- 驾驶员学习城市规模的动态平衡;
- 中国大气臭氧对COVID-19锁定的不同反应;
- 考虑局部和全局信息传播，建模带适应性行为的疾病传播;
- 探索将时变跨网络信息用于个性化建议;
- 通过信息熵发现加权网络中的隐藏依赖性;
- 激励驱动的不连续过渡到高乘车共享采用;
- 出行链过度通勤的建模与分析;
- 高分辨率的人员流动数据揭示了灾难疏散模式中的种族和财富差距;
- 在现实世界网络中使用基于社区的方法进行多团队组建;
有向随机网络谱的空间比表征
原文标题： Spacing ratio characterization of the spectra of directed random networks
地址： http://arxiv.org/abs/2008.11161
作者： Thomas Peron, Bruno Messias F. de Resende, Francisco A. Rodrigues, Luciano da F. Costa, J. A. Méndez-Bermúdez
摘要： 以前有关随机矩阵和网络科学的文献传统上采用了从最近邻居水平间距分布得出的度量来表征随机矩阵的特征值统计。但是，这种方法主要取决于特征值展开过程，在许多情况下，由于计算上的限制（特别是在复杂谱的情况下），这代表了主要障碍。在这里，我们使用最近引入的最近特征值间距与最近特征值间距之间的比率来研究有向网络的谱，从而规避了谱展开所带来的缺点。具体来说，我们通过两个邻接矩阵表示来表征有向Erd H o s-R 'enyi（ER）随机网络的特征值统计量；即（i）加权非Hermitian随机矩阵和（ii）对非Hermitian邻接矩阵的转换，生成加权Hermitian矩阵。对于这两种表示，我们发现根据无向随机网络，对于固定的平均度，间距比的分布变得通用。此外，通过计算作为平均度的函数的平均间距比，我们表明，有向ER随机网络的谱统计量经历了模型（i）的从泊松统计到吉尼布尔统计的过渡，以及模型的从泊松统计到高斯Unit整体统计的过渡（ii）。还讨论了有向网络的特征向量离域效应。
建模饮酒行为的演变：统计物理学视角
原文标题： Modeling the evolution of drinking behavior: A Statistical Physics perspective
地址： http://arxiv.org/abs/2008.10692
作者： Nuno Crokidakis, Lucas Sigaud
摘要： 在这项工作中，我们研究了饮酒行为演变的简单分区模型。人口分为3个等级，分别是易感人群S（非消费者），中度饮酒者M和风险饮酒者R。这些州之间的过渡是由概率决定的。尽管模型简单，但我们观察到了两个明显的非平衡相变到吸收态的发生。这些状态之一仅由易感个体S组成，没有饮酒者（ M = R = 0 ）。另一方面，另一吸收状态仅由冒险者R（ S ＝ M ＝ 0 ）组成。在这两个稳态之间，我们具有三个子群体S，M和R的共存。与巴西的滥用酒精消耗数据进行比较后，该模型的结果与数据库之间取得了很好的一致性。
复杂的社会网络以更好地讲故事：对中国历史文本和小说的实证研究
原文标题： Complicating the Social Networks for Better Storytelling: An Empirical Study of Chinese Historical Text and Novel
地址： http://arxiv.org/abs/2008.10835
作者： Chenhan Zhang
摘要： 数字人文科学是一门重要的学科，因为它促进了历史，文学和电影的发展。在本文中，我们对中国历史文本《三国志》（ Records）和同一故事的历史小说《三国史》（ Romance）进行了实证研究。我们采用自然语言处理技术来提取字符及其关系。然后，我们描述了历史文本和历史小说中主要人物的社会网络和情感。我们发现 Romance中的社会网络比 Records中的社会网络更加复杂和动态，并且主要角色的影响也有所不同。这些发现揭示了两种文学体裁的不同叙事风格，以及历史小说如何使人物的社会网络复杂化，从而丰富了故事的文学性。
预期的COVID-19疫苗接种的最佳计划：以纽约州为例
原文标题： Optimal Scheduling of Anticipated COVID-19 Vaccination: A Case Study of New York State
地址： http://arxiv.org/abs/2008.10702
作者： Syed Irfan Ali Meerza, Seyed M. Karimi, Bert B. Little, Jacek M. Zurada, Tamer Inanc
摘要： 这项研究旨在通过将广为人知的传染病模型SEIR转化为最佳控制问题，确定在COVID-19大流行治疗中疫苗调度的最佳控制策略。通过增加药物和疫苗的限制来匹配实际情况，加剧了这个问题。制定了两个版本的问题，以最大程度地减少感染个体的数量，同时提供可能的最佳疫苗，以将易感人群减少到相当低的状态。使用RBF-Galerkin方法解决了最优控制问题。使用基准测试数据集测试了这些问题，以确定所需的参数。完成此步骤后，将使用美国纽约州的最新数据测试问题。有关拟议的最佳控制问题的结果提供了一组证据，可在何时获得用于COVID-19的疫苗时，从中选择最佳疫苗调度策略。
遏制疾病的互动区域政策
原文标题： Interacting Regional Policies in Containing a Disease
地址： http://arxiv.org/abs/2008.10745
作者： Arun G. Chandrasekhar, Paul Goldsmith-Pinkham, Matthew O. Jackson, Samuel Thau
摘要： 限制局部感染的区域隔离政策是控制疾病的重要工具。但是，辖区政府（例如城市，县，州和国家/地区）在跨境协调方面的行为极少。我们表明，区域检疫政策的有效性取决于（i）相互作用的网络是否满足均衡增长的条件，（ii）感染的检测延迟很短，以及（iii）政府控制必要的知识网络的各个部分（没有行为泄漏）。由于通常无法满足这些条件，尤其是在跨界互动时，因此，我们表明，如果政府积极主动，则有可能取得实质性改善：在对邻居的感染率做出反应时触发隔离，有时甚至在内部检测到感染之前。我们还表明，即使是一些宽松的政府（那些在隔离之前等待非同寻常的内部感染率的政府）也会对整个系统造成可观的成本。我们的结果说明了了解跨政策蔓延的重要性，并为设计权力下放的管辖区的主动政策提供了起点。
在Twitter上使用文本挖掘和图机器学习来预测变化的个体
原文标题： Predicting Shifting Individuals Using Text Mining and Graph Machine Learning on Twitter
地址： http://arxiv.org/abs/2008.10749
作者： Federico Albanese, Leandro Lombardi, Esteban Feuerstein, Pablo Balenzuela
摘要： 公众讨论中多数人的形成通常取决于随时间推移而转变观点的个人。因此，对于社会网络的政治分析，检测和表征这些类型的个人极为重要。在本文中，我们使用自然语言处理技术和图机器学习算法研究Twitter上个人从属关系的变化。特别是，我们从150万用户那里收集了900万条Twitter消息，并构建了转发网络。我们确定了具有明确政治倾向的社区以及与之相关的讨论主题，这些社区提供了所分析时期Twitter上政治地图的拓扑表示。借助这些数据，我们提出了一种用于社交媒体用户分类的机器学习框架，该框架可有效检测“移动用户”（即，随着时间的推移可能会改变其从属关系的用户）。此外，这种机器学习框架使我们不仅可以识别哪些主题更具说服力（使用低维主题嵌入），还可以识别哪些个人由于其在Twitter图中的拓扑属性而更可能更改其从属关系。
度差异：表征复杂网络中结构异质性的简单方法
原文标题： Degree difference: A simple measure to characterize structural heterogeneity in complex networks
地址： http://arxiv.org/abs/2008.10751
作者： Amirhossein Farzam, Areejit Samal, Jürgen Jost
摘要： 尽管对表征导致网络全局拓扑的局部几何图的兴趣日益浓厚，但是我们对复杂网络（尤其是现实网络）的局部结构的理解仍然不完整。在这里，我们提出了一种简单，优雅但尚未探索的度量，即边顶点之间的“度差”（DD），以量化本地网络的几何形状。我们证明DD可以揭示网络科学中其他类似方法无法获得的结构特性。通常，具有不同DD的边扮演不同的结构角色，并且DD分布是重要的网络签名。值得注意的是，DD是分类性的原子根。我们提供了一个解释，为什么DD可以在混合模式中表征结构异质性，而不像全局分类和局部节点分类。通过分析模型和实际网络，我们表明DD分布可用于区分不同类型的网络，包括那些使用度序列和全局分类性不易区分的网络。此外，我们显示DD是无标度网络拓扑鲁棒性的指标。总体而言，DD是一种易于定义，易于评估的本地度量，它揭示了其他度量不容易看到的网络的结构特性。
驾驶员学习城市规模的动态平衡
原文标题： Drivers learn city-scale dynamic equilibrium
地址： http://arxiv.org/abs/2008.10775
作者： Ruda Zhang, Roger Ghanem
摘要： 对城市规模的集体人类行为和动力学的理解引起了物理学，工程学和社会科学的广泛兴趣。社会物理学经常采用统计的观点，并将个人视为互动的基本单元，而经济学的观点则将个人视为战略决策者。在这里，我们提供了城市规模动力学的微观机制，在热力学框架中解释了集体结果，并从经验上验证了其各种含义。我们以博弈论模型刻画了出租车司机的决策，证明了纳什均衡的存在性，唯一性和全局渐近稳定性。我们用热力学定律从宏观上看待这种平衡。通过在纽约市进行的8.7亿次超过5万名驾驶员的出行，我们验证了这种时空平衡，估计了经验的本构关系，并考察了个人和集体的学习过程。结合两个观点，我们的工作显示了一种了解亚群集体行为的有前途的方法。
中国大气臭氧对COVID-19锁定的不同反应
原文标题： Diverse response of atmospheric ozone to COVID-19 lockdown in China
地址： http://arxiv.org/abs/2008.10851
作者： Yiming Liu, Tao Wang
摘要： 臭氧（O _ 3 ）是低层大气中的主要氧化剂和污染物。据报道，在COVID-19锁定期间，许多城市的地面O _ 3 显著增加。在这里，我们对锁定之前和锁定期间在中国的O _ 3 表面进行了全面的观察和建模分析。我们发现，亚热带南部的O _ 3 下降了，而大多数其他地区的上升则相反。气象变化和排放量减少均导致观测到的O _ 3 变化。与挥发性有机化合物相比，NO _ x 的减少幅度更大，导致饱和的NO _ x 北部的O _ 3 增加，而两种前体的相对较大的减少导致O _ 3 在南部下降。我们的研究强调了气象在短期O _ 3 变异性中的重要性以及O _ 3 对其前兆的复杂依赖性。我们的发现与阐明在世界其他地区发生COVID-19锁定期间推动O _ 3 变化的潜在因素有关。
考虑局部和全局信息传播，建模带适应性行为的疾病传播
原文标题： Modeling disease spreading with adaptive behavior considering local and global information dissemination
地址： http://arxiv.org/abs/2008.10853
作者： Xinwu Qian, Jiawei Xue, Satish V. Ukkusuri
摘要： 该研究提出了一个建模框架，该模型框架考虑了当地观察和全球信息的影响，以调查疾病暴发期间人类适应性行为的疾病动态。一个重要的应用场景是，通勤者在旅途中观察到他们的身体接触所产生的症状和对策后，便可以调整其行为，从而改变疾病暴发的轨迹。我们在多路网络设置中引入异构均值（HMF）方法，以联合建模接触网络中传染病的传播动力学和观察网络中信息的传播动力学。该疾病的传播是使用经典的易感性-传染性易感性（SIS）过程刻画的，而类似SIS的过程则将意识传播称为“不知道-不知道-不知道”（UAU）。多重网络的使用有助于刻画疾病传播和信息传播之间的相互作用，以及其中一种的动态可能如何影响另一种。理论分析表明，取决于疾病和信息的渗透强度，存在三种潜在的平衡状态。信息的传播可能有助于在人群中形成畜群免疫力，从而抑制和根除疾病的爆发。最后，提供了利用地铁旅行者之间的联系网络进行的数值实验，以阐明现实情况下的疾病和信息动态，并获得有关运输系统抵御传染病风险的弹性的见解。
探索将时变跨网络信息用于个性化建议
原文标题： Exploring the use of Time-Dependent Cross-Network Information for Personalized Recommendations
地址： http://arxiv.org/abs/2008.10866
作者： Dilruk Perera, Roger Zimmermann
摘要： 在线应用程序中大量的信息和复杂性使得推荐对于用户找到感兴趣的信息至关重要。但是，在现实应用程序中共存的两个主要限制（1）不完整的用户配置文件，以及（2）用户偏好的动态性质在诸如及时性，准确性，多样性和新颖性等方面继续降低推荐者的质量。为了在单个解决方案中解决以上两个限制，我们提出了一种新颖的跨网络时间感知推荐器解决方案。该解决方案首先通过汇总来自多个源网络的用户偏好来学习目标网络中的历史用户模型。第二，学习用户级别的时间感知潜能，以从历史模型中开发当前用户模型并及时提出建议。我们通过使用Twitter源网络中的辅助信息来说明我们的解决方案，以改进针对YouTube目标网络的建议。在不同的时间粒度下使用多个时间感知和跨网络基线进行的实验表明，该解决方案在准确性，新颖性和多样性方面均达到了卓越的性能。
通过信息熵发现加权网络中的隐藏依赖性
原文标题： Uncovering Hidden Dependency in Weighted Networks via Information Entropy
地址： http://arxiv.org/abs/2008.11047
作者： Mi Jin Lee, Eun Lee, Byunghwee Lee, Hawoong Jeong, Deok-Sun Lee, Sang Hoon Lee
摘要： 通常由网络表示的元素之间的相互作用必须根据其相对重要性或方向来描述潜在的不平等关系。但是，这种固有的不平等关系在许多实际系统中都是不透明的或隐藏的。例如，当网络中具有有限交互能力的节点将其能力花在其相邻节点上时，向它们的交互总数分配可能会非常不同。即使可以观察到以加权网络为代表的这种潜在的异构交互，由于上述以自我为中心的交互分配的结果，两个交互节点之间的相对重要性或依赖性也只能隐式访问。在这项工作中，我们通过提出框架来发现从加权网络中提取的隐藏的依赖关系，从而精确地指出了这种相对依赖关系。对于给定的加权网络，我们提供了一个系统的标准，可以基于信息熵的概念为各个节点选择最基本的交互。通过为每个节点分配邻居的有效数量或有效出站度来象征该标准，并且结果有向子网通过仅保留最基本的有向交互来解码隐藏的依赖关系。我们将方法论应用于两个带有时间标记的经验网络数据，即世界贸易网（WTW）中国家之间的国际贸易关系和韩国历史记录《朝鲜纪事》（AJD）中的人际网络。在数据分析的基础上，我们发现两个系统中编码的相互依赖性的属性有很大的不同。
激励驱动的不连续过渡到高乘车共享采用
原文标题： Incentive-driven discontinuous transition to high ride-sharing adoption
地址： http://arxiv.org/abs/2008.11079
作者： David-Maximilian Storch, Marc Timme, Malte Schröder
摘要： 乘车共享-多次旅行的结合-可能对可持续城市交通做出重大贡献。在有许多类似行程请求的高需求地点，它是最有效的。但是，在这里我们揭示了人们共享乘车的意愿并没有遵循这种趋势。通过对基于个人乘车共享决策的基本激励进行建模，我们发现了两种相反的采用制度，一种是恒定的，另一种是随着需求的增加而采用的减少。在高需求限制下，这些制度之间的过渡变得不连续，从低乘车率过渡到高乘车率。分析了纽约市和芝加哥超过3.6亿的乘车请求，这表明这两种制度在城市中共存，这与我们的模型预测相符。这些结果表明，当前的乘车共享激励措施可能接近高共享制度的边界，因此，即使经济刺激措施的适度增加也可能会显著提高乘车共享的采用率。
出行链过度通勤的建模与分析
原文标题： Modeling and Analysis of Excess Commuting with Trip Chains
地址： http://arxiv.org/abs/2008.11082
作者： Yujie Hu, Xiaopeng Li
摘要： 像其他类型的人类旅行一样，通勤本质上是复杂的，例如旅行连锁行为涉及在两个锚点之间建立多个目的的站点。根据2001年全国家庭旅行调查，大约半数工作日的美国工人在上下班途中都停了下来。然而，在研究一个地区总体通勤效率的过多通勤研究中，通勤被简化为从家到工作的不间断旅行。这项研究通过提出一种基于旅行链的模型来将旅行链行为整合到过多的通勤中来填补这一空白。基于对佛罗里达州坦帕湾地区的案例研究，该研究发现传统的过勤通勤研究低估了实际通勤和最优通勤，同时高估了过勤通勤。例如，仅对于链式通勤旅行，在考虑了链式旅行之后，平均最小通勤时间从5.48分钟增加到9.32分钟，增加了70％。通过链活动类型的分类分析，发现差距在旅行链类型之间是不同的。因此，警告政策制定者和规划者，在制定城市交通和土地使用政策时，应避免旅行连锁行为。此外，该模型可用于研究非工作旅行的效率。
高分辨率的人员流动数据揭示了灾难疏散模式中的种族和财富差距
原文标题： High-resolution human mobility data reveal race and wealth disparities in disaster evacuation patterns
地址： http://arxiv.org/abs/2008.11169
作者： Hengfang Deng, Daniel P. Aldrich, Michael M. Danziger, Jianxi Gao, Nolan E. Phillips, Sean P. Cornelius, Qi Ryan Wang
摘要： 诸如极端天气事件之类的重大灾难可能会加剧并加剧先前存在的社会差距，而处境不利的人口承受的成本却不成比例。尽管对公平性和应急计划有影响，但我们对这些社会失误路线在大规模应急情况下如何转化为不同行为缺乏定量的了解。在这里，我们在哈维飓风的背景下调查了这个问题，使用了来自大休斯顿地区15万多人的3000万条匿名GPS记录来量化震灾前后，灾后迁移活动的模式。我们显示，疏散距离在不同种族，不同种族的个人之间高度均一，并遵循截断的幂律分布。然而，相似之处到此结束：我们发现种族和财富都对撤离模式产生了强烈影响，弱势的少数民族人口比富裕的白人居民撤离的可能性较小。最后，就种族和财富而言，出发和返回时间方面存在很大差异，来自优势社区的被疏散者在目的地选择上有很强的社会凝聚力。这些经验发现为流动性和疏散提供了新的见解，为居民，决策者和灾难管理者提供了政策建议。
在现实世界网络中使用基于社区的方法进行多团队组建
原文标题： Multi-team Formation using Community Based Approach in Real-World Networks
地址： http://arxiv.org/abs/2008.11191
作者： Ramesh Bobby Addanki, Durga Bhavani S
摘要： 在组织中，通常将需要多种技能的称为项目的任务分配给团队而不是个人。为给定任务选择合适的团队以最小的通信成本的问题被称为团队形成问题，并且文献中已经提出了许多算法。我们提出了一种算法，该算法可利用社会网络的社区结构并通过从社区内选择领导者及其邻居来组建团队。此算法与文献中以技能为中心的算法不同，后者从搜索每种技能，合适的专家开始，并且没有明确考虑底层社会网络的结构。称为TFC的基于社区的团队形成策略导致一种可扩展的方法，该方法可在合理的时间内通过大型网络获得团队。此外，对于一项任务，我们的算法TFC-R和TFC-N从社区生成了多个团队，在本文中作为案例研究进行了展示。实验是在著名的DBLP数据集上进行的，其中任务被视为撰写研究论文，标题的单词被视为技能。团队组成问题转化为寻找给定论文的潜在作者，这些作者具有所需的技能且沟通成本最低。在此过程中，我们从DBLP建立了更大的基准数据集，以供团队组建进行实验。即使基准算法Rarestfirst花费的时间最少，我们的算法TFC-N和TFC-R的通信成本却要高得多。在组建团队方面，它们还优于MinLD和MinSD等标准算法。我们的算法在社区上花费的时间比在大型网络上花费的时间快几个数量级，而又不会牺牲太多的通信成本。
声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。
网友评论