- 在社交媒体网络中发现有趣的子图;
- 多维网络中的一种算法信息失真;
- COMONet：社区移动网络;
- 复杂的投入产出组织中的普遍排名;
- 加权网络的稀疏性：度量和应用;
- 不求逆的Leontief逆：来自部分信息的投入产出分析中的统计规律;
- 使用修改后的SEIRD和LSTM模型对印度及受其影响最严重的五个州传播的COVID-19的预测;
- 使用复杂网络和文本挖掘在COVID-19大流行期间表征Twitter互动;
- 利用图片分析爆炸：Trinity和贝鲁特;
- COVID-19大流行中的国家形象：以中国为例;
在社交媒体网络中发现有趣的子图
原文标题： Discovering Interesting Subgraphs in Social Media Networks
地址： http://arxiv.org/abs/2009.05853
作者： Subhasis Dasgupta, Amarnath Gupta
摘要： 社交媒体数据通常被建模为具有多种类型的节点和边的异构图。我们提出一种发现算法，该算法首先根据用户的分析兴趣选择一个“背景”图，然后自动发现在结构和内容方面与背景图明显不同的子图。该技术将图上 texttt group-by操作的概念与主观兴趣的概念结合在一起，从而自动发现了有趣的子图。我们在社会政治数据库上进行的实验表明了我们技术的有效性。
多维网络中的一种算法信息失真
原文标题： An Algorithmic Information Distortion in Multidimensional Networks
地址： http://arxiv.org/abs/2009.05879
作者： Felipe S. Abrahão, Klaus Wehmuth, Hector Zenil, Artur Ziviani
摘要： 网络复杂性，网络信息内容分析以及图表示形式的无损可压缩性在网络分析和网络建模中发挥了重要作用。随着多维网络（例如时变网络，多层网络或动态多层网络）在网络科学中的重要性越来越高，研究在哪些情况下无法将基于算法信息论的通用算法方法直接应用于图的图元变得至关重要，案件。在这个方向上，无损可压缩性失真的最坏情况随着不同维数的增加而线性增加，本文提出了一种反常理的现象，这种现象在处理不均匀且足够大的多维空间内的网络时会发生。特别是，我们证明了在一般情况下，对与对数可压缩单工网络同构的多维网络进行编码所必需的算法信息可能会显示出指数级更大的失真。
COMONet：社区移动网络
原文标题： COMONet: Community Mobile Network
地址： http://arxiv.org/abs/2009.05966
作者： Primal Wijesekera, Chamath I. Keppitiyagama
摘要： 近年来，手机的密度迅速增加。当前移动电话技术的一个缺点是，即使主叫方和被叫方在彼此的无线电范围内，它也迫使所有呼叫都通过蜂窝基站。已经提出了混合蜂窝网络和非许可移动接入（UMA）作为使移动电话用户能够绕过蜂窝基站的解决方案。但是，这些技术要么需要特殊的硬件，要么在某些情况下必须依赖服务提供商。我们确定大多数现成的手机都支持Wi-Fi（和蓝牙）。我们提出了一种社区移动网络（COMONet），该网络利用Wi-Fi（和蓝牙）在移动电话用户之间建立自组织网络，以尽可能绕开GSM基站。 COMONet不依赖特殊的非商品硬件，它是基于软件的解决方案。 COMONet监视ad hoc网络上所有可用的路径，如果ad hoc网络上没有可用路径，它将透明地切换到服务提供商GSM基站上的常规路径。在COMONet中，由于COMONet能够通过参与COMONet的其他移动节点路由呼叫，因此呼叫者和被呼叫者不必位于彼此的Wi-Fi或蓝牙范围内。
复杂的投入产出组织中的普遍排名
原文标题： Universal rankings in complex input-output organizations
地址： http://arxiv.org/abs/2009.06307
作者： Silvia Bartolucci, Fabio Caccioli, Francesco Caravelli, Pierpaolo Vivo
摘要： 投入产出平衡方程式用于定义最复杂的组织中各成员的排名：有助于对生态系统或经济部门之间的相互作用进行分类的同一工具可用于确定世界上哪些地点万维网-或社会网络中的哪个节点-最具影响力。基本原则是，复杂组织的成员可以产生其“数量”应精确匹配外部需求之和加上其他成员为起作用而吸收的投入的产出。该解决方案通常需要对大型矩阵进行逐个案例的反演，而对负责资源分层组织的结构特征的了解很少甚至没有。在这里，我们表明-在非常一般的条件下-开放系统的输入-输出平衡方程的解可以用通用主曲线来描述，该曲线以简单的“质量缺陷”参数为分析特征，例如，生态系统中每个物种浪费到外部环境中的资源比例。我们的结果来自组件之间相互作用矩阵的随机表述：使用来自无序系统物理学的复制方法，可以计算通用层次结构排名的平均（或典型）值，其领先顺序显示为在很大程度上不受审查系统的精确细节影响。我们测试了对WWW PageRank，生态系统生成模型的营养水平，大型经济体的投入产出表以及Facebook页面的集中度等各种系统的预测。
加权网络的稀疏性：度量和应用
原文标题： Sparsity of weighted networks: measures and applications
地址： http://arxiv.org/abs/2009.06310
作者： Swati Goswami, Asit K. Das, Subhas C. Nandy
摘要： 现实生活中的大多数网络都是加权且稀疏的。本文旨在基于稀疏性来表征加权网络，作为对不同网络参数的固有多样性的一种度量。它利用在简单网络的有序度序列上定义的稀疏性指标，并得出该指标的其他属性。任何连接的网络的稀疏性索引的可能值的范围，以特定间隔中的边计数，通过节点计数来分析得出；在相应的度数序列中发现一个模式以产生最高的稀疏性。给定网络的边权重频率分布，我们制定了边权重稀疏指数的表达式。在边权重的不同分布下分析其性能。例如，根据其节点数和边密度确定具有所有不同边权重的网络边权重的稀疏性索引的上限和下限。这篇文章强调指出，此汇总索引具有较低的计算成本，可根据不同的网络参数进行计算，有助于揭示网络的不同结构和组织方面，以进行分析。通过网络的重叠社区检测已证明了该索引的应用。在人工和现实网络上验证的结果表明了其有效性。
不求逆的Leontief逆：来自部分信息的投入产出分析中的统计规律
原文标题： Inversion-free Leontief inverse: statistical regularities in input-output analysis from partial information
地址： http://arxiv.org/abs/2009.06350
作者： Silvia Bartolucci, Fabio Caccioli, Francesco Caravelli, Pierpaolo Vivo
摘要： 我们提出了用于评估通用经济中部门间关系的基准随机框架。我们显示-无论给定国家或特定年份的技术矩阵的具体特征如何，Leontief乘数（以及根据Leontief逆矩阵计算出的任何上游/下游指标）都遵循一种通用模式，我们对此进行了分析。我们制定了一个通用基准，以评估通用经济中各部门在结构上的相互依赖性。提出了世界投入产出数据库（WIOD，2013年发布）上的一些实证结果，证实了我们的发现。
使用修改后的SEIRD和LSTM模型对印度及受其影响最严重的五个州传播的COVID-19的预测
原文标题： Projections for COVID-19 spread in India and its worst affected five states using the Modified SEIRD and LSTM models
地址： http://arxiv.org/abs/2009.06457
作者： Punam Bedi, Shivani, Pushkar Gole, Neha Gupta, Vinita Jindal
摘要： 2019年的最后一站产生了一种名为COVID-19的病毒（Corona Virus Disease 2019）。自印度开始感染以来，政府实施了多项政策和限制措施以减少其在人群中的传播。随着时间的流逝，这些限制有所放松，建议人们自己采取预防措施。印度政府及时采取的这些决定，在很大程度上减缓了COVID-19的传播。尽管做出了这些决定，大流行仍在继续蔓延，因此，迫切需要计划和控制这种疾病的蔓延。通过找到有关价差的未来预测，这是可能的。全球科学家正在努力估算COVID-19的未来增长。本文提出了一种改进的SEIRD（敏感暴露-感染-恢复-死亡）模型，用于预测印度及其五个州（总病例数最高）的COVID-19感染。在此模型中，暴露的隔室包含可能无症状但具有感染性的个体。本文还使用基于深度学习的长期短期记忆（LSTM）模型来执行短期预测。从提议的修改后的SEIRD模型获得的预测也已与LSTM在接下来的30天内所做的预测进行了比较。截至2020年8月15日的流行病学数据已用于进行预测。这些预测将有助于安排适当的医疗基础设施，并提供适当的预防措施，以应对当前的大流行。印度政府强加的不同锁定措施的影响也已用于拟议的修正SEIRD模型的建模和分析中。本文介绍的结果将作为未来决策的信标，以控制在印度传播的COVID-19。
使用复杂网络和文本挖掘在COVID-19大流行期间表征Twitter互动
原文标题： Characterizing Twitter Interaction during COVID-19 pandemic using Complex Networks and Text Mining
地址： http://arxiv.org/abs/2009.05619
作者： Josimar E. Chire-Saire
摘要： covid-19的爆发始于数月前，据报道起源于中国武汉市场。该病毒很快传播到其他国家，因为人们可以负担得起国际旅行的费用，而且许多国家之间的飞行时间相距不远，而且边境上人流不断。另一方面，互联网用户习惯使用社会网络共享内容，关于Covdid-19的问题，问题和想法也不例外。因此，可以分析一个城市，一个国家/地区的社会网络互动，以了解此全球性问题产生的影响。南美是发展中国家面临政治，经济，公共卫生及其他方面挑战的一个地区。因此，本文的范围是分析南美国家在Twitter上的交互，并使用复杂网络表示和文本挖掘来表征通过用户的数据流。初步实验引入了模式存在的想法，类似于复杂系统。此外，学位分布确定了具有系统的思想，并且邻接矩阵的可视化显示了一段时间内用户组发布和交互的存在，有可能会不断识别出发送帖子的机器人。
利用图片分析爆炸：Trinity和贝鲁特
原文标题： Explosion analysis from images: Trinity and Beirut
地址： http://arxiv.org/abs/2009.05674
作者： Jorge S. Diaz
摘要： 爆炸图像可用于研究其某些物理性质。在回顾并澄清了最初为研究第一次核爆炸而开发的方法的关键方面之后，结合本科实验室经验讨论了对数据的分析。在对三位一体爆炸的程序进行了阐述之后，该方法通过使用许多在线发布的视频的帧应用于2020年8月的贝鲁特爆炸，并产生了非常准确的结果。贝鲁特爆炸的能量产生量估计为 4.19 ^ + 0.19 _ -0.19 TJ或 1.00 ^ + 0.05 _ -0.05 kt的TNT。压力波的基本模型指示爆炸的暂时超音速。
COVID-19大流行中的国家形象：以中国为例
原文标题： Country Image in COVID-19 Pandemic: A Case Study of China
地址： http://arxiv.org/abs/2009.05817
作者： Huimin Chen, Zeyu Zhu, Fanchao Qi, Yining Ye, Zhiyuan Liu, Maosong Sun, Jianbin Jin
摘要： 国家形象对国际关系和经济发展有着深远的影响。在全球COVID-19爆发中，各国及其人民表现出不同的反应，从而导致外国公众对图像的感知不同。因此，在本研究中，我们将中国作为一个特定的典型案例，并在大型Twitter数据集上通过基于方面的情感分析来研究其图像。据我们所知，这是首次以这种细粒度的方式探索国家形象的研究。为了执行分析，我们首先构建一个带有方面级别情感注释的手动标记的Twitter数据集。之后，我们与BERT进行基于方面的情感分析，以探索中国形象。我们发现公众中从非消极到消极的整体情绪变化，并通过越来越多地提到消极的意识形态相关方面和减少了对基于非消极事实的方面的解释来进行解释。对包括美国国会议员，英语媒体和社交机器人在内的不同Twitter用户组的进一步调查揭示了他们对中国的态度的不同模式。这项研究提供了对COVID-19大流行中中国形象变化的更深刻理解。我们的研究还演示了如何将基于方面的情感分析应用于社会科学研究，以提供有价值的见解。
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