- C19-TraNet：SARS-CoV-2的实证全球索引案例传输网络;
- 使用位置数据发现COVID-19大流行期间移动减少反映的社会经济差距;
- 巴西的COVID-19（SARS-CoV-2）不确定性三角：对基于模型的大量低估预测进行的评估;
- COVID-19大流行期间美国空气质量和人员流动的变化;
- 传染病传播的时空预测建模框架;
- 为新COVID-19大流行传播建立模型方法及其欧洲国家实现;
- 您可以感染多少人？简单（幼稚）的估计再生数的方法;
- 封锁对城市间流动性的异质影响;
- 基于腔主方程的流行病模型动力学;
- 一种用于流行病遏制的隐私保护测试优化算法;
- 模型失败的案例研究？纽约州的COVID-19每日死亡人数和ICU床位使用预测;
- 留在社区中：集群之间的桥梁触发COVID-19的扩展;
- 英国COVID-19大流行的最佳锁定策略设计中使用流动性数据;
- 模拟类似Covid-19流行病中的过度死亡率;
-用于网络元人口流行病的分布式链路删除策略，及其在控制COVID-19大流行中的应用; - 网络上SIR流行病推断、预测和控制的闭环框架;
- 普通人群戴口罩可能会减弱COVID-19爆发;
- 异质性对超图传播模型的影响;
- 知识图谱上考虑公平的可解释推荐;
- Axelrod模型的新型解析公式;
- 考虑社区结构的网络中节点的嵌入;
- 充分采纳反馈下影响力最大化的适应差距的更好界限;
- 跨学科研究与技术影响;
- 您不应该通过：避免在多维复杂网络中以最短路径为中心的虚假路径;
- 在不断演化的网络中挖掘持久性活动;
- GPT-GNN：图神经网络的生成式预训练;
- 社会互动的网络结构动力学模型;
- 用于符号网络中社区检测的非回溯操作;
- 在几何设定中进行社区检测和信息渗流;
- 预测魔兽世界中的客户流失;
- 局部网络统计的中心极限定理;
- CanaryTrap：检测在线社会网络上第三方应用程序的数据滥用;
- 分布式共识及其对社会网络中隐私和可观察性的影响;
- 彩色噪声时间序列是人工演化系统中环境变化的适当模型;
C19-TraNet：SARS-CoV-2的实证全球索引案例传输网络
原文标题： C19-TraNet: an empirical, global index-case transmission network of SARS-CoV-2
地址： http://arxiv.org/abs/2006.15162
作者： Vikram Singh, Vikram Singh
摘要： 新型冠状病毒在武汉爆发，是一种严重的急性呼吸系统综合症2（SARS-CoV-2），由于其迅速而同时地传播到周边和遥远的国家，已经震惊了全球的医疗系统。为了获得系统级别的了解，全球传播路线在COVID-19传播中的作用，在这项研究中，我们开发了第一个实证性、全球性、索引案例传输的SARS-CoV-2网络，称为C19-TraNet。 。我们使用政府新闻稿，其官方社交媒体句柄和在线新闻报道手动编制了国家索引案例的旅行历史，以构建此C19-TraNet，该C19-TraNet是一个时空，稀疏且不断发展的网络，由187个节点和199个边组成并遵循幂律度分布。为了对成长中的C19-TraNet进行建模，提出了一种新颖的随机无标度（SSF）算法，该算法考虑了每个时间步上两个节点以及边的随机相加。在C19-TraNet中观察到一种特殊的连通性模式，其特征在于四次多项式增长曲线，该曲线与从其1,000个SSF实现的整体中获得的平均随机连通性模式明显不同。使用边介数中心性对C19-TraNet进行分区，发现大多数大型社区是由属于不同世界地区的国家组成的异质混合物组成，这表明对疾病传播没有空间限制。这项工作的特点是超级传播者已经通过多种传播途径将病毒快速传播到远距离地理位置及其附近地区。
使用位置数据发现COVID-19大流行期间移动减少反映的社会经济差距
原文标题： Uncovering socioeconomic gaps in mobility reduction during the COVID-19 pandemic using location data
地址： http://arxiv.org/abs/2006.15195
作者： Samuel P. Fraiberger, Pablo Astudillo, Lorenzo Candeago, Alex Chunet, Nicholas K. W. Jones, Maham Faisal Khan, Bruno Lepri, Nancy Lozano Gracia, Lorenzo Lucchini, Emanuele Massaro, Aleister Montfort
摘要： 使用来自哥伦比亚，墨西哥和印度尼西亚的智能手机位置数据，我们调查了旨在减轻COVID-19大流行扩散的非药品政策干预措施如何影响人类的流动性。在这三个国家中，我们发现在实施行动不便限制措施之后，人员的流动大幅减少。重要的是，我们还发现了财富群体之间在流动性减少方面的巨大而持久的差异：平均而言，财富最高的十分位数的用户减少的流动性最多是底层十分之一的用户的两倍。对于寻求有效分配资源用于响应工作的决策者，这些发现表明，可以利用智能手机位置数据来针对特定社会经济群体（尤其是最弱势群体）的需求量身定制政策。
巴西的COVID-19（SARS-CoV-2）不确定性三角：对基于模型的大量低估预测进行的评估
原文标题： The COVID-19 (SARS-CoV-2) Uncertainty Tripod in Brazil: Assessments on model-based predictions with large under-reporting
地址： http://arxiv.org/abs/2006.15268
作者： Saulo B. Bastos, Marcelo M. Morato, Daniel O. Cajueiro anda Julio E Normey-Rico
摘要： COVID-19大流行病（SARS-CoV-2病毒）是当今时代克服的全球性健康危机。由于没有进行大规模检测，也没有相关的无症状个体，导致巴西关于COVID-19大流行的可用数据在被感染个体数量和死亡人数方面的报道不足。我们提出了一种经过改编的易感感染恢复（SIR）模型，该模型明确结合了漏报和人口对公共政策（例如禁闭措施，口罩的广泛使用等）的反应，以进行短期和长期的干预。学期预测。大量的不确定性可能会提供误导性的模型和预测。在本文中，我们讨论了不确定性在这些预测中的作用，从三个关键方面对此进行了说明。首先，假设被感染的人数被低估，我们证明了对感染高峰的预期。此外，虽然只有一类受感染个体的模型产生的预测峰值会增加，但同时考虑有症状和无症状的受感染个体的模型却表明有症状的峰值减少了。其次，考虑到实际死亡人数大于所记录的死亡人数，然后证明死亡率增加。第三，当考虑普遍报告不足的数据时，我们证明了传输率和恢复率模型参数如何定性和定量地变化。我们还调查了“ COVID-19漏报三脚架”的影响，即就受感染的个人，死亡和真实死亡率而言漏报了。如果知道其中两个因素，则只要比例保持恒定，就可以推断出余数。提议的方法允许通过评估观察到的和真实的死亡率来确定不确定性的余量。
COVID-19大流行期间美国空气质量和人员流动的变化
原文标题： Changes in air quality and human mobility in the U.S. during the COVID-19 pandemic
地址： http://arxiv.org/abs/2006.15279
作者： Cristina L. Archer, Guido Cervone, Maryam Golbazi, Nicolas Al Fahel, Carolynne Hultquist
摘要： 这项研究的第一个目标是量化在COVID-19大流行期间美国空气质量变化的大小和空间变异性。我们关注两种受联邦监管的污染物，即二氧化氮（NO2）和细颗粒物（PM2.5）。在2020年4月至2015-2019年的前五年的4月之间，比较了所有可用地面监测站点（分别为NO2和PM2.5的观测浓度）（分别为240和480）作为基准。在超过65％的监测点发现NO2浓度有统计上的显著下降，与前五年的平均值相比，平均下降了2 ppb。 NASA OMI的卫星NO2色谱柱总数也证实了相同的模式。但是，地面监测点的PM2.5浓度更有可能更高。这项研究的第二个目标是解释在COVID-19大流行期间两种污染物的不同反应。提出的假设是，就地避难措施对人们的驾驶方式影响最大，因此减少了乘用车的NO2排放。商用车和所有用途的电力需求均保持相对不变，因此PM2.5浓度并未显著下降。为了建立观察到的NO2变化与人们所处的住房程度之间的相关性，我们使用由Descartes Labs制作并公开的流动性指数。该移动性指数汇总了县一级的手机使用情况，以捕获人类移动随时间的变化。我们发现观察到的NO2浓度下降与人类活动能力下降之间存在很强的相关性。相比之下，在流动性和PM2.5浓度变化之间未检测到明显的模式，这表明仅减少个人车辆交通量并不能有效减少PM2.5污染。
传染病传播的时空预测建模框架
原文标题： Spatio-temporal predictive modeling framework for infectious disease spread
地址： http://arxiv.org/abs/2006.15336
作者： Sashikumaar Ganesan, Deepak Subramani
摘要： 开发并实现了使用高维偏微分方程的传染病传播的新型预测建模框架。在高维空间上定义了表示受感染种群的标量函数，并通过种群平衡方程（PBE）描述了其在所有方向上的演化。基于非隔离的受感染人群之间的相互作用，对不断变化的规范的遵守，卫生水平以及任何其他社会干预措施，新的感染将从非隔离的受感染人群中引入。此外，恢复，死亡，免疫力和所有上述参数均在高维空间上建模。为了概括上述框架的功能和特点，提出了使用六维（时间，二维空间，感染严重性，感染持续时间和人口年龄）PBE传播Covid-19的预后评估。此外，还提供了针对不同政策干预措施和人群行为的情景分析，使人们对感染的时空分布跨疾病年龄，强度和人口年龄有了更多见解。这些见解可用于科学依据的政策规划。
为新COVID-19大流行传播建立模型方法及其欧洲国家实现
原文标题： Methodology for Modelling the new COVID-19 Pandemic Spread and Implementation to European Countries
地址： http://arxiv.org/abs/2006.15385
作者： S. Maltezos
摘要： 由新病毒COVID-19引起的疾病爆发后，世界上大多数国家/地区已经达到缓解阶段。在此阶段，欧洲国家可以对每日报告的病例和其他参数进行更准确的数据分析，并且已在这项工作中进行。基于建议的参数化模型，该模型适用于在大量人群中实施流行病，我们关注疾病的传播并研究了获得的曲线，还研究了国家特征与参数化参数之间的可能相关性。我们还开发了一种方法，用于将我们的模型与基于SIR的模型耦合，从而确定参考参数空间的基本和有效生殖数。获得的结果和结论在将来这种排斥性疾病复发的情况下可能是有用的。
您可以感染多少人？简单（幼稚）的估计再生数的方法
原文标题： How many can you infect? Simple (and naive) methods of estimating the reproduction number
地址： http://arxiv.org/abs/2006.15706
作者： H. Susanto, V.R. Tjahjono, A. Hasan, M.F. Kasim, N. Nuraini, E.R.M. Putri, R. Kusdiantara, H. Kurniawan
摘要： 这是一份有关估计流行病暴发期间一个传染病可以感染的人数的教育论文，称为生殖数。知道人数对于制定对策至关重要。这样的数字通常有两种类型，即基本和有效（或瞬时）。基本繁殖数是指在所有个体均易感的人群中一个病例直接产生的平均预期病例数，而有效繁殖数是在当前种群状态下产生的病例数。在本文中，我们利用确定性易感性感染去除（SIR）模型通过三个不同的数值近似来估计它们。我们将这些方法应用于意大利大流行的COVID-19，以深入了解该疾病在该国的传播情况。我们看到，在实施日期后约两周，国家封锁对减缓疾病指数增长的影响就出现了。我们还将讨论本领域研究人员对简单（幼稚）方法的可用改进。本文的作者是SimcovID（Simulasi dan Pemodelan COVID-19 Indonesia）合作的成员。
封锁对城市间流动性的异质影响
原文标题： Heterogeneous impact of a lockdown on inter-municipality mobility
地址： http://arxiv.org/abs/2006.15724
作者： H. P. M. Melo, J. Henriques, R. Carvalho, T. Verma, J. P. da Cruz, N. A. M. Araujo
摘要： 没有疫苗，针对冠状病毒传播的斗争就集中在保持物理距离上。为了研究此类措施对城市间交通的影响，我们使用一个移动数据集分析了2020年3月和2020年4月葡萄牙的每日人流。我们发现，城市间交通的减少在很大程度上取决于其初始流出量。在流动性较低的城市中，流出量减少了10-20％，这与人口规模无关。而对于高流动性的城市，减少是人口规模的单调递增函数，对于最大的城市，减少幅度甚至超过 60％。由于这种异质性，最可能的病毒传播途径发生了重大的结构变化，在对控制措施的影响进行建模时必须考虑这些变化。
基于腔主方程的流行病模型动力学
原文标题： Dynamics of epidemic models from cavity master equations
地址： http://arxiv.org/abs/2006.15881
作者： Ernesto Ortega, David Machado, Alejandro Lage-Castellanos
摘要： 我们将腔体主方程（CME）方法应用于流行病模型。我们主要研究易感性-易感性（SIS）模型，可以很容易地将CME视为两种状态。我们表明，该方法比基于个人和基于对的均值字段方法以及以前发布的动态消息传递方案更为准确。我们探索平均情况的预测，并将腔体主方程扩展到SIR和SIRS模型。
一种用于流行病遏制的隐私保护测试优化算法
原文标题： A privacy-preserving tests optimization algorithm for epidemics containment
地址： http://arxiv.org/abs/2006.15977
作者： Alessandro Nuara, Francesco Trovò, Nicola Gatti
摘要： SARS-CoV-2爆发改变了全世界几乎所有人的日常生活。当前，我们面临着使用更有效的强制锁定来遏制病毒传播的问题，这具有放慢速度的缺点涉及国家的经济，并通过识别和隔离积极的个人，由于缺乏信息，这通常是一项艰巨的任务。对于这种特定疾病，要确定感染者尤其具有挑战性，因为存在着无症状的病原体，即无症状的，这些病原体呈阳性并具有传染性，但未表现出SARS-CoV-2的任何症状。鉴于每天可用的测试数量有限，在尚未准备好疫苗的开发和分发之前，我们需要设计一些方法来选择最有可能被感染的那些人。在本文中，我们利用所谓的联系人跟踪应用程序收集的可用数据来开发一种算法，即PPTO，该算法可以识别最有可能是积极的个体，因此应进行测试。尽管过去这些分析是通过集中式算法进行的，要求所有应用程序用户数据都收集在一个数据库中，但是我们的协议能够通过利用匿名信息与其他设备的通信来在设备级别工作。
模型失败的案例研究？纽约州的COVID-19每日死亡人数和ICU床位使用预测
原文标题： A Case Study in Model Failure? COVID-19 Daily Deaths and ICU Bed Utilisation Predictions in New York State
地址： http://arxiv.org/abs/2006.15997
作者： Vincent Chin, Noelle I. Samia, Roman Marchant, Ori Rosen, John P.A. Ioannidis, Martin A. Tanner, Sally Cripps
摘要： 预测模型对影响COVID-19大流行的决策制定具有影响力。但是，人们担心他们的预测可能会误导他人。在这里，我们剖析了三种模型对纽约州3月25日至6月5日之间每日COVID-19死亡人数的预测，以及有影响力的IHME模型对ICU床位利用率的预测。我们评估了点估计的准确性和模型预测的不确定性估计的准确性。首先，我们比较了每天死亡的“地面真相”数据源，并以此为依据对这些模型进行了训练。这些模型使用了三个不同的数据源，这些数据在记录的每日死亡人数上有很大差异。我们检查的另外两个数据源每天也提供不同的死亡计数。为了预测的准确性，所有模型的表现都非常差。无论将来距离多远，只有10.2％的预测都落在其训练场真相的10％范围内。为了准确地评估不确定性，只有一种模型与标称95％的覆盖率相对较好，但是该模型直到4月16日才开始预测，因此对早期的重大决策没有影响。对于ICU床的使用，IHME模型非常不准确。在大流行开始减弱之后，点估计值才开始与实际情况相符。我们得出结论，可信赖的模型要求对可信赖的输入数据进行训练。此外，在将模型结果提供给政策制定者和公共卫生官员之前，需要对模型进行预先指定的实时性能测试。
留在社区中：集群之间的桥梁触发COVID-19的扩展
原文标题： Stay with Your Community: Bridges between Clusters Trigger Expansion of COVID-19
地址： http://arxiv.org/abs/2006.16047
作者： Yukio Ohsawa, Masaharu Tsubokura
摘要： 在人工人类网络上模拟病毒感染的传播。人们的真实空间城市生活被建模为具有约束条件的改进的无标度网络。迄今为止，一些研究已采用无标度网络对在线社区进行建模，但在此进行了修改，目的是代表人们的社会行为，其中所生成的社区受到限制，反映了现实生活中的时空限制。此外，通过在网络构建的初始阶段引入多个集团并使人们能够达到零度的人以及受欢迎的（大度）人来扩展网络。结果，获得了四个发现和一项政策建议。首先，“第二波”的发生没有外部影响或对接触的约束或约束的释放。这些第二波大多低于第一波，这意味着受感染簇和新鲜簇之间的桥梁可能会触发新的传播扩展。第二，如果网络在感染传播的方式上或在感染被抑制后改变了结构，则第二个波的峰值可能大于第一个波的峰值。第三，时间序列中的高峰高度取决于每个成员接受满足的人数上限与一个选择满足的人数之间的差异。对于两种人工网络都可以观察到这种趋势，这暗示着社区之间的桥梁对病毒传播的影响。第四，如果释放是在接近峰值的时间引入的，那么一旦释放给定的约束可能会触发第二次高于时间序列峰值的波动，而不会从一开始就引入任何约束。因此，政府和个人在通过社区间接触返回人类社会时都应谨慎。
英国COVID-19大流行的最佳锁定策略设计中使用流动性数据
原文标题： Using mobility data in the design of optimal lockdown strategies for the COVID-19 pandemic in England
地址： http://arxiv.org/abs/2006.16059
作者： Ritabrata Dutta, Susana Gomes, Dante Kalise, Lorenzo Pacchiardi
摘要： 提出了在英国传播COVID-19大流行的数学模型。该模型将年龄结构的易感暴露-感染-清除动态与真实的移动电话数据结合起来，从而说明了人口流动性。动态模型调整是通过近似贝叶斯计算进行的。最佳锁定和退出策略是根据非线性模型预测控制确定的，并受公共卫生和社会经济因素的约束。通过对该方法的广泛计算验证，表明可以计算出具有现实降低的流动性值的强大退出策略，以为公共政策制定提供参考。
模拟类似Covid-19流行病中的过度死亡率
原文标题： Modelling Excess Mortality in Covid-19-like Epidemics
地址： http://arxiv.org/abs/2006.15583
作者： Zdzislaw Burda
摘要： 我们讨论了一种随机模型，用于评估在Covid-19样流行病中各种非药物干预措施中累积的超额死亡人数。该模型模拟了三个相互关联的随机过程：流行病传播，呼吸机的可用性和死亡统计数据的变化。流行病可能在本地或全球蔓延。本地模式通过居住地附近的联系人模拟病毒传播，而全局模式则模拟在居住在偏远地理位置的许多人会聚的公共场所，运动场，机场等中，通过社交混合传播病毒。流行病被建模为随机几何网络上的离散时间随机过程。在模拟中，我们假定基本繁殖数为 R_0 = 2.5 ，传染期持续约。十天。我们还假设该病毒会导致大约1％的病例导致严重的急性呼吸道综合症，而这几乎肯定会导致呼吸道疾病和死亡，除非患者在呼吸通气的支持下接受了适当的治疗。对于其他参数，例如死亡率或每百万居民中呼吸机的数量，我们采用发达国家的典型值。我们模拟了 10 ^ 5-10 ^ 6 人口。我们比较了不同的策略：不采取任何措施，不使用社交隔离，减少社交混合和封锁，并假设没有疫苗也没有有效的药物。模拟结果表明，过多地减缓流行病传播的策略在减少累计死亡人数方面效率不高。混合策略（锁定一段时间后再完全释放）也是无效的。
用于网络元人口流行病的分布式链路删除策略，及其在控制COVID-19大流行中的应用
原文标题： Distributed Link Removal Strategy for Networked Meta-Population Epidemics and its Application to the Control of the COVID-19 Pandemic
地址： http://arxiv.org/abs/2006.16221
作者： Fangzhou Liu, Yuhong Chen, Tong Liu, Zibo Zhou, Dong Xue, Martin Buss
摘要： 在本文中，我们研究了网络化的元人口流行病的分布式链接删除策略。特别是，确定性网络易感感染恢复（SIR）模型被认为是描述流行病演变过程的模型。为了抑制流行病的传播，我们提出了基于谱的优化问题，其中涉及网络拓扑和跃迁速率构成的矩阵的Perron-Frobenius特征值。开发了一种改进的分布式链接删除策略，以便可以将其应用于具有权重图的异构转换率的SIR模型。通过使用德国每个州的已报告感染和恢复数据，实施建议的方法来控制COVID-19大流行。数值实验表明，使用分布式链接删除策略可以显著降低感染百分比。
网络上SIR流行病推断、预测和控制的闭环框架
原文标题： A Closed-Loop Framework for Inference, Prediction and Control of SIR Epidemics on Networks
地址： http://arxiv.org/abs/2006.16185
作者： Ashish R. Hota, Jaydeep Godbole, Pradhuman Bhariya, Philip E Paré
摘要： 受正在进行的大流行COVID-19的启发，我们提出了一个闭环框架，该框架结合了来自测试数据的推论，学习动态参数和最佳资源分配，以控制网络中易感感染恢复（SIR）的传播。我们的框架结合了测试数据中存在的几个关键因素，例如高风险个体更容易接受测试，而感染个体则有可能成为该疾病的无症状携带者。然后，我们提出了两个易于处理的优化问题，以评估控制流行病的增长率与非药物干预（NPI）成本之间的权衡。我们的结果为政策制定者提供了令人信服的见解，包括早期检测的重要性以及如果提前撤消NPI，则第二波感染的出现。
普通人群戴口罩可能会减弱COVID-19爆发
原文标题： Masking the general population might attenuate COVID-19 outbreaks
地址： http://arxiv.org/abs/2006.15626
作者： Bjorn Johansson
摘要： 通过计算机模拟，使用两个单独的基于网络的最新软件，通过计算机模拟评估了对一般人群进行掩盖的效果，其中一个基于SARS-CoV-2病毒进行了校准。解决的问题是：1.普通人群使用口罩是否可以限制SARS-CoV-2在一个国家的扩散？ 2.存在哪些类型的遮罩，并且遮罩对COVID-19的防伪效果必须如何精细？ 3.在流行病中是否必须提前使用口罩？ 4.口罩的简短一般讨论以及有关口罩和SARS-CoV-2的一些可能的未来研究问题。结果如下：（1）结果表明，任何类型的口罩，甚至是简单的自制口罩，都可能有效。即使每个面罩的保护作用（此处称为“单一面罩保护”）很低，使用口罩似乎也可以降低新患者的病情。严格遵守口罩使用似乎并不重要。然而，发现将一面罩保护提高到＞ 50％是有利的。口罩似乎能够减少容量的溢出，例如重症监护室。由于软件的默认参数包括其他干预措施，因此似乎可以将遮罩和其他干预措施结合起来。 （2）即使在流行病的晚期引入口罩，似乎也确实减少了新病例的数量。但是，尽早实施有助于减少案件的累积和总数。 （3）模拟表明，在有限的时间内广泛使用口罩可以消除COVID-19爆发。这些模拟的结果令人鼓舞，但不一定代表现实生活中的情况，因此建议在进行面罩临床试验的同时不断监测效果和副作用。
异质性对超图传播模型的影响
原文标题： The effect of heterogeneity on hypergraph contagion models
地址： http://arxiv.org/abs/2006.15453
作者： Nicholas Landry, Juan G. Restrepo
摘要： 网络社会传染过程（例如意见形成和流行病传播）的动力学通常是由多个节点之间的交互作用所介导的。先前的结果表明，这些高阶相互作用可以深刻地改变传染过程的动力学，从而导致双稳态，滞后和爆炸性转变。在本文中，我们提出并分析了基于图的SIS模型在超图（即具有高阶交互作用的网络）上的动力学模型。我们推导了一个基于超度的均值场方程来描述传染的动力学，并以超图为例说明了其适用性，其中通过链接（成对相互作用）和三角形（双向相互作用）介导了传播。我们考虑了两种不同的机制来进行高阶传染和治愈，以及链接和三角形优先连接到同一节点或彼此独立选择的情况。我们发现，当独立选择链接和三角形时，链接度分布中的异质性可以抑制爆炸性转变。此外，与节点和三角形连接彼此独立选择的情况相比，当节点和三角形连接呈正相关时，更可能发生爆炸性过渡。我们用传染过程的微观模拟和平均场模型得出的分析预测来验证这些结果。我们的结果表明，高阶相互作用的结构可能对超图的传播过程产生重要影响。
知识图谱上考虑公平的可解释推荐
原文标题： Fairness-Aware Explainable Recommendation over Knowledge Graphs
地址： http://arxiv.org/abs/2006.02046
作者： Zuohui Fu, Yikun Xian, Ruoyuan Gao, Jieyu Zhao, Qiaoying Huang, Yingqiang Ge, Shuyuan Xu, Shijie Geng, Chirag Shah, Yongfeng Zhang, Gerard de Melo
摘要： 最近，人们对公平性的考虑日益受到关注，尤其是在智能决策系统中。尤其是，可解释的推荐系统可能会受到解释偏差和性能差异的困扰。在本文中，我们根据用户的活动水平分析了不同的用户组，发现不同组之间的推荐绩效存在偏差。我们显示，由于不活跃用户的培训数据不足，不活跃用户可能更容易收到不满意的建议，并且由于协作过滤的性质，他们的建议可能会受到更活跃用户的培训记录的偏见。受到系统的不公平对待。我们提出了一种通过启发式重新排序来限制公平的方法，以在知识图的可解释性推荐的背景下减轻这种不公平问题。我们使用基于最新知识图的可解释推荐算法在几个实际数据集上进行实验。有希望的结果表明，我们的算法不仅能够提供高质量的可解释的推荐，而且在几个方面都减少了推荐的不公平性。
Axelrod模型的新型解析公式
原文标题： A novel analytical formulation of the Axelrod model
地址： http://arxiv.org/abs/2006.15241
作者： Lucía Pedraza, Sebastián Pinto, Juan Pablo Pinasco, Pablo Balenzuela
摘要： 在统计力学领域，对文化传播的阿克塞尔罗德模型进行了广泛研究。此基于主体的模型的传统版本是为每个主体分配 F 组件的文化载体，其中每个组件都可以采用 Q 文化特征之一。在这项工作中，我们引入了一套新颖的平均场主方程组，用于在完整的图中描述 F = 2 和 F = 3 的模型，其中所有间接相互作用都得到了明确的计算。我们发现，不同的宏观状态之间的过渡是由初始条件（由参数 Q 设置）和系统 N 的大小驱动的，后者测量主方程中线性项和三次项之间的平衡。我们还发现，这种分析方法与仿真完全吻合，在仿真过程中系统不会崩溃，并且与丢失链接相关的比例关系在这种情况下会重新建立一致。
考虑社区结构的网络中节点的嵌入
原文标题： Community Structure aware Embedding of Nodes in a Network
地址： http://arxiv.org/abs/2006.15313
作者： Swarup Chattopadhyay, Debasis Ganguly
摘要： 检测社区或现实生活网络（例如社会网络或产品购买网络）的模块化结构是一项重要任务，因为网络的运行方式通常由其社区决定。传统的社区检测方法涉及基于模块的算法，通常来说，该算法基于启发式方法构造分区，该启发式方法试图使分区内的边与边之间的边的比率最大化。另一方面，节点嵌入方法将图中的每个节点表示为实值向量，从而能够将图中的社区检测问题转化为对一组向量进行聚类的问题。现有的节点嵌入方法主要基于，首先，从每个节点发起随机游动以构造节点的上下文，然后使节点的向量表示接近其上下文。但是，标准节点嵌入方法在围绕每个节点构建上下文时并未直接考虑网络的社区结构。为了减轻这种情况，我们探索了两个不同的工作线程。首先，我们研究基于最大熵的随机游动的使用，以获得更多的节点保持中心性的嵌入，这可能导致嵌入式空间中更有效的集群。其次，我们提出了一种社区结构感知节点嵌入方法，该方法将基于模块化的分区启发式方法结合到了节点嵌入的目标函数中。我们证明，针对社区检测的组合方法和嵌入方法的拟议组合在广泛的现实生活和综合领域中，均胜过了基于模块的基线和在标准节点嵌入式（node2vec）向量空间上进行K均值聚类的数量不同大小和密度的网络。
充分采纳反馈下影响力最大化的适应差距的更好界限
原文标题： Better Bounds on the Adaptivity Gap of Influence Maximization under Full-adoption Feedback
地址： http://arxiv.org/abs/2006.15374
作者： Gianlorenzo D'Angelo, Debashmita Poddar, Cosimo Vinci
摘要： 在影响最大化（IM）问题中，我们得到了一个社会网络和一个预算 k ，并且我们在网络中寻找一组 k 节点（称为种子），以最大化达到的预期节点数通过种子产生的影响级联，根据影响扩散的随机模型。在本文中，我们研究了自适应IM，其中节点被一个接一个地选择，第i个种子的决策可以基于观察到的第一个i-1种子产生的级联。我们关注于全收养反馈，在该反馈中我们可以观察到每个先前选择的种子的整个级联，并关注独立的级联模型，其中每个边与扩散影响的独立概率相关。我们的主要结果是适用于任何图的第一个子线性上限。具体来说，我们显示适应性差距由 lceil n ^ 1/3 rceil 上限，其中 n 是图中的节点数。此外，我们将树状结构内的已知上限从 frac 2e e-1 约3.16 提高到 frac 2e ^ 2 e ^ 2-1 约2.31 。最后，我们研究 alpha 边界图，这是一类无向图，其中节点度的总和大于2最多为 alpha ，并显示适应性差距由 sqrt alpha + O（1）。此外，我们表明在0界图（即每个连接的组件都是路径或循环）的无向图中，适应性差距最大为 frac 3e ^ 3 e ^ 3-1 约3.16 。为了证明我们的局限性，我们引入了新技术来将自适应策略与可能自己感兴趣的非自适应策略相关联。
跨学科研究与技术影响
原文标题： Interdisciplinary research and technological impact
地址： http://arxiv.org/abs/2006.15383
作者： Qing Ke
摘要： 跨学科研究被认为是解决当今复杂的社会挑战的方法。尽管它与科学影响的关系已得到广泛研究，但跨学科研究的技术影响仍待探索。在这里，我们研究了跨学科性如何与论文层面的技术影响相关联。我们使用三种流行的指标（即多样性，平衡性和差异性）来衡量论文的跨学科程度，并跟踪其随时间推移如何被专利技术引用。借鉴18年中发表的大量生物医学论文样本，我们发现引用更多领域（品种）并且在被引用领域中分布更均匀（平衡）的论文更有可能获得专利引用，但是两种效果都可以如果纸张借鉴了更远的领域（视差），则抵消。这些关联在不同的引文窗口长度之间是一致的。着重于具有至少一项专利被引论文的子集的其他分析表明，以专利被引数衡量的技术影响强度随着平衡和差异的增加而增加。我们的工作可能会对跨学科研究和科学技术影响产生政策影响。
您不应该通过：避免在多维复杂网络中以最短路径为中心的虚假路径
原文标题： You Shall not Pass: Avoiding Spurious Paths in Shortest-Path Based Centralities in Multidimensional Complex Networks
地址： http://arxiv.org/abs/2006.15401
作者： Klaus Wehmuth, Artur Ziviani, Leonardo Chinelate Costa, Ana Paula Couto da Silva, Alex Borges Vieira
摘要： 在复杂的网络分析中，广泛使用基于最短路径的中心性，例如介数中心性和紧密性。最近，许多复杂的系统由时变的，多层的和时变的多层网络，即多维（或高阶）网络表示。但是，众所周知，聚合过程可能会在此类多维（高阶）网络的聚合视图上创建虚假路径。因此，这些虚假路径可能会导致基于最短路径的集中度度量产生错误的结果，从而破坏了网络集中度分析。在这种情况下，我们提出了一种方法，该方法可以在基于多维（或高阶）网络中的最短路径计算中心度时避免考虑虚假路径。我们的方法基于MultiAspect Graphs（MAG）来表示多维网络，并且我们证明了众所周知的中心算法可以直接适用于MAG环境。而且，我们表明，通过使用这种MAG表示，在聚合过程时，可以避免通常与多维网络中的聚合所导致的虚假路径相关的陷阱。结果，可以确保针对多维网络正确计算基于最短路径的中心点，而无需考虑可能导致错误结果的虚假路径。我们还提供了一个案例研究，该研究显示了伪路径在计算最短路径以及因此基于最短路径的中心点方面的影响，从而说明了这一贡献的重要性。
在不断演化的网络中挖掘持久性活动
原文标题： Mining Persistent Activity in Continually Evolving Networks
地址： http://arxiv.org/abs/2006.15410
作者： Caleb Belth, Xinyi Zheng, Danai Koutra
摘要： 频繁模式挖掘是研究的关键领域，可深入了解不断发展的网络（如社会网络或道路网络）的结构和动态。但是，网络不仅会演进，而且网络自身的发展也会不断地发展。因此，除了模式的频率之外，知道它们发生了多长时间和多长时间（即它们的持久性）可以增加我们对不断发展的网络的理解。在这项工作中，我们提出了挖掘活动的问题，该活动在时间上持续存在于不断发展的网络中-即重复不断发生的活动。我们将时间模体的概念扩展为捕获特定节点之间的活动，即所谓的活动摘要，这些活动摘要是反复出现的边更新的小序列。我们提出了持久性度量应满足的公理和性质，并制定了这样的持久性度量。我们还提出了PENminer，这是一种用于挖掘活动摘录在不断发展的网络中的持久性的有效框架，并且可以设计脱机和流算法。我们将PENminer应用到众多真实的，大规模的演化网络和边流中，发现活动在很长一段时间内出乎意料地规律，但很少通过单独的总数进行发现，并且由于缺乏活动而暴露出大量的活动坚持不懈。我们在PENminer上的发现包括纽约市附近的社区，那里的出租车交通一直持续通过桑迪飓风，新自行车站点的开放，社会网络用户的特征等等。此外，我们使用PENminer来识别多个网络中的异常，在识别AUC中的细微异常方面，基线表现优于基线，达到9.8-48％。
GPT-GNN：图神经网络的生成式预训练
原文标题： GPT-GNN: Generative Pre-Training of Graph Neural Networks
地址： http://arxiv.org/abs/2006.15437
作者： Ziniu Hu, Yuxiao Dong, Kuansan Wang, Kai-Wei Chang, Yizhou Sun
摘要： 图神经网络（GNN）已被证明在建模图结构数据方面功能强大。但是，训练GNN通常需要大量特定于任务的标记数据，而获得这些数据通常非常昂贵。减少标记工作量的一种有效方法是使用自我监督对未标记数据预先训练表达性GNN模型，然后将学习到的模型转移到仅带有少量标记的下游任务。在本文中，我们提出了GPT-GNN框架，用于通过生成式预训练来初始化GNN。 GPT-GNN引入了自我监督的属性图生成任务来预训练GNN，以便它可以捕获图的结构和语义属性。我们将图生成的可能性分解为两个部分：1）属性生成和2）边生成。通过对两个组件进行建模，GPT-GNN可以在生成过程中捕获节点属性与图结构之间的固有依赖性。在数十亿规模的Open Academic Graph和Amazon推荐数据上的综合实验表明，GPT-GNN在不进行各种下游任务的预训练的情况下，显著优于最新的GNN模型，而无需进行高达9.1％的预训练。
社会互动的网络结构动力学模型
原文标题： Network structured kinetic models of social interactions
地址： http://arxiv.org/abs/2006.15452
作者： Martin Burger
摘要： 本文的目的是研究社交过程中出现的相互作用的适当的中观和宏观模型的推导。该模型考虑了两个主要特征，即交互作用的网络结构（我们通过适当的介观描述进行了处理）和交互作用剂的不同角色。后者与传统统计力学中的交互作用不同，在这种意义上，主体没有对称角色，而是有主动主体和被动主体。我们将演示如何获得某种形式的动力学方程来描述介观水平的这种相互作用，并从这些动力学方程的单动力学解获得宏观模型。该推导自然导致非局部反应扩散方程组（或在其合适的极限局部版本中），该系统可以解释从微观相互作用中发现的空间相分离现象。我们将在三个示例中重点介绍该方法，即人类语言中方言的演变和粗化，社会规范的构建以及流行病的传播。
用于符号网络中社区检测的非回溯操作
原文标题： Non-backtracking Operator for Community Detection in Signed Networks
地址： http://arxiv.org/abs/2006.15471
作者： Zhaoyue Zhong, Xiangrong Wang, Cunquan Qu, Guanghui Wang
摘要： 社区检测或群集对于理解复杂系统的结构至关重要。在某些网络中，允许节点通过“正”或“负”边链接。这样的网络称为符号网络。在符号网络中发现社区更具挑战性。受结构平衡理论的启发，在本文中，我们创新地提出了一种用于符号网络的非回溯算子。此外，我们从理论上推导了可检测性阈值，并证明了非回溯算子在社区检测中的可行性。仿真结果表明，基于非回溯矩阵的方法明显优于基于邻接矩阵的算法，并且显示出检测具有或不具有重叠的社区的巨大潜力。
在几何设定中进行社区检测和信息渗流
原文标题： Community detection and percolation of information in a geometric setting
地址： http://arxiv.org/abs/2006.15574
作者： Ronen Eldan, Dan Mikulincer, Hester Pieters
摘要： 我们迈出了第一步，在稀疏状态下推广了随机块模型的理论，朝着将离散的社区结构替换为下面的几何结构的模型的第一步。我们考虑在齐次度量空间上的几何随机图，其中连接两个顶点的概率是距离的任意函数。我们给出了在稀疏状态下可以恢复位置（直到空间的同构）的充分条件。此外，由于Mossel和Peres，我们定义了树上信息流模型的几何对应物，其中考虑了球体上的分支随机游动，目标是根据树的位置恢复根的位置。树叶。我们为模型中的信息渗透和非渗透提供了一些充分的条件。
预测魔兽世界中的客户流失
原文标题： Predicting Customer Churn in World of Warcraft
地址： http://arxiv.org/abs/2006.15735
作者： Sulman Khan
摘要： 在本文中，我们重点研究了从2008年1月1日到2008年12月31日为一年的数据集，因为它突出显示了博弈中主要内容的更新。本文从两个方面使用了机器学习：生存分析和二进制分类。首先，我们使用Kaplan Meier估计器探索数据集以预测直到客户流失的持续时间，最后使用传统的机器学习算法（例如Logistic回归，支持向量机，KNN分类器和随机数）预测一个人是否会在六个月内流失森林。从生存分析结果来看，《魔兽世界》客户的流失时间相对较长，从而巩固了博弈的吸引力。最后，在预测客户是否会在六个月内流失的过程中，采用具有96％ROC AUC分数的最佳性能算法执行的二进制分类。
局部网络统计的中心极限定理
原文标题： Central limit theorems for local network statistics
地址： http://arxiv.org/abs/2006.15738
作者： P-A. Maugis
摘要： 子图计数-特别是小形状（如三角形）的出现次数-表征了随机网络的属性，因此，已广泛用作网络摘要统计数据。但是，子图通常是全局计数的，并且现有方法无法描述特定于顶点的特征。另一方面，有根子图计数（着重于任何给定顶点邻域的计数）是本地网络属性的基本描述符。我们推导了非均匀随机图中有根子图计数的渐近联合分布，该模型将许多流行的统计网络模型进行了归纳。此结果使大型图的统计分析从估计网络摘要转变为估计将本地网络结构与特定于顶点的协变量链接的模型。例如，我们考虑一个学校友谊网络，并表明当地的友谊模式是性别和种族的重要预测指标。
CanaryTrap：检测在线社会网络上第三方应用程序的数据滥用
原文标题： CanaryTrap: Detecting Data Misuse by Third-Party Apps on Online Social Networks
地址： http://arxiv.org/abs/2006.15794
作者： Shehroze Farooqi, Maaz Musa, Zubair Shafiq, Fareed Zaffar
摘要： 在线社会网络支持充满活力的第三方应用程序生态系统，可以访问大量用户的个人信息。尽管最近发生了几起备受关注的事件，但仍缺乏系统地检测在线社会网络上第三方应用程序滥用数据的方法。我们建议CanaryTrap来检测滥用与第三方应用程序共享的数据。 CanaryTrap将蜜罐令牌与用户帐户相关联，然后在与第三方应用程序共享后，通过不同渠道监视其无法识别的使用。我们设计并实施CanaryTrap来调查滥用与Facebook上第三方应用程序共享的数据的情况。具体来说，我们通过安装第三方应用程序将与Facebook帐户关联的电子邮件地址作为honeytoken共享。然后，我们监视收到的电子邮件，并使用Facebook的广告透明度工具来检测对共享Honeytoken的任何无法识别的使用。我们部署CanaryTrap来监视1,024个Facebook应用程序，发现了多种滥用与Facebook上第三方应用程序共享的数据的情况，包括勒索软件，垃圾邮件和有针对性的广告。
分布式共识及其对社会网络中隐私和可观察性的影响
原文标题： Distributed consent and its impact on privacy and observability in social networks
地址： http://arxiv.org/abs/2006.16140
作者： Juniper Lovato, Antoine Allard, Randall Harp, Laurent Hébert-Dufresne
摘要： 在社会网络数字环境中，个人数据不是离散的。同意允许访问自己的配置文件的单个用户可以将其网络连接的个人数据暴露给未经同意的访问。因此，传统的（知情的个人）同意书模型不适用于在线社会网络，在这种情况下，可能无法为受数据处理影响的所有用户提供知情同意书，并且在许多节点之间共享和分发信息。在这里，我们介绍了一种“分布式同意”模型，其中，个人和组可以通过以其网络连接的同意为条件来进行协调。我们对分布式同意对社会网络可观察性的影响进行建模，发现即使相对简单地采用分布式同意的最简单表述，也可以使在线网络的宏观子集保持其连接性和隐私性。分布式同意当然不是灵丹妙药，因为它不会随着数据流入和流出系统而跟踪数据，而是实现起来最直接的非传统模型之一，它更好地适应了模糊，分布式的特性。在线数据。
彩色噪声时间序列是人工演化系统中环境变化的适当模型
原文标题： Coloured noise time series as appropriate models for environmental variation in artificial evolutionary systems
地址： http://arxiv.org/abs/2006.16204
作者： Matt Grove, James M. Borg, Fiona Polack
摘要： 生态，环境和地球物理时间序列始终表现出有色（1 / f ^ b eta）噪声的特征。在介绍有色噪声作为人工演化系统中环境变化的合适模型之前，我们在这里简要概述了有色噪声，种群持久性和相关演化动力学的文献。为了说明和探索不同噪声颜色的影响，应用了一个简单的演化模型，该模型研究了波动环境中专业性和通才性之间的权衡。该模型的结果清楚地表明，随着环境可变性变得“更白”，需要更大的通才；而随着环境可变性变得更“红”，则倾向于专业化。位于白噪声和红噪声之间的粉红色噪声被证明是通才压力和专业压力之间的平衡点，这为为什么“细声”噪声越来越被视为典型的环境变异性的合适模型提供了一些见识。我们将继续讨论此处介绍的结果如何对关于波动环境的演化响应进行更广泛的讨论。最终，我们认为人工生命作为一个领域应该包括使用有色噪声来产生环境变异性模型。
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