- 通过全球班轮运输网络估算国家的国际贸易状况;
- 超图的可控性;
- 使用卷积神经网络和模拟研究基本图中的文化方面;
- 用于社交视觉问答的表征数据集和新的TinySocial数据集;
- 可公开获得的新闻和信息转移到金融市场的影响;
- 不断演化的共同作者复形中的同质渗流转变;
- d+1维的随机双曲图;
- 爱你的邻居？印度社区和私人对COVID-19规范的遵守;
- 复杂世界中意见形成的脆弱性;
- TweetEval：Tweet分类的统一基准和比较评估;
- 噪声和拓扑结构对社会网络中意见动态的影响;
- 预测感染性以进行主动接触者追踪;
- 众包排名算法不稳定性的起源;
通过全球班轮运输网络估算国家的国际贸易状况
原文标题： Estimating international trade status of countries from global liner shipping networks
地址： http://arxiv.org/abs/2001.07688
作者： Mengqiao Xu, Qian Pan, Haoxiang Xia, Naoki Masuda
摘要： 海上运输是国际贸易的支柱，也是世界经济的支柱。载有货物的船只通过一个基本的港口到港口运输网络从一个国家的港口到达另一个国家的港口，为途中国家的国际贸易价值做出了贡献。我们假设涉及转运活动的港口充当第三方中介，以调解两个外国之间的贸易并为相应国家在国际贸易中的地位做出贡献。我们使用全球班轮运输服务的港口级数据集检验了这一假设。我们提出了两个指数来量化各国在全球班轮运输网络中的重要性，并表明它们可以解释各个国家的国际贸易价值和相关措施的大量差异。这些结果支持海洋经济学的长期观点，该观点尚待直接检验，即已牢固融入全球海洋运输网络的国家增加了进入全球市场和贸易机会的机会。
超图的可控性
原文标题： Controllability of Hypergraphs
地址： http://arxiv.org/abs/2005.12244
作者： Can Chen, Amit Surana, Anthony Bloch, Indika Rajapakse
摘要： 在本文中，我们通过张量代数和多项式控制理论提出了超图的可控性概念。受统一的超图的启发，我们提出了一种基于张量的新的多线性动力系统表示，并推导了类似卡尔曼秩的条件，以确定实现均匀的超图的可控性所需的最小控制节点（MCN）。我们提出一种有效的启发式方法来获取MCN。 MCN可以用作鲁棒性的度量，并且在模拟示例中我们证明了它与超图度分布有关。最后，我们使用MCN来检查实际生物网络中的鲁棒性。
使用卷积神经网络和模拟研究基本图中的文化方面
原文标题： Investigating Cultural Aspects in the Fundamental Diagram using Convolutional Neural Networks and Simulation
地址： http://arxiv.org/abs/2010.11995
作者： Rodolfo M. Favaretto, Roberto R. Santos, Marcio Ballotin, Paulo Knob, Soraia R. Musse, Felipe Vilanova, Angelo B. Costa
摘要： 本文针对一项受控实验中的群体行为进行了一项研究，研究的重点是两个国家（巴西和德国）因文化而异的重要属性（个人空间）之间的差异。为了一致地比较具有相同任务的相同人口的德国和巴西的演变，我们像在德国一样在巴西进行了行人基本图实验。我们使用CNN来检测和跟踪视频序列中的人物。利用这些数据，我们使用Voronoi图来找出人与人之间的邻居关系，然后计算步行距离以找出个人空间。根据对个人空间的分析，我们发现，在高密度人群中，就其行为而言，人们的行为更为相似，而在中低密度人群中，人们的行为则更为相似。因此，我们集中研究了中低密度两国文化的差异。结果表明，个人空间分析可能是一项重要功能，以便理解视频序列中的文化方面。除了文化差异外，我们还使用OCEAN调查人群中的人格模型。我们还提出了一种使用OCEAN心理特征模型作为输入来模拟其他国家的FD实验的方法。模拟国家与文献一致。
用于社交视觉问答的表征数据集和新的TinySocial数据集
原文标题： Characterizing Datasets for Social Visual Question Answering, and the New TinySocial Dataset
地址： http://arxiv.org/abs/2010.11997
作者： Zhanwen Chen, Shiyao Li, Roxanne Rashedi, Xiaoman Zi, Morgan Elrod-Erickson, Bryan Hollis, Angela Maliakal, Xinyu Shen, Simeng Zhao, Maithilee Kunda
摘要： 现代社会智能包括观看视频并回答有关社会和与理论相关的内容的问题的能力，例如，在哈利·波特中的一幕中，“父亲真的为骑车的男孩感到难过吗？”社交视觉问答（social VQA）正在成为一种重要的方法，用于研究人类（例如自闭症儿童）和AI主体中的社交推理。但是，这个问题空间跨越了视频和问题的巨大差异。我们讨论了创建和表征社交VQA数据集的方法，包括1）众包与内部创作，包括我们创建的两个新数据集（TinySocial-Crowd和TinySocial-InHouse）与先前存在的Social-IQ数据集的样本比较； 2）用于描述给定视频的难度和内容的新规则； 3）用于描述问题类型的新规则。最后，我们通过描述具有良好特征的社交VQA数据集如何增强AI主体的可解释性，以及如何为人们进行评估和教育干预提供信息。
可公开获得的新闻和信息转移到金融市场的影响
原文标题： On the impact of publicly available news and information transfer to financial markets
地址： http://arxiv.org/abs/2010.12002
作者： Metod Jazbec, Barna Pásztor, Felix Faltings, Nino Antulov-Fantulin, Petter N. Kolm
摘要： 我们量化了从互联网到金融市场的大规模公共新闻报道的传播和吸收。为了提取公开可用的信息，我们使用Common Crawl的新闻档案，Common Crawl是一个非营利性组织，负责爬网大部分内容。我们开发了一个处理管道，以在S ＆P 500指数（一种衡量美国公司的股票表现的股票市场指数）中识别与组成公司相关的新闻报道。我们使用机器学习技术从Common Crawl News数据中提取情感得分，并使用信息论中的工具来量化从公共新闻文章到美国股票市场的信息传递。此外，我们使用简单的基于情绪的投资组合交易策略来分析和量化基于新闻的信息的经济意义。我们的发现为在互联网上的公共新闻中的信息提供了支持，这些信息对金融市场的事件具有统计学和经济上的重大影响。
不断演化的共同作者复形中的同质渗流转变
原文标题： Homological percolation transitions in evolving coauthorship complexes
地址： http://arxiv.org/abs/2010.12224
作者： Yongsun Lee, Jongshin Lee, Soo Min Oh, Deokjae Lee, B. Kahng
摘要： 简单复杂表示（SCR）是表达社交关系（包括高级交互）的优雅框架。使用SCR，我们根据经验数据集探索了不断发展的合著者情结的同源渗滤转变（HPT）。 HPT由第一贝蒂数和第二贝蒂数确定，第一贝蒂数和第二贝蒂数分别指示一维和二维宏观尺度的同质循环和空洞的出现。提出了一个简单的简单复杂模型，该模型具有两个基本因素，即增长和优先依恋。该模型成功地复制了HPT，并将过渡类型确定为无限阶（Berezinskii-Kosterlitz-Thouless类型），并且具有不同的临界指数。与Kahle本地化相反，即使出现第二个Betti编号，第一个Betti编号仍保持增加。这种离域是由两个因素引起的，因此在二维单纯形的合并率小于孤立单纯形的出生率时会出现。我们的结果提供了对社会网络成熟步骤的拓扑洞察力。
d+1维的随机双曲图
原文标题： Random hyperbolic graphs in dimensions
地址： http://arxiv.org/abs/2010.12303
作者： Maksim Kitsak, Rodrigo Aldecoa, Konstantin Zuev, Dmitri Krioukov
摘要： 我们将随机双曲图推广到任意维度。我们发现网络参数的重定标可以将任意维数的随机双曲线图减少到单个数学框架。我们的结果表明，无论其潜在双曲空间的维数如何，RHG都具有相似的拓扑特性。
爱你的邻居？印度社区和私人对COVID-19规范的遵守
原文标题： Love Thy Neighbor? Perceived Community Abidance and Private Compliance to COVID-19 Norms in India
地址： http://arxiv.org/abs/2010.12350
作者： Upasak Das, Prasenjit Sarkhel, Sania Ashraf
摘要： 遵守诸如远离社会距离，洗手和戴口罩之类的措施已成为抵抗COVID-19大流行中健康风险的主要策略。这些行为经常被认为是亲社会的，在这种情况下，一个人必须招致私人成本以使他人受益或保护他人。通过在线调查，使用整个印度（n = 934）的自我报告数据，我们评估感知到的社区合规性的变化是否可以预测个人合规性行为的变化，从而控制潜在的混杂因素。即使在考虑了遗漏的变量偏差之后，我们仍观察到两者之间的统计显著性和正相关性，有可能使我们能够从合理的因果关系中查看结果。此外，我们发现随后的锁定（例如印度实施的锁定）对个人合规性有不利影响，尽管更高的社区合规感所带来的收益似乎可以弥补这一损失。我们还发现，通过社区进行宣传对于患有既往合并症的人尤其有效。我们的研究结果强调，需要采取多层次的行为干预措施，让地方参与者和社区机构参与进来，以在大流行期间维持私人的合规性。
复杂世界中意见形成的脆弱性
原文标题： The fragility of opinion formation in a complex world
地址： http://arxiv.org/abs/2010.12355
作者： Matúš Medo, Manuel S. Mariani, Linyuan Lü
摘要： 有了众多触手可及的高质量信息，许多人怎么可能认为地球是平坦的并且接种疫苗有害？出于这个问题的动机，我们量化了意见形成机制的含义，据此，无知的观察者逐渐形成了对一个世界的看法，该世界由通过相互信任和不信任的符号网络相互关联的主题组成。我们通过数值和分析表明，观察者的最终观点高度不一致（它们往往独立于观察者的初始观点）并且不稳定（它们表现出很大的随机变化）。意见不一致和不稳定会随着主题数量所代表的世界复杂性而增加，这可以通过适当扩展观察者的初始信息量来避免。我们的发现表明，即使在最初信任可信信息源的个人之间，如果可信和欺骗性源之间至少存在少量信任关系，也可能最终会信任欺骗性的信息源。
TweetEval：Tweet分类的统一基准和比较评估
原文标题： TweetEval: Unified Benchmark and Comparative Evaluation for Tweet Classification
地址： http://arxiv.org/abs/2010.12421
作者： Francesco Barbieri, Jose Camacho-Collados, Leonardo Neves, Luis Espinosa-Anke
摘要： 社交媒体自然语言处理中的实验环境过于分散。每年，都会提出新的共享任务和数据集，从诸如情感分析到反讽检测或表情符号预测等经典著作。因此，尚不清楚当前的最新技术水平，因为没有标准化的评估协议，也没有针对此类特定领域数据训练的强大基线集合。在本文中，我们提出了一个新的评估框架（TweetEval），该框架由七个异构的Twitter特定分类任务组成。我们还提供了一组强大的基准作为起点，并比较了不同的语言建模预培训策略。我们的初步实验表明，从现有的经过预先培训的通用语言模型开始，并继续在Twitter语料库上对其进行培训是有效的。
噪声和拓扑结构对社会网络中意见动态的影响
原文标题： The Impact Of Noise And Topology On Opinion Dynamics In Social Networks
地址： http://arxiv.org/abs/2010.12491
作者： Samuel Stern, Giacomo Livan
摘要： 我们调查了噪声和拓扑结构对社会网络中意见多样性的影响。为此，我们将公认的观点动态模型扩展到随机的环境，在这种环境中，主体人既会因其本地社会互动而受到同化作用力的影响，又会受到阻碍其人口达成共识的特质因素的影响。我们对后者进行建模，以说明两种情况：噪声完全是同伴影响所致，而噪声是内生的，这是由于主体人希望保持其观点唯一性而产生的。我们为观点多样性导出了一个通用的分析表达式，该表达式适用于任何网络，并且仅通过其谱属性就取决于网络的拓扑。使用此表达式，我们发现，随着社区和集群的破裂，意见多样性下降。我们使用描述主要新闻媒体之间的经验影响网络的数据对我们的预测进行了测试，发现将我们的测量结果纳入线性模型中，以反映此类来源在各种主题上表达的情绪，从而在解释力方面产生了显著改善。
预测感染性以进行主动接触者追踪
原文标题： Predicting Infectiousness for Proactive Contact Tracing
地址： http://arxiv.org/abs/2010.12536
作者： Yoshua Bengio, Prateek Gupta, Tegan Maharaj, Nasim Rahaman, Martin Weiss, Tristan Deleu, Eilif Muller, Meng Qu, Victor Schmidt, Pierre-Luc St-Charles, Hannah Alsdurf, Olexa Bilanuik, David Buckeridge, Gáetan Marceau Caron, Pierre-Luc Carrier, Joumana Ghosn, Satya Ortiz-Gagne, Chris Pal, Irina Rish, Bernhard Schölkopf, Abhinav Sharma, Jian Tang, Andrew Williams
摘要： COVID-19大流行在全球范围内迅速蔓延，在许多国家中压倒了手动接触者的追踪，并导致对紧急收容的广泛封锁。大规模数字接触跟踪（DCT）已经成为恢复经济和社会活动同时最大程度地减少病毒传播的一种潜在解决方案。已经提出了各种DCT方法，每种方法都在隐私，移动性限制和公共健康之间进行权衡。最常见的方法是二进制接触跟踪（BCT），将感染建模为二进制事件，仅通过个人的测试结果来告知，并采用相应的二进制建议，即个人的所有联系人都隔离或不隔离。 BCT忽略了联系和感染过程中固有的不确定性，这些不确定性可用于为高风险个人量身定制消息，并及时进行主动测试或早期警告。它还没有使用诸如症状或先前存在的医疗状况之类的观察结果，这些观察结果可用于做出更准确的传染性预测。在本文中，我们使用最近提出的COVID-19流行病学模拟器来开发和测试可部署到智能手机上的方法，以便根据他们的接触历史和其他信息在本地主动预测个人的传染性（感染他人的风险），同时遵守严格的隐私限制。预测用于通过应用程序向个人提供个性化推荐，以及向匿名联系人发送匿名消息，后者使用此信息更好地预测自己的传染性，这种方法称为主动联系追踪（PCT）。我们发现了一种基于深度学习的PCT方法，在同等的平均移动性方面，它比BCT有所改进，这表明PCT可以帮助安全地重新开放和预防第二波传播。
众包排名算法不稳定性的起源
原文标题： Origins of Algorithmic Instabilities in Crowdsourced Ranking
地址： http://arxiv.org/abs/2010.12571
作者： Keith Burghardt, Tad Hogg, Raissa M. D'Souza, Kristina Lerman, Marton Posfai
摘要： 众包系统汇总了许多人的决策，以帮助用户快速确定高质量的选项，例如问题的最佳答案或有趣的新闻故事。众包中一个长期存在的问题是，期权质量和人为判断启发法如何相互作用以影响集体结果，例如期权的受欢迎程度。我们通过进行受控实验来解决此限制，在这种实验中，受试者可以在两个排名选项之间进行选择，这些选项的质量可以独立变化。我们使用这些数据来构建一个模型，该模型量化在两个选项之间做出决定时判断试探法和选项质量如何结合。该模型显示，人气排名可能不稳定：除非两个选项之间的质量差异足够高，否则不能保证更高质量的选项最终排名第一。为了纠正这种不稳定性，我们创建了一种算法，该算法考虑了判断启发式算法，从而推断出最佳选项并将其排在第一位。如果数据与模型匹配，则保证该算法是最优的。但是，当数据与模型不匹配时，模拟表明，对于任何二选题，该算法在实践中的效果均好于或至少好于基于流行度和基于新近度的排名。我们的工作表明，依赖于用户行为数学模型的推理的算法可以大大改善众包系统中的结果。
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