- 交通信息时代的Braess悖论;
- 霍克斯模型的远程通信模式揭示了关系动态和人格特质;
- 任意时间范围内信息级联的可扩展预测;
- 分段固定任意稀疏网络序列中所有可检测变化点的一致检测和最佳定位;
- 在空间网络中通过渗流主干进行相互依赖的传输;
- PolSIRD：干预策略下的流行病传播建模及其在COVID-19传播中的应用;
- 群体免疫中的异质性和超级传播效应;
- 我为什么不粉你？负责任推荐系统的正面和负面理由;
- 模仿成功会导致最后通牒博弈中的生活成本影响公平性;
- 大韩民国第20届国会政党共同赞助分析;
- 通过贝叶斯趋势分析评估COVID-19对网络欺凌的影响;
- 通过深度学习和网络科学模型评估城市封锁对控制COVID-19传播的影响;
- 通过标记控制假新闻：分支过程分析;
- 随机图聚类随机化;
交通信息时代的Braess悖论
原文标题： Braess' paradox in the age of traffic information
地址： http://arxiv.org/abs/2009.02158
作者： Stefan Bittihn, Andreas Schadschneider
摘要： Braess悖论描述了一种违反直觉的情况，即在道路网络中添加新道路会导致所有网络用户的旅行时间增加。最近，我们可以证明导致微观悖论的用户最优存在于微观运输模型网络中。我们导出了两种路由选择策略的相位图，这些策略在所有网络用户的外部进行了调整和应用。在这里，我们要解决的问题是，如果根据两种交通信息做出明智的路线选择决策，是否仍能实现这些用户最优。我们发现，如果驾驶员1）根据他们自己的过去经验做出明智的决定，或者2）使用与现代导航应用程序提供的交通信息类似的交通信息，仍然可能出现悖论。这表明现代交通信息系统无法解决Braess的悖论。
霍克斯模型的远程通信模式揭示了关系动态和人格特质
原文标题： Hawkes-modeled telecommunication patterns reveal relationship dynamics and personality traits
地址： http://arxiv.org/abs/2009.02032
作者： Mateusz Nurek, Radosław Michalski, Marian-Andrei Rizoiu
摘要： 我们的手机包含大量关于我们的私人信息已不是新闻，这就是为什么我们试图确保它们的安全。但是，即使是关于我们如何沟通的痕迹也可以告诉我们很多有关我们的信息。在这项工作中，我们从参加Netsense研究的200名学生的通话和发短信历史开始，并将其与学生与同龄人甚至性格特征的关系类型联系起来。首先，我们证明了具有幂律衰减内核的霍克斯点过程可以准确地对等体之间的呼叫活动建模。其次，我们证明了霍克斯模型的拟合参数可以预测关系的类型，并且可以利用霍克斯过程的泛化误差来检测关系类型的变化。最后，我们通过共同建模由学生发起的交流系列，为研究中的学生建立描述符。我们发现，霍克斯（Hawkes）建模的电信模式可以预测学生的Big5心理测量特征，其准确性几乎与用户填写的关于兴趣爱好，活动，幸福感，所获得的成绩，健康状况和所阅读书籍的数量有关。这些结果非常重要，因为它们表明通常驻留在个人控制范围之外的信息（例如通话记录和文本记录）揭示了有关他们之间的关系以及他们的性格特征的信息。
任意时间范围内信息级联的可扩展预测
原文标题： Scalable Prediction of Information Cascades over Arbitrary Time Horizons
地址： http://arxiv.org/abs/2009.02092
作者： Daniel Haimovich, Dima Karamshuk, Thomas J. Leeper, Evgeniy Riabenko, Milan Vojnovic
摘要： 考虑到有关内容的初始受欢迎程度增长和其他内容功能的信息，我们考虑了在任意时间范围内预测社会网络内容的受欢迎程度的问题。这些预测可用于各种应用程序，包括及早发现在线社会网络中潜在有害的病毒内容。预测任务很困难，因为观看事件是转售，提要排名算法以及内容受欢迎程度和网络结构的自然特征之间复杂的交互作用的结果。我们提出了一个模型，该模型基于强度呈指数衰减的霍克斯点过程，在任意时间范围内预测信息级联大小。该模型依赖于在参考时间范围内使用信息级联大小的点预测器和有效增长指数的点预测器，以刻画信息级联传播的时间尺度。这导致了一种高度可扩展的方法，用于预测任意未来时间范围内内容项的累计观看次数。我们在两个月的时间内分析了Facebook上大量的公共页面内容。我们发现内容观看率展现出复杂的时间模式，并且随着时间跨度呈指数级衰减，持续了几天。对我们提出的预测方法的准确性进行的分析表明，单个模型可以在广泛的范围内实现高性能。
分段固定任意稀疏网络序列中所有可检测变化点的一致检测和最佳定位
原文标题： Consistent detection and optimal localization of all detectable change points in piecewise stationary arbitrarily sparse network-sequences
地址： http://arxiv.org/abs/2009.02112
作者： Sharmodeep Bhattacharyya, Shirshendu Chatterjee, Soumendu Sundar Mukherjee
摘要： 我们在分段固定网络的情况下考虑离线变化点检测和定位问题，其中可观察的是网络的有限序列。我们开发了一种算法，该算法包括基于观测网络的自适应修剪邻接矩阵的一些适当修改的CUSUM统计信息，用于检测和定位输入数据中存在的单个或多个变化点。当从非均匀随机图模型生成输入（网络的有限序列）时，我们提供严格的理论分析和有限样本估计，以评估所提出方法的性能，其中变化点的特征是平均邻接矩阵的变化。我们表明，所提出的算法可以检测（重新定位）所有变化点，而预期邻接矩阵中的变化在最小最大可检测性（重新定位）阈值之上，并且始终没有关于（a）下限的任何先验假设对于基础网络的稀疏性，（b）变更点数量的上限，以及（c）连续变更点之间的间隔的下限，前提是连续变更点对之间的最小间隔或平均值底层网络的自由度任意缓慢地达到无穷大。我们还证明了上述条件对于保持一致性是必要的。
在空间网络中通过渗流主干进行相互依赖的传输
原文标题： Interdependent transport via percolation backbones in spatial networks
地址： http://arxiv.org/abs/2009.02117
作者： Bnaya Gross, Ivan Bonamassa, Shlomo Havlin
摘要： 网络中节点的功能通常由属于巨型组件的结构特征来描述。但是，在处理诸如传输之类的问题时，更合适的功能标准是让节点属于网络的主干，在该主干中发生信息流和其他物理量（例如电流）的流动。在这里，我们研究了相互依赖的电阻器网络模型中的渗滤，并显示了空间性对其耦合功能的影响。我们在具有链接长度的泊松分布的空间网络现实模型上执行此操作。我们发现，相互依存的电阻器网络比基于渗流的电阻器网络要脆弱得多，它们在链路长度处具有一阶相变，而互巨分量仍然不断出现。我们通过追踪相互依存运输的脆弱性增加的根源，来解释这种明显的矛盾，而这种脆弱性是由吊运端起到的关键作用。此外，我们通过考虑异构的 k 核心渗滤过程来解释这些差异，该过程能够定义约束条件变得越来越严格的单参数功能准则系列。我们的结果凸显了节点功能的不同定义对耦合过程的集体属性的重要性，并提供了对许多实际网络中相互依存传输问题的更好理解。
PolSIRD：干预策略下的流行病传播建模及其在COVID-19传播中的应用
原文标题： PolSIRD: Modeling Epidemic Spread under Intervention Policies and an Application to the Spread of COVID-19
地址： http://arxiv.org/abs/2009.01894
作者： Nitin Kamra, Yizhou Zhang, Sirisha Rambhatla, Chuizheng Meng, Yan Liu
摘要： 传统上，人口流行的传播是通过分隔模型来建模的，该模型代表了在没有任何干预政策的情况下疾病的自由演化。此外，这些模型假定具有完全可观察性，并且不考虑案件漏报的情况。我们提出了一个数学模型，即PolSIRD，它通过引入观察机制解决了报告不足的问题。它还通过利用干预策略数据和报告的疾病病例来刻画干预策略对疾病传播参数的影响。此外，我们允许我们的递归模型通过基于梯度的训练来端对端学习所有隔室的初始隐藏状态以及其他参数。我们将模型应用于最近在全球爆发的COVID-19疫情，该模型在大多数指标上都优于CDC所采用的当前方法。我们还通过模型中的反事实模拟为解除干预政策提供了可行的指导。
群体免疫中的异质性和超级传播效应
原文标题： Heterogeneity and Superspreading Effect on Herd Immunity
地址： http://arxiv.org/abs/2009.01923
作者： Yaron Oz, Ittai Rubinstein, Muli Safra
摘要： 考虑到传染性和敏感性的异质性，以及两个参数之间的相关性，我们对牛群免疫发生所需的感染人群比例进行建模和计算。我们表明，这些因素导致繁殖数量随着进展而减少，因此对估计必须感染该疾病以达到群免疫的人口的必要比例产生巨大影响。我们讨论了对COVID-19和其他流行病的影响。
我为什么不粉你？负责任推荐系统的正面和负面理由
原文标题： Why should I not follow you? Reasons For and Reasons Against in Responsible Recommender Systems
地址： http://arxiv.org/abs/2009.01953
作者： Gustavo Padilha Polleti, Douglas Luan de Souza, Fabio Cozman
摘要： 一些推荐系统（RS）求助于解释，以增强对建议的信任。但是，当前用于产生解释的技术往往会强烈支持推荐的产品，而不是同时给出原因和反对的理由。我们认为，通过坦率地向用户显示两种原因，RS可以更好地提高整体信任度和透明度。我们通过利用知识图谱和应用Snedegar的实践推理理论开发了这样的RS。我们证明我们已实施的RS具有出色的性能，并且我们在一项针对人类受试者的实验中进行了报告，该实验表明了提出赞成和反对两种理由的价值，并且在信任，敬业度和说服力方面都有显著改善。
模仿成功会导致最后通牒博弈中的生活成本影响公平性
原文标题： Imitation of Success Leads to Cost of Living Mediated Fairness in the Ultimatum Game
地址： http://arxiv.org/abs/2009.01970
作者： Yunong Chen, Andrew Belmonte, Christopher Griffin
摘要： 目前尚不了解在生物和社会系统中出现合作背后的机制。特别是，《最后通game》博弈中的人类行为几乎总是非理性的，他们倾向于相互分享的策略，而黑猩猩则表现出理性和自私的行为。但是，人类行为会随地理和文化差异而变化，从而导致不同的行为。在这封信中，我们分析了一种社会模仿模型，该模型结合了内部能量存储（例如食物/金钱储蓄），生活成本，死亡和繁殖。我们表明，当模仿（和死亡）发生时，自私与生活成本之间就会出现自然的联系。但是，在所有不会崩溃的社会中，非纳什共享策略实际上是模仿的结果。我们将该模型与对人类地理上不同的最后通game博弈研究进行的荟萃分析的结果进行比较，并表明所提出的模型能够刻画现实世界数据的许多定性方面。
大韩民国第20届国会政党共同赞助分析
原文标题： Co-sponsorship analysis of party politics in the 20th National Assembly of Republic of Korea
地址： http://arxiv.org/abs/2009.01971
作者： Seung Ki Baek, Jonghoon Kim, Song Sub Lee, Woo Seong Jo, Beom Jun Kim
摘要： 我们通过对第二十届国民议会提出的法案进行主成分分析，调查立法者之间的共同提案。共同赞助最相关的因素是他们的党员身份，我们清楚地观察到第三方制度正在发挥作用的信号。为了确定除党派影响之外的其他因素，我们分析了立法者如何在每个党派内部集聚，结果显示，在执政党的情况下，其委员会成员与共同赞助之间存在显著相似性。另外，通过监视每个议员与他或她党的平均行为的相似性，我们发现在议员实际更改党员身份的大约一个月之前，该比率开始减少。
通过贝叶斯趋势分析评估COVID-19对网络欺凌的影响
原文标题： Evaluating the Impact of COVID-19 on Cyberbullying through Bayesian Trend Analysis
地址： http://arxiv.org/abs/2009.02126
作者： Sayar Karmakar, Sanchari Das
摘要： COVID-19的影响已从个人健康和全球健康发展到我们的社交生活。就数字化存在而言，据推测，在大流行期间，网络欺凌行为已大大增加。在本文中，我们研究了这样的假设，即最近几年网络欺凌和此类事件的报告是否有所增加。为了评估推测，我们收集了2020年1月1日至2020年6月7日之间发布的与网络欺凌相关的公共推文（N = 454,046）。简单的视觉常客分析忽略了序列相关性，因此没有描述变更点。为了解决相关性和相对较少的时间点，建议通过自回归泊松模型对收集的数据进行趋势的贝叶斯估计。我们表明，本文详细介绍的这种新的贝叶斯方法可以清楚地显示自2020年3月中以来与网络欺凌相关的推文的上升趋势。但是，该证据本身并不意味着网络欺凌的上升，但表明了危机与讨论的相关性。这些事件是由个人造成的。我们的工作着眼于网络欺凌这一关键问题，以及全球危机如何影响社交媒体滥用，并提供了一种趋势分析模型，该模型可用于总体上进行社交媒体数据分析。
通过深度学习和网络科学模型评估城市封锁对控制COVID-19传播的影响
原文标题： Evaluating the effect of city lock-down on controlling COVID-19 propagation through deep learning and network science models
地址： http://arxiv.org/abs/2009.02152
作者： Xiaoqi Zhang, Zheng Ji, Yanqiao Zheng, Xinyue Ye, Dong Li
摘要： COVID-19的特殊认识特征，例如潜伏期长和无症状感染，对遏制其暴发提出了严峻挑战。到2020年3月，中国已经成功地控制了COVID-19的内部传播，其高昂成本使大部分主要城市（包括震中武汉）受到了封锁。由于2020年2月中旬之前爆发数据准确性较低，因此对基于早期爆发的统计推断的研究进行了主要的技术关注。我们应用监督学习技术来识别和训练NP-Net-SIR模型，该模型在恶劣的数据质量条件下表现出强大的性能。通过训练后的模型参数，我们分析了人口流动与跨区域感染联系强度之间的联系，在此基础上进行了一系列反事实分析，以研究锁定的必要性以及锁定与其他之间的可替代性。遏制措施。我们的发现支持非锁定类型的措施的存在，这些措施可以达到与锁定相同的遏制效果，并为设计更灵活的遏制策略提供有用的指导。
通过标记控制假新闻：分支过程分析
原文标题： Controlling Fake News by Tagging: A Branching Process Analysis
地址： http://arxiv.org/abs/2009.02275
作者： Suyog Kapsikar, Indrajit Saha, Khushboo Agarwal, Veeraruna Kavitha, Quanyan Zhu
摘要： 在过去几年中，假新闻的传播，尤其是在在线社会网络上的传播，已成为人们关注的问题。这些平台还用于传播其他重要的真实信息。因此，需要在不显著影响真实新闻的传播的情况下减轻虚假新闻。我们利用用户识别假新闻的固有能力，并提出基于警告的控制机制来遏制这种传播。警告基于指示新闻真实性的先前用户的响应。我们使用人口大小相关的连续时间多类型分支过程来描述警告机制下的传播。对于这些分支过程，我们也有新的结果。得出各个群体的（时间）渐近比例。这些结果有助于得出相关的1型，2型性能指标，并提出优化问题以设计最佳警告参数。对于类型1（类型2）性能，将标记为真实（伪）的副本比例考虑在内。我们得出性能的结构特性，这有助于简化优化问题。最后，我们证明了最佳警告机制可以有效地缓解虚假新闻，而对真实新闻的传播产生的影响则可以忽略不计。我们使用与Twitter相关的自我网络数据库上的Monte Carlo模拟来验证性能指标。
随机图聚类随机化
原文标题： Randomized Graph Cluster Randomization
地址： http://arxiv.org/abs/2009.02297
作者： Johan Ugander, Hao Yin
摘要： 在研究网络干扰下的因果推理时，全局平均处理效果（GATE）是关注的主要内容。利用正确指定的干扰曝光模型，GATE的Horvitz-Thompson（HT）和H'ajekek估计器分别是无偏和一致的，但已知在许多设计和许多感兴趣的环境下都表现出极大的变化。借助干扰图的固定聚类，已显示出图聚类随机化（GCR）设计与节点级随机分配相比可以大大减少方差，但是即使如此，方差仍然经常过大。在这项工作中，我们提出了GCR设计的随机版本，描述性地称为随机图聚类随机分组（RGCR），它使用随机聚类而不是单个固定聚类。通过考虑许多不同群集分配的集合，此设计避免了GCR的关键问题，即给定节点在给定群集中有时是“幸运的”或“不幸的”。我们提出了两种与RGCR一起使用的随机图分解算法：随机化的3-net和1-hop-max，它是根据先前在多路图割问题上的工作改编的。当通过自身的随机性进行积分时，这些算法提供了可以有效估计的网络暴露概率。我们在干扰图的度量结构假设下，开发了GATE HT估计量方差的上限。如果在GCR设计下HT估计量的最著名方差上限在度量结构的参数中是指数级的，则我们在RGCR下给出了可比较的方差上限，而在相同参数下它是多项式。我们提供了比较RGCR和GCR设计的大量仿真结果，发现在各种设置下，GATE的HT和H'ajek估计量的均方误差均大大降低。
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