- Weibo-COV：大规模COVID-19微博数据集;
- 使用隔室模型进行非药物干预的推断、预测和优化：PyRoss库;
- 中国的COVID-19难题：可传播性与社会疏远措施之间的偶然相互作用;
- 城市中流行病和封城的繁殖矩阵;
- 预测巴西的Covid-19动态：一种数据驱动的方法;
- 锁定后在南非传播的COVID-19的空间分析和预测;
- 封锁对巴基斯坦COVID-19传播的影响;
- 在COVID-19流行期间，非强制性措施充分减少了日本的人员流动;
- 巴西圣保罗COVID-19干预方案的数学模型;
- 巴西SARS-CoV-2病情第二高峰可能有多大？考虑非正规经济的SIRASD模型的见解;
- COVID-19移动受限之后维基百科上的注意力突然转移;
- 潜在收益作为中心性指标;
- 利用社会感知发现游客流动性的时空和语义角度;
- 调节对在线心理健康对话的影响;
- 含时网络宏观波动的简单模型;
- 动物社会网络-复杂系统科学家入门;
Weibo-COV：大规模COVID-19微博数据集
原文标题： Weibo-COV: A Large-Scale COVID-19 Tweets Dataset from Webio
地址： http://arxiv.org/abs/2005.09174
作者： Yong Hu, Heyan Huang, Anfan Chen, Xian-Ling Mao
摘要： 随着COVID-19的迅速发展，人们被要求保持“社交距离”和“居家”。在这种情况下，越来越多的社交互动在线上转移，特别是在Twitter和微博等社会网络上。这些在社交媒体上的推文在流行期间共享信息，表达意见，寻求支持和帮助中发挥着重要作用。为了促进对COVID-19的社交媒体研究并进行更好，更快的研究来对抗这种疾病的传播，我们发布了Weibo-COV，这是来自微博的首批与COVID-19相关的大规模微博数据集，涵盖从2019年11月1日到2020年4月30日的超过3000万条推文。
使用隔室模型进行非药物干预的推断、预测和优化：PyRoss库
原文标题： Inference, prediction and optimization of non-pharmaceutical interventions using compartment models: the PyRoss library
地址： http://arxiv.org/abs/2005.09625
作者： R. Adhikari, Austen Bolitho, Fernando Caballero, Michael E. Cates, Jakub Dolezal, Timothy Ekeh, Jules Guioth, Robert L. Jack, Julian Kappler, Lukas Kikuchi, Hideki Kobayashi, Yuting I. Li, Joseph D. Peterson, Patrick Pietzonka, Benjamin Remez, Paul B. Rohrbach, Rajesh Singh, Günther Turk
摘要： PyRoss是一个开放源代码的Python库，为在年龄结构和接触结构的流行病学分类模型中推断，预测和优化NPI提供了一个集成平台。本报告概述了PyRoss库的基本原理和功能，并针对着年龄结构错综复杂的人群提供了各种插图和示例。 PyRoss库支持以随机（作为主方程式）或确定性（作为ODE）公式化的任意结构化模型，并允许从一个过渡到另一个。通过任意支持其他分区细分，PyRoss可以模拟自感染以来的时间模型，并可以对医疗阶段（例如住院或检疫）进行建模和预测。 PyRoss库可以使用贝叶斯参数推论对流行病学数据进行拟合，以便可用其证据权衡竞争模型。 PyRoss通过对流行病学数据，模型选择，参数和内在随机性产生的不确定性进行卷积，可以对理想NPI的影响进行全面的贝叶斯预测。包括针对用户定义的成本函数优化与时间相关的NPI方案的算法。 PyRoss当前针对混合人群的年龄结构车厢框架将在未来的报告中扩展到包括由位置，职业，旅行网络的使用以及与评估疾病传播和NPI的影响相关的其他属性构成的车厢。我们认为，通过允许将任意粒度的社会数据与贝叶斯参数估计相结合来对鲜为人知的疾病变量进行组合，这样的隔离模型可以比其他详细的流行病建模方法提供更强大，更可靠的预测。我们邀请其他人使用PyRoss库进行研究，以解决当今的COVID-19危机，并计划未来的流行病。
中国的COVID-19难题：可传播性与社会疏远措施之间的偶然相互作用
原文标题： COVID-19 puzzle in China: a serendipitous interplay between transmissibility and social distancing measures
地址： http://arxiv.org/abs/2005.09630
作者： Marko Djordjevic, Magdalena Djordjevic, Igor Salom, Andjela Rodic, Dusan Zigic, Ognjen Milicevic, Bojana Ilic
摘要： 湖北（武汉）与中国大陆其他省份之间观察到的COVID-19感染和死亡人数的巨大差异引发了公众争议。为了解决是否能够始终如一地理解这些数据，我们开发了一种模型，该模型考虑了在抑制措施下感染进展的所有主要定性特征，同时保持足够简单以估计关键的动力学参数。我们发现，社会隔离措施在各省产生了很大影响，此外，较高的可传播性似乎已触发了更有效的保护。但是，湖北是一个地区，具有明显更大的传播能力，但防护能力却较低。预测的湖北感染率明显较高，但远低于群体免疫所必需的。湖北省的死亡率是全国的五倍，但我们估计的感染病死率在所有省份都更为统一/一致。因此，可传递性，有效保护和检测效率差异之间的相互作用可能可以解释明显的计数差异。
城市中流行病和封城的繁殖矩阵
原文标题： Reproduction matrix for an epidemic and lockdowns in a city
地址： http://arxiv.org/abs/2005.09556
作者： Vicente Acuña, María Paz Cortés, Andrew Hart, Servet Martínez, Juan Carlos Maureira
摘要： 我们考虑一种流行病，该流行病在城市中按地理区域划分为不同的地区。我们介绍了区域之间的复制矩阵 R = bigl（R（i，j） bigr），其中 R（i，j）是区域 j 中个体感染的平均数 i 区。基于矩阵 R 的研究，我们分析了城市（即一组区域）的部分锁定政策，其中与锁定区域相对应的行和列设置为零。只要有相关信息可用，此方案还可应用于划分为区域或其他适当单位的国家。最后，我们分析了一个矩阵〜 R ，该矩阵是在基于主体的模拟器生成主体区域数据的基础上为智利圣地亚哥的COVID-19传播而构建的。
预测巴西的Covid-19动态：一种数据驱动的方法
原文标题： Forecasting Covid-19 dynamics in Brazil: a data driven approach
地址： http://arxiv.org/abs/2005.09475
作者： Igor G. Pereira, Joris M. Guerin, Andouglas G. Silva Junior, Cosimo Distante, Gabriel S. Garcia, Luiz M. G. Gonçalves
摘要： 本文有双重贡献。第一种是基于来自更先进国家的数据来预测Covid 19大流行动态的数据驱动方法。第二个是报告和讨论使用这种方法在2020年5月4日前在巴西各州获得的结果。我们首先介绍通过培训LSTM SAE网络获得的初步结果，这有些令人失望。然后，我们的主要方法是基于代表国家对大流行早期蔓延的一组人工工程特征，对可用数据的世界地区进行初步聚类，大流行处于高级阶段。然后，从这些集群中训练经过修改的自动编码器网络，并学习预测巴西各州的未来数据。这些预测用于估计有关疾病的重要统计数据，例如高峰。最后，对预测进行曲线拟合，以找到最适合MAE输出的分布，并细化大流行高峰的估计值。结果表明，该流行病在巴西仍在继续蔓延，大多数州的感染高峰估计在2020年4月25日至2020年5月19日之间。预测的人数总计达到24万，巴西感染者分布在各个州之间，其中S 〜ao Paulo领导着将近65,000例确诊病例。某些州从5月28日开始估计大流行病的爆发（其中97％的病例达到结果），到2020年8月14日止。
锁定后在南非传播的COVID-19的空间分析和预测
原文标题： Spatial analysis and prediction of COVID-19 spread in South Africa after lockdown
地址： http://arxiv.org/abs/2005.09596
作者： Mohammad Arashi, Andriette Bekker, Mahdi Salehi, Sollie Millard, Barend Erasmus, Tanita Cronje, Mohammad Golpaygani
摘要： COVID-19对南非有何影响？本文设想协助研究人员和决策者应对以南非为中心的COVID-19大流行。本文通过应用热点区域的热图检索来重点研究疾病的传播，并使用Moran指数进行空间分析。为了获取南非各省之间的空间自相关，将相邻的以及地理距离度量用作绝对和相对计数的权重矩阵。此外，广义逻辑增长曲线建模用于预测COVID-19传播。我们希望这种数据驱动的模型能够为热点识别和控制病毒传播的及时行动提供一些见识。
封锁对巴基斯坦COVID-19传播的影响
原文标题： Effect of Lockdown on the spread of COVID-19 in Pakistan
地址： http://arxiv.org/abs/2005.09422
作者： Fizza Farooq (1), Javeria Khan (2), Muhammad Usman Ghani Khan (1 and 2) ((1) Al-khawarizmi Institute of Computer Science (KICS), UET Lahore Pakistan, (2) Department of Computer Science, UET Lahore Pakistan)
摘要： 2019年12月下旬起源于中国武汉的新型冠状病毒现已感染全球几乎所有国家。巴基斯坦于2月下旬报告了第一例。自从第一例病例超过880例以来，该国已在三周后锁定。巴基斯坦实施了一个多月的封锁，有效减缓了COVID 19的传播，但是在4月下旬允许放宽封锁由政府分阶段解除对经济的压力。在这项研究中，巴基斯坦国立卫生研究院从每日情况报告中分析了数据，并研究了最初的严格锁定和后来的智能锁定的影响。我们的分析显示，锁定之前的案例增加了13.14％，而锁定期间下降了6.55％。证明了锁定的有效性。但是，在智能锁定期间，“百分比增长”会增加到7.24。如果它继续以这种方式上升，巴基斯坦可能需要再次进入严格的第二次封锁。
在COVID-19流行期间，非强制性措施充分减少了日本的人员流动
原文标题： Non-Compulsory Measures Sufficiently Reduced Human Mobility in Japan during the COVID-19 Epidemic
地址： http://arxiv.org/abs/2005.09423
作者： Takahiro Yabe, Kota Tsubouchi, Naoya Fujiwara, Takayuki Wada, Yoshihide Sekimoto, Satish V. Ukkusuri
摘要： 从手机中收集的大规模移动性数据为我们提供了以前所未有的时空粒度和规模来监视和了解COVID-19爆发期间非药物干预措施的影响的机会。尽管这些数据已在多个国家使用，但对于干预措施仅限于非强制性措施的日本，其出行方式的变化仍未得到充分研究。在这里，我们使用从200K以上收集的匿名大规模流动性数据，分析了i）人类流动性行为，ii）社会接触率以及iii）此类流动性指标的变化与COVID-19的可传递性之间的时间变化。日本东京的手机用户。分析得出的结论是，到4月15日（宣布紧急状态起1周），表征人类流动行为的总量下降了约50％，导致东京的社会交往减少了70％，显示出非强制性措施的有效性。实际上，在宣布紧急状态之前，行动行为已经减少到典型工作日的60％。此外，人类流动性指标和社会联系方式的减少与日本估计COVID-19的有效繁殖数的减少具有显著且强烈的相关性。所获得的经验见解可以为决策者确定减少流动性的足够水平以控制该疾病提供信息。
巴西圣保罗COVID-19干预方案的数学模型
原文标题： Mathematical model of COVID-19 intervention scenarios for Sao Paulo- Brazil
地址： http://arxiv.org/abs/2005.09426
作者： Osmar Pinto Neto, Jose Clark Reis, Ana Carolina Brisola Brizzi, Gustavo Jose Zambrano, Joabe Marcos de Souza, Wellington Amorim Pedroso, Rodrigo Cunha de Mello Pedreiro, Bruno de Matos Brizzi, Ellysson Oliveira Abinader, Deanna M. Kennedy, Renato Amaro Zangaro
摘要： 流行病学隔间模型用于模拟社会疏远策略，以遏制COVID-19大流行并防止巴西圣保罗爆发第二波。使用遗传算法进行优化以确定最优解。我们的结果表明，圣保罗的最佳策略是保持或增加当前至少60天的社会疏远程度，并将当前的个人保护行为水平至少提高10％（例如，戴口罩，手卫生并避免结块）。随后是长期的社会疏远程度，在两年期间内每80天逐步采取降级方法，并持续进行保护行为。
巴西SARS-CoV-2病情第二高峰可能有多大？考虑非正规经济的SIRASD模型的见解
原文标题： What is the potential for a second peak in the evolution of SARS-CoV-2 in Brazil? Insights from a SIRASD model considering the informal economy
地址： http://arxiv.org/abs/2005.09019
作者： M. A. Pires, N. Crokidakis, D. O. Cajueiro, M. Argollo de Menezes, S. M. Duarte Queirós
摘要： 我们从两类易感感染，无症状，无症状，无症状的死亡（SIRASD）模型中调查了新出现的情况，在这些模型中，人口对社会疏远政策的遵守程度有所不同。考虑到SARS-CoV-2在巴西的传播数据，巴西有很大比例的人口靠非正规经济生活，因此我们倾向于不采取自我隔离的态度，因此我们认为，如果取消限制措施为时过早，即多达一星期的新病例连续下降，很可能出现第二个高峰。
COVID-19移动受限之后维基百科上的注意力突然转移
原文标题： Sudden Attention Shifts on Wikipedia Following COVID-19 Mobility Restrictions
地址： http://arxiv.org/abs/2005.08505
作者： Manoel Horta Ribeiro, Kristina Gligorić, Maxime Peyrard, Florian Lemmerich, Markus Strohmaier, Robert West
摘要： 我们研究了2019年冠状病毒疾病（COVID-19）大流行如何以及随之而来的严格的行动限制，如何影响了全球最大的在线百科全书Wikipedia上的信息访问。一项纵向分析将12种Wikipedia语言版本的综合浏览量统计数据与Apple和Google发布的移动性报告相结合，显示访问量大幅度增加，主题兴趣发生了明显变化。人们发现与健康和娱乐有关的话题已经增加，而与运动和交通有关的话题却失去了关注。有趣的是，尽管对健康相关主题的兴趣是短暂的，但对娱乐主题的兴趣却一直持续甚至增加。这些变化始于行动不便的时期，在与实施了最严格的行动不便的国家相关的语言版本中最为明显，这表明兴趣转移可能是由于人们在家里花费更多的时间造成的。我们的研究结果凸显了Wikipedia在研究全球大流行反应中的作用，并说明了该疾病如何在整个社会蔓延。
潜在收益作为中心性指标
原文标题： Potential gain as a centrality measure
地址： http://arxiv.org/abs/2005.08959
作者： Pasquale De Meo, Mark Levene, Alessandro Provetti
摘要： 适航性是与人工或自然系统相关的图的显著特征，其主要目标是信息或货物的运输。我们说当主体能够通过本地路由决策有效地到达 mathcal G 中的任何目标节点时，图 mathcal G 是可导航的。在社会网络中，可导航性转化为通过个人联系人与个人联系的能力。对图的可导航性进行了深入研究，但是仍然存在一个基本问题：为什么通过短的，朋友间的通信链可以比其他人更容易获得某些人？在本文中，我们通过提出一种新的集中度度量标准（称为潜在增益）来回答上述问题，该度量标准在非正式意义上量化了可以达到目标节点的难易程度。我们定义了电位增益的两个变体，称为几何电位增益和指数电位增益，并提出了快速的算法来计算它们。几何形状和潜在增益是一类新的复合中心度度量标准的实例，即中心度度量标准将节点在 mathcal G 中的流行度与与所有其他节点的相似性相结合。如先前的研究所示，受欢迎程度和相似性是两个主要标准，它们规范着人们在诸如Wikipedia之类的大型网络中寻找信息的方式。我们给出了一个正式的证明，即节点的潜在收益始终等于其度中心性（捕获流行度）和其Katz中心性（捕获相似性）的乘积。
利用社会感知发现游客流动性的时空和语义角度
原文标题： Uncovering Spatiotemporal and Semantic Aspects of Tourists Mobility Using Social Sensing
地址： http://arxiv.org/abs/2005.09033
作者： Ana P G Ferreira, Thiago H Silva, Antonio A F Loureiro
摘要： 旅游业有利于更多的经济活动，就业，收入，并在发展中发挥重要作用；因此，改善这一活动是一项战略任务。在这项工作中，我们展示了如何使用社会感知来理解游客和居民行为的关键特征。考虑到空间和时间维度，在这些类别中我们观察到了不同的行为模式，在这些维度中文化和区域方面可能发挥重要作用。此外，我们调查了游客在伦敦，纽约，里约热内卢和东京的出行方式以及影响其出行的因素。此外，我们提出了一种基于主题模型的新方法，该模型能够自动识别移动性模式主题，从而最终更好地了解用户的个人资料。我们的结果的适用范围广泛，有助于在旅游领域提供更好的应用和服务。
调节对在线心理健康对话的影响
原文标题： The Effect of Moderation on Online Mental Health Conversations
地址： http://arxiv.org/abs/2005.09225
作者： David Wadden, Tal August, Qisheng Li, Tim Althoff
摘要： 由于高昂的费用和精神卫生专业人员的短缺，许多为精神健康问题苦苦挣扎的人无法获得适当的护理，从而导致了全球精神卫生危机。在线心理健康社区可以通过提供一种可扩展的，易于访问的替代方法来帮助缓解这种危机，该替代方法是与治疗师或支持小组进行的面对面交流。但是，在网上寻求情感或心理支持的人们可能特别容易受到有时在网上讨论中发生的反社会行为的影响。适度可以提高在线话语质量，但我们对其在线心理健康对话的影响尚缺乏了解。在这项工作中，我们利用自然实验，从在心理健康移动应用程序上托管的7,000个对话中的200,000条消息中产生的信息，来评估节制对在线心理健康讨论的影响。我们发现，参加小组心理健康讨论可改善心理观点，而在主持人对话中，这些进步更大。主持人的存在增加了用户的参与度，鼓励用户更加坦率地讨论负面情绪，并大大减少了聊天参与者之间的不良行为。适度还鼓励加强语言协调，这表明建立信任。此外，保持活跃对话的主持人在保持话题对话方面尤其成功。我们的研究结果表明，节制可以作为提高在线心理健康对话的效率和安全性的宝贵工具。基于这些发现，我们讨论了设计有效的心理健康支持在线空间所涉及的影响和取舍。
含时网络宏观波动的简单模型
原文标题： A simple model for the macroscopic fluctuations of temporal networks
地址： http://arxiv.org/abs/2005.09445
作者： Teruyoshi Kobayashi, Mathieu Génois
摘要： 许多现实世界的社会网络会随着时间不断改变其全局属性，例如边的数量，大小和密度。虽然已经对社会网络的时间和局部属性进行了广泛研究，但尚未很好地理解其全球波动的起因。如果a）节点总数（包括静止节点，更改节点和/或b）两个节点连接的机会随时间变化，则网络可能会增长或收缩。在这里，我们开发了一种根据这两种机制对时态网络全局波动的来源进行分类的方法。我们提出了一个动态的隐变量模型来正式定义两个动力学类别，通过该模型我们可以表明，可以通过两种简单的机制之一来解释现实世界动力学系统中的全局波动。我们的发现将有助于更好地理解复杂网络随时间变化的本质。
动物社会网络-复杂系统科学家入门
原文标题： Animal social networks -- an introduction for complex systems scientists
地址： http://arxiv.org/abs/2005.09598
作者： Josefine Bohr Brask, Samuel Ellis, Darren P Croft
摘要： 许多动物生活在个体经常相互交往的社会中。近年来，已经通过网络分析在许多物种中研究了这些系统的社会结构。动物社会网络现已成为一个完善的研究领域，为动物行为，生态和社会演化提供了重要见识。但是，动物社会网络研究似乎在动物行为领域以外的科学家中并不为人所知。在这里，我们为复杂系统研究人员提供了动物社会网络的介绍。我们认为，由于各种原因，将动物社会网络与复杂系统的跨学科领域更好地整合将是互利的。与复杂系统研究人员加强合作对于解决对动物社会网络研究特别重要的挑战可能具有重要意义。此外，来自不同动物物种的社会网络的高分辨率数据集对于调查有关复杂系统的一般假设可能非常有用。在本文中，我们描述了什么是动物社会网络以及它们在科学上的重要性；我们概述了通常用于研究动物社会网络的方法；最后，我们强调了动物社会网络研究中的挑战，其中动物社会网络研究与一般复杂系统研究之间的相互作用可能特别有价值。我们希望这将有助于促进涉及动物社会网络的未来跨学科合作，并导致这些网络更好地集成到复杂系统领域。
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