- SARS-CoV-2传播动力学中的随机性和异质性;
- 应对COVID-19信息疫情的挑战——数据、工具和道德规范;
- 用于探索COVID-19锁定退出策略的定量框架;
- COVID-19与全球经济增长：采用大流行病的新古典主义增长模型进行政策模拟;
- 使用IBM SEIR模型在无标度网络上量化隔离的影响;
- 桥节点在流行病传播中的作用：不同的制度和交叉;
- 从医疗急救电话中预测Covid-19流行病的本地进展：以巴黎地区为例;
- 巴西的城市规模和COVID-19的传播;
- LoopX：可视化并了解动态模型行为的起源;
- 用于一致性大量新闻流事件检测的复杂网络;
- 在不知道连接的情况下评估中心性;
- 揭示网络分区之间的共识和分歧;
- 全球恐怖主义数据的高阶时间分析;
- Darkweb：社会网络异常;
- POLUSA数据集：90万个考虑时间和网点人气影响的政治新闻文章;
- 保护社交平台撤回帖子的欺骗性删除;
SARS-CoV-2传播动力学中的随机性和异质性
原文标题： Stochasticity and heterogeneity in the transmission dynamics of SARS-CoV-2
地址： http://arxiv.org/abs/2005.13689
作者： Benjamin M. Althouse, Edward A. Wenger, Joel C. Miller, Samuel V. Scarpino, Antoine Allard, Laurent Hébert-Dufresne, Hao Hu
摘要： 引起COVID-19疾病的SARS-CoV-2已在全球范围内迅速传播，感染了数百万人并杀死了数十万人。基本复制号已被广泛使用并被滥用来表征病毒的传播性，掩盖了以下事实：传播是随机的，由少数人控制，并且由超级传播事件（SSE）驱动。独特的传播特征，例如在低患病率下的高随机性，以及上交所在传播动力学上的核心作用，不容忽视。在室内环境中发生了许多爆炸性的SSE，导致大流行并影响了大流行的蔓延，例如长期护理设施，监狱，肉类包装厂，鱼类工厂，游轮，家庭聚会，聚会和夜总会。这些SSE证明了迫切需要了解传播途径，同时提供了机会，可以通过有针对性的干预措施消除SSE来有效地控制疫情。在这里，我们描述了SSE的潜在类型，它们如何影响传播，并提供了控制SARS-CoV-2的建议。
应对COVID-19信息疫情的挑战——数据、工具和道德规范
原文标题： Challenges in Combating COVID-19 Infodemic -- Data, Tools, and Ethics
地址： http://arxiv.org/abs/2005.13691
作者： Kaize Ding, Kai Shu, Yichuan Li, Amrita Bhattacharjee, Huan Liu
摘要： 当COVID-19大流行继续其全球性破坏时，随之而来的是许多挑战。我们面临的一个重要挑战是如何有效地利用最近收集到的数据并找到计算工具来应对COVID-19信息病（一种典型的信息超载问题）。新型冠状病毒会提出许多问题，而没有立即得到答案；它的不确定性和我们急于寻求解决方案的热情为信息流行提供了肥沃的环境。因此，有必要与信息流行病作斗争，并齐心协力应对COVID-19，并减轻其在各行各业中的生命，以挽救生命并在尝试期间维持正常秩序。在这份与COVID-19信息流行病作斗争的立场文件中，我们通过提供猖examples的阴谋论，错误信息以及利用人类善良，恐惧和无知的各种骗局的现实示例，来说明其需求。在对抗COVID-19信息流行病的斗争中，我们提出了三个主要挑战，研究人员和从业人员本能地希望做出贡献和帮助。我们证明，集体智慧，众包和协作研究可以并且将有效应对这三个挑战。
用于探索COVID-19锁定退出策略的定量框架
原文标题： A quantitative framework for exploring exit strategies from the COVID-19 lockdown
地址： http://arxiv.org/abs/2005.13698
作者： A.S. Fokas, J. Cuevas-Maraver, P.G. Kevrekidis
摘要： 在许多国家为应对当前的大流行采取严格的措施之后，SARS-CoV-2感染的人数和相关的死亡人数正在稳步减少。这一事实，加上不可能无限期地维持锁定状态，提出了一个关键问题，即是否有可能基于定量分析设计退出策略。在严格的数学结果指导下，我们证明了这的确是可能的：我们提供了一种可靠的数值算法，该算法可以计算由于将联系数增加给定倍数而导致的死亡总数，仅使用输入作为输入。锁定期间所有可用数据中最可靠的数据，即累计死亡人数。
COVID-19与全球经济增长：采用大流行病的新古典主义增长模型进行政策模拟
原文标题： COVID-19 and Global Economic Growth: Policy Simulations with a Pandemic-Enabled Neoclassical Growth Model
地址： http://arxiv.org/abs/2005.13722
作者： Ian M. Trotter, Luís A. C. Schmidt, Bruno C. M. Pinto, Andrezza L. Batista, Jéssica Pellenz, Maritza Isidro, Aline Rodrigues, Attawan G. S. Suela, Loredany Rodrigues
摘要： 在2019/2020年COVID-19大流行期间，当局采取了临时性临时政策措施，例如封锁和大规模隔离，以减缓其传播。但是，人们对广泛使用这些空前措施的后果知之甚少。为了有助于理解此类政策措施的经济和人类后果，因此，我们构建了在大流行影响下的经济数学模型，选择参数值来代表受COVID-19影响的全球经济，并执行通过模拟大量可能的政策响应进行数值实验。通过在模拟方案中更改策略干预的开始日期，我们发现最有效的策略干预发生在活动感染数量以最高速度增长时。由于我们假设产量下降和感染率降低之间存在很强的凹入关系，因此在一定阈值以上的干预程度似乎不会对模拟结果产生很大影响。我们的实验进一步表明，干预应该持续到感染率降低所确定的峰值之后。该模型及其实施，以及我们从政策试验中获得的一般见识，可以帮助决策者在面对严重的大流行时制定有效的紧急政策应对措施，并有助于我们理解经济增长与传染病传播之间的关系。
使用IBM SEIR模型在无标度网络上量化隔离的影响
原文标题： Quantifying the effects of quarantine using an IBM SEIR model on scalefree networks
地址： http://arxiv.org/abs/2005.14127
作者： Vitor M. Marquioni, Marcus A.M. de Aguiar
摘要： COVID-19大流行导致多个国家诉诸社会隔离，这是减慢病毒传播并控制卫生系统的唯一已知方法。在这里，我们使用基于个人的模型（IBM）研究隔离的时间，开始日期和隔离强度如何影响感染曲线峰值的高度和位置。我们表明，模型动力学固有的随机效应会导致同一组参数的结果可变，因此计算每个结果的概率至关重要。为了简化分析，我们仅将结果分为两类，我们称之为最佳和最差情况。尽管长期密集的隔离是结束这一流行病的最佳方法，但在实践中很难实施。在这里，我们表明，相对较短和密集的隔离期对于拉平感染曲线甚至杀死病毒也非常有效，但是这种结果的可能性很小。另一方面，强度相对较低的长隔离区可以延迟感染高峰并以50％以上的概率显著减小感染高峰，这是比短期内完全锁定更有效的策略。
桥节点在流行病传播中的作用：不同的制度和交叉
原文标题： The role of bridge nodes in epidemic spreading: different regimes and crossovers
地址： http://arxiv.org/abs/2005.14170
作者： Jing Ma, Lucas D. Valdez, Lidia A. Braunstein
摘要： 幂律行为在许多学科中都很常见，尤其是在网络科学中。现实世界中的网络，例如疾病在人与人之间的传播，更可能是相互联系的社区，并且比孤立的网络具有更丰富的幂律行为。在本文中，我们研究了两个社区的系统，这两个系统之间通过桥节点的一部分 r 之间的桥链接相连，并研究了桥节点对敏感感染恢复模型最终状态的影响，方法是将其映射到链接渗滤。通过保持固定的平均连通性，但允许内部和网桥链路具有不同的传输率，我们在理论上得出最终状态下已恢复 R 的总分数的不同幂律渐近行为，因为 r 变为零，对于不同内部和桥链接的传输率的组合。我们还找到了交叉点，当内部传输率低于但接近其临界值时，对于不同的桥链接传输率， R 遵循不同的幂律行为，并且在两端都有 r 。所有这些幂律行为都可以通过不同的机制来解释，即每个社区中的有限集群如何连接到整个系统的庞大组成部分，并使我们能够选择有效的流行病策略并更好地预测其影响。
从医疗急救电话中预测Covid-19流行病的本地进展：以巴黎地区为例
原文标题： Forecasting the local progression of the Covid-19 epidemic from medical emergency calls: the example of the Paris area
地址： http://arxiv.org/abs/2005.14186
作者： Stéphane Gaubert, Marianne Akian, Xavier Allamigeon, Marin Boyet, Baptiste Colin, Théotime Grohens, Laurent Massoulié, David P. Parsons, Frédéric Adnet, Érick Chanzy, Laurent Goix, Frédéric Lapostolle, Éric Lecarpentier, Christophe Leroy, Thomas Loeb, Jean-Sébastien Marx, Caroline Télion, Laurent Tréluyer, Pierre Carli
摘要： 我们通过分析该地区四个中央部门的EMS紧急医疗电话（SAMU 75、92、15、15、15号中心），描绘了巴黎地区2020年3月至4月危机期间Covid-19流行病的演变93和94）。我们的研究揭示了这些部门之间的巨大差异。我们提供了一种基于流行病可观察物对数的分段线性近似的算法，允许人们监视流行病。我们的方法结合了来自多个数学领域的思想：热带几何，Perron-Frobenius理论，概率和优化，种群动态中的PDE迁移。
巴西的城市规模和COVID-19的传播
原文标题： City size and the spreading of COVID-19 in Brazil
地址： http://arxiv.org/abs/2005.13892
作者： Haroldo V. Ribeiro, Andre S. Sunahara, Jack Sutton, Matjaz Perc, Quentin S. Hanley
摘要： 当前的2019年冠状病毒疾病（COVID-19）爆发是前所未有的例证，说明传染病在全球（特别是在城市地区）传播的速度有多快，以及它对公共卫生和社会经济活动造成的巨大影响。尽管最近对COVID-19大流行的不同方面进行了大量调查，但我们仍然对城市规模对这种疾病在城市中传播的影响知之甚少。在这里，我们调查了COVID-19的病例和死亡人数如何随巴西城市人口的增长而变化。我们的结果表明，大城市受COVID-19的影响更大，因此，人口每增加1％，人均病例数增加0.57％，人均死亡数增加0.25％。病例数和死亡人数之间的差异表明，病死率随城市规模而降低。最新估计显示，与COVID-19相比，死亡率上升1％，病死率降低0.14％。但是，这种城市优势随着时间的推移而下降。我们认为这是由于在大城市中存在更多的医疗基础设施，而在大城市中老年人的比例较低。我们还发现在大城市，病例和死亡的初始增长率更高；但是，在大流行的长期过程中，这些增长率在大城市中趋于下降而在小城市中呈上升趋势。
LoopX：可视化并了解动态模型行为的起源
原文标题： LoopX: Visualizing and understanding the origins of dynamic model behavior
地址： http://arxiv.org/abs/1909.01138
作者： William Schoenberg
摘要： 结构导致行为是系统动力学的基本原则。清楚地将两者联系起来是反馈模型广泛使用的障碍之一，因为它通常取决于大量模型构建者不容易接近的实质性实验或专业分析技术的应用。LoopX是一种工具，可通过在行为展开时渲染并突出显示负责行为的结构，从而在确定行为时建立对结构的理解。该工具建立在Loops that Matter（Schoenberg 2019）方法上，该方法通过在易于使用，交互式，基于Web的软件中展示应用该理论的结果来分析环路优势。这是在自动可视化模型行为并将其链接到Sterman（2000）中确定的生成结构的挑战中迈出的重要一步。 LoopX可用于根据链接和变量的动态重要性从不同细节级别的模型方程式机加工生成高质量因果回路图，并根据它们在回路支配地位的重要性对其进行动画处理。提供了一些示例来说明该工具的全面性和易用性，这些重要属性支持该工具的广泛采用。
用于一致性大量新闻流事件检测的复杂网络
原文标题： Complex networks for event detection in heterogeneous high volume news streams
地址： http://arxiv.org/abs/2005.13751
作者： Iraklis Moutidis, Hywel T.P. Williams
摘要： 检测大量新闻流中的重要事件是各种目的的重要任务。在线新闻的数量和速度增加了对可以实时运行的自动事件检测方法的需求。在本文中，我们开发了一种基于网络的方法，该方法假定重要新闻事件始终涉及新闻文章中链接的命名实体（例如人，位置和组织）。我们的方法使用自然语言处理技术来检测新闻流中的这些实体，然后创建带有时间戳的一系列网络，其中，检测到的实体通过文章和句子中的共现链接在一起。在该原型中，随时间跟踪加权节点度，并使用变化点检测来定位重要事件。通过在KeyGraph上进行社区检测来表征和区分潜在事件，这些图将命名实体与相关文章中的信息性名词短语相关联。这种方法已经产生了可喜的结果，并将在未来扩展到包括更广泛的各种复杂网络分析技术。
在不知道连接的情况下评估中心性
原文标题： Assessing Centrality Without Knowing Connections
地址： http://arxiv.org/abs/2005.13787
作者： Leyla Roohi, Benjamin I. P. Rubinstein, Vanessa Teague
摘要： 我们考虑了以自我中心的介数中心性中心度（EBC）衡量的分布式社会网络中节点影响的隐私保护计算。受跨越多个提供商的现代通信网络的启发，我们首次展示了多个互不信任的方如何成功地计算节点EBC，同时仅显示有关其内部网络连接的差异私有信息。理论上的效用分析上限极有可能导致私人EBC错误的主要来源-自我释放自我网络。经验结果表明，在Facebook图表上，在强大的隐私预算 epsilon = 0.1 的情况下，具有相对较低的1.07相对误差即可实现实用性，并且随着网络提供商方数量的增加，性能的下降也很小。
揭示网络分区之间的共识和分歧
原文标题： Revealing consensus and dissensus between network partitions
地址： http://arxiv.org/abs/2005.13977
作者： Tiago P. Peixoto
摘要： 社区检测方法试图将网络分成共享相似属性的节点组，从而揭示其大规模结构。采用这种方法时的主要挑战是它们经常退化，通常会产生竞争性答案的复杂情况。为了从大量替代解决方案中获取理解，存在许多方法可以通过总结总分布的单个分区“点估计”的形式在它们之间建立共识。在这里，我们表明，当基础分布过于异构时，通常无法从此类点估计中获得一致的答案。作为替代方案，我们提供了一套全面的方法，旨在以既捕获现有共识，又捕获总体元素之间的分歧的方式来表征和汇总复杂的分区总体。我们的方法能够对多个共识可以共存的分区混合分区进行建模，从而代表网络结构的不同竞争假设。我们还将展示如何使用我们的方法来比较分区对，如何将它们推广到层次划分，以及如何在竞争假设之间执行统计模型选择。
全球恐怖主义数据的高阶时间分析
原文标题： Higher Order Temporal Analysis of Global Terrorism Data
地址： http://arxiv.org/abs/2005.14002
作者： Madelyn Dunning, Sumit Purohit
摘要： 时间网络是描述任何复杂系统的活动，关系和演化的基本且灵活的方式。全球恐怖主义是近来最大的担忧之一。它也是随时间变化的时间网络的一个示例。图分析可用于探索恐怖主义网络的显著特征，以了解其作案手法，全球安全和政府实体联盟可利用该方法来对这种威胁作出协调响应。我们提供基于图的分析，以了解使用全球恐怖主义数据库（GTD）的全球恐怖主义的时间演变。
Darkweb：社会网络异常
原文标题： The darkweb: a social network anomaly
地址： http://arxiv.org/abs/2005.14023
作者： Kevin P. O'Keeffe, Virgil Griffith, Yang Xu, Paolo Santi, Carlo Ratti
摘要： 我们分析了暗网，发现其结构异常。例如， sim 87 ％的深色网站 emph never链接到另一个站点。因此，将Darkweb称为“ web”是用词不当-最好将其描述为一组高度隔离的黑暗筒仓。正如我们通过与万维网（www）的详细比较所显示的那样，这种孤立的结构与其他社会网络高度不同，这表明Darkweb用户的社交行为与www用户的社交行为有很大不同。我们显示了一个通用的优先连接模型可以部分解释Darkweb的奇怪拓扑，但是对于其用户的异常行为的理解仍然遥不可及。我们的结果与网络科学家，社会科学家和其他对大量主体商的社会互动感兴趣的研究人员有关。
POLUSA数据集：90万个考虑时间和网点人气影响的政治新闻文章
原文标题： The POLUSA Dataset: 0.9M Political News Articles Balanced by Time and Outlet Popularity
地址： http://arxiv.org/abs/2005.14024
作者： Lukas Gebhard, Felix Hamborg
摘要： 涉及政策问题的新闻报道是社会科学中必不可少的信息来源，也经常用于其他用例，例如，训练NLP语言模型。为了从新闻的分析中获得有意义的见解，需要大的数据集来表示现实世界的分布，例如，相对于所包含的网点的流行程度，局部地或跨时间地。经常需要有关媒体出版商的政治倾向的信息，例如，研究整个政治范围内新闻报道的差异，这是社会科学在研究媒体偏见和相关社会问题时的主要用例之一。关于这些要求，现有的数据集存在重大缺陷，导致研究界为创建数据集而进行了多余且繁琐的工作。为了填补这一空白，我们提出了POLUSA，这是一个数据集，代表了美国普通新闻消费者所感知的在线媒体格局。数据集包含90万篇文章，涵盖2017年1月至2019年8月之间由代表政治领域的18个新闻媒体发布的政策主题。每个出口都以其政治倾向来标记，这是我们使用八个数据源的系统汇总得出的。新闻数据集在发布日期和发行人气方面保持平衡。 POLUSA可以研究各种主题，例如媒体效果和政治党派。由于其规模，数据集允许利用数据密集型深度学习方法。
保护社交平台撤回帖子的欺骗性删除
原文标题： Deceptive Deletions for Protecting Withdrawn Posts on Social Platforms
地址： http://arxiv.org/abs/2005.14113
作者： Mohsen Minaei, S Chandra Mouli, Mainack Mondal, Bruno Ribeiro, Aniket Kate
摘要： 在线社交平台上普遍存在措辞不佳的想法和个人信息的共享。在许多情况下，用户后悔发布此类内容。为了追溯纠正用户共享决策中的这些错误，大多数平台都提供（删除）机制来撤消内容，社交媒体用户经常使用它们。具有讽刺意味的是，也许不幸的是，这些删除使用户更容易受到恶意行为者的侵犯隐私的侵害，这些恶意行为者专门追捕大规模的帖子删除。进行此类搜寻的原因很简单：删除帖子可作为有力的信号，表明该帖子可能对其所有者造成损害。今天，多个档案服务已经在社交媒体上扫描这些删除的帖子。而且，正如我们在这项工作中演示的那样，强大的机器学习模型可以大规模检测破坏性删除。为了限制这样的全球对手反对用户被遗忘的权利，我们引入了欺骗性删除（Deceptive Deletion），这是一种使对手优势最小化的诱饵机制。我们的机制注入了诱饵删除，从而在试图对已删除帖子中的破坏性内容进行分类的对手与采用诱饵删除来伪装真实破坏性删除的挑战者之间创建了两人博弈，最大博弈。我们将两个玩家之间的欺骗性博弈正式化，确定对手或挑战者可取胜的条件，并讨论这两个极端之间的情况。我们将欺骗性删除机制应用于Twitter上的实际任务：隐藏破坏性的推文删除。我们表明，强大的挑战者可以击败强大的全球对手，显著提高标准，并为在社交平台上真正被遗忘的能力带来一线希望。
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