- COVID-19传播中的空间传递和异质性的简约模型;
- 与社交媒体中的COVID-19信息流行病作斗争：整体视角和冲突准备;
- 全球范围内航空运输连通性与COVID-19案例之间的同步程度;
- SIRS模型的异质性学习：在COVID-19中的应用;
- 中国针对COVID-19大流行的遏制措施调查;
- 印度COVID-19大流行的锁定影响和退出策略;
- 通过深度网络表示学习进行比特币交易预测;
- 仅具有属性信息的节点的归纳链路预测;
- 算法排名中的政治受众多样性和新闻可靠性;
- 利用社区特定语言特征和个人价值相关性预测社交媒体用户的个人价值;
- 维基百科关于有争议主题的网络偏见;
- 通过共享自行车车队进行空气质量控制;
- 欧洲可再生能源系统中的区域股权成本和Autarky;
- 通过碳回收义务为永久性二氧化碳处置提供可持续资金;
- 对称性与金融市场;
COVID-19传播中的空间传递和异质性的简约模型
原文标题： A parsimonious model for spatial transmission and heterogeneity in the COVID-19 propagation
地址： http://arxiv.org/abs/2007.08002
作者： Lionel Roques, Olivier Bonnefon, Virgile Baudrot, Samuel Soubeyrand, Henri Berestycki
摘要： 关于国家一级累计死亡人数的原始数据通常表明COVID-19疾病的发病率在空间上分布。一个重要的问题是确定在爆发过程中这种空间格局是否是环境异质性（例如气候条件）的结果。另一个基本问题是了解COVID-19的空间扩散。为了解决这些问题，我们考虑了四种候选流行病学模型，这些模型在初始条件，接触率和非本地传播方面具有不同的复杂性，并通过混合概率ODE方法使它们适合法国的死亡率数据。使用标准的统计标准，我们选择具有非本地传输的模型，该模型与依赖于地理位置的县图上的扩散相对应，具有随时间变化的接触率和空间常数参数。这种最初的空间简约模型表明，在法国这样的地理上中等规模的集权国家中，一旦流行病一旦建立，诸如限制政策，卫生措施和社会隔离等全球进程的影响就压倒了当地因素的影响。此外，这种建模方法揭示了潜在的流行病学动态，包括局部免疫水平，并允许我们评估非局部相互作用对疾病未来传播的作用。鉴于其理论和数值上的简便性以及准确跟踪COVID-19流行曲线的能力，我们在此开发的框架，特别是非局部模型和相关的估计程序，对于研究流行病的空间动力学具有普遍意义。
与社交媒体中的COVID-19信息流行病作斗争：整体视角和冲突准备
原文标题： Fighting the COVID-19 Infodemic in Social Media: A Holistic Perspective and a Call to Arms
地址： http://arxiv.org/abs/2007.07996
作者： Firoj Alam, Fahim Dalvi, Shaden Shaar, Nadir Durrani, Hamdy Mubarak, Alex Nikolov, Giovanni Da San Martino, Ahmed Abdelali, Hassan Sajjad, Kareem Darwish, Preslav Nakov
摘要： 随着COVID-19大流行的爆发，人们转向社交媒体阅读和共享及时的信息，包括统计数据，警告，建议和鼓舞人心的故事。不幸的是，除了所有这些有用的信息之外，医疗和政治错误信息与虚假信息也进行了新的融合，从而引发了全球首个信息流行病。虽然通常从事实的角度来考虑与这种信息流行作斗争，但问题范围更为广泛，因为恶意内容不仅包括假新闻，谣言和阴谋论，而且还包括对假疗法，恐慌，种族主义，仇外心理和对信任的不信任的宣传。当局，等等。这是一个复杂的问题，需要采取综合的方法，结合记者，事实检查人员，政策制定者，政府实体，社交媒体平台以及整个社会的观点。考虑到它们，我们定义了一个注释架构和详细的注释说明，它们反映了这些观点。我们使用此模式执行了初始注释，并且我们的初始实验表明在基线上有相当大的改进。现在，我们通过支持我们的众包注释工作，向研究界及其他地区发出武装呼吁。
全球范围内航空运输连通性与COVID-19案例之间的同步程度
原文标题： On the degree of synchronization between air transport connectivity and COVID-19 cases at worldwide level
地址： http://arxiv.org/abs/2007.08412
作者： Xiaoqian Sun, Sebastian Wandelt, Anming Zhang
摘要： 当前COVID-19的爆发是航空运输中前所未有的事件。众所周知，航空运输在大流行的蔓延中起着关键作用，但这可能是全球航空首次在大流行的全球范围内蔓延，据报道有500,000多人死于这种感染。在这项研究中，我们对航空运输的作用以及整个持续的大流行期间航空运输系统的变化进行了分析。主要的决策者是国家（政府）和航空公司，他们主要参与旅行禁令的制定和实施。在这里，我们通过分析特定国家/地区报告的案件数量与这些国家/地区对航空运输业务的反应方式/时间之间的同步程度，来关注国家的作用。我们的研究还提供了关于国家一级COVID-19大流行对航空业影响的综合实证分析。希望这项研究可以对预防和控制其他类型的未来波或大流行产生新的见解。
SIRS模型的异质性学习：在COVID-19中的应用
原文标题： Heterogeneity Learning for SIRS model: an Application to the COVID-19
地址： http://arxiv.org/abs/2007.08047
作者： Guanyu Hu, Junxian Geng
摘要： 我们提出了一种针对易感感染去除易感性（SIRS）模型的贝叶斯异质性学习方法，该方法允许不同地区之间最新的冠状病毒（COVID-19）的传播率，恢复率和免疫力丧失的潜在聚类模式。我们提出的方法同时提供了参数估计和包含集群数量和集群配置的集群信息的推断。具体来说，我们的关键思想是将SIRS模型公式化为分层形式，并为混合性学习分配有限混合先验混合物。检验了所提出模型的性质，并使用马尔可夫链蒙特卡洛采样算法从后验分布中进行采样。进行了广泛的仿真研究，以检验所提出方法的经验性能。我们还将应用所提出的方法论来分析美国的州级COVID-19数据。
中国针对COVID-19大流行的遏制措施调查
原文标题： An Investigation of Containment Measures Against the COVID-19 Pandemic in China
地址： http://arxiv.org/abs/2007.08254
作者： Ji Liu, Xiakai Wang, Haoyi Xiong, Jizhou Huang, Siyu Huang, Haozhe An, Dejing Dou, Haifeng Wang
摘要： 随着最近的COVID-19疫情在世界范围内迅速扩展，已采取了多种遏制措施来对抗COVID-19大流行。在中国，遏制措施包括三种类型，即武汉旅行禁令，城市内隔离和隔离以及城市间旅行限制。为了执行这些措施，地方经济和信息获取起着重要作用。在本文中，我们研究了当地经济与信息获取在执行遏制措施以对抗中国COVID-19大流行方面的相关性。首先，我们使用简约模型（即SIR-X模型）来估算参数，这些参数代表了中国主要城市的城市内隔离和隔离的执行情况。为了了解城市内隔离和隔离的执行情况，我们分析了代表性参数之间的相关性，包括当地经济，流动性和信息获取。为此，我们从广泛使用的网络制图服务（即百度地图和网络搜索引擎）收集了国内生产总值（GDP），武汉的流入量和流出量以及与COVID-19相关的搜索频率的数据，即中国的百度搜索引擎。在分析的基础上，我们确定了中国主要城市的地方经济与信息获取的执行之间的密切相关性。我们进一步证明，尽管人均GDP较高的城市吸引了更多来自武汉的资金流入，但人们更有可能实施隔离措施并减少向其他城市的出境。最后，使用搜索数据进行的相关性分析表明，消息灵通的人很可能会采取遏制措施。
印度COVID-19大流行的锁定影响和退出策略
原文标题： Lockdown Impact and Exit Strategy for COVID-19 Pandemic in India
地址： http://arxiv.org/abs/2007.07988
作者： Madhab Barman, Snigdhashree Nayak, Manoj K. Yadav, Soumyendu Raha, Nachiketa Mishra
摘要： COVID-19是一种病毒性传染病，已迅速成为一种全球性大流行病，感染了全球数百万人并造成大量死亡。这种疾病的症状差异很大。根据症状，被感染者大致分为两类，即无症状和有症状。无症状个体表现出轻度或无症状，但继续将感染传播给其他健康个体。无症状感染的这一特定方面在控制和控制传染病的传播方面构成了主要障碍。在本文中，我们尝试在各种干预策略下对COVID-19在印度的传播进行数学建模。我们考虑将SEIR类型的流行病学模型与印度特定的社会接触矩阵相结合，来代表人口不同年龄组之间的接触结构，以研究各种因素的影响，即渐进个体的存在，锁定策略，社会距离，隔离和住院，关于疾病的传播。可以看到我们的模型与2020年5月15日之前印度的真实COVID-19数据匹配。
通过深度网络表示学习进行比特币交易预测
原文标题： Bitcoin Transaction Forecasting with Deep Network Representation Learning
地址： http://arxiv.org/abs/2007.07993
作者： Wenqi Wei, Qi Zhang, Ling Liu
摘要： 比特币及其用于数字货币交易的去中心化计算范式是21世纪最具破坏性的技术之一。本文提出了一种通过利用深度神经网络学习比特币交易网络表示形式来开发比特币交易预测模型DLForecast的新颖方法。 DLForecast做出了三项原始贡献。首先，我们探索比特币交易账户之间的三个有趣的属性：比特币账户的拓扑连接模式，交易金额模式和交易动态。其次，我们构建了一个时间衰减的可达性图和一个时间衰减的交易模式图，旨在捕获不同类型的时空比特币交易模式。第三，我们在两个图上均采用了节点嵌入，并基于具有内置时间衰减因子的历史交易，在用户账户之间开发了一个比特币交易预测系统。为了保持有效的交易预测性能，我们利用乘法模型更新（MMU）集合来组合基于从每个对应的比特币交易图中提取的不同交易特征构建的预测模型。通过对现实世界中的比特币交易数据进行评估，我们表明，与基于静态的预测模型相比，我们的时空预测模型高效，运行时间快且预测精度超过60％时有效，并且将预测性能提高了50 %%图基线。
仅具有属性信息的节点的归纳链路预测
原文标题： Inductive Link Prediction for Nodes Having Only Attribute Information
地址： http://arxiv.org/abs/2007.08053
作者： Yu Hao, Xin Cao, Yixiang Fang, Xike Xie, Sibo Wang
摘要： 预测两个节点之间的链接是图数据分析的基本问题。在属性图中，结构和属性信息均可用于链路预测。现有的大多数研究都集中在两个节点都已经在图中的转导链路预测上。但是，许多实际应用程序需要对仅具有属性信息的新节点进行归纳预测。由于新节点没有结构信息并且在模型训练期间无法看到，因此更具挑战性。为了解决这个问题，我们提出了一个称为DEAL的模型，该模型包括三个部分：两个节点嵌入编码器和一个对齐机制。这两种编码器旨在输出面向属性的节点嵌入和面向结构的节点嵌入，并且对齐机制将两种类型的嵌入对齐以在属性和链接之间建立连接。我们的模型DEAL具有通用性，因为它既可用于归纳链路预测又可用于传递链路预测。在几个基准数据集上进行的大量实验表明，我们提出的模型显著优于现有的归纳链路预测方法，并且也胜过了有关转导链路预测的最新方法。
算法排名中的政治受众多样性和新闻可靠性
原文标题： Political audience diversity and news reliability in algorithmic ranking
地址： http://arxiv.org/abs/2007.08078
作者： Saumya Bhadani, Shun Yamaya, Alessandro Flammini, Filippo Menczer, Giovanni Luca Ciampaglia, Brendan Nyhan
摘要： 新闻提要算法经常会放大错误信息和其他低质量的内容。社交媒体平台如何更有效地推广可靠信息？现有方法难以扩展并且容易受到操纵。在本文中，我们建议使用网站受众群体的政治多样性作为质量信号。我们使用来自领域专家的新闻来源可靠性评级和来自6,890名美国公民的不同样本的网络浏览数据，首先表明，具有极端极端性和较少政治多样性的受众的网站的新闻水平较低。然后，我们将受众群体多样性纳入标准的协作过滤框架中，并表明我们改进的算法提高了向用户（尤其是那些经常使用错误信息的用户）建议的网站的可信度，同时使建议保持相关性。这些发现表明，党派观众的多样性是新闻水平更高的宝贵信号，应将其纳入算法排名决策。
利用社区特定语言特征和个人价值相关性预测社交媒体用户的个人价值
原文标题： On Predicting Personal Values of Social Media Users using Community-Specific Language Features and Personal Value Correlation
地址： http://arxiv.org/abs/2007.08107
作者： Amila Silva, Pei-Chi Lo, Ee-Peng Lim
摘要： 个人价值观对个人的行为，偏好和决策有重要影响。因此，一个人的个人价值观会影响他或她的社交媒体内容和活动就不足为奇了。研究人员没有让用户完成个人价值调查问卷，而是研究了一种非侵入性且高度可扩展的方法来使用用户生成的社交媒体数据预测个人价值。然而，在设计这样的预测模型时，单词使用和简档信息的地理差异是需要解决的问题。在这项工作中，我们专注于分析新加坡用户的个人价值，并开发有效的模型以使用其Facebook数据预测其个人价值。这些模型利用语言查询和单词计数（LIWC）中的单词类别以及个人价值之间的相关性。 LIWC单词类别适用于新加坡的非英语单词使用。我们将个人价值之间的相关性整合到我们提议的堆栈模型中，该模型由特定于任务的基础模型层和十字绣层模型组成。通过实验，我们证明了我们提出的模型可以预测个人价值，与以前的工作相比，准确性会大大提高。此外，我们使用堆栈模型来预测Twitter大用户使用其公共推文内容的个人价值，并根据社会科学和社交媒体文献中的早期发现，通过经验得出有关其在线行为的一些有趣发现。
维基百科关于有争议主题的网络偏见
原文标题： Wikipedia's Network Bias on Controversial Topics
地址： http://arxiv.org/abs/2007.08197
作者： Cristina Menghini, Aris Anagnostopoulos, Eli Upfal
摘要： Wikipedia的最重要功能是页面中存在超链接。链接的放置是人们协作的产物，因此Wikipedia自然地继承了人类的偏见。由于链接的配置对用户的导航会话具有很大的影响，因此，需要验证一个给定的主题，即超链接的网络不会使用户仅看到主题的一侧。维基百科的主题诱导网络阻止了用户发现问题的不同方面，因此存在结构性偏见。在这项工作中，我们定义了静态结构偏差（该结构偏差指示对比倾斜的页面之间的连接强度是否相同），以及动态结构偏差（该结构偏差量化了用户在其导航会话过程中面临的网络水平偏差）。我们对几个有争议的主题的结构性偏见的测量结果表明了这种偏见的存在，表明用户从其起始位置到达相反倾向页面的可能性很小，并且他们浏览Wikipedia时所表现出的偏见要比基线预期的要严重得多。我们的发现提高了问题的相关性，并为开发自动测量和建议超链接位置的系统铺平了道路，这些位置可以最大程度地减少结构偏差的存在和影响。
通过共享自行车车队进行空气质量控制
原文标题： Air Quality Control through Bike Sharing Fleets
地址： http://arxiv.org/abs/2007.08305
作者： Stefan Ciprian Voinea, Armir Bujari, Claudio Enrico Palazzi
摘要： 空气质量和微小物质的存在是人类健康的关键因素，特别是在考虑城市情景时。在这种情况下，智能移动性与低成本传感器相结合，可以为社会感知创造一个分布式，可持续的平台，从而能够向市民和公共行政部门提供普适的数据。然后，经验证据可以支持可持续发展和生态意识的决策，从而改善生活和城市管理。在本文中，我们介绍ArduECO，这是一个简单的基于Arduino的无线设备，能够收集空气质量数据。不失一般性，我们将设备设计为可安装在自行车上的盒子。这样，除了私人自行车之外，市政当局还可以将其共享自行车的车队用作普及的传感系统。
欧洲可再生能源系统中的区域股权成本和Autarky
原文标题： Costs of Regional Equity and Autarky in a Renewable European Power System
地址： http://arxiv.org/abs/2007.08379
作者： Fabian Neumann
摘要： 在规划未来的能源系统时，社会认可是一个多方面的考虑因素，但通常很难内生地解决。一个关键方面涉及投资的空间分布。在这里，我评估了在完全可再生的欧洲电力系统中，在国家和地区之间更均匀地共享基础架构的开发时，成本影响和最佳系统组成的变化。我故意偏离了由资源引起的最佳成本，转向了在发电方面更为公平和自给自足的解决方案。该分析采用开放式优化模型PyPSA-Eur。我表明，成本最优的解决方案会导致资产分配非常不均匀，但是在全国范围内可以实现更统一的扩张计划，而很少花费4％以下的额外费用。然而，没有动力传输的完全自给自足的解决方案显得更加昂贵。
通过碳回收义务为永久性二氧化碳处置提供可持续资金
原文标题： Sustainable financing of permanent CO2 disposal through a Carbon Takeback Obligation
地址： http://arxiv.org/abs/2007.08430
作者： Stuart Jenkins, Eli Mitchell-Larson, Stuart Haszeldine, Myles Allen
摘要： 除非在全球范围内立即减少碳密集型能源和产品的需求，这是前所未有的，否则，到本世纪中叶之前，每年将需要捕获和永久储存数十亿吨二氧化碳（CO2），才能实现《巴黎协定》的目标。然而，来自廉价，临时碳存储的竞争意味着永久性处置仍然缺乏投资，目前约占能源和工业过程（EIP）排放量的0.1％。此存储的分数必须达到100％，才能阻止EIP引起全球变暖。在这里，我们表明，通过对化石燃料生产商和进口商进行渐进的碳回收义务（CTO）来强制要求增加的存储分数，可以实现具有成本效益的过渡。到2040年代，消费者的预计存储成本低于在传统的1.5℃情景下的碳排放定价，此后可比或更低。 CTO与减少二氧化碳排放量的措施相结合，将为实现净零排放提供最低风险。
对称性与金融市场
原文标题： Symmetry and financial Markets
地址： http://arxiv.org/abs/2007.08475
作者： Jørgen Vitting Andersen, Andrzej Nowak
摘要： 诺贝尔奖获得者P.W.暗示了一个事实，即对称性概念在物理学的每个领域都具有重要意义。安德森（Anderson）曾经写过物理学是对称性的研究。一般而言，对称性概念广泛用于科学领域，但很少（即使不是几乎没有）应用进入金融领域。仍然，这种现象在例如买卖金融股份的决策中可能会发生的战略对称性方面显得很相关。因此，博弈论是寻求对称性的一个明显途径，但是正如将要展示的那样，技术分析和长期经济增长也可能是显示对称性特征的现象。
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