- 病毒传播分析：随机流行病学模型的转变模型表示;
- 天气影响中国大陆COVID-19的爆发;
- 随机图上的感染传播：COVID-19的渗流模型;
- 改进流行病学模型以了解COVID-19对弱势个体的不均衡影响以及帮助他们摆脱锁定状态所需的方法;
- COSRE：COVID-19大流行的社区暴露风险估算;
- 适应性出行政策对城市环境中COVID-19传播的影响：韩国首尔的干预分析;
- COVID-ABS：基于主体的COVID-19流行病模型，用于模拟社交距离干预的健康和经济影响;
- SIR模型假设用于COVID-19在不同社区的传播;
- 在COVID-19大流行期间模拟室内水平的非药物干预措施：基于行人动力学的微观模拟方法;
- COVID-19期间的非洲冲突：社会疏远、粮食脆弱性和福利响应;
- 在社交媒体平台中识别抱怨推文的迭代方法;
- 当场捉住他们：社交媒体上的实时攻击检测;
- 使用情感信息抢先检测在线会话中的有毒评论;
- 子图神经网络;
- 专家对物理学论文进行了里程碑式的分配，衡量破坏性的几种指标的收敛效度;
- 基于命名行为建模的多视图方法，用于跨多个网络对齐中文用户帐户;
- 通过Twitter评估美国城市公园的幸福感;
- 模拟包装和开裂;
- 未来美国电网的异功能图弹性;
- 通过QUBO和数字退火进行市场图聚类;
- 社会网络等价性的统一框架;
- 科学和算法的（非）中立性：基础物理学与社会之间的机器学习;
病毒传播分析：随机流行病学模型的转变模型表示
原文标题： Analysis of Virus Propagation: A Transition Model Representation of Stochastic Epidemiological Models
地址： http://arxiv.org/abs/2006.10265
作者： Christian Gourieroux, Joann Jasiak
摘要： 越来越多的关于COVID-19传播的文献依赖于各种动态SIR类型模型（易感感染恢复），这些模型会产生依赖模型的结果。为了透明和便于比较结果，我们介绍了SIR型随机流行病学模型的通用表示形式。这种表示是一个离散的时间转变模型，它使我们可以根据状态（区）的数量及其解释对流行病学模型进行分类。此外，过渡模型消除了本文中指出的确定性连续时间流行病学模型的一些限制。我们还表明，所有SIR类型的模型都具有非线性（伪）状态空间表示，并且可以轻松地通过扩展卡尔曼滤波器进行估计。
天气影响中国大陆COVID-19的爆发
原文标题： The Weather Impacts the Outbreak of COVID-19 in Mainland China
地址： http://arxiv.org/abs/2006.10376
作者： Siyu Huang, Ji Liu, Haoyi Xiong, Jizhou Huang, Haozhe An, Dejing Dou
摘要： 最近的文献表明，气候条件对冠状病毒COVID-19的传播具有相当重要的影响。但是，缺乏全面的研究来调查多种天气因素与COVID-19大流行的发展之间的关系，同时又不考虑社会因素的影响。本文研究了六种主要天气因素与中国大陆250个城市的COVID-19感染统计之间的关系。我们使用天气和感染统计资料进行的相关性分析表明，所有研究的天气因素均与COVID-19的传播相关，其中降水显示出最大的相关性。我们还建立了一个天气感知的预测模型，该模型可以预测在中国大陆爆发第二波暴发时的感染病例数。我们的预测结果表明，位于不同地理区域的城市可能会在非常不同的时间段受到第二波COVID-19的挑战，并且暴发的严重程度在很大程度上与天气条件相对应。
随机图上的感染传播：COVID-19的渗流模型
原文标题： Spreading of infections on random graphs: A percolation-type model for COVID-19
地址： http://arxiv.org/abs/2006.10490
作者： Fabrizio Croccolo, H. Eduardo Roman
摘要： 我们使用渗流理论的概念在网络上介绍一种流行病传播模型。该模型的动机是讨论标准SIR模型，并扩展以描述总体内锁定的影响。使用与SIR方案相同的锁定方案实现的晶格模型的基本思想和行为，将进行详细讨论并通过大量仿真进行说明。针对美国的COVID-19数据，对这两种模型进行了比较。两者都与经验数据非常吻合，但是两种方法之间出现了一些差异，这表明对广泛的SIR模型使用替代方法很有用。
改进流行病学模型以了解COVID-19对弱势个体的不均衡影响以及帮助他们摆脱锁定状态所需的方法
原文标题： A Modified Epidemiological Model to Understand the Uneven Impact of COVID-19 on Vulnerable Individuals and the Approaches Required to Help them Emerge from Lockdown
地址： http://arxiv.org/abs/2006.10495
作者： Dario Ortega Anderez, Eiman Kanjo, Ganna Pogrebna, Shane Johnson, John Alan Hunt
摘要： COVID-19在年轻健康个体中已显示出较低的死亡率，该组中的大多数无症状或具有轻度症状，而在具有基本健康状况的个体中该疾病的严重程度已导致全球显著的死亡率。了解不同社会阶层之间的死亡率差异并进行建模，将能够确定不同级别的风险和脆弱性，从而使策略退出锁定状态。但是，流行病学模型无法说明不同人群之间SARS-CoV-2疾病严重程度的差异。为克服此限制，建议采用一个简化的SEIR模型，即SEIR-v，通过该模型，就人群对SARS-CoV-2的脆弱性将其分为两组。当针对社会中的不同群体针对他们的疾病易感性采取不同的竞争措施时，这可以分析流行病的传播。蒙特卡洛模拟表明，通过略微减少弱势群体对该疾病的暴露程度，可以避免大量死亡。通过这种模型，可以提出许多机制来限制易受伤害的个体暴露于该疾病中，从而降低该人群的死亡率。一种选择是为弱势人群和没有接触追踪应用程序的人提供腕带。通过将来自智能手机应用程序和腕带信号的非常密集的联系人跟踪数据与有关感染状态和症状的信息相结合，可以保护弱势人群并使其更加安全。广泛的利用将使保护范围进一步扩展到这些高风险人群之外。
COSRE：COVID-19大流行的社区暴露风险估算
原文标题： COSRE: Community Exposure Risk Estimator for the COVID-19 Pandemic
地址： http://arxiv.org/abs/2006.10497
作者： Ziheng Sun
摘要： 由于病毒基因型的复杂性和人类社会中的随机接触，估计暴露于广泛传播的病毒的潜在风险是一个巨大的挑战。为使公众了解其日常活动中的暴露风险，我们提出了一种基于生日悖论的概率模型，并将其实施到名为COSRE的基于Web的系统中，以估计大流行期间社区公众聚集的暴露风险。暴露风险意味着人们在杂货店，体育馆，图书馆，餐厅，咖啡店，办公室衣服等公共场所遇见潜在COVID宿主的可能性。该模型具有三个输入：实时潜在活跃患者，本地社区，客户在房间里计数。使用COSRE，人们可以通过进行时空分析来探索大流行的可能影响，例如，随着时间的流逝并测试不同人数的人，以查看随着大流行的发展而发生的风险变化。该系统有可能提高我们了解各个社区中准确的暴露风险的能力，并使我们能够制定计划以提高对流感大流行的防范能力和精确应对能力。我们使用空间分析工具，绘制了4月1日至5月15日美国县级的暴露风险。实验表明，该估算模型非常有希望帮助人们在日常工作和日常工作中更精确地进行安全控制。社交生活，并帮助企业动态调整其COVID-19政策以加快恢复速度。
适应性出行政策对城市环境中COVID-19传播的影响：韩国首尔的干预分析
原文标题： The effect of adaptive mobility policy to the spread of COVID-19 in urban environment: intervention analysis of Seoul, South Korea
地址： http://arxiv.org/abs/2006.10526
作者： Yoonjin Yoon, Soohwan Oh, Jungwoo Cho, Yuyol Shin, Seyun Kim, Namwoo Kim, Haechan Cho
摘要： 尽管严格的出行限制被认为是遏制COVID-19的关键因素，但很少有科学研究能够验证这种方法，尤其是在城市环境中。本研究分析了韩国首尔的出行方式变化，这种变化采用了适应性的出行方式。干预分析表明，在该市病例高峰期前两周，确实发生了重大的出行减少。这种自愿调整显示出强烈的偏好从公共交通转向私人模式。购物和餐饮的非必要性和高接触性活动大幅度减少，而工作和星巴克旅行受到的影响较小。集体评估表明，流行病学，流动性和政策的重大变化是同时发生的，没有落后或领先的因素。我们的研究表明，集体理解流动性，流行病学和政策之间的相互关系至关重要。递增和灵活的流动性限制不仅是可能的，而且是必要的，特别是对于大范围的时空规模大流行。
COVID-ABS：基于主体的COVID-19流行病模型，用于模拟社交距离干预的健康和经济影响
原文标题： COVID-ABS: An Agent-Based Model of COVID-19 Epidemic to Simulate Health and Economic Effects of Social Distancing Interventions
地址： http://arxiv.org/abs/2006.10532
作者： Petrônio C. L. Silva, Paulo V. C. Batista, Hélder S. Lima, Marcos A. Alves, Frederico G. Guimarães, Rodrigo C. P. Silva
摘要： SARS-CoV-2冠状病毒引起的COVID-19大流行直接影响了公共卫生和经济。为了克服这个问题，这些国家采取了不同的政策来控制病毒的传播。本文提出了一种基于SEIR主体的新型模型COVID-ABS，该模型旨在使用模仿人员，企业和政府的主体社会来模拟大流行的动态。进行了七种不同的情景，这些情景改变了社交距离干预的流行病学和经济影响，分别是：（1）不采取任何措施，（2）锁定，（3）有条件的锁定，（4）纵向隔离，（5）部分隔离，（6）使用口罩，以及（7）将口罩与50％的粘附力结合使用以隔离社会。由于不可能实施具有最低死亡人数和对经济的最大影响的封锁方案，因此从社会合作角度考虑，结合使用口罩和部分隔离的方案对于实施是更为现实的。通过更改参数以及允许创建许多其他方案，可以轻松地将该模型扩展到新的社会。
SIR模型假设用于COVID-19在不同社区的传播
原文标题： A SIR model assumption for the spread of COVID-19 in different communities
地址： http://arxiv.org/abs/2006.10651
作者： Ian Cooper, Argha Mondal, Chris G. Antonopoulos
摘要： 在本文中，我们研究了由于新型COVID-19疾病的传播而对大流行进行建模的有效性，并开发了一种易感性感染去除（SIR）模型，该模型为研究其在社区中的传播提供了理论框架。在此，该模型基于众所周知的易感性感染去除（SIR）模型，不同之处在于总人口本身并未定义或保持不变，易感个体的数量也不单调下降。相反，正如我们在此处显示的那样，它可以在高峰期增加！特别是，我们调查了不同人群的时间演变，并监测了该疾病在以美国德克萨斯州和美国为代表的各个社区中传播的各种重要参数。 SIR模型可以为我们提供有关病毒在社区中传播的见解和预测，而仅凭记录数据是无法做到的。我们的工作表明了通过本文提出的SIR模型对COVID-19传播进行建模的重要性，因为它可以通过提供有价值的预测来帮助评估疾病的影响。我们的分析考虑了2020年1月至2020年6月的数据，该时期包含实施严格和控制措施之前和期间的数据。我们提出了与COVID-19传播相关的各种参数以及到2020年9月的易感人群，感染人群和移居人群的数量的预测。通过将记录的数据与我们的建模方法得出的数据进行比较，我们得出了COVID-如果实施适当的限制和强有力的政策，从疾病传播的早期开始控制感染率，就可以在所有社区中控制19。
在COVID-19大流行期间模拟室内水平的非药物干预措施：基于行人动力学的微观模拟方法
原文标题： Modeling indoor-level non-pharmaceutical interventions during the COVID-19 pandemic: a pedestrian dynamics-based microscopic simulation approach
地址： http://arxiv.org/abs/2006.10666
作者： Yao Xiao, Mofeng Yang, Zheng Zhu, Hai Yang, Lei Zhang, Sepehr Ghader
摘要： 流行病传播的数学模型已被广泛用于估计流行病的威胁（即COVID-19大流行）以及评估流行病控制干预措施。室内场所被认为是重要的流行病传播风险来源，但是由于人们之间的动态物理距离变化被忽略，并且本质和非本质的经验特征，现有的广泛使用的流行病传播模型通常仅限于室内场所旅行没有区别。在本文中，我们介绍了一种基于行人的流行病传播模型，该模型能够对人们在社交活动中疾病的室内传播风险进行建模。利用马里兰大学COVID-19影响分析平台前后的流动性数据，发现一旦出行频率限制在较低水平，人们倾向于在杂货店里花费更多的时间。换句话说，增加停留时间可以平衡出行频率的下降并满足人们的需求。基于行人模型和经验证据，评估了来自不同运营级别的组合非药物干预措施。数值模拟表明，限制人们出行的频率和室内场所的开放时间可能无法普遍有效地降低每位到访该场所的行人的平均感染风险。进入限制可能是一种广泛有效的替代方法，而决策者需要权衡风险接触的减少和该地点以外排队长度的增加，这可能会阻碍人们满足其旅行需求。
COVID-19期间的非洲冲突：社会疏远、粮食脆弱性和福利响应
原文标题： Conflict in Africa during COVID-19: social distancing, food vulnerability and welfare response
地址： http://arxiv.org/abs/2006.10696
作者： Roxana Gutiérrez-Romero
摘要： 我们研究了社会疏远，食品脆弱性，福利和劳工方面的COVID-19政策对骚乱，针对平民的暴力行为以及与食品相关的冲突的影响。我们的分析使用了24个非洲国家的地理参考数据，并从2015年1月至2020年5月上旬在武装冲突地点和事件数据项目（ACLED）中报告了每月的当地价格和实时冲突数据。 COVID-19，但在某些情况下也可能是针对不断发生的冲突。为了减轻内生性的潜在风险，我们使用工具变量。我们利用全球商品价格的外生性，以及三个变量来增加COVID-19的风险和响应效率，例如国家殖民地遗产，归因于空气污染的男性死亡率和成年人糖尿病的流行。我们发现，自封锁以来，发生暴动，暴力侵害平民，与食物有关的冲突和掠夺食物的可能性增加了。粮食脆弱性是一个促成因素。当地价格指数上涨10％，对平民的暴力行为上升0.7个百分点。尽管如此，针对COVID-19采取的每一项额外的反贫困措施，遭受暴力侵害平民，暴动和与食物有关的冲突的可能性下降了约0.2个百分点。这些反贫困措施还减少了与这些冲突有关的死亡人数。总体而言，我们的发现表明，食品脆弱性增加了冲突风险，但也为国家在提供广泛的福利安全网方面的重要性提供了乐观看法。
在社交媒体平台中识别抱怨推文的迭代方法
原文标题： An Iterative Approach for Identifying Complaint Based Tweets in Social Media Platforms
地址： http://arxiv.org/abs/2001.09215
作者： Gyanesh Anand, Akash Gautam, Puneet Mathur, Debanjan Mahata, Rajiv Ratn Shah, Ramit Sawhney
摘要： Twitter是一个社交媒体平台，用户可以在其中表达对各种问题的意见。提供申诉或投诉的帖子可以被私人/公共组织用来改善其服务并及时评估低成本评估。在本文中，我们提出了一种迭代方法，旨在确定与交通领域有关的基于投诉的帖子。我们进行综合评估，并发布新的数据集用于研究目的。
当场捉住他们：社交媒体上的实时攻击检测
原文标题： Catching them red-handed: Real-time Aggression Detection on Social Media
地址： http://arxiv.org/abs/2006.10104
作者： Herodotos Herodotou, Despoina Chatzakou, Nicolas Kourtellis
摘要： 在线攻击在社交媒体上的兴起正成为人们关注的主要问题。最近已经提出了几种用于检测各种攻击行为的机器和深度学习方法。但是，社交媒体节奏很快，生成的内容越来越多，而攻击性行为会随着时间而发展。在这项工作中，我们介绍了第一个实用的实时框架，该框架通过包含流机器学习范例来检测Twitter上的攻击。当我们的方法收到新的带注释的示例时，它会以增量方式适应其ML分类器，并且能够实现与基于批处理的ML模型相同（甚至更高）的性能，且准确性，准确性和召回率均超过90％。同时，我们对真实Twitter数据的实验分析揭示了我们的框架如何轻松扩展以仅使用3台商用机器即可容纳整个Twitter Firehose（每天7.78亿条推文）。最后，我们证明我们的框架足够通用，可以实时检测其他相关行为，例如讽刺，种族主义和性别歧视。
使用情感信息抢先检测在线会话中的有毒评论
原文标题： Using Sentiment Information for Preemptive Detection of Toxic Comments in Online Conversations
地址： http://arxiv.org/abs/2006.10145
作者： Éloi Brassard-Gourdeau, Richard Khoury
摘要： 在线自动检测有毒评论的挑战近来已成为许多研究的主题，但重点始终是在帖子发布后在单个邮件中对其进行检测。一些作者试图使用前几条消息的功能来预测对话是否会破坏毒性。在本文中，我们将这种方法与以前使用情绪信息进行毒性检测的工作相结合，并展示了在对话的第一个消息中表达的情绪如何可以帮助预测即将发生的毒性。我们的结果表明，添加情绪特征确实有助于提高毒性预测的准确性，并且还使我们能够对先发性毒性检测的一般任务进行重要观察。
子图神经网络
原文标题： Subgraph Neural Networks
地址： http://arxiv.org/abs/2006.10538
作者： Emily Alsentzer, Samuel G. Finlayson, Michelle M. Li, Marinka Zitnik
摘要： 图的深度学习方法在许多节点级和图级预测任务上均实现了卓越的性能。但是，尽管该方法得到了广泛的应用并获得了成功，但流行的图神经网络（GNN）却忽略了子图，使得子图预测任务在许多有影响的应用中难以解决。此外，子图预测任务提出了几个独特的挑战，因为子图可以具有非平凡的内部拓扑结构，而且还携带相对于它们所在的基础图的位置和外部连接性信息的概念。在这里，我们介绍SUB-GNN，这是一种子图神经网络，用于学习解缠结的子图表示形式。特别是，我们提出了一种新颖的子图路由机制，该机制可在子图的组件和来自基础图的随机采样的锚点补丁之间传播神经信息，从而产生高度准确的子图表示。 SUB-GNN指定了三个通道，每个通道旨在捕获子图结构的不同方面，并且我们提供了经验证据，表明通道编码了它们的预期属性。我们设计了一系列新的合成和真实世界的子图数据集。八个数据集上的子图分类的经验结果表明，SUB-GNN获得了可观的性能提升，比最强的基线方法（包括节点级和图级的GNN）强于最强的基线方法，比最强的基线高了12.4％。当子图具有复杂的拓扑甚至包含多个不连贯的组件时，SUB-GNN在具有挑战性的生物医学数据集上表现出色。
专家对物理学论文进行了里程碑式的分配，衡量破坏性的几种指标的收敛效度
原文标题： Convergent validity of several indicators measuring disruptiveness with milestone assignments to physics papers by experts
地址： http://arxiv.org/abs/2006.10606
作者： Lutz Bornmann, Alexander Tekles
摘要： 这项研究的重点是最近引入的衡量科学破坏性的指标。破坏性研究通过开辟新的领域而不同于当前的研究领域。在当前的研究中，我们包括了最初提出的这种新类型的指标（Wu，Wang和Evans，2019年）以及DI1的几种变体：DI5，DI1n，DI5n和DEP。由于指标应衡量其建议衡量的指标，因此我们研究了指标的收敛有效性。我们使用了《物理评论快报》（Physical Review Letters）的编辑选择和发表的里程碑论文清单，并调查了此人（基于专家的清单）是否与多个破坏指标变体的值相关；如果存在，则哪些变体与以下指标的相关性最高。专家判断：我们使用双变量统计，多元回归模型和（粗略）精确匹配（CEM）来研究指标的收敛有效性，结果表明，指标与编辑人员对里程碑论文的分配存在不同的相关性。最初提出的最佳破坏指数（DI1），但由Bornmann，Devarakonda，Tekles和Chacko（2019）引入的变异体DI5在这项研究的CEM分析中，由Bu，Waltman引入的DEP变异体，and Huang（2019）-也显示了令人满意的结果。
基于命名行为建模的多视图方法，用于跨多个网络对齐中文用户帐户
原文标题： A Multi-View Approach Based on Naming Behavioral Modeling for Aligning Chinese User Accounts across Multiple Networks
地址： http://arxiv.org/abs/2006.10633
作者： Junxing Zhu, Xiang Wang, Qiang Liu, Xiaoyong Li, Chengcheng Shao, Bin Zhou
摘要： 近年来，数以亿计的中国人已成为社会网络用户，并且在多个社会网络之间调整普通中国用户的帐户对于许多跨网络应用程序（例如，跨网络推荐，跨网络链路预测）都是有价值的。许多方法已经探索了利用帐户名称信息来调整普通英语用户帐户的正确方法。但是，在对齐中文用户帐户时如何正确利用帐户名信息仍有待详细研究。在本文中，我们首先讨论了可用的命名行为模型以及不同类型的中文帐户名称匹配的相关功能。其次，我们提出了多视图跨网络用户对齐（MCUA）方法的框架，该方法使用多视图框架来创造性地集成不同的模型来处理不同类型的中文帐户名称匹配，并且可以考虑所有已研究的内容。对齐中文用户帐户时的功能。最后，我们进行实验来证明，在对齐新浪微博和Twitter之间的中国用户帐户方面，MCU的性能优于许多现有方法。此外，我们还通过实验数据集研究了MCUA的最佳学习模型和不同类型的名称匹配的前k个有价值的功能。
通过Twitter评估美国城市公园的幸福感
原文标题： Gauging the happiness benefit of US urban parks through Twitter
地址： http://arxiv.org/abs/2006.10658
作者： A. J. Schwartz, P. S. Dodds, J. P. M. O'Neil-Dunne, T. H. Ricketts, C. M. Danforth
摘要： 近年来，自然接触与心理健康之间的关系越来越受到关注。尽管有大量的证据表明自然界中的时间与心理健康之间存在正相关关系，但很少有研究可以长期比较不同位置的这种关系。在这项研究中，我们估算了按人口计算的美国25个最大城市的幸福感受益，即公园内和公园外推特表达的幸福感差异。与大约在同一时间收集的非公园用户推文相比，人们在公园参观时写的快乐词。人们通常在公园里和大多数城市里写的词都比较快乐，但我们发现城市间的差异很大。鸣叫在公园中的每一天，每周和每年的任何时候都更加快乐，而不仅仅是在周末或暑假期间。在所有城市中，我们发现在大于100英亩的公园中，幸福感收益最高。总体而言，我们的研究表明，与公园参观相关的幸福感与感恩节和元旦等美国假期相当。
模拟包装和开裂
原文标题： Simulated packing and cracking
地址： http://arxiv.org/abs/2006.10665
作者： Jeffrey S. Buzas, Gregory S. Warrington
摘要： 我们介绍了模拟包装和开裂作为一种评估党派共济会措施的技术。我们将其应用于历史性的国会和立法选举中，以评估四种衡量标准：党派偏见，偏倚，效率差距和均值中位数差异。尽管效率差距以完全可预测的方式识别模拟堆积和裂纹（事实直接从效率差距的定义得出），并且磁偏角在记录模拟堆积和裂纹方面做得非常好，但我们得出结论，其他两种措施记录不好。考虑到在离群分析中经常使用此类措施，这种缺陷尤为明显。
未来美国电网的异功能图弹性
原文标题： Hetero-functional Graph Resilience of the Future American Electric Grid
地址： http://arxiv.org/abs/2006.10678
作者： Dakota J. Thompson, Wester C. H. Schoonenberg, Amro M. Farid
摘要： 随着21世纪气候变化的盛行，它推动了使用可再生能源使美国电力系统脱碳的动力。本文提出了对美国电力系统的结构弹性分析，该分析逐步纳入了包括网状配电线，分布式发电和储能解决方案在内的体系结构变化。异类功能图分析从累积度分布和传统攻击漏洞度量的角度证实了我们对网络科学的形式图理解。此外，本文显示，异功能图可以更精确地描述与分布式发电和能量存储的添加相关的功能变化。最后，它表明，同时添加所有三种缓解措施，可以增强电网的结构弹性。即使存在破坏性攻击。本文的结论是，电网可持续性与弹性之间没有结构上的权衡。
通过QUBO和数字退火进行市场图聚类
原文标题： Market Graph Clustering Via QUBO and Digital Annealing
地址： http://arxiv.org/abs/2006.10716
作者： Seo Hong, Pierre Miasnikof, Roy Kwon, Yuri Lawryshyn
摘要： 我们的目标是找到能够最好地复制更广泛的市场图（指数）的收益的市场图的代表性节点，这是金融行业的常见任务。我们将参考指数建模为市场图，并以二次K形形式表示指数跟踪问题。我们利用专用的硬件架构Fujitsu Digital Annealer来规避问题的NP难题，并有效地解决我们的问题。在本文中，我们结合了文献的三个独立领域，市场图模型，K-medoid聚类和二次二进制优化建模，将索引跟踪问题表述为二次K-medoid图聚类问题。我们的初步结果表明，我们仅使用其组成资产的一小部分即可准确复制大市场指数的回报。此外，我们的二次方程式使我们能够利用最新的硬件进步来克服问题的NP-hard性质。
社会网络等价性的统一框架
原文标题： A unified framework for equivalences in social networks
地址： http://arxiv.org/abs/2006.10733
作者： Nina Otter, Mason A. Porter
摘要： 网络分析中的一个关键问题是研究网络中的社会地位和参与者的角色。 “位置”的概念是指与其他节点具有相似联系的节点的等价类，而“角色”是连接相同节点对的复合关系的等价类。网络科学中的一个悬而未决的问题是，是否可以同时执行角色和位置分析。受范畴论中功能性原理的启发，我们提出了一种新方法，该方法可以将角色分析和位置分析结合在一起。我们在网络科学中的两个经过充分研究的数据集上说明了我们的方法。
科学和算法的（非）中立性：基础物理学与社会之间的机器学习
原文标题： (Non)-neutrality of science and algorithms: Machine Learning between fundamental physics and society
地址： http://arxiv.org/abs/2006.10745
作者： Aniello Lampo, Michele Mancarella, Angelo Piga
摘要： 在大数据时代和平台资本主义时代，机器学习（ML）算法的影响未能避免学术界的科学研究。在这项工作中，我们将分析ML在基础物理学中的使用及其与直接影响社会的其他情况的关系。我们将处理该问题的各个方面，从出版物的文献计量分析到文献的详细讨论，再到学术界内部和外部的生产和工作环境概述。分析将基于三个关键要素进行：科学的非中立性，即与历史和社会的内在联系；从存在依赖于程序员选择的元素的意义上讲，算法的非中立性无论技术进步如何都无法消除；支持数据驱动科学（和社会）的范式转换的问题性质。从这个角度看，从内部解构假定的科学思想的普遍性成为任何社会和政治讨论的必要的第一步。这是ML案例研究中这项工作的主题。
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