- COVID-19限制对二氧化氮和臭氧的大气浓度的全球影响;
- 通过多视图聚类表征2020年COVID-19大流行期间Twitter上的标签使用社团;
- 电网中停电的分布以及Motter和Lai模型;
- 将图像纳入社交媒体的消息准确性评估;
- 随机几何图的Ollivier-Ricci曲率收敛;
- 相互作用的非线性强化随机过程：同步和非同步;
- 伪造新闻和虚假信息的加权准确性算法;
- COVID-19在线影子经济;
- COVID-19感染风险中的暴露密度和邻里差异：使用大规模地理位置数据来了解弱势社区的负担;
- 一种用于建模城市土地利用中停车时间的机器学习方法;
- 日本COVID-19流行病的成核和生长模型;
COVID-19限制对二氧化氮和臭氧的大气浓度的全球影响
原文标题： Global Impact of COVID-19 Restrictions on the Atmospheric Concentrations of Nitrogen Dioxide and Ozone
地址： http://arxiv.org/abs/2008.01127
作者： Christoph A. Keller, Mat. J. Evans, K. Emma Knowland, Christa A. Hasenkopf, Sruti Modekurty, Robert A. Lucchesi, Tomohiro Oda, Bruno B. Franca, Felipe C. Mandarino, M. Valeria Díaz Suárez, Robert G. Ryan, Luke H. Fakes, Steven Pawson
摘要： 抵制COVID-19大流行的社会距离已导致大气污染物排放的广泛减少。量化这些变化需要一个惯常的反事实，即应对空气污染物的天气和季节变化的原因。我们使用来自NASA GEOS-CF模型的信息驱动的机器学习算法来评估来自46个国家/地区的5,756个观测点的二氧化氮（NO _ 2 ）和臭氧（O _ 3 ）的变化到2020年1月到2020年6月。NO__ 2 的减少与COVID-19限制的时机和强度有关，范围从受严重影响的城市（例如武汉，米兰）的60％到几乎没有变化（例如里约热内卢，台北）。从2020年2月开始，NO __ 2 的平均浓度比往常低18％。中国经历了最早，最大的跌幅，但自4月份以来的集中度已基本恢复，与往常一样估计仍在5％以内。在欧洲和美国，NO __ 2 的减少幅度比较缓慢，从3月下旬开始止跌回升。我们估计，到2020年的前6个月，全球NO_ x （NO + NO _ 2 ）排放量减少2.9 TgN，相当于每年人为排放总量的5.1％。非线性大气化学的竞争影响使表面O _ 3 的响应变得复杂。尽管在某些地区，地表O _ 3 增加了50％，但我们发现，对2020年2月至6月之间每日平均O _ 3 的总体净影响很小。但是，我们的分析表明O _ 3 的昼夜周期趋于平坦，这是由于滴定减少和白天臭氧减少导致夜间臭氧增加，反映了光化学物质产量的减少。 O _ 3 的响应取决于季节，时间范围和环境，如果继续减少NO _ x 的排放量，则预测地表O _ 3 的下降。
通过多视图聚类表征2020年COVID-19大流行期间Twitter上的标签使用社团
原文标题： Characterizing Communities of Hashtag Usage on Twitter During the 2020 COVID-19 Pandemic by Multi-view Clustering
地址： http://arxiv.org/abs/2008.01139
作者： Iain J. Cruickshank, Kathleen M. Carley
摘要： COVID-19大流行在社交媒体网站上引发了一系列在线活动。这样，在COVID-19大流行期间对社交媒体数据的分析可以对讨论主题以及这些主题在大流行过程中的演变产生独特的见解。在本研究中，我们建议通过将主题标签聚类来分析Twitter上的讨论主题。为了获得Twitter标签的高质量群集，我们还提出了一种新颖的多视图群集技术，该技术结合了多种不同的数据类型，可用于描述用户如何与标签交互。我们的多视图聚类结果表明，在COVID-19 Twitter讨论中存在明显的时间和主题趋势。尤其是，我们发现，主题标签的某些主题簇在大流行过程中发生了转移，而其他主题簇在整个流行过程中都持续存在，并且主题标签的使用存在明显的时间趋势。这项研究是首次使用多视图聚类分析主题标签，并且首次分析了COVID-19大流行期间在线讨论的更大趋势。
电网中停电的分布以及Motter和Lai模型
原文标题： Distribution of blackouts in the power grid and the Motter and Lai model
地址： http://arxiv.org/abs/2008.01141
作者： Yosef Kornbluth, Gabriel Cwilich, Sergey V. Buldyrev, Saleh Soltan, Gil Zussman
摘要： Carreras，Dobson及其同事研究了真实电网中停电事故大小的经验数据，并通过使用直流近似的计算机模拟对它们进行了建模。他们发现，产生的停电大小作为幂定律分布，这表明这是因为电网被驱动到自组织临界状态。相反，最近的研究发现级联的分布是双峰的，就像一阶相变一样，导致很小的停电或很大的停电，吞噬了系统的有限部分。在这里，我们调和这两种方法，并研究停电的分布如何随模型参数（包括容限标准和级联期间过载线路的失效动态规则）而变化。此外，我们针对Motter和Lai模型研究了相同的问题，并发现了相似的结果，这表明网络上的物理流量定律不如网络拓扑，过载条件和动态故障规则那么重要。
将图像纳入社交媒体的消息准确性评估
原文标题： Including Images into Message Veracity Assessment in Social Media
地址： http://arxiv.org/abs/2008.01196
作者： Abderrazek Azri (ERIC), Cécile Favre (ERIC), Nouria Harbi (ERIC), Jérôme Darmont (ERIC)
摘要： 社交媒体在信息传播中的广泛使用也为谣言的传播奠定了肥沃的土壤，这可能会极大地影响社交媒体的信誉。越来越多的用户发布新闻，除了文本之外，还包括图像和视频等多媒体数据。然而，由于简单有效的图像和视频处理工具的广泛可用性，这种多媒体内容易于编辑。近年来，评估社会网络帖子的真实性问题引起了研究人员的广泛关注。但是，几乎所有以前的著作都集中于分析文本内容以确定准确性，而视觉内容，尤其是图像，在文献中仍然被忽略或很少被利用。在本立场文件中，我们提出了一个框架，该框架探索了两种新颖的方法，即通过分析其文本和视觉内容的可信度来评估社会网络上发布的消息的准确性。
随机几何图的Ollivier-Ricci曲率收敛
原文标题： Ollivier-Ricci curvature convergence in random geometric graphs
地址： http://arxiv.org/abs/2008.01209
作者： Pim van der Hoorn, William J. Cunningham, Gabor Lippner, Carlo Trugenberger, Dmitri Krioukov
摘要： 连续世界和离散世界之间的联系往往难以捉摸。一个例子是曲率。尽管存在许多曲率的非等价定义，但严格地讲，没有一个方法能够收敛到任何对黎曼流形的传统曲率定义的限制。在这里，我们表明，任何黎曼流形中的随机几何图的Ollivier曲率在连续极限内收敛到基础流形的Ricci曲率。该结果在适用于随机图的曲率定义与平滑空间曲率的传统定义之间建立了第一个严格的联系。
相互作用的非线性强化随机过程：同步和非同步
原文标题： Interacting non-linear reinforced stochastic processes: synchronization and no-synchronization
地址： http://arxiv.org/abs/2008.01489
作者： Irene Crimaldi, Pierre-Yves Louis, Ida Germana Minelli
摘要： “致富致富”的规则可以安慰以前经常选择的行为。当主体互动时，个人倾向于选择一种行动的演化正在发生什么？互动趋于同质化，而每个动态趋向于巩固自己的位置。最近在许多论文中都考虑了增强过程的相互作用随机系统，其中渐近行为被证明具有a.s。同步。我们在本文的模型中考虑，即使主体之间存在交互，由于选择了单个非线性钢筋，也可能会发生不同步。我们展示了如何自然地将这些系统视为协调博弈，技术或舆论动态的模型。
伪造新闻和虚假信息的加权准确性算法
原文标题： Weighted Accuracy Algorithmic Approach In Counteracting Fake News And Disinformation
地址： http://arxiv.org/abs/2008.01535
作者： Kwadwo Osei Bonsu
摘要： 随着世界越来越依赖互联网进行信息交换，一些过分热心的记者，黑客，博客，个人和组织倾向于滥用自由信息环境的礼物，将虚假新闻，虚假信息和自命不凡的内容污染到自己的议程中。因此，有必要最大程度地解决假新闻和虚假信息的问题。本文提出了一种利用约束机制的假新闻检测和报告方法，该约束机制利用了四种机器学习算法的组合加权精度。
COVID-19在线影子经济
原文标题： The COVID-19 online shadow economy
地址： http://arxiv.org/abs/2008.01585
作者： Alberto Bracci, Matthieu Nadini, Maxwell Aliapoulios, Damon McCoy, Ian Gray, Alexander Teytelboym, Angela Gallo, Andrea Baronchelli
摘要： COVID-19大流行改变了全球对商品和服务的需求。公共卫生突发事件，经济困境和虚假信息驱动的恐慌相结合，已将客户和供应商推向影子经济。特别是在暗网市场（DWM）中，可通过免费软件轻松访问的商业网站已获得了广泛的欢迎。在这里，我们分析了2020年1月1日至2020年7月7日从23个DWM中提取的472,372个清单。我们确定了与COVID-19产品直接相关的518个清单，并监控了产品类别（包括PPE，药品（例如，羟基可乐och），和医疗欺诈（例如疫苗）。最后，根据Twitter帖子和Wikipedia页面访问量，我们将时间变化趋势与公众关注度进行了比较。我们揭示了在COVID-19大流行期间在线影子经济的发展方式，并强调了持续监控DWM的重要性，尤其是当真正的疫苗或治疗方法可用且可能供不应求时。我们希望我们的分析将对致力于保护公共卫生的研究人员和公共机构都感兴趣。
COVID-19感染风险中的暴露密度和邻里差异：使用大规模地理位置数据来了解弱势社区的负担
原文标题： Exposure Density and Neighborhood Disparities in COVID-19 Infection Risk: Using Large-scale Geolocation Data to Understand Burdens on Vulnerable Communities
地址： http://arxiv.org/abs/2008.01650
作者： Boyeong Hong, Bartosz Bonczak, Arpit Gupta, Lorna Thorpe, Constantine E. Kontokosta
摘要： 这项研究开发了一种新方法，可以量化在高时空分辨率下的邻里活动水平，并测试对社会疏远政策的行为反应是否以及在多大程度上随社会经济和人口统计学特征而变化。我们将暴露密度定义为既定区域内活动的局部量和在非住宅和室外土地使用中发生的活动比例的度量。我们利用这种方法来刻画由于大流行而导致的人员流入/流出以及剩余人员的流动行为变化。首先，我们开发了一种通用方法，该方法可以在三个月的时间内使用智能手机地理位置数据按土地使用类型来评估邻里活动水平，该数据涵盖了大纽约地区的1200万独立用户。其次，我们通过确定居家秩序前后社区活动水平和特征的模式来测量和分析社区社会距离差异。最后，我们评估了邻里社会距离对COVID-19感染率以及与局部人口，社会经济和基础设施特征相关的结局的影响，以便确定与暴露风险相关的健康结局差异。我们的发现为及时评估各个社区的社会疏散效果提供了见识，并支持更公平地分配资源来支持脆弱和处于危险中的社区。我们的发现表明，跨社区的COVID前后的活动方式不同。暴露密度的变化对感染风险具有直接和可衡量的影响。
一种用于建模城市土地利用中停车时间的机器学习方法
原文标题： A Machine Learning Approach for Modelling Parking Duration in Urban Land-use
地址： http://arxiv.org/abs/2008.01674
作者： Janak Parmar, Pritikana Das, Sanjaykumar Dave
摘要： 在快速发展的发展中国家，停车是不可避免的问题。越来越多的车辆需要越来越多的城市土地用于停车。但是，在印度等发展中国家，停车问题引起了一些关注。这项研究提出了一个模型，用于分析汽车使用者的社会经济和出行特征对停车时间的影响。具体而言，部署了人工神经网络（ANN）来刻画驾驶员特征与停车时间之间的相互关系。人工神经网络在学习和识别参数之间的联系以最佳预测结果方面非常高效。由于人工神经网络的黑匣子性质使其应用受到严重限制，因此该研究涉及使用Garson算法和局部可解释模型不可知性解释（LIME）进行模型解释。 LIME通过使用开发的可解释模型在本地对其进行近似来显示任何分类的预测。这项研究基于通过访谈调查现场收集的微观数据，考虑了两种土地用途：办公业务和市场/购物。结果表明，通过LIME进行预测的可能性更高，因此该方法可被普遍采用。此外，将基于两种土地利用的结果讨论政策含义。这项独特的研究可以提高停车政策和管理水平，以实现可持续发展目标。
日本COVID-19流行病的成核和生长模型
原文标题： A nucleation and growth model for COVID-19 epidemic in Japan
地址： http://arxiv.org/abs/2008.01690
作者： Yoshihiko Takase
摘要： 通过动态相变的基本方程分析了日本和东京的COVID-19流行病。结果，该流行病与随机成核和线性增长模型高度吻合，表明2020年3月13日至2020年5月22日之间的流行病仅受以下三个常数参数的速率限制：初始易感性，畴生长速率和成核衰变常数。该模型由一个方程组成，并且初始特定图是线性的，因此可以很好地预测该流行病。
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