- 从气候变化到流行病：决策科学可以帮助科学家产生影响;
- 流行病心理学如何在社交媒体上起作用：对COVID-19大流行的反应的演变;
- CoV-ABM：基于随机离散事件主体的框架，用于模拟COVID-19的时空动态;
- 机器学习辅助的全球诊断和比较工具来评估Covid-19传播中隔离控制的效果;
- 从ab-initio SEIR模型分析SARS-CoV-2的主要传输模式;
- 欧洲第二波COVID-19大流行：时间手册;
- 罗马尼亚Covid19分析和预测的模式转换;
- COVID-19和印度：下一步做什么？;
- COVID-19的SIQR模型的确切性质;
- 电磁辐射与冠状病毒粒子的最大相互作用;
- 检测在线仇恨言论：使用弱监督和网络嵌入模型的方法;
- 检测含时网络的动态状态;
- 讲故事的人：使用Twitter大规模探索社会语言、文化、社会经济和政治的时间线;
- 我们可以“感觉”到知识的温度吗？通过热力学对科学流行动力学进行建模;
- DCDIR：针对保险领域冷启动用户的深层跨域推荐系统;
- 使用标签一致的图神经网络进行半监督节点分类;
- 走向多语言食谱的个性化和推荐;
- 特征向量在有向随机图中的局部化和通用性;
从气候变化到流行病：决策科学可以帮助科学家产生影响
原文标题： From climate change to pandemics: decision science can help scientists have impact
地址： http://arxiv.org/abs/2007.13261
作者： Christopher M. Baker, Patricia T. Campbell, Iadine Chades, Angela J. Dean, Susan M. Hester, Matthew H. Holden, James M. McCaw, Jodie McVernon, Robert Moss, Freya M. Shearer, Hugh P. Possingham
摘要： 科学知识和进步是现代社会的基石。他们增进了我们对生活世界的了解，并帮助我们应对了全球挑战，包括新出现的传染病，气候变化和生物多样性危机。对于任何科学家而言，无论他们主要从事基础知识的生成还是应用科学的工作，了解科学如何融入决策框架都至关重要。决策科学是旨在查明基于证据的管理策略的领域。它为科学家提供了直接影响决策或了解其工作将如何适应决策过程的框架。决策科学不仅仅是进行有针对性的相关科学研究或提供工具来协助决策者；它是一种解决问题的方法，将数学建模，利益相关者的价值和后勤约束结合在一起，以支持决策。在本文中，我们描述了决策科学及其在不同环境中的使用，并强调了方法和应用方面的当前差距。 COVID-19大流行已经将数学模型推向了公众的视野，但这是无数的例子，其中建模为决策提供了信息。其他示例包括风暴系统（例如，飓风，飓风）和气候变化的模型。尽管这些示例中的决策时间尺度差异很大（从几小时到几十年不等），但基本的决策科学方法在所有问题中都是通用的。弥合不同群体之间的沟通鸿沟是科学家面临的最大挑战之一。但是，通过更好地理解和参与决策过程，科学家将产生更大的影响并为重要的社会问题做出更大的贡献。
流行病心理学如何在社交媒体上起作用：对COVID-19大流行的反应的演变
原文标题： How Epidemic Psychology Works on Social Media: Evolution of responses to the COVID-19 pandemic
地址： http://arxiv.org/abs/2007.13169
作者： Luca Maria Aiello, Daniele Quercia, Ke Zhou, Marios Constantinides, Sanja Šćepanović, Sagar Joglekar
摘要： 由流行病造成的破坏通常看起来很混乱，但实际上，可以通过“流行病心理学”的角度系统地理解。根据这个研究领域之父菲利普·斯特朗（Philip Strong）的说法，这不仅是流行病学生物学的原因，而且还是流行病学的原因。还有三种潜在的社会流行病：恐惧，道德化和行动。这项工作是第一个以实证检验Strong模型的研究。通过研究美国3900万社交媒体帖子中有关COVID-19大流行的语言使用情况，这是第一个不仅在全球范围而且在网上迅速传播的大流行。我们确定了三个不同的阶段，它们与Kuebler-Ross的悲伤阶段平行。他们每个人的特征是三种社会流行病的不同制度：在拒绝阶段，尽管其他国家的死亡人数不断增加，人们仍然拒绝接受现实；在暂停的现实阶段（该国宣布第一例死亡后开始），人们的恐惧转化为对即将发生的改变即将到来的感觉的愤怒；最终，在接受阶段（从当局采取疏导距离措施开始），人们发现了日常活动的“新常态”。通过我们对Strong模型的实时操作，可以将流行病心理学嵌入任何实时模型（例如流行病学和流动性模型）中。
CoV-ABM：基于随机离散事件主体的框架，用于模拟COVID-19的时空动态
原文标题： CoV-ABM: A stochastic discrete-event agent-based framework to simulate spatiotemporal dynamics of COVID-19
地址： http://arxiv.org/abs/2007.13231
作者： Masoud Jalayer, Carlotta Orsenigo, Carlo Vercellis
摘要： 本文开发了一种基于主体的随机模型（ABM），可模拟地理区域内传染病的传播。该模型旨在模拟SARS-CoV2疾病（称为COVID-19）的时空传播。我们基于SARS-CoV2的ABM框架（CoV-ABM）模拟了从乡村到国家的任何地理规模的传播，并考虑了SARS-CoV2病毒的独特特征，例如其在环境中的持久性。因此，与其他模拟器不同，CoV-ABM计算每个位置空间内活动病毒的密度，以获得每个主体的病毒传播概率。它还使用本地人口普查和健康数据为每个人创建健康和风险因素配置文件。所提出的模型依赖于灵活的时间戳规模来优化计算速度和细节水平。在我们的框架中，每个主体都代表一个与周围空间以及同一空间内其他相邻主体交互的人。此外，制定家庭随机的日常任务，以便由相应的家庭成员进行跟踪。该模型还规定了友谊和亲戚的每个子集开会的可能性。拟议框架的主要目标是三个方面：说明SARS-CoV疾病的动态，确定更有可能成为感染中心的地方，并提供决策支持系统来设计有效的干预措施以对抗大流行病。该框架采用具有不同干预方案的病毒性疾病的SEIHRD动态。该论文模拟了COVID-19在美国特拉华州的传播情况，其中有近一百万个随机主体。历时15周，时间戳为1小时的结果表明，哪些地方成为了感染的中心。该论文还说明了在疫情暴发时医院如何变得不堪重负。
机器学习辅助的全球诊断和比较工具来评估Covid-19传播中隔离控制的效果
原文标题： A machine learning aided global diagnostic and comparative tool to assess effect of quarantine control in Covid-19 spread
地址： http://arxiv.org/abs/2007.13540
作者： Raj Dandekar, Chris Rackauckas, George Barbastathis
摘要： 我们通过使用神经网络模块扩展经典的SIR流行病学模型，开发了全球适用的Covid-19诊断模型。我们的模型不依赖于像SARS / MERS之类的先前流行病，并且所有参数都是通过对公开的Covid-19数据采用的机器学习算法进行优化的。该模型分解了对感染时间序列的贡献，以分析和比较在欧洲，北美，南美和亚洲的高度受影响地区采用的隔离控制政策在控制病毒传播中的作用。对于所考虑的所有大洲，我们的结果表明，从模型中获悉的加强检疫控制与该地区各自政府采取的行动之间通常存在很强的相关性。最后，我们在公共平台上托管了全球70个受影响国家的检疫诊断结果，这些信息可用于公共卫生官员和研究人员的明智决策。
从ab-initio SEIR模型分析SARS-CoV-2的主要传输模式
原文标题： Analyzing the dominant SARS-CoV-2 transmission modes towards an ab-initio SEIR model
地址： http://arxiv.org/abs/2007.13596
作者： Swetaprovo Chaudhuri, Saptarshi Basu, Abhishek Saha
摘要： 在这项工作中，分析了SARS-CoV-2病毒的不同传播方式及其在确定Covid-19大流行演变中的作用。计算了由吸入感染性飞沫引起的感染可能性（初始直径在0.5-750μmμm之间）和相应的干燥核感染的概率，该干核在飞沫蒸发后主要包裹了病毒体。在通常情况下，空调但静止不动，室内空间大，对于平均病毒载量而言，并且在早期，初始直径在10微米至50微米之间的咳嗽飞沫具有最高的感染几率。然而，到将它们吸入时，直径最有可能是其初始直径的5-6倍。虽然最初由于液滴（空中/弹道）造成的接近单位感染的概率在最初的25 s内迅速衰减，但空气中干燥的核的小而持久的感染几率仅下降了1000 s。结合适用于计算易感种群与液滴/细胞核云之间接触频率的分子碰撞理论，可以使用感染概率来定义感染率常数，从头算，从而建立SEIR模型。假设病毒在干燥的液滴核内与在液滴中一样具有良好的可持续性，则在上述条件下，浮动核对液滴的相应速率常数的贡献更大。结合这两种途径，计算了由咳嗽小滴和细胞核引起的基本繁殖数 mathcal R _0 。病毒载量，最小感染剂量，病毒半衰期对其载体相的敏感度，夹带空气对呼吸射流/抽吸的稀释程度是决定特定的传播方式和大流行演变的重要因素。
欧洲第二波COVID-19大流行：时间手册
原文标题： Second wave COVID-19 pandemics in Europe: A Temporal Playbook
地址： http://arxiv.org/abs/2007.13100
作者： Giacomo Cacciapaglia, Corentin Cot, Francesco Sannino
摘要： 第二波大流行对社会构成了迫在眉睫的威胁，对人类的生命和潜在的毁灭性经济影响都可能造成巨大的损失。我们采用流行病重归化组方法进行大流行，并结合COVID-19的第一波数据，以有效地模拟疾病在欧洲不同国家的传播和传播动态。该框架使我们不仅可以模拟欧洲内部和外部边界控制的影响，还可以模拟社会疏离对每个国家的影响。我们对整个欧洲以及与世界其他地区的人类互动的平均水平进行统计分析。我们的结果被巧妙地概括为一个动画，报告了欧洲COVID-19大流行的第一波和第二波的时间演变。我们的第二波大流行的暂定剧本可供政府，金融市场，行业和个人公民使用，以有效地安排时间，准备并实施本地和全球措施。
罗马尼亚Covid19分析和预测的模式转换
原文标题： A regime switching on Covid19 analysis and prediction in Romania
地址： http://arxiv.org/abs/2007.13494
作者： Marian Petrica, Ionel Popescu
摘要： 在本文中，我们结合SIR和SIRD的数学模型，提出了一种用于罗马尼亚的Covid19分析的政权分离。我们研究的主要机制是病毒的自由传播，隔离和部分放松，最后一个是放松机制。我们使用的主要模型是SIR，这是一个经典模型，但是由于我们无法完全相信感染或康复的人数，因此我们的分析基于更可靠的死者人数。为了实际处理此问题，我们对SIR模型进行了简单的修改，以单独考虑死者。反过来，这将成为我们拟合参数的基础。参数的估计分两个步骤完成。第一个步骤是训练基于SIR模型的神经网络以检测状态变化。完成此操作后，我们将使用网格搜索来拟合SIRD模型的主要参数。最后，我们使用合适的参数对一个月的时间范围内的演变进行了一些预测。
COVID-19和印度：下一步做什么？
原文标题： COVID-19 and India: What Next?
地址： http://arxiv.org/abs/2007.13523
作者： Ramesh Behl (International Management Institute Bhubaneswar), Manit Mishra (International Management Institute Bhubaneswar)
摘要： 该研究基于2020年4月1日至2020年6月20日期间与印度及其感染最严重的五个州有关的公开可用COVID-19数据进行了预测建模，其中使用了易感，受感染的，恢复和失效（SIRD）模型。使用RStudio包R0通过指数增长方法得出基本再现数R0。在Jupyter Notebook平台上使用Python 3.7.4已解决了反映SIRD模型的微分方程。为了进行可视化，使用了Python Matplotlib 3.2.1软件包。该研究提供了有关印度及其五个州的高峰日期，COVID-19感染高峰期数量以及终止日期的见解。政治领导，卫生当局和行业人士可以利用这些结果来制定和计划政策。
COVID-19的SIQR模型的确切性质
原文标题： Exact Properties of SIQR model for COVID-19
地址： http://arxiv.org/abs/2007.12846
作者： Takashi Odagaki
摘要： 重新构建了SIQR模型，其中重新定义了用于感染和隔离的隔离区，以适合COVID-19，并给出了该模型的确切属性。结果表明，最大感染人数在很大程度上取决于隔离率，并且隔离措施在控制大流行方面比锁定措施更有效。隔离患者数量的峰值显示出比受感染数量达到最大值的时间晚了一些时间。在期望效用理论的基础上，提出了一种在锁定措施和隔离措施的空间内寻找最佳策略的理论框架，以最大程度地减少最大感染人数并在早期控制大流行的爆发。
电磁辐射与冠状病毒粒子的最大相互作用
原文标题： Maximal Interaction of Electromagnetic Radiation with Corona-Virions
地址： http://arxiv.org/abs/2007.13598
作者： Constantinos Valagiannopoulos, Ari Sihvola
摘要： 撞击电磁波的吸收和散射是描述任何有机或无机粒子与其环境进行能量交换的两个基本操作。在病毒粒子细胞的情况下，计算吸收和散射效应的基本消光能力是对病毒颗粒进行多种偶联作用的先决条件，因此是广受欢迎的功能。通过考虑蛋白质介电常数的实际分散和通过米氏理论进行严格配制的核壳模型，我们报告了中红外范围内电晕病毒粒子的消光共振，该共振不会受到物体尺寸或物体尺寸变化的明显干扰。后台主机。我们的研究结果表明光子辐射与病毒颗粒相互作用的最佳方案，并可能有助于发展冠状病毒细胞的热损伤，分解或中和的设备。
检测在线仇恨言论：使用弱监督和网络嵌入模型的方法
原文标题： Detecting Online Hate Speech: Approaches Using Weak Supervision and Network Embedding Models
地址： http://arxiv.org/abs/2007.12724
作者： Michael Ridenhour, Arunkumar Bagavathi, Elaheh Raisi, Siddharth Krishnan
摘要： 社交媒体的普及已经改变了个人之间的在线互动。尽管产生了积极影响，但它也允许反社会分子以前所未有的方式团结在替代性社交媒体环境（例如Gab.com）中。使用自动化技术检测这种仇恨言论可以使社交媒体平台适度其内容并防止诸如仇恨言论传播之类的邪恶活动。在这项工作中，我们提出了一种弱监督深度学习模型，该模型-（i）定量发现可恨的用户，并且（ii）提供新颖的定性分析以发现间接的可恨对话。该模型在交互级别而不是帖子或用户级别对内容进行评分，并允许表征最常参与仇恨对话的用户。我们在1,920万个帖子上评估了我们的模型，并表明我们的弱监督模型在识别间接仇恨互动方面优于基线模型。我们还分析了一个多层网络，该网络由Gab中的两种类型的用户交互（引用和回复）以及弱监管模型的交互得分作为边权重构成，以预测可恨的用户。我们利用多层网络嵌入方法来生成用于预测任务的功能，并且我们表明，考虑来自多个网络的用户上下文有助于更好地预测Gab中可恨的用户。与单层或同构网络嵌入模型相比，我们可获得高达7％的性能提升。
检测含时网络的动态状态
原文标题： Detecting Dynamic States of Temporal Networks
地址： http://arxiv.org/abs/2007.12756
作者： Shun Cao, Hiroki Sayama
摘要： 许多时间网络都表现出多种系统状态，例如社交联系网络中的工作日和周末模式。最近研究了在时态网络数据中检测这种不同状态，因为它有助于揭示潜在的动态过程。一种常用的方法是在特定时间窗口内进行网络聚合，该方法将多个网络快照的子序列聚合到一个静态网络中。但是，此方法必须丢弃时间窗口内的时间动态。在这里，我们提出了一种使用节点之间的连接序列（即连接状态的时间序列）检测时间网络中动态状态的新方法。我们的方法包括在不重叠的时间窗口上构建连接序列张量，在这些张量之间进行相似性度量以及在这些时间窗口的相似性网络中进行社区检测。经验时间网络数据的实验表明，在有效地揭示可解释的系统状态方面，我们的方法优于使用简单网络聚合的传统方法。此外，我们的方法允许用户分析分层的时间结构，并发现处于不同时空分辨率的动态状态。
讲故事的人：使用Twitter大规模探索社会语言、文化、社会经济和政治的时间线
原文标题： Storywrangler: A massive exploratorium for sociolinguistic, cultural, socioeconomic, and political timelines using Twitter
地址： http://arxiv.org/abs/2007.12988
作者： Thayer Alshaabi, Jane L. Adams, Michael V. Arnold, Joshua R. Minot, David R. Dewhurst, Andrew J. Reagan, Christopher M. Danforth, Peter Sheridan Dodds
摘要： Twitter实时地在世界事件，流行文化和日常活动中留下深刻的烙印。 Twitter记录了语言使用和变更的不断增长的摘要； Twitter已被证明可以进行某些类型的预测。值得一提的是，Twitter并没有像书籍和新闻档案库这样的许多标准语料库，它还对受欢迎程度和通过转推进行传播进行了编码。在这里，我们描述了Storywrangler，这是一个持续不断的，每天进行的规模管理，从2008年到2020年，其中包含约1万亿1克1克的推文。对于每一天，我们将150条推文分为1克，2克和3克+语言，记录使用频率，并生成Zipf分布。我们通过交互式时间序列查看器提供数据集，并提供可下载的时间序列和每日分布。我们展示了旨在实现许多可能研究途径的一些示例，包括如何通过“传染病学”可视化社会放大。
我们可以“感觉”到知识的温度吗？通过热力学对科学流行动力学进行建模
原文标题： Can We “Feel” the Temperature of Knowledge? Modelling Scientific Popularity Dynamics via Thermodynamics
地址： http://arxiv.org/abs/2007.13270
作者： Luoyi Fu, Dongrui Lu, Qi Li, Xinbing Wang, Chenghu Zhou
摘要： 就像大自然中的一切一样，科学主题蓬勃发展并灭亡。尽管现有文献通过引用方式很好地捕捉了文章的生命周期，但对于特定主题的科学受欢迎程度和影响力如何发展却鲜为人知。如果我们能够像通过温度感知天气那样“感觉”主题的活动，那将是最直观的。在这里，我们构想知识温度，以通过引文网络动态量化主题的总体受欢迎程度和影响。知识温度包括2部分。其中一部分通过评估知识积累来描述持久影响，方法是在主题演变和等压膨胀之间进行类比。另一部分通过内部能量的熵变率，通过节点度和边数近似的2个热力学变量来衡量知识结构的时间变化，这是短期流行的一个体现。我们对具有代表性的主题（从1000篇到30000篇不等）的分析表明，蓬勃发展的关键在于主题为未来的知识积累积累有用信息的能力。当主题的知识结构被有影响力的文章改变时，主题尤其会经历温度激增。当出现单个非平凡的新颖研究焦点或主题结构合并时，峰值尤其明显。总体而言，知识温度体现了主题独特的演化周期。
DCDIR：针对保险领域冷启动用户的深层跨域推荐系统
原文标题： DCDIR: A Deep Cross-Domain Recommendation System for Cold Start Users in Insurance Domain
地址： http://arxiv.org/abs/2007.13316
作者： Ye Bi, Liqiang Song, Mengqiu Yao, Zhenyu Wu, Jianming Wang, Jing Xiao
摘要： 互联网保险产品在复杂性，购买频率低等方面显然不同于传统的电子商务产品，因此冷启动问题更加严重。在传统的电子商务领域中，已经研究了几种跨域推荐（CDR）方法来基于冷启动用户在其他域中的偏好来推断其偏好。但是，由于产品的复杂性，这些CDR方法无法直接应用于保险领域。在本文中，我们为冷启动用户提出了一个深跨域保险推荐系统（DCDIR）。具体来说，我们首先学习这两个域中更有效的用户和商品潜在功能。在目标领域，鉴于保险产品的复杂性，我们设计了基于元路径的保险产品知识图方法。在源域中，我们采用GRU对用户动态兴趣进行建模。然后我们通过多层感知学习特征映射功能。我们将DCDIR应用于我们的公司数据集，并显示DCDIR明显优于最新解决方案。
使用标签一致的图神经网络进行半监督节点分类
原文标题： Label-Consistency based Graph Neural Networks for Semi-supervised Node Classification
地址： http://arxiv.org/abs/2007.13435
作者： Bingbing Xu, Junjie Huang, Liang Hou, Huawei Shen, Jinhua Gao, Xueqi Cheng
摘要： 图神经网络（GNN）在基于图的半监督节点分类中取得了巨大的成功，它利用了来自相邻节点的信息来改进目标节点的表示学习。 GNN在节点分类上的成功取决于假设连接的节点倾向于具有相同的标签。但是，这样的假设并不总是可行，从而限制了GNN在节点分类时的性能。在本文中，我们提出了基于标签一致性的图神经网络（LC-GNN），利用未连接但具有相同标签的节点对扩大节点在神经网络中的接受范围。在基准数据集上的实验表明，在基于图的半监督节点分类中，所提出的LC-GNN优于传统的GNN。
走向多语言食谱的个性化和推荐
原文标题： Towards Multi-Language Recipe Personalisation and Recommendation
地址： http://arxiv.org/abs/2007.13440
作者： Mikhail Fain, Andrey Ponikar, Nadine Sarraf, Niall Twomey
摘要： 多语言配方的个性化和推荐是学术和生产系统中信息检索领域的一个未开发的领域。我们目前的理解中存在许多空白，即使在诸如是否可以跨语言提供一致且高质量的食谱推荐之类的基本问题上也是如此。在本文中，我们介绍了多语言配方推荐设置，并介绍了基础结果，这将有助于确定该领域未来工作的潜力和绝对价值。我们的工作来自阿拉伯，英语，印尼语，俄语和西班牙语的数百万个食谱和用户中的数十亿个事件。我们使用归一化成分，标准化技能和无需人为干预而获得的图像嵌入的组合来代表食谱。在建模中，我们采用一种经典方法，该方法基于朝着最能引起烹饪意图的交互优化嵌入式双线性用户项度量空间的方式。对于没有交互历史的用户，引入了可预测上下文和配方亲和力的基于内容的定制冷启动模型。我们证明了我们的个性化方法是稳定的，并且可以轻松地扩展到新的语言。我们采用了强大的交叉验证活动，并且始终拒绝基线模型和表示，因此强烈赞成我们建议的模型和表示。我们的结果以面向语言（而不是面向模型）的方式呈现，以强调这项工作基于语言的目标。我们认为，这是第一项大规模研究，全面考虑了多语言配方推荐和个性化的价值和潜力，并提供了可扩展和可靠的模型。
特征向量在有向随机图中的局部化和通用性
原文标题： Localization and universality of eigenvectors in directed random graphs
地址： http://arxiv.org/abs/2007.13672
作者： Fernando L. Metz, Izaak Neri
摘要： 尽管随机图的谱特性一直是网络理论的长期关注点，但迄今为止，有向图的正确特征向量的特性一直没有进行精确的解析处理。我们提出了一种有向度的随机图，具有规定的度分布和随机加权的链接，可以对右特征向量分量进行统计。我们获得了逆参与比的精确解析表达式，并证明了平均程度较小的有向随机图的右特征向量是局部的。显著地，用于局部化转变的临界平均程度与程度波动无关。我们还表明，正确的特征向量分布的稠密极限仅由程度波动决定，它概括了随机矩阵理论的标准结果。我们提出了一种在密集极限下特征向量统计通用性的分类方案，该方案得到了精确的全部特征向量分布的支持。更笼统地说，本文提供了一种理论形式主义来研究稀疏非Hermitian随机矩阵的特征向量统计。
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