- 传输网络上的空间随机SIR模型及其在中国COVID-19疫情中的应用;
- 以貌取人：面部感知对社会网络中心性的影响;
- 使用移动数据对COVID-19暴发进行风险绘图;
- 基于大规模出行数据集的乘船旅行深度分析;
- 宿主间空气传播的多相流问题用于基于科学的社会距离准则;
- 一种标准不完全适合：Stack Overflow的徽章行为研究;
- 建模坚不可摧的恶意软件的第一步;
- 通过考虑社交的推荐来提高智能会议的参与度;
- DINE：深度不完全网络嵌入的框架;
- Exo-SIR：一种流行病学模型，用于分析印度COVID-19的外源性感染的影响;
- 考虑锁定政策和社会行为的COVID-19流行病学预测：玻利维亚;
- Covid-19在人群中传播动力学的经验模型;
- 链上参与者的海德平衡取决于相互作用范围和热噪声;
- 基于BERT模型的社交媒体中的仇恨言论检测和种族偏见缓解;
- ALONE：Twitter上青少年有害行为数据集;
传输网络上的空间随机SIR模型及其在中国COVID-19疫情中的应用
原文标题： A Spatial Stochastic SIR Model for Transmission Networks with Application to COVID-19 Epidemic in China
地址： http://arxiv.org/abs/2008.06051
作者： Tatsushi Oka, Wei Wei, Dan Zhu
摘要： 世界各国政府已经采取了预防冠状病毒（COVID-19）传播的预防措施。在这项研究中，我们考虑使用多元离散时间马尔可夫模型来分析COVID-19在中国33个省区的传播。这种方法使我们能够评估限制移动政策对疾病传播的影响。我们使用跨地区日常人员流动的数据，并应用贝叶斯框架来估计建议的模型。结果表明，该疾病在中国的传播主要是由区域内的社区传播所驱动，而地方政府采取的封锁政策遏制了大流行的蔓延。此外，我们证明湖北只是流行初期的震中。到2020年1月下旬，已经建立了北京和广东等次生震中，该病蔓延到了相连地区。在跨地区实行人员流动限制之后，来自这些震中的传播大大减少。
以貌取人：面部感知对社会网络中心性的影响
原文标题： Judging a Book by Its Cover: The Effect of Facial Perception on Centrality in Social Networks
地址： http://arxiv.org/abs/2008.06312
作者： Dongyu Zhang, Teng Guo, Hanxiao Pan, Jie Hou, Zhitao Feng, Liang Yang, Hongfei Lin, Feng Xia
摘要： 面部外观在社会网络中很重要。个人经常从面部线索做出性格判断。尽管这些基于面部的印象缺乏确定有效性的证据，但它们至关重要，因为它们可能与基于人类网络的社会行为有关，例如寻求某些个人的帮助，建议，约会和合作，因此它们可能与社会网络的中心性有关。然而，尽管人们对中心位置的归因包括人格和行为进行了大量研究，但几乎没有工作研究影响网络中心性的明显面部特征。在本文中，我们通过研究一年级大学居住区社会网络形成的初始阶段，来研究基于面部外观的感知特征是否会影响网络中心性。我们为参加者生活在同一居住区中的参与者拍照留念，并请他们提名链接到不同网络的社区成员。然后，我们通过要求其他参与者对面部图像的三个主要属性进行评估来收集面部感知数据：优势，可信赖性和吸引力。同时，我们提出了一个框架来发现面部表情如何影响社会网络。我们的结果表明，感知到的面部特征与网络的中心性相关，并且它们可以预测不同网络中人们的中心性。我们的发现提供了有关面孔与网络中心性之间相互作用的心理学证据。我们的发现还为心理和社会网络技术的结合提供了见识，并且突出了面部偏见在暗示和传达社交特征方面的功能。据我们所知，我们是第一个探索面部感知对社会网络中心性的影响的人。
使用移动数据对COVID-19暴发进行风险绘图
原文标题： Risk mapping for COVID-19 outbreaks using mobility data
地址： http://arxiv.org/abs/2008.06193
作者： Cameron Zachreson, Lewis Mitchell, Michael Lydeamore, Nicolas Rebuli, Martin Tomko, Nicholas Geard
摘要： COVID-19具有很高的传播能力，要控制疫情爆发，需要快速有效的应对措施。由于感染可能由有症状或无症状的人传播，因此在诊断出临床病例之前很可能会发生大量未被发现的传播。因此，当发生暴发时，有必要预测哪些人群和地点的暴露风险更高。在这项工作中，我们评估了总体人类流动性数据在估计传播风险的地理分布方面的效用。我们提出了一种从近实时人口流动性数据产生空间传播风险评估的简单程序。我们针对澳大利亚的三个有据可查的COVID-19暴发情景验证了我们的估计。其中两个是定义明确的传输群集，一个是社区传输方案。我们的结果表明，流动性数据可以很好地预测传播中心的暴露风险地理模式，尤其是在涉及工作场所或与惯常旅行模式相关的其他环境的情况下。对于社区传播场景，我们的结果表明，当病例数较少且在空间上聚类时，流动性数据会为风险预测增加最大价值。我们的方法可以帮助卫生系统分配测试资源，并可能指导实施针对地理位置的行动和社会互动限制。
基于大规模出行数据集的乘船旅行深度分析
原文标题： An In-Depth Analysis of Ride-Hailing Travel Using a Large-scale Trip-Based Dataset
地址： http://arxiv.org/abs/2008.06050
作者： Jianhe Du, Hesham A. Rakha, Helena Breuer
摘要： 随着乘车（RH）使用的迅速增加，需要更好地了解和规范该行业。本文分析了来自大芝加哥地区一年的RH行程数据，以研究RH行程模式。分析了超过1.04亿次旅行。对于出行率，结果表明一年中出行的总数保持稳定，合并出行的比率从20％稳定下降到9％。与工作日相比，人们在周末更多地使用RH。具体而言，周末RH旅行次数（每天）平均比平日旅行次数高20％。这项工作的结果将有助于政策制定者和运输管理者更好地理解RH行程的性质，从而可以为乘车行业设计更好的法规和指导系统。
宿主间空气传播的多相流问题用于基于科学的社会距离准则
原文标题： Host-to-Host Airborne Transmission As a Multiphase Flow Problem For Science-Based Social Distance Guidelines
地址： http://arxiv.org/abs/2008.06113
作者： S. Balachandar, S. Zaleski, A. Soldati, G. Ahmadi, L. Bourouiba
摘要： COVID-19大流行已惊人地证明，发展与载有病原体的小滴的产生，运输和吸入有关的基础知识，以及在人与人之间传播的情况下，其作为空气传播的颗粒或气溶胶的最终命运，具有多么重要的意义。也越来越清楚的是，空中传播是疾病迅速传播的重要因素。在本文中，我们讨论了通过呼气产生液滴的过程，通过蒸发将其潜在转化为空气中颗粒，通过呼气吹气和周围空气湍流进行长距离运输以及由接收主体最终吸入的相互关联的多相流过程。基于对相关物理过程的理论分析，提出了一种用于液滴/气溶胶浓度随时间变化的简单模型。该建模框架以及详细的实验和模拟可用于研究多种情景，包括呼吸，说话，咳嗽和打喷嚏以及在许多环境条件下（例如潮湿或干燥的空气，密闭或开放的环境）。尽管在蒸发和与病毒的持久性耦合的物理学上仍然存在许多问题，但是很显然，有了对病毒传播的基本流物理学的更可靠的了解，就可以为设计案例设计的改进方法奠定基础。具体的社会隔离和感染控制指南。
一种标准不完全适合：Stack Overflow的徽章行为研究
原文标题： One Size Does Not Fit All: A Study of Badge Behavior in Stack Overflow
地址： http://arxiv.org/abs/2008.06125
作者： Stav Yanovsky, Nicholas Hoernle, Omer Lev, Kobi Gal
摘要： 徽章是问答网站（Q＆A）到共享博弈等在线互动网站的特有形式，是奖励参与者贡献的系统。本文研究徽章设计如何随着时间影响人们的贡献和行为。过去的工作表明，徽章“引导”人们的行为，使他们在获得徽章之前大幅增加了捐款额，并在此后立即降低了捐款额，返回到其基线捐款水平。相比之下，我们发现引导效果取决于用户的类型，就像通过用户贡献的速率和强度来建模一样。我们使用这些方法来区分不同的用户活动组，包括尽管是网站的重要贡献者但不受徽章系统影响的用户。我们提供了一个预测模型，用于预测用户在系统生命周期中如何更改其活动组。我们在Stack Exchange上的三个不同的Q＆A站点（有数十万用户）针对两种类型的活动（对帖子进行编辑和投票）以经验方式展示了我们的方法。
建模坚不可摧的恶意软件的第一步
原文标题： First Step Towards Modeling Unbreakable Malware
地址： http://arxiv.org/abs/2008.06163
作者： Tiantian Ji, Binxing Fang, Xiang Cui, Zhongru Wang, Jiawen Diao, Tian Wang, Weiqiang Yu
摘要： 当前，隐藏的恶意代码的构建已成为一种趋势，攻击者试图用它来隐藏其攻击意图。但是，隐身恶意软件的构建仍无法抵抗安全专家的反向分析。针对此问题，本文对具有“牢不可破”安全属性的一类恶意软件UBM（UnBreakable Malware）进行了建模。我们已经从模型，方法，实验，评估和防御中系统地研究了此类威胁。具体来说，首先，我们对UBM进行了正式的定义和安全属性研究。我们提出了两个必须满足的关键特征，以实现“牢不可破”的安全属性及其相应的评估四元数。其次，我们总结并实现了可用于构建UBM的四种算法，并基于对这两个关键功能的评估，验证了“不可破解”的安全属性。此外，我们使用四种经过验证的算法完成了UBM的构建，并通过计算体积增量并分析了实际的反防御能力，证明了UBM的实际适用性。最后，对于UBM（一种对网络空间的新威胁），本文讨论了可能的防御措施，并希望促进建立相应的防御系统。
通过考虑社交的推荐来提高智能会议的参与度
原文标题： Improving Smart Conference Participation through Socially-Aware Recommendation
地址： http://arxiv.org/abs/2008.06310
作者： Nana Yaw Asabere, Feng Xia, Wei Wang, Joel J.P.C. Rodrigues, Filippo Basso, Jianhua Ma
摘要： 这项研究旨在向参加者推荐在智能会议上的演示会议。我们提出了一种场地推荐算法，即“场地和环境的社交意识推荐”（SARVE）。 SARVE计算会议参与者的相关性和社会特征信息。为了使用分布式社区检测为推荐过程建模，SARVE进一步集成了智能会议社区和参与者的当前环境。 SARVE建议每个参与者都可能感兴趣的演示会议。我们使用真实数据集评估SARVE。在我们的实验中，我们将SARVE与两种相关的最新方法进行了比较，即：上下文感知移动推荐服务（CAMRS）和会议导航器（Recommender）模型。我们的实验结果表明，就所利用的评估指标而言，SARVE获得了更可靠和更有利的社会（亲戚和情境）推荐结果，这些评估指标包括精度，召回率和f量度。
DINE：深度不完全网络嵌入的框架
原文标题： DINE: A Framework for Deep Incomplete Network Embedding
地址： http://arxiv.org/abs/2008.06311
作者： Ke Hou, Jiaying Liu, Yin Peng, Bo Xu, Ivan Lee, Feng Xia
摘要： 网络表示学习（NRL）在各种任务（例如节点分类和链路预测）中起着至关重要的作用。它旨在基于网络结构或节点属性学习节点的低维向量表示。尽管已经对完整网络上的嵌入技术进行了深入研究，但在实际应用中，收集完整网络仍然是一项艰巨的任务。为了弥合差距，本文提出了一种深度不完整的网络嵌入方法，即DINE。具体来说，我们首先通过使用期望最大化框架来完成部分可观察网络中包括节点和边的缺失部分。为了提高嵌入性能，我们考虑网络结构和节点属性来学习节点表示。根据经验，我们在三个网络上评估DINE的多标签分类和链路预测任务。结果证明了我们提出的方法与最新基准相比的优越性。
Exo-SIR：一种流行病学模型，用于分析印度COVID-19的外源性感染的影响
原文标题： Exo-SIR: An Epidemiological Model to Analyze the Impact of Exogenous Infection of COVID-19 in India
地址： http://arxiv.org/abs/2008.06335
作者： Nirmal Kumar Sivaraman, Manas Gaur, Shivansh Baijal, Ch V Radha Sai Rupesh, Sakthi Balan Muthiah, Amit Sheth
摘要： 流行病学模型是刻画流行病动态的数学模型。病毒的传播有两种途径-外源性和内源性。外源传播来自被研究人群外部，内源传播位于被研究人群内部。尽管某些模型考虑了外源性感染源，但他们尚未研究外源性传播与内源性传播之间的相互作用。在本文中，我们介绍了一种新颖的模型-Exo-SIR模型，该模型可以刻画病毒的外源和内源传播。我们分析发现Covid19大流行期间内源性感染与外源性感染之间的关系。首先，我们模拟Exo-SIR模型，而无需假设该人群有任何联系网络。其次，通过假设联系网络是无标度网络来对其进行仿真。第三，我们在有关Covid19的真实数据集上实现了Exo-SIR模型。我们发现内源性感染受外源性感染的影响甚至很小。此外，我们发现在存在外源性感染的情况下，内源性感染的峰值更高，并且该峰值更早出现。这意味着，如果考虑到对像Covid19这样的大流行的反应，那么我们应该为比SIR模型所建议的更早和更多的病例做好准备，以表明是否存在外部感染源。
考虑锁定政策和社会行为的COVID-19流行病学预测：玻利维亚
原文标题： Epidemiological projections for COVID-19 considering lockdown policies and social behavior: the case of Bolivia
地址： http://arxiv.org/abs/2008.06345
作者： M. L. Peñafiel, G. M. Ramírez-Ávila
摘要： 我们使用Tsallis的建议来确定由SARS-CoV-2引起的流行情况，以确定峰的出现，并使用易感感染-恢复-无症状-无症状和死亡（ textbf SIRASD）隔间模型。使用这两个模型，我们确定了可能的高峰日期范围，并研究了该流行期间的几种社会距离情况。由于社会经济形势和冲突的政治气氛，我们以玻利维亚为例进行研究，该国原定于9月6日举行全国大选，最近于10月18日进行了重新安排。为此，我们分析了两种选举情况，并表明此类事件会在很大程度上影响该流行病的动态。
Covid-19在人群中传播动力学的经验模型
原文标题： An empirical model on the dynamics of Covid-19 spread in human population
地址： http://arxiv.org/abs/2008.06346
作者： Nilmani Mathur, Gargi Shaw
摘要： 我们提出了一个数学模型来分析正在进行的大流行区域中Covid-19病感染人群总数的时间演变。利用各个国家的Covid-19感染人群的可用数据，我们制定了一个模型，该模型可以成功跟踪给定波次下该传染病从早期到饱和期的时间演变。它涉及一组有效参数，可以从可用数据中提取这些参数。使用这些参数，还可以预测疾病传播的未来轨迹。还提出了一组微分方程，其解是这些时间演化轨迹。使用这种形式主义，我们预测了在Covid-19感染仍在迅速上升的许多国家中，感染传播的未来时间演变轨迹。
链上参与者的海德平衡取决于相互作用范围和热噪声
原文标题： Heider balance of a chain of actors as dependent on the interaction range and a thermal noise
地址： http://arxiv.org/abs/2008.06362
作者： Krzysztof Malarz, Krzysztof Kułakowski
摘要： Heider平衡是在一系列行为者中进行研究的，具有周期性边界条件和范围 r 的邻域，其中 r 作为参数。应用了两种模型动力学：确定性元胞自动机（Malarz等人，Physica D 411（2020）132556）和热浴算法，其中不平衡平衡三重轴的密度在能量的作用下。结果是在稳态和闪烁状态下的能量谱以及由热噪声驱动的平衡-不平衡网络过渡。临界点 T_c 随着范围 r 的增加而增加，并且不取决于系统大小。
基于BERT模型的社交媒体中的仇恨言论检测和种族偏见缓解
原文标题： Hate Speech Detection and Racial Bias Mitigation in Social Media based on BERT model
地址： http://arxiv.org/abs/2008.06460
作者： Marzieh Mozafari, Reza Farahbakhsh, Noel Crespi
摘要： 与数据集和训练有素的分类器相关的不同偏见最近在仇恨和虐待内容识别任务中引起了很多关注。尽管在滥用语言检测上偏向数据集的问题已得到更频繁地解决，但受过训练的分类器引起的偏见仍未引起关注。在这里，我们首先介绍一种基于现有的经过预先训练的语言模型BERT的仇恨语音检测转移学习方法，并在两个公开注释的种族，性别歧视，仇恨或令人反感的内容的公开数据集上评估该模型。接下来，我们引入了一种偏向缓解机制，以减轻在针对仇恨语音检测的预训练基于BERT的模型进行微调时训练集中的偏向效应。为此，我们使用正则化方法对输入样本进行加权，从而减少具有类别标签的高相关训练集的n元语法的影响，然后使用新的re-fine调整基于预训练的BERT模型加权样本。为了评估我们的偏见缓解机制，我们采用了一种跨域方法，其中我们在上述数据集上使用训练有素的分类器来预测来自Twitter的两个新数据集的标签，即AAE对齐和White对齐组，这表明使用非裔美国人英语（AAE）和标准美国英语（SAE）。结果表明，在经过训练的分类器中存在系统的种族偏见，因为他们倾向于将AAE对齐人群中AAE编写的推文分配给种族，性别歧视，仇恨和厌恶等负面类别，而不是White-SAE编写的推文。对齐。但是，在加入我们的偏见缓解机制后，我们分类器中的种族偏见明显减少。这项工作可以朝着消除仇恨言论和辱骂性语言检测系统的偏见迈出第一步。
ALONE：Twitter上青少年有害行为数据集
原文标题： ALONE: A Dataset for Toxic Behavior among Adolescents on Twitter
地址： http://arxiv.org/abs/2008.06465
作者： Thilini Wijesiriwardene, Hale Inan, Ugur Kursuncu, Manas Gaur, Valerie L. Shalin, Krishnaprasad Thirunarayan, Amit Sheth, I. Budak Arpinar
摘要： 社交媒体的便利性也使其滥用，可能导致有毒行为。将近66％的互联网用户已经观察到在线骚扰，而41％的人声称有个人经历，其中18％面临着严重的在线骚扰形式。这种有毒的交流对年轻人的健康有重大影响，影响心理健康，并在某些情况下导致自杀。这些交流展现出复杂的语言和语境特征，使人们难以理解此类叙述。在本文中，我们提供了一个被确认的高中生之间的有毒社交媒体互动的多模式数据集，称为ALONE（AdoLescents ON twittEr），以及描述性解释。交互的每个实例都包括推文，图像，表情符号和相关的元数据。我们的观察结果表明，单个推文并未提供充分的毒性行为证据，并且在交互中有意义地使用上下文可突出显示或消除具有所谓毒性的推文。
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