- 美国对COVID-19反应的县级数据集;
- 仇恨言论越过单个平台控制，在线传播恶意COVID-19内容;
- 流行病传播模型中的自组织临界;
- 在有限知识下进行有效的网络免疫;
- 图汇总方法和应用综述;
- 车联网和自动驾驶对城市交通流量的益处;
- 有效疏散曼哈顿下城;
- ArsonEmergency标签和澳大利亚的“黑色夏天”：社交媒体上的极化和不实信息;
- 动力工程中网络-物理-社会系统受能流约束的社区弹性优化;
- 怀疑主义和谣言传播：空间相关性的作用;
- k跳协作博弈模型：扩展到社区预算和自适应非子模性;
- 具有多主体交互的意见动态;
- 在Twitter上发现政治社交机器人：2019年西班牙大选案例;
- 身份等级和团队合作：Mark广义模型（2018）;
- 使用基于时间RNN的分层注意力进行链路预测建模动态异构网络;
- 从分散的统计信息生成国家规模的互动网络;
- 信息访问悖论：关于社交媒体诱导的极化模型;
- 通过惩罚无标度空间随机图中向集线器的传输来阻止爆炸;
美国对COVID-19反应的县级数据集
原文标题： A County-level Dataset for Informing the United States' Response to COVID-19
地址： http://arxiv.org/abs/2004.00756
作者： Benjamin D. Killeen, Jie Ying Wu, Kinjal Shah, Anna Zapaishchykova, Philipp Nikutta, Aniruddha Tamhane, Shreya Chakraborty, Jinchi Wei, Tiger Gao, Mareike Thies, Mathias Unberath
摘要： 随着2019年冠状病毒病（COVID-19）成为全球大流行病，政策制定者必须采取干预措施以阻止其传播。数据驱动的方法可能会提供信息来支持缓解和抑制策略的实施。为了促进朝这个方向的研究，我们提供了一个机器可读的数据集，该数据集汇总了县级政府，新闻和学术来源的相关数据。除了JHU CSSE COVID-19信息中心的县级时间序列数据外，我们的数据集还包含300多个变量，这些变量汇总了人口估计数，人口统计学，族裔，住房，教育，就业以及未来的收入，气候，过境得分以及与医疗保健系统相关的指标。此外，我们汇总了每个县（包括杂货店和医院）各个景点的汇总户外活动信息，并汇总了SafeGraph的数据。通过收集这些数据，并提供读取这些数据的工具，我们希望能够帮助研究人员调查疾病的传播方式以及哪些社区最能适应在家中的缓解工作。我们的数据集和相关代码可在https://github.com/JieYingWu/COVID-19_US_County-level_Summaries获得。
仇恨言论越过单个平台控制，在线传播恶意COVID-19内容
原文标题： Hate multiverse spreads malicious COVID-19 content online beyond individual platform control
地址： http://arxiv.org/abs/2004.00673
作者： N. Velásquez, R. Leahy, N. Johnson Restrepo, Y. Lupu, R. Sear, N. Gabriel, O. Jha, N.F. Johnson
摘要： 我们证明恶意的COVID-19内容（包括仇恨言论，虚假信息和错误信息）利用在线仇恨的多种形式迅速传播，超出了任何单个社交媒体平台的控制范围。机器学习主题分析定量地显示了在线仇恨社区如何将COVID-19武器化，主题发展迅速，内容变得越来越连贯。我们的数学分析提供了一种通用的公共卫生R0形式，可预测跨多病毒范围传播的临界点，这建议了新的政策选择，可以减轻恶意COVID-19内容在全球的传播，而无需依赖所有在线平台之间的未来协调。
流行病传播模型中的自组织临界
原文标题： Self-Organized Criticality in an Epidemic Spread Model
地址： http://arxiv.org/abs/2004.00682
作者： Y. Contoyiannis, S.G. Stavrinides, M.P. Hanias, M. Kampitakis, P. Papadopoulos, S. Potirakis
摘要： 以前介绍的自我组织的临界模型适用于病毒引起的流行病。在以下几行中进行的研究突出了整个人群中病毒密度的临界值。对于较低的初始病毒密度值（低于临界值），已证明病毒扩散行为安全，并且在数量上与常规的实际流行病数据相似。研究表明，在临界点附近，出现了由临界现象理论引入的临界减速现象。另外，发生了服从二阶相变的流行病行为。对于高于临界值的病毒密度值，流行持续时间变得极为延长。另外，封闭系统的人口规模的影响揭示了有趣的性质。所有这些结果，以及对当局干预有效性的调查（如采用接触限制措施的情况），都科学地证明了其价值。
在有限知识下进行有效的网络免疫
原文标题： Efficient network immunization under limited knowledge
地址： http://arxiv.org/abs/2004.00825
作者： Yangyang Liu, Hillel Sanhedrai, GaoGao Dong, Louis M. Shekhtman, Fan Wang, Sergey V. Buldyrev, Shlomo Havlin
摘要： 大规模网络的有向免疫或攻击已引起科学界的极大关注。但是，在现实情况中，网络的知识和观察可能会受到限制，从而无法对要免疫（或移除）的最佳节点进行全面评估，从而避免像当前COVID-19流行病那样的流行病传播。在这里，我们研究了一种新颖的免疫策略，一次仅观察到 n 个结节，并且对这些 n 个结点之间最中心的部分进行了免疫（或攻击）。重复不断地进行此过程，直到 1-p 的节点免疫（或攻击）为止。我们为这种方法开发了一个分析框架，并针对具有任意度数分布 P（k）的网络，确定了临界渗透阈值 p_c 和巨型分量 P _ infty 的大小。在 n to infty 的范围内，我们恢复了针对目标攻击的先前工作，而对于 n = 1 ，我们恢复了已知的随机失败案例。在这两个极端之间，我们观察到随着 n 的增加，在具有完整信息的有向免疫（攻击）下， p_c 会迅速朝其最佳值增加。特别是，我们在 | p_c（ infty）-p_c（n）| 和 n 之间找到了新的尺度关系，作为 | p_c（ infty）-p_c（n）| sim n ^ -1 exp（- alpha n）。对于无标度（SF）网络，其中 P（k） sim k ^ - gamma，2 < gamma <3 ，我们发现当时， p_c 从零过渡到非零。 n 从 n = 1 增加到 log N 的顺序（ N 是网络的大小）。因此，对于SF网络，了解 log N 节点的顺序并对其进行免疫可以大大减少流行病。
图汇总方法和应用综述
原文标题： Graph Summarization Methods and Applications: A Survey
地址： http://arxiv.org/abs/1612.04883
作者： Yike Liu, Tara Safavi, Abhilash Dighe, Danai Koutra
摘要： 尽管计算资源的进步使处理大量数据成为可能，但人类识别此类数据中的模式的能力并未相应地扩展。因此，用于压缩和简化数据的高效计算方法对于提取可行的见解变得至关重要。特别是，虽然已经广泛地研究了数据汇总技术，但是直到最近，汇总互连数据或图才成为流行。这项调查是对图数据进行汇总的最新方法的结构化，全面概述。我们首先探讨图摘要背后的动机和挑战。然后，我们根据作为输入的图的类型对汇总方法进行分类，并通过核心方法进一步组织每个类别。最后，我们讨论了汇总在现实世界图上的应用，并通过描述该领域中的一些未解决的问题得出结论。
车联网和自动驾驶对城市交通流量的益处
原文标题： On Urban Traffic Flow Benefits of Connected and Automated Vehicles
地址： http://arxiv.org/abs/2004.00706
作者： Ioannis Mavromatis, Andrea Tassi, Robert J. Piechocki, Mahesh Sooriyabandara
摘要： 自动驾驶汽车是智能交通系统（ITS）不可或缺的一部分，有望在未来的出行服务中发挥关键作用。本文研究了两类自动驾驶汽车：（i）仅依靠车载传感器执行环境感知任务的4级和5级自动驾驶汽车（AV），以及（ii）利用与通过驾驶意图和传感器信息共享进一步增强感知能力。我们的调查考虑并量化了每个车辆组在欧洲和美国的大型城市道路网中的影响。关键性能指标是交通拥堵，平均速度和平均出行时间。具体而言，数值研究表明，交通拥堵可以减少多达四倍，而CAV组的平均流速仍接近限速，并且可以比人力车辆高300％。最后，还对交通状况进行了研究，表明即使CAV的市场渗透很小，也将对交通流量产生实质性的净积极影响。
有效疏散曼哈顿下城
原文标题： Efficiently Evacuating Lower Manhattan
地址： http://arxiv.org/abs/2004.00709
作者： Caitlin Feltner, Emily Lewis, Jamie Peck, Mark Shipps Jr., Scott Holmdahl
摘要： 尽管每年气象和预测技术都在飞速发展，但自然灾害的威胁并非完全可以预测。但是，可预测性仍不能保证可避免性，因此，充足的时间对预测做出反应仍然是主要问题。市政府通常会花费大量精力为此类事件做准备，方法是对基础设施进行投资并研究疏散策略，以最大程度地减少对人类的潜在伤害。这项研究的重点是曼哈顿岛这些疏散策略之一的发展。提出的算法基于评估具有计算出的流量低密度和时间成本的源目的地路由。通过使用转运LP优化模型，我们能够了解曼哈顿下城有针对性的出口中的撤离人员的最佳吞吐量，从而在最短时间内将人口从伤害的道路上转移出去，而前提是可以预测到潜在的自然灾害。
ArsonEmergency标签和澳大利亚的“黑色夏天”：社交媒体上的极化和不实信息
原文标题： #ArsonEmergency and Australia's "Black Summer": Polarisation and misinformation on social media
地址： http://arxiv.org/abs/2004.00742
作者： Derek Weber, Mehwish Nasim, Lucia Falzon, Lewis Mitchell
摘要： 在2019-20夏季，澳大利亚遭遇了前所未有的丛林大火，有关纵火和有限回火的虚假叙述迅速在Twitter上流传开来，尤其是使用#ArsonEmergency标签。社交媒体研究人员发现并报道了错误信息以及类似bot和troll的行为，这一消息很快传到了主流媒体。本文考察了错误信息成为公众知识之前和之后，两个两极分化的在线社区的沟通和行为。具体来说，支持者社区使用各种新闻来源推动纵火叙事，积极与其他人进行传播，以散布主题标签，而反对者社区则较少参与，转推更多，并集中利用URL链接到主流消息来源，从而使故事揭穿并揭露异常行为。这影响了更广泛讨论的内容。 Bot分析显示，活跃账户主要是人类，但行为和内容分析表明，支持者参与了拖钓活动，尽管两个社区都使用了攻击性语言。
动力工程中网络-物理-社会系统受能流约束的社区弹性优化
原文标题： Community Resilience Optimization Subject to Power Flow Constraints in Cyber-Physical-Social Systems in Power Engineering
地址： http://arxiv.org/abs/2004.00772
作者： Jaber Valinejad, Lamine Mili
摘要： 本文开发了一种电力工程中计算机物理社会系统中受潮流约束的社区弹性优化方法，该方法使用基于多智能体的算法进行求解。潮流算法是使物理方面的电力与消费者之间的联系与社会方面的关键负载之间产生联系的工具。具体来说，消费者，生产者的情感，同理心，合作和身体健康水平是在建议的社区弹性优化方法中建模的，同时考虑了电力系统的限制及其对关键负荷（包括医院，住所）的影响和加油站，仅举几例。最优化说明了以下事实：社会的满意度，生活水平和社会福祉取决于包括电力在内的能源供应。显然，由于负载减少而导致的电能不足会影响人们的心理和心理生活质量，进而影响社区的应变能力。所开发的约束社区弹性优化方法应用于两个案例研究，包括两区域6总线系统和改进的IEEE RTS 24总线系统。仿真结果表明，情绪，风险感知和社交媒体平台影响因素的初始值降低会导致负载减少量增加，从而导致社区弹性下降。相比之下，合作，同情心，身体健康，微电网的能力和分布式能源的初始价值的增加导致负荷减少的减少，这反过来又增强了社区的适应力。
怀疑主义和谣言传播：空间相关性的作用
原文标题： Skepticism and rumor spreading: the role of spatial correlations
地址： http://arxiv.org/abs/2004.00777
作者： Marco Antonio Amaral, W. G. Dantas, Jeferson J. Arenzon
摘要： 批判性思维和怀疑论是可以用来防止谣言，假新闻和错误信息传播的基本机制。我们考虑一个简单的模型，在这种模型中，以前没有与谣言接触过的主体人持怀疑态度，他们可能会说服传播者停止其活动，或者一旦暴露于谣言，就决定不传播它，例如进行事实核查。 。我们将对主动和被动怀疑主义这两种机制的组合效应进行先前的均值分析，以包括空间相关性。可以通过对近似来进行分析，也可以在各种网络上模拟基于主体的版本。我们的结果表明，在平均场中，传播者和易感者之间不存在共存（尽管取决于参数，取决于初始条件可能存在双稳态），但由于隔离的保护作用，当包含空间相关性时由删除的主体提供，则可以共存。
k跳协作博弈模型：扩展到社区预算和自适应非子模性
原文标题： A k-hop Collaborate Game Model: Extended to Community Budgets and Adaptive Non-Submodularity
地址： http://arxiv.org/abs/2004.00893
作者： Jianxiong Guo, Weili Wu
摘要： 收益最大化（RM）是在线社会网络（OSN）上最重要的问题之一，它试图在OSN中找到一小部分用户，从而使预期收益最大化。之前已经对其进行了深入研究。但是，大多数现有文献都基于非自适应播种策略和简单的信息传播模型，例如IC / LT模型。它认为单个受影响的用户是量化收益的度量单位。在协作博弈模型出现之前，它一直将活动视为计算收入的基本对象。用户发起的活动只能影响与发起者的距离在k-hop之内的那些用户。在此基础上，我们采用了自适应种子策略，并制定了规模预算（RMSB）问题下的收益最大化。如果考虑到产品的促销，我们将RMSB扩展到“社区预算（RMCB）”问题下的“收益最大化”，该影响可以分布在整个网络上。 RMSB和RMCB的目标函数是自适应单调而不是自适应子模，但在某些特殊情况下，它是自适应子模。我们研究了特殊亚模态和一般非亚模态下的RMSB和RMCB问题，并提出了RMSBSolver和RMCBSolver分别为它们提供了有力的理论保证。尤其是，我们给出了在一般非亚模块情况下RMSB问题的数据相关近似率。最后，我们通过在真实数据集上进行实验来评估我们提出的算法，并证明了我们解决方案的有效性和准确性。
具有多主体交互的意见动态
原文标题： Opinion Dynamics with Multi-Body Interactions
地址： http://arxiv.org/abs/2004.00901
作者： Leonie Neuhäuser, Michael T. Schaub, Andrew Mellor, Renaud Lambiotte
摘要： 我们介绍和分析超图上非线性共识动力学的三体共识模型（3CM）。我们的模型包含增强组效应，即使基础图完整（对应于均值场交互作用），也可能导致系统平均状态发生变化，这种现象可以解释为同伴压力的一种。我们进一步证明，对于具有两个群集组的系统，动力学中很小的不对称性可能导致一组的观点明显占优势。我们证明了模型中的非线性是使此类群体动力学出现的基本要素，并说明了如何将我们的系统以线性方式，成对相互作用的系统写在重新尺度的网络上。
在Twitter上发现政治社交机器人：2019年西班牙大选案例
原文标题： Spotting political social bots in Twitter: A use case of the 2019 Spanish general election
地址： http://arxiv.org/abs/2004.00931
作者： Javier Pastor-Galindo, Mattia Zago, Pantaleone Nespoli, Sergio López Bernal, Alberto Huertas Celdrán, Manuel Gil Pérez, José A. Ruipérez-Valiente, Gregorio Martínez Pérez, Félix Gómez Mármol
摘要： 尽管社交媒体已被证明是与他人互动并大量快速传播有用信息的非常有用的工具，但它的巨大潜力却被无意地利用，也扭曲了政治选举和操纵选民。在本文中，我们分析了2019年11月西班牙大选期间Twitter上社交机器人的存在和行为。在整个研究过程中，我们将参与的用户分类为社交机器人或人类，并从定量（即产生的流量和现有关系）和定性（即用户对最重要的政党的政治亲和力和情感）角度检查了他们的互动。结果表明，这些机器人中很少有机器人积极参与选举，为五个主要政党的每一个提供了支持。
身份等级和团队合作：Mark广义模型（2018）
原文标题： Status hierarchy and group cooperation: A generalized model of Mark (2018)
地址： http://arxiv.org/abs/2004.00944
作者： Hsuan-Wei Lee, Yen-Ping Chang, Yen-Sheng Chiang
摘要： 地位等级制度可以促进小组合作的出现吗？在演化模型中，马克（2018）为理论探索提供了肯定的答案。尽管做出了贡献，但我们批评说，马克模型不仅存在数学错误，而且在将其应用于其他层次结构时也存在局限性。我们通过引入一种新颖的层次结构度量来插值感兴趣的任何层次结构中的组成员的协作性，从而提供了一种更为通用的模型。我们得出可以出现合作的条件，并通过基于主体的计算机仿真来验证我们的分析预测。一般而言，就地位行为如何促进社会合作的出现而言，我们的演化模型比马克的原始模型提供了更强有力的证据。
使用基于时间RNN的分层注意力进行链路预测建模动态异构网络
原文标题： Modeling Dynamic Heterogeneous Network for Link Prediction using Hierarchical Attention with Temporal RNN
地址： http://arxiv.org/abs/2004.01024
作者： Hansheng Xue, Luwei Yang, Wen Jiang, Yi Wei, Yi Hu, Yu Lin
摘要： 网络嵌入旨在在捕获网络结构信息的同时学习节点的低维表示。它在许多网络分析任务（例如链路预测和节点分类）上都取得了巨大的成功。现有的网络嵌入算法大多数都集中在如何有效学习静态同构网络上。但是，现实世界中的网络更加复杂，例如，网络可能由几种类型的节点和边（称为异构信息）组成，并且可能会随着时间的变化而在动态节点和边（称为演化模式）方面发生变化。动态异构网络的网络嵌入已经完成了有限的工作，因为同时学习演化信息和异构信息都具有挑战性。在本文中，我们提出了一种新的动态异构网络嵌入方法，称为DyHATR，该方法使用层次化注意力来学习异构信息，并结合具有时间注意力的递归神经网络来捕获演化模式。我们在四个真实世界的数据集上对链路预测任务进行基准测试。实验结果表明，DyHATR明显优于几个最新的基准。
从分散的统计信息生成国家规模的互动网络
原文标题： Generate Country-Scale Networks of Interaction from Scattered Statistics
地址： http://arxiv.org/abs/2004.01031
作者： Samuel Thiriot, Jean-Daniel Kant
摘要： 通常，通过网络定义一组主体之间的交互结构。大多数基于主体的模型显示出对该网络高度敏感，因此仿真结果的相关性直接取决于该网络的描述能力。在研究人口众多的社会动态时，该网络无法收集，而是由旨在适合社会网络一般属性的算法生成的。但是，可以在国家范围内以社会人口统计学研究，普查或社会学研究的形式获得更精确的数据。这些“分散的统计信息”提供了丰富的信息，尤其是有关座席的属性，联系座席的相似属性和从属关系的信息。在本文中，我们提出了一种通用方法，将这些分散的统计信息与贝叶斯网络结合起来。我们将说明如何生成异质主体群体，以及如何通过使用分散的统计信息和有关社会选择过程的知识来创建链接。通过为肯尼亚农村地区建立一个互动网络来说明该方法，该互动网络包括家族结构，同事和友谊（在给定的现场研究和统计数据的情况下）。
信息访问悖论：关于社交媒体诱导的极化模型
原文标题： The Paradox of Information Access: On Modeling Social-Media-Induced Polarization
地址： http://arxiv.org/abs/2004.01106
作者： Chao Xu, Jinyang Li, Tarek Abdelzaher, Heng Ji, Boleslaw K. Szymanski, John Dellaverson
摘要： 本文开发了一种随机的人类信念漂移模型，该模型表明当今可访问的信息量巨大，再加上消费者的确认偏见和对更偏僻内容的自然偏好，必然导致两极分化加剧。该模型解释了在共享增加的时代意识形态分裂日益加剧的悖论。随着社交媒体，搜索引擎和其他实时信息共享渠道旨在促进对信息的访问，由于随之而来的信息过载，出现了对内容过滤的需求。通常，消费者选择与他们的个人观点和价值观相匹配的信息。当今的信息策划服务呼应了这种选择所固有的偏见，该服务通过根据观察到的消费者喜好过滤新内容来最大化用户的参与度。结果，个人暴露于意识形态范围的日益狭窄的范围内，从而使社会分裂为意识形态上越来越孤立的飞地。我们称这种动态为信息访问的悖论。该模型还表明，只需少量注入定位良好的错误信息即可达到不相称的损害。本文介绍了建模方法，并评估了不同人口规模和参数设置的建模结果。
通过惩罚无标度空间随机图中向集线器的传输来阻止爆炸
原文标题： Stopping explosion by penalising transmission to hubs in scale-free spatial random graphs
地址： http://arxiv.org/abs/2004.01149
作者： Júlia Komjáthy, John Lapinskas, Johannes Lengler
摘要： 我们研究信息在有限和无限不均匀空间随机图中的传播。我们假设每个边的传输成本是i.i.d的乘积。随机变量L和惩罚因子：对于所有 mu> 0，期望度w_1和w_2的顶点之间的边将受到（w_1w_2）^ mu的惩罚。我们针对无标度渗流，（有限和无限）几何非均匀随机图以及双曲随机图研究此过程，所有过程均具有幂律度分布且指数 tau>1。对于 tau <3，我们找到一个阈值行为，取决于L的累积分布函数在多大程度上衰减为零。如果它最多以多项式衰减，并且指数小于（3- tau）/（2 mu），则发生爆炸，即，以正概率我们可以以有限的代价到达无数个顶点（对于无限模型），或者达到具有限制成本的所有顶点的线性分数（对于有限模型）。另一方面，如果L的cdf至少在多项式上衰减为零，且指数大于（3- tau）/（2 mu），则不会发生爆炸。可以说，这种行为比没有惩罚因素的情况更好地表示了社会网络中的信息传播过程，在这种情况下，除非L的cdf呈指数倍地趋近于零，否则总是会发生爆炸。最后，我们将结果扩展到其他惩罚函数，包括w_1和w_2中的任意多项式。在某些情况下，当我们颠倒w_1和w_2的角色时，会发生有趣的现象，即模型改变行为（从爆炸性变为保守性，反之亦然）。直观地讲，这可能对应于逆转信息流：收集信息可能比发送信息花费更多的时间。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，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