- 《冰与火之歌》的叙事结构创造了一个具有现实社会复杂性的虚构世界;
- 在复杂网络中定位交互信号的来源;
- 楔形挑选模型：基于三重闭合的动态图模型;
- ArCorona：分析冠状病毒（COVID-19）大流行初期的阿拉伯文推文;
- 电梯什么时候到达？;
- 十字路口骑自行车者的“冠状病毒安全”措施;
- 在高度可再生的欧洲能源系统中，缓解建筑物中的热量需求高峰;
- 在复杂网络中优化传感器放置以隐藏信号源的定位：综述;
- 具有个性化偏好注意力的考虑源的下一目的地推荐;
- 预期引起的社会小费-社会动态可以稳定环境吗？;
- 快速跟踪：流张量中的同步行为检测;
- 多层网络上的源位置;
- 在微博上下文中产生可解释模型的区分表达;
- 在爆发的头几个月中预测Twitter话语中COVID-19的错误信息和参与度;
- 社会媒体对潜在COVID-19疫苗舆论的研究：告知异议、差异和传播;
《冰与火之歌》的叙事结构创造了一个具有现实社会复杂性的虚构世界
原文标题： Narrative structure of A Song of Ice and Fire creates a fictional world with realistic measures of social complexity
地址： http://arxiv.org/abs/2012.01783
作者： Thomas Gessey-Jones, Colm Connaughton, Robin Dunbar, Ralph Kenna, Pádraig MacCarron, Cathal O'Conchobhair, Joseph Yose
摘要： 网络科学和数据分析用于量化George R.R. Martin史诗小说《冰与火之歌》中的静态和动态结构，这些作品以其规模和复杂性着称。通过跟踪故事发展过程中角色互动的网络，发现结构属性保持大致稳定，并且与现实世界的社会网络相当。此外，最紧密联系的角色的程度反映了人们倾向于维持的并发社交联系数量的认知极限。我们还分析了相对于故事情节时间表而言，重大死亡之间的时间间隔分布。这些与在现实世界中各种非暴力人类活动的事件间时间中通常发现的幂律分布相一致。我们建议，叙事的结构特征可以反映在我们实际的社会世界中，尽管其内容广泛，但可以帮助读者关注故事并与之联系。还发现，各章中重大死亡之间的时间间隔分布与故事中的时间表不同。这是几何定律，而不是幂定律。几何分布是无记忆的，因为自上次死亡以来的时间不告知下一次死亡的时间。这为人们普遍认为“冰与火之歌”中的重大死亡是无法预测的章节提供了可衡量的支持。
在复杂网络中定位交互信号的来源
原文标题： Locating the source of interacting signal in complex networks
地址： http://arxiv.org/abs/2012.02039
作者： Robert Paluch, Krzysztof Suchecki, Janusz A. Hołyst
摘要： 我们研究定位在复杂网络中传播的自交互信号源的问题。我们使用众所周知的谣言模型作为具有自我互动过程的示例。根据基于SIR流行病动态的此模型，受感染的节点可能相互作用，并且彼此之间不鼓励闲聊，概率为 alpha 。我们比较了三种源定位算法：有限Pinto-Thiran-Vettarli算法（LPTV），梯度最大似然算法（GMLA）和一种基于时间和距离之间的Pearson相关性的算法。数值模拟的结果表明，受感染节点之间的其他交互作用会降低LPTV和Pearson的质量。 GMLA对自交互作用的有害影响最有抵抗力，当扩展率低于0.5时，对于中等和高水平的过程随机性尤其明显。造成这种情况的原因可能是GMLA仅使用最近的观察者，而这些观察者受感染节点之间的相互作用的影响要小得多，因为随着流行病的发展和感染病原体数量的增加，这些联系变得很重要。
楔形挑选模型：基于三重闭合的动态图模型
原文标题： The Wedge Picking Model: A dynamic graph model based on triadic closure
地址： http://arxiv.org/abs/2012.01691
作者： Sara Ahmadian, Shahrzad Haddadan
摘要： 社会网络已成为人类生活中不可分割的一部分，以高效的方式处理社会网络是网络研究的重中之重。这些网络是高度动态的，并且不断增长。受三合会闭环概念的启发，我们提出了一种概率机制来对这些动态图的演化进行建模。尽管三合会封闭在社会网络中无处不在，并且它的存在有助于形成社区，但对其进行封装的概率模型尚未得到充分研究。我们从理论上分析模型，并说明如何限制图的某些特征（例如顶点度）的增长率。利用我们的理论结果，我们开发了一个调度子例程来分批处理图的修改。然后，使用我们的调度子例程来加速最新算法，并且在近似保证中的损失可忽略不计。通过将其应用于最密集子图和三密度子图发现问题，我们证明了该方法的适用性。
ArCorona：分析冠状病毒（COVID-19）大流行初期的阿拉伯文推文
原文标题： ArCorona: Analyzing Arabic Tweets in the Early Days of Coronavirus(COVID-19) Pandemic
地址： http://arxiv.org/abs/2012.01462
作者： Hamdy Mubarak, Sabit Hassan
摘要： 在过去的几个月中，阿拉伯地区有大量的循环推文和有关冠状病毒（COVID-19）的讨论。对于政策制定者和许多人来说，重要的是确定共享推文的类型，以更好地理解公众行为，关注的话题，政府的要求，推文的来源等。这对于防止谣言传播和有关病毒或病毒的错误信息也至关重要。不好的治疗方法。为此，我们展示了与COVID-19相关的阿拉伯语推文的最大手动注释数据集。我们描述注释准则，分析数据集并建立有效的机器学习和基于变压器的分类模型。
电梯什么时候到达？
原文标题： When Will an Elevator Arrive?
地址： http://arxiv.org/abs/2012.01471
作者： Zhijie Feng, S. Redner
摘要： 我们提出并分析了电梯在垂直方向上垂直运送人的极简主义模型。我们的工作重点是开始工作，即人们以固定的速度到达建筑物的底楼。当电梯到达底层时，乘客进入直到达到电梯容量为止，然后将他们运送到目的地楼层。我们确定每个人等到电梯到达的等待时间分布，等待电梯的人数，以及当人的到达率足够大时过渡到多个电梯的同步。我们通过事件驱动的仿真验证了我们的许多预测。
十字路口骑自行车者的“冠状病毒安全”措施
原文标题： 'Corona-safe' Measures for Cyclists at Intersections
地址： http://arxiv.org/abs/2012.01488
作者： A. Maria Salomons
摘要： 在电晕危机期间，采取了避免病毒传播的措施，其中最重要的措施之一是“保持足够的距离”。在此期间，骑自行车者通过拓宽自行车道或使用车道来扩大距离。电晕措施也影响了交叉路口控制，因为信号化的原理之一是基于交通聚集。控制的设置考虑了骑车人倾向于在停靠线附近聚集在一起的方式，因此，为了实现最佳控制，如果聚集发生变化，则还应调整控制。本文介绍了针对骑行者的“电晕安全”交叉口控制措施，并讨论了措施的效果及其（不利）优势。进一步调查了一些市政当局如何使用这些措施并在媒体上进行了宣传，以及公众如何接受这些措施。这些措施可以分为两组：检测和定时。对于所考虑的市政当局，最不受欢迎的措施涉及检测方法，例如按钮的使用适应性或类型，因为负面影响可能很大（影响吞吐量和成本）。更加流行的是控制时间的变化，传达最多的措施是骑自行车的人更频繁，绿色更长。公众对这些措施的接受程度（通过社交媒体的反应来确定）好坏参半，有些人对改善控制持积极态度，另一些则对驾车流量或成本产生负面影响。最常见的反应是对交叉路口控制和骑自行车者行为的普遍抱怨。对于将来的使用，“更频繁的绿色”措施是最合适的，可以检测到允许骑自行车的人以支持接受控件。也可以应用自行车应用程序，因为它们可带来更多舒适感并具有有限的负面影响。
在高度可再生的欧洲能源系统中，缓解建筑物中的热量需求高峰
原文标题： Mitigating heat demand peaks in buildings in a highly renewable European energy system
地址： http://arxiv.org/abs/2012.01831
作者： Elisabeth Zeyen, Veit Hagenmeyer, Tom Brown
摘要： 空间和水加热在欧盟（EU）的最终能源消耗中占41％[1]，因此在降低总体成本和减少温室气体（GHG）排放方面起着关键作用。在建筑物中达到净零排放的许多方案都依赖于通过热泵和电阻加热进行的电气化，但是要在冬季满足需求高峰可能是具有挑战性的，尤其是在风能和太阳能资源不足的情况下。在本文中，我们研究了如何在一个模型中最好地管理空间供热需求高峰，该模型包括具有高时空分辨率且净二氧化碳排放限制为零的欧洲电力，热力和运输部门。我们显示，与无季节变化的供热状况相比，冬季空间供暖需求的强劲高峰将系统成本提高了30％。我们专注于解决这些供热高峰的技术，即以零排放的排放耦合模型改造建筑物，热能存储和单个混合式热泵的备用甲烷锅炉。结果表明，发电量和热量需求之间的季节性相互作用决定了这些措施的使用强度。如果同时使用这三种工具，则总体成本最多可降低20％，其中建筑物翻新可带来最大的收益，节省的成本最高可达17％。此外，我们证明，如果进行热封套改造，则排除单个燃气锅炉和相关的配电网络只会导致系统成本增加1-2％。
在复杂网络中优化传感器放置以隐藏信号源的定位：综述
原文标题： Optimizing sensors placement in complex networks for localization of hidden signal source: A review
地址： http://arxiv.org/abs/2012.01876
作者： Robert Paluch, Łukasz G. Gajewski, Janusz A. Hołyst, Boleslaw K. Szymanski
摘要： 随着世界变得越来越互连，我们的日常物品已成为物联网的一部分，我们的生活也越来越多地反映在虚拟现实中，其中的每条信息（包括错误信息，虚假新闻和恶意软件）都可以非常广泛地传播。几乎是匿名的快。为了抑制这种不受控制的传播，必须开发出能够追踪这种恶意信息传播的高效计算机系统和算法。当前，用于源定位的最有效方法是基于传感器，该传感器提供它们检测扩散的时间。我们调查了此类传感器在复杂网络中的最佳放置问题，并提出了一种称为“集体介数中心性”的新图度量，并将其与其他四个指标进行了比较。在传感器的密度和信号的随机性的广泛范围内，对不同类型的复杂网络进行了广泛的数值测试。在这些测试中，我们发现在实测或无标度的合成网络与窄度分布网络之间，所研究的最佳放置方法的比较性能存在明显差异。与后者相比，前者在任何给定方法的优势中都有明确的区域，后者的性能图不太均匀。我们发现，尽管选择最佳的方法非常依赖于网络和扩展，但是有两种方法始终脱颖而出。高方差观察者似乎对随机性较低的价差表现很好，而本文介绍的集体比特温尼斯在价差高度不可预测时会蓬勃发展。
具有个性化偏好注意力的考虑源的下一目的地推荐
原文标题： Origin-Aware Next Destination Recommendation with Personalized Preference Attention
地址： http://arxiv.org/abs/2012.01915
作者： Nicholas Lim, Bryan Hooi, See-Kiong Ng, Xueou Wang, Yong Liang Goh, Renrong Weng, Rui Tan
摘要： 在出租车和乘车服务的运输领域中，下一个目的地推荐是一项重要任务，在该领域中，根据当前出发地位置向用户推荐个性化目的地。但是，最近的推荐作品不满足此起源感知属性，仅考虑从历史目的地位置学习，而没有起源信息。因此，所得到的方法不能基于用户的当前位置来学习和预测起源感知的推荐，从而导致次优性能和较差的实际实用性。因此，在这项工作中，我们研究了起源感知的下一目的地推荐任务。我们提出了时空原始目的地个性化偏好设置（STOD-PPA）编码器-解码器模型，以通过首先对两个原始位置进行编码来学习原始位置（OO），目标位置（DD）和原始位置（OD）关系以及在本地和全局视图中具有空间和时间因素的目的地序列，然后通过个性化的偏好注意解码它们，以预测下一个目的地。在七个真实世界的用户轨迹出租车数据集上的实验结果表明，我们的模型大大优于基线和最新方法。
预期引起的社会小费-社会动态可以稳定环境吗？
原文标题： Anticipation-induced social tipping -- Can the environment be stabilised by social dynamics?
地址： http://arxiv.org/abs/2012.01977
作者： Paul Manuel Müller, Jobst Heitzig, Jürgen Kurths, Kathy Lüdge, Marc Wiedermann
摘要： 在过去的几十年中，人类活动引起了全球地球系统的变化，例如气候变化或生物多样性的丧失。同时，这些相关影响已在全球范围内提高了社会对环境的意识，从而导致了社会和自然地球系统之间的动态反馈。当代对地球系统动力学建模的尝试很少包含这种共同演化，而且相互作用大多是通过直接或记住的过去影响来单向研究的。认识到社会具有远见卓识的附加能力，这项工作提出了一种社会生态共同演化的概念反馈模型，其特定的预期构想充当了社会与自然系统之间的中介。如果一个人假设一个静态环境，我们的模型将以双稳定性复制以前的社会学阈值模型的结果。一旦环境响应社会行为而发生变化，系统就会朝着全球稳定但不一定是理想的吸引者方向收敛。最终，我们表明对未来生态状态的预期会导致系统的亚稳态，其中所需状态可以持续很长时间。因此，我们证明，远见和预期形成了一种重要的机制，一旦其时间范围变得足够大，就会促进社会朝着可以稳定环境并防止潜在的社会生态崩溃的行为倾斜。
快速跟踪：流张量中的同步行为检测
原文标题： Fast Track: Synchronized Behavior Detection in Streaming Tensors
地址： http://arxiv.org/abs/2012.02006
作者： Jiabao Zhang, Shenghua Liu, Wenting Hou, Siddharth Bhatia, Huawei Shen, Wenjian Yu, Xueqi Cheng
摘要： 我们如何跟踪带有时间戳的元组流中的同步行为，例如以锁定步骤安装和卸载应用程序的移动设备，以提高其在应用商店中的排名？我们将这样的元组建模为流式张量中的条目，这会随着时间的流逝而增加其模式下的属性大小。同步行为倾向于在这样的张量中形成密集块（即次张量），表示异常行为或有趣的社区。但是，现有的密集块检测方法要么基于静态张量，要么在流设置中缺乏有效的算法。因此，我们提出了一种快速流算法AugSplicing，该算法可以通过将先前的检测与传入的元组中的传入检测增量地拼接在一起来检测顶部的密集块，从而避免在每个跟踪时间步长重新运行所有历史数据。 AugSplicing基于指导算法的拼接条件（第4节）。与最先进的方法相比，我们的方法（1）有效地检测安装真实应用程序数据时的欺诈行为，并在校园Wi-Fi数据中找到一组具有有趣功能的同步学生； （2）鲁棒的拼接理论，用于密集块检测； （3）流式传输，并且比现有流式传输算法更快，并且具有可比的准确性。
多层网络上的源位置
原文标题： Source location on multilayer networks
地址： http://arxiv.org/abs/2012.02023
作者： Robert Paluch, Łukasz G. Gajewski, K. Suchecki, Janusz A. Hołyst
摘要： 如今，必须处理多层网络上的传播并经常发现所述传播的来源可能是一项至关重要的任务。在本文中，我们使用最大似然方法解决了这个确切的问题，并将其扩展为可在多层图上使用。我们测试了用于合成网络上源位置估计的方法，并概述了其潜在的优势和局限性。我们还观察到一些不平凡的现象，也许是令人惊讶的现象，其中系统观察的越多，结果变得越差，而以更多层的形式增加问题复杂性实际上可以改善我们的性能。
在微博上下文中产生可解释模型的区分表达
原文标题： Discriminatory Expressions to Produce Interpretable Models in Microblogging Context
地址： http://arxiv.org/abs/2012.02104
作者： Manuel Francisco, Juan Luis Castro
摘要： 社交网站（SNS）是最重要的交流方式之一。特别是，由于微博站点的特殊性（及时性，简短文本等），它们被用作分析途径。有无数的研究以新颖的方式使用SNS，但是机器学习（ML）主要集中在分类性能上，而不是可解释性和/或其他优劣指标。因此，最新模型是不应用于解决可能具有社会影响的问题的黑匣子。当问题需要透明时，有必要建立可解释的管道。可以说，管道中最具决定性的组成部分是分类器，但这并不是我们唯一需要考虑的事情。尽管分类器可能是可解释的，但生成的模型过于复杂以至于无法理解，因此人类无法理解实际的决策。本文的目的是提出一种功能选择机制（该流程的第一步），该机制可以通过使用较少但更有意义的功能来提高可理解性，同时在要求可解释性的微博环境中实现良好的性能。此外，我们提出了一种根据统计相关性和偏倚来评估特征的排名方法。为了评估模型的分类性能，泛化能力和实际可解释性，我们对五个不同的数据集进行了详尽的测试。我们的结果表明，就准确性，概括性和可理解性而言，我们的建议是更好的，并且到目前为止是最稳定的。
在爆发的头几个月中预测Twitter话语中COVID-19的错误信息和参与度
原文标题： Predicting Misinformation and Engagement in COVID-19 Twitter Discourse in the First Months of the Outbreak
地址： http://arxiv.org/abs/2012.02164
作者： Mirela Silva, Fabrício Ceschin, Prakash Shrestha, Christopher Brant, Juliana Fernandes, Catia S. Silva, André Grégio, Daniela Oliveira, Luiz Giovanini
摘要： 虚假信息意味着有目的地散布虚假信息，以达到更大的可疑议程，并使社会混乱不堪。公众逐渐意识到社交媒体在这些邪恶目的上的滥用，在这些邪恶的目的下，即使是全球公共卫生危机也无法幸免于错误信息（欺骗性内容在没有故意恶意的情况下传播）。在本文中，我们检查了大流行初期几个月内与505K COVID-19相关的推文，以理解错误信息是机器人行为和参与的函数。使用基于相关性的特征选择方法，我们从170多个特征中选择了11个最相关的特征子集，以区分错误信息和事实，并预测有关COVID-19的高度引人入胜的错误信息推文。通过十个流行的多分类器，我们获得了至少72％的平均F分数，从而增强了所选功能的相关性。我们发现（i）真实用户同时发布事实和错误信息，而漫游器则按比例发布更多错误信息； （ii）虚假信息推文比事实引人入胜； （iii）推文的文字内容对于区分事实与错误信息最为重要，而（iv）用户帐户元数据和类似人的活动对于预测事实与错误信息推文的高度参与最为重要； （v）情绪特征不相关。
社会媒体对潜在COVID-19疫苗舆论的研究：告知异议、差异和传播
原文标题： Social Media Study of Public Opinions on Potential COVID-19 Vaccines: Informing Dissent, Disparities, and Dissemination
地址： http://arxiv.org/abs/2012.02165
作者： Hanjia Lyu, Wei Wu, Junda Wang, Viet Duong, Xiyang Zhang, Jiebo Luo
摘要： SARS-CoV-2疫苗的当前开发是前所未有的。但是，对于即将到来的疫苗的详细公众舆论知之甚少。我们使用了20,000多个不同的Twitter用户发布的40,000多个严格选择的推文（从使用关键字收集的600万条推文中），我们采用了人工指导的机器学习框架来收集公众对SARS-CoV-2和将它们分为三类：前疫苗，疫苗致敏剂和抗疫苗。为了调查民意的范围和原因，我们比较了这三个群体的人口统计学，社会资本，收入，宗教状况以及政治背景，并发现了显著差异。在社会经济弱势群体中，潜在的COVID-19疫苗的接受水平较低。我们进一步汇总了各州和国家/地区的意见，发现在美国东南部，支持疫苗的人群所占百分比较低。有趣的是，不同意见组所占百分比的主要变化大致对应于与大流行相关的主要事件。接下来，通过进行反事实分析，我们发现美国公众最关心与COVID-19潜在疫苗有关的安全性，有效性和政治问题。尤其是，我们还调查了有关新出现的mRNA疫苗的公众意见，发现这些意见在不同的宗教信仰中有很大不同：在反疫苗组中，有更多的宗教人士。据我们所知，这是第一个基于大型社交媒体的研究，分析了有关潜在COVID-19疫苗的公众意见，可以为更有效的疫苗分配政策和策略提供信息。
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