- 神经网络的图结构;
- 路径同源性和含时网络;
- 通过Openstreetmap数据探索城市形态：可视化介绍;
- 随机主体网络中信誉驱动的决策;
- Argo Lite：浏览器中的开源交互图探索和可视化;
- 波哥大爆发COVID-19期间流动性和社会经济状况的变化;
- 模拟渐进式社会意识、封锁和人为迁移对流行病动态的影响;
- OFFER：网络表示学习的模体维度框架;
- 基于顺序遗传算法概率元胞自动机的数据驱动COVID-19动力学的理解;
- 来自多导联心电图数据的多重递归网络;
- 使用动态传播结构增强社交媒体中的谣言检测;
- COVID-19大流行期间欧洲Twitter消息的跨语言情感分析;
- 隐私智能：在线社会网络上的图像共享综述;
- 随机图中的谱种植和反驳难度、可着色性和社区;
- 在COVID-19流行期间的美国多尺度动态人员流动数据集;
- Twitter互动分析3月至7月Covid-19在非洲加纳的影响;
- 在大流行中寄予希望：在冠状病毒仍在激增的同时，南美的心理困扰正在缓解吗？;
神经网络的图结构
原文标题： Graph Structure of Neural Networks
地址： http://arxiv.org/abs/2007.06559
作者： Jiaxuan You, Jure Leskovec, Kaiming He, Saining Xie
摘要： 神经网络通常表示为神经元之间的连接图。但是，尽管已被广泛使用，但目前对神经网络的图结构与其预测性能之间的关系知之甚少。在这里，我们系统地研究了神经网络的图结构如何影响其预测性能。为此，我们开发了一种新的基于图的神经网络表示形式，称为关系图，其中神经网络计算的各个层对应于沿图结构的各轮消息交换。使用这种表示，我们表明：（1）关系图的“最佳点”导致神经网络的预测性能大大提高； （2）神经网络的性能大约是其关系图的聚类系数和平均路径长度的平滑函数； （3）我们的发现在许多不同的任务和数据集上是一致的； （4）可以有效地识别最佳点； （5）表现最佳的神经网络具有令人惊讶的类似于真实生物神经网络的图结构。我们的工作为神经体系结构的设计和对神经网络的一般理解开辟了新的方向。
路径同源性和含时网络
原文标题： Path homology and temporal networks
地址： http://arxiv.org/abs/2008.11885
作者： Samir Chowdhury, Steve Huntsman, Matvey Yutin
摘要： 我们提出了一种计算简单图的路径同源性的算法，并使用它来对各种小图进行拓扑分析，以分析复杂的时态网络，这些复杂的时空网络展示了作为基础模体的图。分析的有向图包括所有有向图，有向无环图和直至一定数量的顶点的无向图，以及一些特殊构造的情况。使用来自此分析的信息，我们确定了三个时间网络的维度在 2 中有助于路径同源性的小图，并将这些图与网络行为相关联。我们得出结论，路径同源性可以提供对时态网络结构的洞察力，反之亦然。
通过Openstreetmap数据探索城市形态：可视化介绍
原文标题： Exploring Urban Form Through Openstreetmap Data: A Visual Introduction
地址： http://arxiv.org/abs/2008.12142
作者： Geoff Boeing
摘要： 本章介绍OpenStreetMap-一个众包的全球地图项目和地理空间数据存储库-以说明它在快速轻松地分析和可视化已构建环境中的规划和设计结果方面的有用性。它演示了OSMnx工具箱，该工具箱可从OpenStreetMap自动下载，建模，分析和可视化空间大数据。我们通过可视化方法-包括图-地面图和极坐标直方图-以计算方式探索世界各地街道网络和建筑物中的模式和配置，这些方法有助于将城市复杂性压缩成可理解的人工产物，以反映人类对建筑环境的体验。无处不在的城市数据和计算可以从定量和定性的角度开辟新的城市形态分析。
随机主体网络中信誉驱动的决策
原文标题： Reputation-driven Decision-making in Networks of Stochastic Agents
地址： http://arxiv.org/abs/2008.11791
作者： David Maoujoud, Gavin Rens
摘要： 本文研究了涉及自利主体网络的多主体系统。我们提出了一个马尔可夫决策过程派生的框架，称为RepNet-MDP，该框架适用于主体信誉是主体之间交互的主要驱动力的领域。基本原理基于RepNet-POMDP的原理，这是Rens等人开发的框架。在2018年推出，但仅考虑完全可观察的环境即可解决其数学上的不一致之处，并减轻其难处理性。此外，我们使用在线学习算法来查找RepNet-MDP的近似解决方案。在一系列实验中，表明RepNet主体能够使自己的行为适应网络其余主体的过去行为和可靠性。最后，我们的工作确定了该框架在当前形式上的局限性，从而阻止了它的主体在他们不是主要参与者的情况下学习。
Argo Lite：浏览器中的开源交互图探索和可视化
原文标题： Argo Lite: Open-Source Interactive Graph Exploration and Visualization in Browsers
地址： http://arxiv.org/abs/2008.11844
作者： Siwei Li, Zhiyan Zhou, Anish Upadhayay, Omar Shaikh, Scott Freitas, Haekyu Park, Zijie J. Wang, Susanta Routray, Matthew Hull, Duen Horng Chau
摘要： 图数据已变得越来越普遍。可视化它们可以帮助人们更好地理解实体之间的关系。不幸的是，现有的图可视化工具主要是为单人桌面使用而设计的，为基于交互式Web的探索和在线协作分析提供了有限的支持。为了解决这些问题，我们开发了Argo Lite，这是一种新的浏览器内交互式图浏览和可视化工具。 Argo Lite使用户可以将交互式图可视化发布并共享为URL和嵌入式Web窗口小部件。用户可以通过添加更多相关节点来逐步浏览图，例如，被引文网络中感兴趣的论文所引用或引用的被高度引用的论文。 Argo Lite利用WebGL进行高性能渲染，可跨设备和平台工作。 Argo Lite已被佐治亚理工学院的数据和视觉分析课程的1,000多名学生使用。 Argo Lite可以作为有价值的开源工具，用于推进多个CIKM研究领域，从数据表示到信息系统的界面等等。
波哥大爆发COVID-19期间流动性和社会经济状况的变化
原文标题： Changes in mobility and socioeconomic conditions in Bogota city during the COVID-19 outbreak
地址： http://arxiv.org/abs/2008.11850
作者： Marco Dueñas, Mercedes Campi, Luis Olmos
摘要： 我们分析了旨在减少COVID-19在哥伦比亚波哥大的扩散的遏制措施实施后的流动性变化。我们对大流行之前和期间的流动网络进行了表征，并分析了其在2020年1月至2020年7月之间的演变和变化。然后，我们将观察到的流动性变化与社会经济状况联系起来，估计出引力模型以评估社会经济状况对流动性的影响。我们观察到出行趋势总体上有所下降，但是在锁定之后，城市不同区域之间的总体连通性仍然存在，反映出出行网络的弹性。我们发现，对锁定政策的反应取决于社会经济条件。大流行之前，具有较好社会经济条件的人口显示出较高的流动性。自封锁以来，流动性总体下降，但社会经济状况较差的人口流动性下降较少。我们得出结论，得出政策含义。
模拟渐进式社会意识、封锁和人为迁移对流行病动态的影响
原文标题： Modelling the influence of progressive social awareness, lockdown and anthropogenic migration on the dynamics of an epidemic
地址： http://arxiv.org/abs/2008.11962
作者： R. Bhattacharyya, Partha Konar
摘要： 基本的易感感染恢复（SIR）模型已扩展为包括渐进式社会意识，封锁和人为迁移的影响。发现社会意识可以通过降低基本繁殖率 R_0 来有效遏制传播。有趣的是，与一个反应较慢的社会相比，在可以更快地采用该意识的社会中发现了这种意识更为有效。本文还将死亡率分数与临床恢复分数分开，并尝试在没有社会意识存在和存在的情况下，模拟锁定的结果。可以看出，封锁的错开出口不仅在经济上有益，而且有助于遏制感染的蔓延。此外，发现具有渐进式社会意识的交错退出策略是最有效的干预措施。本文还探讨了在两个区域情况下人为迁移对流行病动态的影响。计算得出不同区域中不同馏分的不同演化。这样的模型可以方便地将大区域划分为较小的子区域，以进行不成比例的锁定，或者从一个区域退出。在印度背景下，使用与SARS-COV-2病原体一致的参数进行计算。
OFFER：网络表示学习的模体维度框架
原文标题： OFFER: A Motif Dimensional Framework for Network Representation Learning
地址： http://arxiv.org/abs/2008.12010
作者： Shuo Yu, Feng Xia, Jin Xu, Zhikui Chen, Ivan Lee
摘要： 为了更好地表示多元关系，本文研究了用于高阶图学习的母题维框架。通过OFFER可以提高图学习的效率。提出的框架主要旨在加速和改善高阶图学习结果。我们从网络主题的维度应用加速过程。具体地，对节点和边的精化度分两个阶段进行：（1）利用节点的模体度对网络的邻接矩阵进行精化。 （2）在学习过程中利用边的模体度来细化过渡概率矩阵。为了评估所提出框架的效率，对四种流行的网络表示算法进行了修改和检查。通过评估OFFER的性能，链路预测结果和聚类结果均表明，使用OFFER增强的图表示学习算法始终以更高的效率优于原始算法。
基于顺序遗传算法概率元胞自动机的数据驱动COVID-19动力学的理解
原文标题： A Data-driven Understanding of COVID-19 Dynamics Using Sequential Genetic Algorithm Based Probabilistic Cellular Automata
地址： http://arxiv.org/abs/2008.12020
作者： Sayantari Ghosh, Saumik Bhattacharya
摘要： COVID-19大流行严重影响着全球数十亿人的生活。即使采取了大规模的保护措施，例如在全国范围内封锁，终止国际航班服务，进行严格的测试等，感染的传播仍在稳定增长，造成数千人死亡和严重的社会经济危机。因此，确定这种感染传播动态的主要因素对于最小化COVID-19和任何未来大流行的影响和寿命至关重要。在这项工作中，已经采用了基于概率元胞自动机的方法来模拟许多不同国家的感染动态。这项研究提出，对于这种传染病传播的准确数据驱动的建模，元胞自动机提供了一个出色的平台，并带有一个顺序遗传算法，可以有效地估计动力学参数。据我们所知，这是首次尝试通过遗传算法使用优化的元胞自动机来理解和解释COVID-19数据。已经证明，所提出的方法可以同时灵活且健壮，并且可以用于通过系统的参数估计来建模日常活动病例，感染人数和死亡总数。已经对来自不同大洲的40个国家的COVID-19统计数据进行了详尽的分析，由于人口和社会经济因素的影响，感染传播的时间差异明显不同。已经建立了该模型的实质性预测能力，并得出了这种流行病动态中关键参与者的结论。
来自多导联心电图数据的多重递归网络
原文标题： Multiplex Recurrence Networks from multi-lead ECG data
地址： http://arxiv.org/abs/2008.12049
作者： Sneha Kachhara, G. Ambika
摘要： 我们提出了一种使用多重递归网络（MRN）框架分析多导联心电图数据的综合方法。我们探索它们的层内和层间拓扑特征如何刻画潜在的时空动力学的重复模式中的细微变化。我们从健康病例的ECG数据中发现MRNs具有更高的互信息性，并且相互之间的信息高度一致，且各个程度分布之间的差异较小。在疾病的情况下，可以看到各层之间相似性的特定度量存在显著差异。在与局部异常相关的疾病（例如束支传导阻滞）的情况下，连贯性受影响最大。我们注意到，使用所有措施进行全面分析以得出针对特定疾病的模式非常重要。我们的方法非常通用，因此可以应用于从高度复杂的系统获得多变量或多通道数据的任何其他领域。
使用动态传播结构增强社交媒体中的谣言检测
原文标题： Enhancing Rumor Detection in Social Media Using Dynamic Propagation Structures
地址： http://arxiv.org/abs/2008.12154
作者： Shuai Wang, Qingchao Kong, Yuqi Wang, Lei Wang
摘要： 诸如Facebook和Twitter之类的社交媒体已成为信息传播的最重要渠道之一。然而，这些社交媒体平台经常被滥用来散布谣言，这带来了严重的社会问题，因此，迫切需要自动谣言检测技术。现有的关于谣言检测的工作更多地集中在文本特征的利用上，但是扩散结构本身可以在识别谣言中提供关键的传播信息。以前考虑结构信息的作品仅利用有限的传播结构。而且，很少有相关研究考虑扩散结构的动态演化。为了解决这些问题，在本文中，我们提出了一种使用动态传播结构（NM-DPS）的神经模型来对社交媒体中的谣言进行检测。首先，我们提出了一种分区方法来对传播结构的动态演化进行建模，然后使用基于时间关注的神经模型来学习动态结构的表示。最后，我们将结构表示和内容特征融合到一个统一的框架中，以进行有效的谣言检测。在两个真实世界的社交媒体数据集上的实验结果证明了动态传播结构信息的显著性以及我们提出的方法在刻画动态结构方面的有效性。
COVID-19大流行期间欧洲Twitter消息的跨语言情感分析
原文标题： Cross-language sentiment analysis of European Twitter messages duringthe COVID-19 pandemic
地址： http://arxiv.org/abs/2008.12172
作者： Anna Kruspe, Matthias Häberle, Iona Kuhn, Xiao Xiang Zhu
摘要： 在危机期间，社交媒体数据可能是非常重要的信息来源。用户生成的消息在此期间为人们的思想提供了一个窗口，使我们能够洞悉他们的情绪和观点。由于此类信息的数量众多，因此有可能对人口范围的发展进行大规模分析。在本文中，我们分析了在欧洲COVID-19大流行期间头几个月收集到的Twitter消息（推文）的情绪。这是使用神经网络实现的，该网络使用多语言句子嵌入进行情感分析。我们按来源国将结果分开，并将其时间发展与这些国家中的事件相关联。这使我们能够研究这种情况对人们情绪的影响。例如，我们看到锁定通知与几乎所有被调查国家的情绪恶化相关，这种情绪在短时间内即可恢复。
隐私智能：在线社会网络上的图像共享综述
原文标题： Privacy Intelligence: A Survey on Image Sharing on Online Social Networks
地址： http://arxiv.org/abs/2008.12199
作者： Chi Liu, Tianqing Zhu, Jun Zhang, Wanlei Zhou
摘要： 在线社会网络（OSN）上的图像共享已成为日常社交活动中不可或缺的一部分，但同时也导致隐私入侵风险增加。最近流行的OSN服务泄漏了图像，并使用高级算法（例如DeepFake）滥用了个人照片，这促使公众重新思考在OSN上共享图像时的个人隐私需求。但是，OSN图像共享本身相对比较复杂，并且目前在实践中用于管理隐私的系统非常费力，但却无法提供个性化，准确且灵活的隐私保护。结果，需要用于隐私友好的OSN图像共享的更加智能的环境。为了填补空白，我们对“隐私情报”解决方案进行了系统的调查，针对与OSN图像共享相关的现代隐私问题。具体来说，我们提出了一个基于OSN图像共享整个生命周期的高级分析框架，以解决该跨学科领域面临的各种隐私问题和解决方案。该框架分为三个主要阶段：本地管理，在线管理和社交经验。在每个阶段，我们确定典型的与共享相关的用户行为，由这些行为产生的隐私问题，并审查具有代表性的智能解决方案。结果分析描述了用于闭环隐私管理的智能隐私增强链。我们还将讨论每个阶段以及可公开获得的数据集中存在的挑战和未来方向。
随机图中的谱种植和反驳难度、可着色性和社区
原文标题： Spectral Planting and the Hardness of Refuting Cuts, Colorability, and Communities in Random Graphs
地址： http://arxiv.org/abs/2008.12237
作者： Afonso S. Bandeira, Jess Banks, Dmitriy Kunisky, Cristopher Moore, Alexander S. Wein
摘要： 我们研究有效地驳斥图的k-可着色性，或等效地证明其色数下限的问题。我们在稀疏随机正则图中给出了该问题的平均情况下计算难度的形式化证据，显示了简单谱证书的最优性。该证据采用计算上安静的种植形式：我们构造了一个d-正则图分布，该图的色数比随机均匀绘制的典型正则图小得多，同时提供了证据表明这两个分布在大类别上是无法区分的算法。我们将结果推广到更普遍的问题，即证明最大k截距的上限。这种安静的种植是通过将种植的结构（例如着色或切块）对图谱的影响最小化来实现的。具体而言，种植的结构正好对应于邻接矩阵的特征向量。这避免了随机矩阵理论的推出效应，并延迟了在谱或局部统计数据中可见种植的点。为了进一步说明这一点，我们对该问题的高斯模拟给出了相似的结果：尖峰模型的一个安静版本，在该模型中，我们植入了一个特征空间，而不是添加一个通用的低秩扰动。我们区分两种分布的计算难度的证据是基于三种不同的启发式方法：信念传播的稳定性，局部统计层次结构和低度似然比。值得关注的是，我们的结果包括多尖峰矩阵模型的低度似然比的通用边界，以及对随机块模型的改进的低度分析。
在COVID-19流行期间的美国多尺度动态人员流动数据集
原文标题： Multiscale Dynamic Human Mobility Flow Dataset in the U.S. during the COVID-19 Epidemic
地址： http://arxiv.org/abs/2008.12238
作者： Yuhao Kang, Song Gao, Yunlei Liang, Mingxiao Li, Jinmeng Rao, Jake Kruse
摘要： 在大流行期间，了解动态的人类流动性变化和不同地理尺度上的空间相互作用模式对于监视和衡量非药物干预措施（例如，在家下订单）的影响至关重要。在此数据描述符中，我们引入了整个美国的多尺度动态人员流动数据集，其数据始于2020年3月1日。通过分析数百万匿名移动电话用户到各个地方的访问轨迹，每日和每周的动态来源-到目的地（OD）的人口流量是在三个地理尺度上进行计算，汇总和推断的：人口普查区，县和州。我们的流动流数据集与公开可用的数据源之间具有高度相关性，这表明所产生数据的可靠性。如此高的时空分辨率的人类流动性数据集随着时间的推移在不同的地理尺度上可能有助于监测流行病的传播动态，为公共卫生政策提供信息，并加深我们对前所未有的公共卫生危机下人类行为变化的了解。及时生成的O-D流开放数据可以支持许多其他社会感知和运输应用。
Twitter互动分析3月至7月Covid-19在非洲加纳的影响
原文标题： Twitter Interaction to Analyze Covid-19 Impact in Ghana, Africa from March to July
地址： http://arxiv.org/abs/2008.12277
作者： Josimar Chire Saire, Kobby Panford-Quainoo
摘要： 新型冠状病毒COVID-19已影响到旅游，商业，教育等世界各地。像每个国家一样，全球大流行对加纳也产生了类似的影响。在此期间，该国公民使用社会网络作为平台来查找和传播有关传染病的信息，并分享他们自己的观点和观点。在这项研究中，我们使用文本挖掘从社会网络Twitter收集的数据中得出见解。我们对数据的探索使我们了解了2020年3月至2020年7月在加纳的大阿克拉地区提出的最频繁的话题。我们观察到，该社会网络的用户参与度最初在3月份较高，但从4月至7月有所下降。原因可能是在该国宣布该疾病后，最初的震惊使人们对这种情况更加适应。我们还在用户的这些推文中找到了某些词语，使我们能够了解当时的个人情感和心理状态。
在大流行中寄予希望：在冠状病毒仍在激增的同时，南美的心理困扰正在缓解吗？
原文标题： Hope Amid of a Pandemic: Is Psychological Distress Alleviating in South America while Coronavirus is still on Surge?
地址： http://arxiv.org/abs/2008.12289
作者： Josimar Chire-Saire, Khalid Mahmood
摘要： 截至2020年7月31日，COVID-19大流行已报告病例超过1700万，造成667,000多人死亡。不论经济状况如何的国家都屈服于这种大流行。冠状病毒的爆发给生活的许多方面（包括健康，经济，行动自由）带来了负面影响。为了防止爆发，已经采取了许多策略。一些国家以全面封锁的形式进行了严重切除，而另一些国家则采取了应对大流行的温和方法，例如大规模检测，禁止大规模的公共集会，限制国际旅行。由于经济和医疗保健支持不足，南美主要采用了锁定策略。由于人与人之间的社交互动主要受锁定的影响，因此心理困扰例如据称，焦虑，压力，恐惧正在严重影响南美人口。本文旨在探讨封锁对南美所有西班牙语国家首都人民心理方面的影响。我们利用信息流行病学方法，通过使用超过3300万个提要的大规模Twitter数据集，来了解人们在这种持续的冠状病毒大流行期间的互动情况。我们的结果令人惊讶：在大流行开始时，人们表现出强烈的情绪（即焦虑，担忧，恐惧），尽管随着更多积极病例并造成更多死亡而使实际大流行恶化，但这种情绪却随着时间而下降。这使我们推测南美人口正在适应这种流行病，从而改善了整体的心理困扰。
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