- 优化测试策略以检测COVID-19爆发;
- 将社会舆论纳入流行病传播的过程;
- COVID-19感染曲线的时间序列分析：变化点视角;
- 种族对纽约市因COVID-19引起的感染和死亡的影响;
- 动态贝叶斯稳定演化的犯罪合作网络模型;
- 枚举最大(Δ,γ)团时间网络的队列的有效更新方法;
- 网络背书动态中层次结构的涌现;
- 对比多元对应分析（cMCA）：应用对比学习方法识别政治群体;
- 客户网络：用于预测新客户的交互式模型;
- 真实含时网络的可预测性;
- Gintropy：基于基尼系数的熵概括;
- 具有个性化信息的投票模型出现两极分化;
优化测试策略以检测COVID-19爆发
原文标题： Optimizing testing policies for detecting COVID-19 outbreaks
地址： http://arxiv.org/abs/2007.04827
作者： Boaz Barak, Mor Nitzan, Neta Ravid Tannenbaum, Janni Yuval
摘要： COVID-19大流行给持续的经济活动提出了挑战，同时降低了个人的健康风险并防止了无法控制的暴发。通过广泛的测试可以缓解这些挑战。我们研究测试政策，通过改变测试的批次数量来优化单个机构（例如企业，学校，疗养院等）中的固定测试预算。我们证明，在指数扩散模型中，并且对于合理的参数值，与定期对整个种群进行定期测试相比，当对种群的随机子组进行频繁测试时，初始检测时爆发的预期规模较小。我们还将网络SEIR模型中不同策略的影响考虑在内，例如考虑个体之间的可变连接性，潜伏期和不准确的测试结果等因素。我们表明，在广泛的早期暴发情况下，给定一定的测试预算，增加人群随机样本的测试频率将降低社会风险，即被定义为首次发现之前的感染机会。例如，每周测试四分之一的机构成员通常比每月测试整个机构更好。实际上，在许多情况下，与机构关闭且未进行测试的情况相比，足够频繁的测试（与检测到爆发时的缓解措施相结合）甚至可以降低风险。底线是机构的简单政策规定：将总测试分散到几批中，而不是一次全部使用。
将社会舆论纳入流行病传播的过程
原文标题： Incorporating social opinion in the evolution of an epidemic spread
地址： http://arxiv.org/abs/2007.04619
作者： Alejandro Carballosa, Mariamo Mussa-Juane, Alberto P. Muñuzuri
摘要： 试图控制COVID19在不同国家的流行通常涉及对公民的流动施加限制。最近的例子表明，这些政策的有效性在很大程度上取决于民众遵守这些政策的意愿。这是一个很难测量和控制的参数。我们在这份手稿中演示了一种检查社会情绪的系统方法，以及将其纳入流行病传播动力学模型的方法。尽管可以将结果和方法直接推断到其他国家/地区，但我们以西班牙为例来说明该过程。
COVID-19感染曲线的时间序列分析：变化点视角
原文标题： Time Series Analysis of COVID-19 Infection Curve: A Change-Point Perspective
地址： http://arxiv.org/abs/2007.04553
作者： Feiyu Jiang, Zifeng Zhao, Xiaofeng Shao
摘要： 在本文中，我们通过分段线性趋势模型对累积确诊病例和COVID-19死亡的轨迹（以对数刻度）进行建模。该模型通过变化点自然地捕获了流行病增长率的相变，并且由于其半参数性质而进一步具有很好的可解释性。在方法论方面，我们将新生的自归一化（SN）技术（Shao，2010年）推进到测试和估计非平稳时间序列线性趋势中的单个变化点。我们进一步将基于SN的变更点测试与NOT算法（Baranowski等人，2019）相结合，以实现多个变更点估计。使用提出的方法，我们分析了30个主要国家的累计COVID-19病例和死亡的轨迹，并发现了有趣的模式，这些模式可能对不同国家的大流行应对措施的有效性产生潜在的影响。此外，基于变化点检测算法和灵活的外推功能，我们为COVID-19设计了一个简单的两阶段预测方案，并展示了其在预测美国累计死亡人数方面的有希望的性能。
种族对纽约市因COVID-19引起的感染和死亡的影响
原文标题： Racial Impact on Infections and Deaths due to COVID-19 in New York City
地址： http://arxiv.org/abs/2007.04743
作者： Yunseo Choi, James Unwin
摘要： 改写是一种歧视性做法，使机构由于其人口统计特点而避免在某些社区进行投资。在这里，我们探讨了重新编排对COVID-19在纽约市（NYC）传播的持久影响。使用通过《房屋抵押贷款披露法》获得的数据，我们通过多层次的后勤模型为每个纽约市人口普查区构建了修订索引。我们将此红线索引与每个NYC邮政编码列表区域的COVID-19统计信息进行比较。准确绘制大流行病的图谱将有助于确定最脆弱的地区，并允许最有效地分配医疗资源，同时减少种族之间的健康差异。
动态贝叶斯稳定演化的犯罪合作网络模型
原文标题： Network Modelling of Criminal Collaborations with Dynamic Bayesian Steady Evolutions
地址： http://arxiv.org/abs/2007.04410
作者： F.O.Bunnin, A.Shenvi, J.Q.Smith
摘要： 潜在恐怖分子的威胁状态和犯罪合作处于隐藏状态，但引起了可观察到的行为和通讯。恐怖分子在采取一致行动时，需要进行交流以组织其阴谋。当局利用这种可观察到的行为和通讯数据为调查和维持治安提供依据。我们提出了一个动态的潜在网络模型，该模型将实时通信数据与个人的先验知识相集成。该模型估计并预测了个人之间的犯罪合作的潜在实力，以协助识别潜在细胞并测量其威胁水平。我们演示了如何通过假设与该总体相关的测量中的某些合理的条件独立性，将网络模型与单个犯罪嫌疑人的模型结合起来，以提供快速透明的算法来预测群体攻击。使用模拟示例说明了这些方法，该示例涉及涉嫌策划攻击的牢房所构成的威胁。
枚举最大(Δ,γ)团时间网络的队列的有效更新方法
原文标题： An Efficient Updation Approach for Enumerating Maximal (Δ,γ)-Cliques of a Temporal Network
地址： http://arxiv.org/abs/2007.04411
作者： Suman Banerjee, Bithika Pal
摘要： 给定一个时间网络 mathcal G（ mathcal V， mathcal E， mathcal T），（ mathcal X，[t_a，t_b]）（其中 mathcal X subseteq mathcal V（ mathcal G）和 [t_a，t_b] subseteq mathcal T ）被称为（ Delta， gamma） mbox - mathcal G 的顶点，如果 mathcal X 中的每对顶点，在该时间间隔内的每个 Delta 持续时间内必须至少存在 gamma 个链接 [t_a，t_b] 。枚举此类最大派系是时态网络分析中的一个重要问题，因为它揭示了 mathcal G 节点之间的联系方式。在本文中，我们研究了在线设置中最大的（ Delta， gamma） mbox -枚举问题；即;网络的整个链路集是事先未知的，并且这些链路以迭代方式成批出现。假设直到时间戳 T_ 1 （即 mathcal E ^ T_ 1 ）的链接集及其对应的（ Delta， gamma）-clique集合都是已知的。在下一批中（到时间 T_ 2 ），到达一组新的链接（表示为 mathcal E ^ （T_1，T_2] ）。
网络背书动态中层次结构的涌现
原文标题： Emergence of Hierarchy in Networked Endorsement Dynamics
地址： http://arxiv.org/abs/2007.04448
作者： Mari Kawakatsu, Philip S. Chodrow, Nicole Eikmeier, Daniel B. Larremore
摘要： 许多社会和生物系统的特征是持久的层次结构，包括围绕学术界声望，动物群体的主导地位以及在线约会的可取性而组织的层次结构。尽管它们无处不在，但解释这种层次结构的创建和持久性的一般机制仍未得到很好的理解。我们介绍了使用时变网络的层次结构动力学生成模型，其中基于当前网络中节点的首选项形成新链接，而随着时间的流逝忘记了旧链接。该模型产生了从均等主义到双稳态等级的一系列等级结构，我们得出了在长系统内存限制内将这些等级分开的临界点。独特地，我们的模型支持统计推断，允许使用数据对生成机制进行原则上的比较。我们应用该模型研究经验数据中的层次结构，这些数据包括数学家之间的聘用模式，长尾小鹦鹉之间的优势关系以及兄弟会成员之间的友情，观察到几种持久的模式以及每个人所偏爱的生成机制的可解释的差异。我们的工作为时变网络基于统计基础的模型的文献不断发展做出了贡献。
对比多元对应分析（cMCA）：应用对比学习方法识别政治群体
原文标题： Contrastive Multiple Correspondence Analysis (cMCA): Applying the Contrastive Learning Method to Identify Political Subgroups
地址： http://arxiv.org/abs/2007.04540
作者： Takanori Fujiwara, Tzu-Ping Liu
摘要： 理想的点估计和降维早已被用于简化和聚类复杂的高维政治数据（例如，唱名投票和调查），以用于分析和可视化。这些方法通常通过找到方向或主要成分（PC）起作用，在这些方向或主要成分上，数据变化最大或被调查者做出的决策错误最少。但是，这些通常反映左右政治范围的个人电脑有时在解释数据分布的重大差异（例如，如何对一组高度温和的选民进行分类）时缺乏信息。为了解决这个问题，我们采用了一种新兴的分析方法，称为对比学习。对比学习（例如，对比主成分分析（cPCA））的工作方式是：首先按预定义的组划分数据，然后推导目标组变化最大而背景组变化最小的PC。结果，cPCA经常可以找到“隐藏”模式，例如目标组中的子组，当某些变量是整个组中变异的主要来源时，PCA无法揭示这些模式。我们通过将其扩展到多重对应分析（MCA），以进行社会科学家经常遇到的数据分析（即二进制，序数和名义变量），为对比学习领域做出了贡献。通过分析三种不同的调查，我们证明了对比MCA（cMCA）的效用：2015年国会合作选举研究，2012年U东京东京朝日精英调查和2018年欧洲社会调查。我们的结果表明，首先，对于普通MCA描绘了群体之间的差异的情况，cMCA可以进一步识别划分目标群体的特征；其次，对于MCA没有明显差异的情况，cMCA可以成功地识别出传统方法所忽略的有意义的方向和子组。
客户网络：用于预测新客户的交互式模型
原文标题： Client Network: An Interactive Model for Predicting New Clients
地址： http://arxiv.org/abs/2007.04810
作者： Massimiliano Mattetti, Akihiro Kishimoto, Adi Botea, Elizabeth Daly, Inge Vejsbjerg, Bei Chen, Öznur Alkan
摘要： 随着公司旨在扩大其市场基础，了解潜在客户变得越来越重要。传统方法通常会单独研究每个客户，要么研究其与现有客户的互动或相似之处。我们建议建立客户网络，该网络考虑整个客户生态系统，以通过复杂的网络分析来预测目标客户的销售成功。它结合了新颖的排名算法以及数据可视化和导航功能。根据公司与客户之间的历史交互数据，客户网络利用组织的连通性来定位通往潜在客户的最佳路径。用户界面支持探索客户生态系统并执行销售必不可少的任务。我们的实验和用户访谈证明了客户网络的有效性及其在支持卖方日常任务中的成功。
真实含时网络的可预测性
原文标题： Predictability of real temporal networks
地址： http://arxiv.org/abs/2007.04828
作者： Disheng Tang, Wenbo Du, Louis Shekhtman, Yijie Wang, Shlomo Havlin, Xianbin Cao, Gang Yan
摘要： 大多数实际网络中的链接通常会随着时间而变化。链接的这种临时性编码了节点之间交互的顺序和因果关系，并对网络动态和功能产生了深远的影响。经验证据表明，许多实际网络中链接的时间性质不是随机的。然而，在考虑拓扑和时间链接模式之间的纠缠的同时预测时间链接模式是具有挑战性的。在这里，我们提出了一个基于熵率的框架，该框架基于组合的拓扑-时间规律性，用于量化任何时间网络的可预测性。我们将我们的框架应用于各种模型网络，表明它确实捕获了固有的拓扑-时间规律，而先前的方法仅考虑了时间方面。我们还将我们的框架应用于18种不同类型的真实网络，并确定其可预测性。有趣的是，我们发现，对于大多数真实的时间网络，尽管因维数的增加而使可预测性变得更加复杂，但拓扑-时间可预测性却比时间可预测性高。我们的结果表明，必须合并网络的时间和拓扑方面，以改善动态过程的预测。
Gintropy：基于基尼系数的熵概括
原文标题： Gintropy: Gini index based generalization of Entropy
地址： http://arxiv.org/abs/2007.04829
作者： Tamás S. Biró, Zoltán Néda
摘要： 熵被用于物理学，数学，信息学和相关领域，以描述信息的平衡，耗散，最大概率状态和最佳压缩。另一方面，基尼指数是衡量社会中社会和经济不平等的既定指标。在本文中，我们探索了这两个量的数学相似性和联系，并介绍了一种能够在有趣的类比水平上将这两个联系起来的新方法。这支持了这样一种观点，即基于洛伦兹曲线的变换，对吉布斯-玻尔兹曼-香农熵的泛化可以正确地用于量化社会物理学和经济物理学中复杂性的不同方面。
具有个性化信息的投票模型出现两极分化
原文标题： Emergence of polarization in a voter model with personalized information
地址： http://arxiv.org/abs/2007.04903
作者： Giordano De Marzo, Andrea Zaccaria, Claudio Castellano
摘要： 在线社会网络的推荐算法有利于虚假新闻的兴起，该算法基于以前的用户活动，提供适合其偏好的内容，从而创建过滤器气泡。我们引入了一种具有个性化信息的分析上易处理的选民模型，在该模型中，外部领域倾向于使主体人的意见与其过去更频繁地持有的意见一致。尽管模型简单，但显示出令人惊讶的丰富动态。通过数值模拟证实的分析平均场方法使我们能够构建相图并预测是否以及如何达成共识。值得注意的是，仅当与个性化信息的弱交互以及主体的数量低于阈值时，才可以避免极化。我们分析地计算该临界尺寸，该尺寸取决于相互作用概率的强非线性方式。
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