- 信息疫情：呼吁跨学科研究的行动;
- 基于WiFi的人群监控和工作区规划以实现COVID-19恢复;
- 欧洲社会联系决定因素的在线附录和其他结果;
- 防止虚假新闻检测中过度信任的机器学习说明;
- 手机网络中位置的贝叶斯估计;
- 不相关网络上的度排序渗流;
信息疫情：呼吁跨学科研究的行动
原文标题： Infodemics: A call to action for interdisciplinary research
地址： http://arxiv.org/abs/2007.12226
作者： Stephan Leitner, Bartosz Gula, Dietmar Jannach, Ulrike Krieg-Holz, Friederike Wall
摘要： 对信息传播的研究，即与危险事件（例如COVID-19大流行）相关的（错误）信息的快速传播，要求整合多种科学学科。信息传播的动态趋势有可能产生复杂的行为模式。对于商业和经济学领域，了解这些动态极为重要：例如，支持预测个人行为，这可能有助于减少COVID-19大流行带来的不确定性，并可以评估控制政策制定的效率。其影响。除商业和经济学领域外，我们还考虑以下学科：通过计算机科学和信息系统的视角，个人可访问的信息是中心信息，因此，信息在社会中的传播方式受到就业人员的强烈影响。信息提供和个性化的算法。从语言学的角度来看，必须考虑在大流行期间出现的特定的交流语言信号（例如，与情感相关的单词，避免使用因果关系）。在信息传播背景下考虑语言模式似乎非常相关，因为它们会严重影响信息的解释，事实检查，非专业人员的理解以及自动检测错误信息的方式。从认知心理学的角度来看，重点是动机，直觉和影响如何影响信息的搜索和评估，以及认知过程，数字信息环境和语言模式如何共同构成个人对关键事件，风险感知的理解和行为。商业和经济学的观点允许将这些观点整合到更广泛的经济体系中（例如组织或社会）。
基于WiFi的人群监控和工作区规划以实现COVID-19恢复
原文标题： WiFi-based Crowd Monitoring and Workspace Planning for COVID-19 Recovery
地址： http://arxiv.org/abs/2007.12250
作者： Mu Mu
摘要： 在人们逐渐恢复工作的同时，COVID-19大流行的恢复阶段需要进行仔细的计划和监控。物联网（IoT）被广泛认为是在许多地区和社会中与COVID-19大流行作斗争的关键工具。特别是，物联网解决方案捕获的异构数据可以为制定政策和对社区事件的快速响应提供信息。本文介绍了一种新颖的IoT人群监控解决方案，该解决方案使用软件定义网络（SDN）辅助的WiFi接入点作为24/7传感器来监控和分析物理空间的使用。使用在大学校园中捕获的超过5亿条记录来开发原型和人群行为模型。除了支持机构级别的明智决策外，结果还可以供单个访问者用来计划或安排他们对设施的访问。
欧洲社会联系决定因素的在线附录和其他结果
原文标题： Online Appendix & Additional Results for The Determinants of Social Connectedness in Europe
地址： http://arxiv.org/abs/2007.12177
作者： Michael Bailey, Drew Johnston, Theresa Kuchler, Dominic Russel, Bogdan State, Johannes Stroebel
摘要： 在此在线附录中，我们提供了其他信息和分析，以支持“欧洲社会联系的决定因素”。我们提供了许多案例研究，这些案例研究说明了语言，历史和其他因素如何影响了欧洲的社会网络。我们还将研究社会联系的影响。我们的结果为理论模型提供了经验支持，这些理论表明社会网络在个人旅行决策中起着重要作用。我们研究了地区与其他欧洲国家之间的联系程度差异，发现欧洲怀疑论与更高水平的国际联系之间存在负相关关系。
防止虚假新闻检测中过度信任的机器学习说明
原文标题： Machine Learning Explanations to Prevent Overtrust in Fake News Detection
地址： http://arxiv.org/abs/2007.12358
作者： Sina Mohseni, Fan Yang, Shiva Pentyala, Mengnan Du, Yi Liu, Nic Lupfer, Xia Hu, Shuiwang Ji, Eric Ragan
摘要： 在后真相时代，打击假新闻和错误信息传播是一项艰巨的任务。新闻提要和搜索算法可能会导致用户暴露于算法选择的虚假内容的情况下，无意大规模传播虚假信息和虚假信息。我们的研究调查了嵌入在新闻评论平台中的可解释AI助手对打击假新闻传播的影响。我们设计了一个新闻评论和共享界面，创建了一个新闻故事数据集，并训练了四种可解释的假新闻检测算法，以研究算法透明性对最终用户的影响。我们提出了来自多个受控众包研究的评估结果和分析。为了更深入地了解可解释的AI系统，我们在解释过程中讨论了用户参与度，心智模型，信任和性能指标之间的交互。研究结果表明，解释有助于参与者在不同条件下建立适当的智能助手心理模型，并相应地调整他们对模型限制的信任。
手机网络中位置的贝叶斯估计
原文标题： Bayesian estimate of position in mobile phone network
地址： http://arxiv.org/abs/2007.12464
作者： Aleksey Ogulenko, Itzhak Benenson, Itzhak Omer, Barak Alon
摘要： 传统的移动电话定位方法是基于这样一个假设，即记录在呼叫详细信息记录（CDR）中的蜂窝塔的地理位置是设备位置的主体。然后，基于整个细胞塔网络构建Voronoi镶嵌，并将该镶嵌视为坐标系，该设备位于CDR中记录的细胞塔的Voronoi多边形中。如果基于Voronoi的定位正确，则设备轨迹的唯一性非常高，并且可以根据其记录的位置3-4识别设备。我们提出并研究了一种概率性的设备定位方法，该方法基于对每个天线的参数和连接数的了解，取决于与天线的距离。基于Voronoi的布局与实际布局之间的关键区别在于天线服务区域的本质重叠：位于手机信号塔多边形内的设备可以由网络系统选择的更远距离的天线提供服务平衡网络负载。这种重叠非常重要，不容忽视。结合网络中每个天线可用连接数的距离分布的数据，我们通过应用贝叶斯推断成功解决了重叠问题，并构造了设备位置的实际分布。概率设备定位要求对手机数据分析进行全面修订，我们将重点讨论隐私风险估计。
不相关网络上的度排序渗流
原文标题： Degree-Ordered-Percolation on uncorrelated networks
地址： http://arxiv.org/abs/2007.12549
作者： Annalisa Caligiuri, Claudio Castellano
摘要： 我们分析了度排序渗流（DOP）的属性，该模型是网络节点按度降序排列的模型。该规则与研究度很高的协议相反，后者用于调查故意攻击下的网络弹性，但迄今为止受到的关注有限。由于DOP的变化与随机幂律度分布网络 P的SIS转换的消失有关，因此DOP的兴趣还受到其与流行病传播的易感性传染病（SIS）模型的联系的激发。 （k） sim k ^ - gamma 。通过使用生成函数形式主义，我们研究了DOP模型在具有通用值 gamma 的网络上的行为，并通过数值模拟验证了分析结果。我们发现，对于 gamma <3 ，渗透阈值在大型网络的限制中消失，而对于 gamma> 3 则是有限的，尽管它的 gamma 的值在3和4之间非常小并且是渐近的效果是巨大的。我们还推导了DOP过渡的关键属性，特别是指数如何依赖于网络的异构性，从而确定对于 gamma <3 ，DOP不属于随机渗流的通用性类别。
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