- 用Ising模型和Fermi-Dirac分布函数对抗Covid-19;
- Purim：一种快速且低成本的大规模检测CoVid-19方法;
- 基于幂律尺度指数的国家特定Covid-19感染率的短期预测;
- 深度主体：研究社会网络中信息传播和演化的动力学;
- 基于度的阈值模型：更好地理解在线社会网络上的意见动态;
- 在线社会网络中的持续活动最大化;
- 最高评论还是随笔评论？预测和解释在线新闻讨论中的用户参与度;
- 量化科学影响力的异构动态图神经网络方法;
用Ising模型和Fermi-Dirac分布函数对抗Covid-19
原文标题： Attacking the Covid-19 with the Ising-model and the Fermi-Dirac Distribution Function
地址： http://arxiv.org/abs/2003.11860
作者： Lucas Squillante, Isys F. Mello, Antonio C. Seridonio, M. de Souza
摘要： 我们使用自旋 S = 1/2类似于Ising模型和类似于Fermi-Dirac的函数来描述Covid-19的传播。我们使用可获得的官方感染率数据进行的分析表明：（i）高斯函数很好地描述了流行曲线，即报告病例数与时间的关系。（ii）累积的受感染人数的时间演变遵循扭曲的费米-狄拉克样分布函数；（iii）隔离区在防止covid-19传播方面发挥的关键作用，它被模型的“交互”参数刻画，该参数模拟了感染者与未感染者之间的联系。埃博拉、SARS和甲型H1N1流感的流行曲线的分析也可以通过高斯函数进行描述。我们的发现证明了凝聚态物理中公认的概念的普遍性及其在不同领域的应用。
Purim：一种快速且低成本的大规模检测CoVid-19方法
原文标题： Purim: a rapid method with reduced cost for massive detection of CoVid-19
地址： http://arxiv.org/abs/2003.11975
作者： Benjamin Isac Fargion, Daniele Fargion, Pier Giorgio De Sanctis Lucentini, Emanuele Habib
摘要： CoVid-19正在全世界大范围传播。要迅速战胜大流行，就需要对人群进行大规模筛查，以将阳性病例与阴性病例区分开。这样的隔离将释放大量生产人口。用普通的PCR（聚合酶链反应）方法和可用资源进行测试的当前速度和成本迫使选择要测试的对象。实际上，必须以宝贵的时间为代价对每个人进行单独检查。此外，从筛查中排除潜在阳性个体会引起健康风险，遏制病毒传播的努力大大减慢，并因此导致死亡率下降。我们提出了一种新的程序，简称“感染人群统一重采样纯化”，简称Purim，能够通过对联合标本进行互相关分析，以廉价的筛查方法解开任何大量候选样品。此过程可以发现并检测出大多数阴性患者，并且在大多数情况下，可以发现在第一次或几次次要检测中已经存在的少数阳性患者的身份。我们调查感染概率函数中的二维相关情况。还考虑了多维拓扑，尺度的Purim程序。广泛的Purim测试可以衡量和衡量流行程度：其结果可以在早期阶段确定病灶区域。假设有数百或数千个主题，那么在时间和成本上的节省都将是可观的。普im节可能能够过滤预定航班，学者接受程度，受欢迎的国际活动参与者。Purim结局的最佳扩展随着流行病扩大的逆而增长。因此，越早越好。
基于幂律尺度指数的国家特定Covid-19感染率的短期预测
原文标题： Short-term predictions of country-specific Covid-19 infection rates based on power law scaling exponents
地址： http://arxiv.org/abs/2003.11997
作者： H. M. Singer
摘要： 全球范围内，冠状病毒（COVID-19）感染的数量在增加。为了创建短期预测为全球大流行做好准备，我们分析了受影响最大的25个国家的感染数据。结果表明，所有特定国家/地区的感染率均遵循幂律增长行为，并计算出每个国家/地区的尺度指数。我们发现两种不同的增长模式：从一开始就稳定的幂律增长，拟合的比例指数为3-5，或者爆炸性的幂律增长，戏剧性的比例指数为8-11。在美国，我们甚至发现了16.59的指数。通过数据分析，我们确认，采取严格的锁定措施并结合民众的坚守态度是降低增长率的有效手段。尽管许多国家已经制定了措施，但迄今为止只有三个国家实行这种限制措施，导致增长率显著下降。以丹麦为例，我们计算出定标指数的减少量，从6.82降低到1.47。
深度主体：研究社会网络中信息传播和演化的动力学
原文标题： Deep Agent: Studying the Dynamics of Information Spread and Evolution in Social Networks
地址： http://arxiv.org/abs/2003.11611
作者： Ivan Garibay, Toktam A. Oghaz, Niloofar Yousefi, Ece C. Mutlu, Madeline Schiappa, Steven Scheinert, Georgios C. Anagnostopoulos, Christina Bouwens, Stephen M. Fiore, Alexander Mantzaris, John T. Murphy, William Rand, Anastasia Salter, Mel Stanfill, Gita Sukthankar, Nisha Baral, Gabriel Fair, Chathika Gunaratne, Neda B. Hajiakhoond, Jasser Jasser, Chathura Jayalath, Oliva Newton, Samaneh Saadat, Chathurani Senevirathna, Rachel Winter, Xi Zhang
摘要： 本文介绍了在DARPA的SocialSim计划下开发的社会网络分析框架的设计，该框架具有模仿人类情感，认知和社会因素的新颖架构。我们的框架是理论和数据驱动的，并利用领域专业知识。我们的模拟工作有助于理解信息在社交媒体平台中的流动和演化方式。我们专注于为三个相互关联的社交环境（GitHub，Reddit和Twitter）的三个信息域建模：加密货币，网络威胁和软件漏洞。我们参加了2018年12月的SocialSim DARPA挑战赛，其中对我们的模型进行了性能，准确性，通用性，可解释性和实验能力的广泛评估。本文报告了主要概念和模型，这些概念和模型用于我们的社交媒体建模工作中，用于在用户，社区，人口和内容级别开发多分辨率模拟。
基于度的阈值模型：更好地理解在线社会网络上的意见动态
原文标题： The Degree-Dependent Threshold Model: Towards a Better Understanding of Opinion Dynamics on Online Social Networks
地址： http://arxiv.org/abs/2003.11671
作者： Ece C. Mutlu, Ivan Garibay
摘要： 随着在线社交媒体的迅速发展，人们越来越不了解环境中存在的信息的数量和内容。阈值模型是当前捕获人们对他人观点和情绪影响的最常用方法之一。尽管许多研究采用阈值模型并试图对其进行改进，但是寻找合适的阈值函数以定义人类行为是一项必不可少且尚未完成的探索。个体阈值中的异质性定义常常定义不清，这导致统一函数和二元函数的使用相当简单，尽管它们远不能代表现实。在本研究中，我们使用30,704,025条推文的Twitter数据来模拟采用新意见的情况。我们的结果表明，阈值不仅与结点的外度相关，这与其他研究相矛盾，而且还与结点的内度相关。因此，我们模拟了两种情况，其中阈值分别依赖于度数和度数。我们得出的结论是，当阈值与度相关时，系统更有可能达成共识；但是，在这种情况下，直到所有节点确定其意见为止的时间要长得多。此外，对于这两种情况，我们均未观察到平均度对平均意见或意见的确定时间有显著影响，并且增加种子大小对达成共识有负面影响。尽管阈值异质性对平均意见有轻微影响，但当阈值与度相关时，异质性对达成共识的积极影响更加明显。
在线社会网络中的持续活动最大化
原文标题： Continuous Activity Maximization in Online Social Networks
地址： http://arxiv.org/abs/2003.11677
作者： Jianxiong Guo, Tiantian Chen, Weili Wu
摘要： 活动最大化是一项任务，该任务是在给定的社会网络中寻找一小部分用户，以使预期的总活动收益最大化。这是许多实际应用程序的概括。在本文中，我们将活动最大化问题扩展到一般营销策略 vec x 下的活动，该问题是来自晶格空间的 d 维向量，概率为 h_u（ vec x）激活节点 u 作为种子。基于此，我们提出了连续活动最大化（CAM）问题，其中域是连续的并且我们选择的种子集符合一定的概率分布。研究晶格约束下的信息扩散问题是一个新的课题，因此，我们在此系统地解决这一问题。首先，我们分析了CAM的硬度，以及如何准确有效地计算CAM的目标函数。我们证明此目标函数是单调的，但不是DR次模和DR超模。然后，我们开发了CAM的单调和DR次模下界和上限，并应用采样技术来设计CAM的三个无偏估计量，即下界和上限。接下来，根据IMM算法和三明治近似框架，我们获得了数据相关的近似比率。可以将这一过程视为解决晶格上那些最大化问题的通用方法，而不是解决DR次模块问题。最后，我们在三个真实的数据集上进行实验，以评估我们提出的算法的正确性和有效性。
最高评论还是随笔评论？预测和解释在线新闻讨论中的用户参与度
原文标题： Top Comment or Flop Comment? Predicting and Explaining User Engagement in Online News Discussions
地址： http://arxiv.org/abs/2003.11949
作者： Julian Risch, Ralf Krestel
摘要： 在线新闻文章下面的评论部分在读者中越来越受欢迎。但是，大量的评论使普通新闻消费者无法阅读所有评论，并且妨碍了讨论。大多数平台按时间顺序显示评论，而忽略了其中一些与用户更相关并且是更好的对话开始者。在本文中，我们以评论和收到评论的答复的形式系统地分析用户参与度。基于评论文本，我们训练了一个模型来区分有很多机会接受很多投票和回复的评论。我们对TheGuardian.com对用户评论的评估将递归和卷积神经网络模型与传统的基于特征的分类器进行了比较。此外，我们调查了使某些评论比其他评论更具吸引力的原因。为此，我们确定了参与触发因素并将其分类。神经网络的解释方法揭示了哪些输入词对我们模型的预测影响最大。此外，我们对产品评论的数据集进行评估，该产品评论具有与用户评论类似的属性，例如具有对帮助的赞誉。
量化科学影响力的异构动态图神经网络方法
原文标题： A Heterogeneous Dynamical Graph Neural Networks Approach to Quantify Scientific Impact
地址： http://arxiv.org/abs/2003.12042
作者： Fan Zhou, Xovee Xu, Ce Li, Goce Trajcevski, Ting Zhong, Kunpeng Zhang
摘要： 量化和预测科学著作或个人学者的长期影响对许多政策决策具有重要意义，例如资助提案评估和确定新兴研究领域。在这项工作中，我们提出了一种基于异构动态图神经网络（HDGNN）的方法来显式建模和预测论文和作者的累积影响。 HDGNN通过合并随时间演变的特征并捕获归因图的结构特性和不断增长的引用行为来扩展异构GNN。 HDGNN与以前的模型有很大不同，它以动态方式对节点影响进行建模的能力，同时考虑了节点之间的复杂关系。在真实引文数据集上进行的实验证明了其在预测论文和作者影响方面的出色表现。
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