无标度网络上的流行病传播和减缓 | 网络科学论文速递30篇

本文由机器翻译，仅供参考，感兴趣请查阅论文原文

核心速递

• 无标度网络上的流行病传播和减缓;
  
• 理解SARS-CoV-2的传播：地区病例数与选定的经济和地理参数之间的关联;
• 四大洲COVID-19的幂律增长与软隔离策略效率低下之间有很强的相关性;
• 跟踪联系人以控制COVID-19大流行;
• 行人交通必须在传染性流行病中受到监管;
• 控制冠状病毒大流行的医疗和社会经济成本的策略;
• 意大利的冠状病毒Covid—19传播：通过差分演化用动态的社会距离优化流行病学模型;
• 波兰互联网上感知的COVID-2019/SARS CoV-2的流行病爆发;
• 图数据的对抗性攻击和防御：综述;
• 分析癌症相关推文中不实信息的程度;
• 数学真理的爆炸性证明;
• 开发用于可再生能源转型的新技术要实现的目标是“可行性空间”;
• 美国对COVID-19反应的县级数据集;
• 仇恨言论越过单个平台控制，在线传播恶意COVID-19内容;
• 流行病传播模型中的自组织临界;
• 在有限知识下进行有效的网络免疫;
• 图汇总方法和应用综述;
• 车联网和自动驾驶对城市交通流量的益处;
• 有效疏散曼哈顿下城;
• ArsonEmergency标签和澳大利亚的“黑色夏天”：社交媒体上的极化和不实信息;
• 动力工程中网络-物理-社会系统受能流约束的社区弹性优化;
• 怀疑主义和谣言传播：空间相关性的作用;
• k跳协作博弈模型：扩展到社区预算和自适应非子模性;
• 具有多主体交互的意见动态;
• 在Twitter上发现政治社交机器人：2019年西班牙大选案例;
• 身份等级和团队合作：Mark广义模型（2018）;
• 使用基于时间RNN的分层注意力进行链路预测建模动态异构网络;
• 从分散的统计信息生成国家规模的互动网络;
• 信息访问悖论：关于社交媒体诱导的极化模型;
• 通过惩罚无标度空间随机图中向中心的传输来阻止爆炸;

无标度网络上的流行病传播和减缓

原文标题：

Propagation and mitigation of epidemics in a scale-free network

地址：

http://arxiv.org/abs/2004.00067

作者：

Gyula M. Szabó

摘要：通常使用SIR模型根据早期指数上升的速率来预测COVID-19大流行的流行曲线和最终程度。这些预测隐含了完全的社会融合，这通常是不合理的。在这里，我基于Barabasi-Albert无标度网络模型中流行病的随机传播，展示了这些预测的反例。流行的开始表明 R_0 = 2.6 ，但是与SIR模型预测的  Omega 约70 ％ 不同，它们最终达到的程度只有  Omega 约4 ％ ，而没有外部缓解和  Omega 约0.5 - 1.5 ％ （包含缓解）。顶部的每日感染率也比SIR模型低1—1.5个数量级。仅隔离1.5％（％）最活跃的超级传播者，对范围和最高感染率的影响与盲目隔离整个社区中随机50％（％）的影响类似。

理解SARS-CoV-2的

传播：地区病例数与选定的

经济和地理参数之间的关联

原文标题：

Understanding the spread of SARS-CoV-2: Associations between the number of cases in regions and selected economic and geographic parameters

地址：

http://arxiv.org/abs/2004.00110

作者：

Asit Kumar Mishra, Pawel Wargocki

摘要：我们通过分析Covid-19在全球不同国家和地区的传播及其与气候、地理位置和GDP的潜在关系，得出了一些结果。尽管情况仍在发展，但我们认为这种分析有可能揭示某些潜在趋势。我们主要希望结果能够推动其他研究人员对相关数据进行进一步更详细的分析，这将有助于我们更好地了解情况，以帮助我们做好准备。我们的观察结果表明，高纬度、温带和/或大陆性气候，以及具有一定开放经济的国家，最容易受到这次疫情的影响。

四大洲COVID-19的

幂律增长与软隔离策略

效率低下之间有很强的相关性

原文标题：

Strong correlations between power-law growth of COVID-19 in four continents and the inefficiency of soft quarantine strategies

地址：

http://arxiv.org/abs/2004.00044

作者：

Cesar Manchein, Eduardo L. Brugnago, Rafael M. da Silva, Carlos F. O. Mendes, Marcus W. Beims

摘要：在这项工作中，我们分析了截止到2020年3月27日，来自亚洲，欧洲，北美和南美国家的COVID-19确诊感染病例累计数量的增长。我们的结果表明（i）在所有国家都观察到了幂律的增长；（ii）国家之间的幂律曲线的距离相关性在统计上高度相关，表明此类曲线在世界范围内具有普遍性；（iii）软隔离策略不足以拉平增长曲线。此外，我们提出了一种模型和策略，可以使政府在幂律曲线上趋于平缓。我们发现，除了个人的社会隔离之外，众所周知的相关性，识别和隔离受感染的个人的策略可能对扁平化幂律具有更大的相关性。这些实质上是韩国使用的策略。实际上，我们的结果表明，在社会隔离度和感染者隔离度之间允许的平衡可以用来预防经济灾难。不同国家的幂律曲线之间的高度相关性强烈表明，政府的围堵措施可以在全世界成功应用。这些措施必须严厉并尽快实施。

跟踪联系人以控制COVID-19大流行

原文标题：

Tracing Contacts to Control the COVID-19 Pandemic

地址：

http://arxiv.org/abs/2004.00517

作者：

Christoph Günther, Michael Günther, Daniel Günther

摘要：控制COVID-19大流行需要大量减少接触，这主要是通过将行动控制提高到强制隔离水平来实现的。这导致经济的实质性停滞。暴露于病毒后约三天，该疾病的携带者才具有传染性。最初的症状较晚出现或根本不出现。结果，追踪被识别为携带者的人的接触对于控制大流行至关重要。这种跟踪必须在任何地方都有效，尤其是在人们彼此最靠近的室内。此外，它应尊重人们的隐私。本文提出了一种实现完全可追溯性且隐私风险很小的方法。我们认为，在未来经济复苏期间，后一种能力对于控制大流行是必要的。

行人交通必须在

传染性流行病中受到监管

原文标题：

Pedestrian traffic must be regulated in contagious epidemics

地址：

http://arxiv.org/abs/2004.00423

作者：

Bernardo A. Mello

摘要：控制Covid-19等传染性流行病，通常要求限制人与人之间的身体互动，以降低传染率。本文研究了行人交通的组织方式如何影响彼此经过的步行或奔跑的人的数量。一个例子是人行道上的行人交通。另一个是在公园中使用步行或跑步轨道。正如将要演示的，如果强制执行单向交通并且跑步者与步行者分开，则可以大大减少彼此交叉的人数。

控制冠状病毒大流行的

医疗和社会经济成本的策略

原文标题：

Strategies for controlling the medical and socio-economic costs of the Corona pandemic

地址：

http://arxiv.org/abs/2004.00493

作者：

Claudius Gros, Roser Valenti, Kilian Valenti, Daniel Gros

摘要：为了应对冠状病毒（COVID-19）的迅速蔓延，成千上万的死亡和重症监护病房，许多地区和国家已被各自的政府封锁。在这种情况下，决策者面临着平衡公共卫生考虑和持续封锁的经济成本的问题。我们介绍了一种改进的流行病模型，即受控SIR模型，其中疾病的繁殖率根据政治和社会反应而动态变化。社会隔离措施是由感染数量触发的，提供了动态反馈循环，从而减慢了病毒的传播速度。我们估计了在整个流行过程中发生的几种不同遏制策略的总成本。费用包括重症监护室的直接医疗费用，社会疏远的经济费用以及挽救生命的经济价值。在合理的参数下，如果忽略生命成本价值，则总成本在中等反应性水平下最高。非常严格的措施效果最好，其次是放手政策。我们的主要发现与特定参数估计值无关，这些估计值将根据COVID-19研究状态进行调整。除数值模拟外，还提出了针对受控连续时间SIR模型的显式解析解决方案。对于不受控制的暴发和三倍的再生数，超出群免疫点的其他28％的人口被感染，达到66％的感染水平，总计达到94％。

意大利的冠状病毒

Covid—19传播：通过差分演化

用动态的社会距离优化流行病学模型

原文标题：

Coronavirus Covid—19 spreading in Italy: optimizing an epidemiological model with dynamic social distancing through Differential Evolution

地址：

http://arxiv.org/abs/2004.00553

作者：

I. De Falco, A. Della Cioppa, U. Scafuri, E. Tarantino

摘要：本文的目的在于应用一种最新的流行病学模型，即具有社会距离的SEIR（SEIR—SD），通过定义随时间变化的社会距离功能进行扩展，以评估与疾病传播有关的情况。冠状病毒Covid—19在意大利及其两个最重要的地区，即伦巴第和坎帕尼亚。为了有利地使用该模型，必须找到其参数的最合适值。SEIR-SD模型参数的估计是通过使用启发式优化技术差分演化来进行的。这样，我们可以针对上述三种情况中的每一种，评估从今天到病毒传播结束为止的每日感染病例数，该数字将达到最高峰值的天数，以及感染病例将接近零的那一天。

波兰互联网上感知的COVID-

2019/SARS CoV-2的流行病爆发

原文标题：

Perception of emergent epidemic of COVID-2019 / SARS CoV-2 on the Polish Internet

地址：

http://arxiv.org/abs/2004.00005

作者：

Andrzej Jarynowski, Monika Wojta-Kempa, Vitaly Belik

摘要：我们通过定量分析2020年1月至2020年12月12日（之前和之后）在互联网上的数字足迹（在Twitter，Google，YouTube，Wikipedia和由Event Registry代表的电子媒体上）对波兰社会中COVID-2019流行的看法。于04.03.2020正式在波兰检出）。为此，我们利用数据挖掘，社会网络分析，自然语言处理技术。分析每个检查的互联网平台的代表性和目标人群的组成。我们在疾病引入之前就COVID-2019主题确定了三个感兴趣的时间主要集群：所有平台上与中国和意大利有关的峰值，以及与最近有关打击COVID-2019的特别法有关的社交媒体上的峰值。此外，在正式出现之日，人们的兴趣达到了顶峰，而波兰政府通过大规模的缓解计划宣告抗击疾病的兴趣也呈指数级增长。从社会语言的角度，我们发现威胁，恐惧和预防的概念和问题在引入之前就盛行。介绍之后，有关疾病和流行病的实用概念占主导地位。我们发现，Twitter反映了波兰政治领域的结构性分歧。我们能够确定执政党，主流反对派和新教徒团体的明确社区以及错误信息的潜在来源。疾病引入后，我们还发现了商品之间的界限模糊。

图数据的对抗性攻击和防御：综述

原文标题：

Adversarial Attackand Defense on Graph Data: A Survey

地址：

http://arxiv.org/abs/1812.10528

作者：

Lichao Sun, Yingtong Dou, Carl Yang, Ji Wang, Philip S. Yu, Bo Li

摘要：深度神经网络（DNN）已广泛应用于各种应用程序，包括图像分类，文本生成，音频识别和图数据分析。但是，最近的研究表明，DNN容易受到对抗性攻击。尽管有许多研究诸如图像和自然语言处理等领域的对抗性攻击和防御策略的著作，但是由于其表示的挑战性，仍然很难将学习到的知识直接转移到图结构数据中。考虑到图分析的重要性，越来越多的工作开始分析图数据上机器学习模型的鲁棒性。尽管如此，当前考虑图数据对抗行为的研究通常集中在具有特定假设的特定类型的攻击上。此外，每项工作都提出了自己的数学公式，这使得不同方法之间的比较变得困难。因此，在本文中，我们旨在调查现有的图数据对抗性学习策略，并首先为图数据的对抗性学习提供统一的表述，涵盖了大多数图对抗性学习研究。此外，我们还比较了对图数据的不同攻击和防御，并讨论了它们相应的贡献和局限性。在这项工作中，我们会根据每个主题的特点系统地组织考虑的工作。这项调查不仅可以为研究社区提供参考，还可以为研究人员带来清晰的形象。此外，我们还创建了一个在线资源，并在过去两年中不断更新相关论文。基于此调查的各种研究比较的更多详细信息在https://github.com/YingtongDou/graph-adversarial-learning-literature上开源。

分析癌症相关推文中不实信息的程度

原文标题：

Analysing the Extent of Misinformation in Cancer Related Tweets

地址：

http://arxiv.org/abs/2003.13657

作者：

Rakesh Bal, Sayan Sinha, Swastika Dutta, Risabh Joshi, Sayan Ghosh, Ritam Dutt

摘要：Twitter已成为讨论各种主题（包括与医学相关的问题，例如癌症）的最热门的场所之一。这有助于传播有关癌症的各种原因，治疗和预防方法的认识。但是，尚未进行适当的分析，该分析讨论了此类索赔的有效性。在这项工作中，我们旨在解决在此类平台中传播的错误信息。我们收集并提供有关推文的数据集，这些推文专门讨论癌症，并提出一种基于注意力的深度学习模型，用于自动检测错误信息及其传播。然后，我们对与错误信息和真相相对应的文本中的语言变化进行比较分析。这种分析有助于我们收集与错误消息相关的各种社会方面的相关见解。

数学真理的爆炸性证明

原文标题：

Explosive Proofs of Mathematical Truths

地址：

http://arxiv.org/abs/2004.00055

作者：

Scott Viteri, Simon DeDeo

摘要：数学证明既是确定性的范例，也是我们在文化记录中提出的一些最明确合理的论据。但是，它们的明确性会导致自相矛盾，因为随着论点的扩展，其出错的可能性呈指数增长。在这里，我们表明，在结合了演绎和归纳推理的认知合理的信念形成机制下，数学论证可以经历我们所谓的认知阶段过渡：在合理的主张水平下，从不确定性到迅速完全的置信度的戏剧性迅速传播声明错误率。为了说明这一点，我们分析了形式化推理系统Coq中不常见的48个机器辅助证明数据集，包括从古代到21世纪数学的主要定理，以及从Euclid，Apollonius，Spinoza和安德鲁·威尔斯。我们的研究结果既涉及数学历史和数学哲学方面的最新工作，又涉及认知科学的基本问题，即我们如何形成信念并将其证明给他人的理由。

开发用于可再生能源转型的

新技术要实现的目标是“可行性空间”

原文标题：

A ‘feasibility space’ as a goal to be achieved in the development of new technologies for converting renewable energies

地址：

http://arxiv.org/abs/2004.00073

作者：

Jones S. Silva, Fausto A. Canales, Alexandre Beluco

摘要：该方法文章建议建立一个可行性空间，作为在开发新技术以从可再生资源转换能源的过程中要实现的目标。当设计基于可再生资源的能源系统时，可行性空间也可以作为参考。可行性空间是设计阶段的一组参数值，这些参数值定义了能源系统或新技术的经济和技术可行性，当能源系统投入运行或转换动力的新技术投入使用时，必须满足这些参数值操作。对可能的可行性空间的研究允许将能源系统或新技术表征为有吸引力的投资，或将其描述为不可行的企业。-该方法提出了在能源转换技术的开发过程中要实现的目标-该方法为发电系统和新技术的设计和开发阶段提供了基准-可行性空间构成了基于电力系统的规划工具使用任何规模的可再生资源。

美国对COVID-19反应的县级数据集

原文标题：

A County-level Dataset for Informing the United States’ Response to COVID-19

地址：

http://arxiv.org/abs/2004.00756

作者：

Benjamin D. Killeen, Jie Ying Wu, Kinjal Shah, Anna Zapaishchykova, Philipp Nikutta, Aniruddha Tamhane, Shreya Chakraborty, Jinchi Wei, Tiger Gao, Mareike Thies, Mathias Unberath

摘要：随着2019年冠状病毒病（COVID-19）成为全球大流行病，政策制定者必须采取干预措施以阻止其传播。数据驱动的方法可能会提供信息来支持缓解和抑制策略的实施。为了促进朝这个方向的研究，我们提供了一个机器可读的数据集，该数据集汇总了县级政府，新闻和学术来源的相关数据。除了JHU CSSE COVID-19信息中心的县级时间序列数据外，我们的数据集还包含300多个变量，这些变量汇总了人口估计数，人口统计学，族裔，住房，教育，就业以及未来的收入，气候，过境得分以及与医疗保健系统相关的指标。此外，我们汇总了每个县（包括杂货店和医院）各个景点的汇总户外活动信息，并汇总了SafeGraph的数据。通过收集这些数据，并提供读取这些数据的工具，我们希望能够帮助研究人员调查疾病的传播方式以及哪些社区最能适应在家中的缓解工作。我们的数据集和相关代码可在https://github.com/JieYingWu/COVID-19_US_County-level_Summaries获得。

仇恨言论越过单个平台控制，

在线传播恶意COVID-19内容

原文标题：

Hate multiverse spreads malicious COVID-19 content online beyond individual platform control

地址：

http://arxiv.org/abs/2004.00673

作者：

N. Velásquez, R. Leahy, N. Johnson Restrepo, Y. Lupu, R. Sear, N. Gabriel, O. Jha, N.F. Johnson

摘要：我们证明恶意的COVID-19内容（包括仇恨言论，虚假信息和错误信息）利用在线仇恨的多种形式迅速传播，超出了任何单个社交媒体平台的控制范围。机器学习主题分析定量地显示了在线仇恨社区如何将COVID-19武器化，主题发展迅速，内容变得越来越连贯。我们的数学分析提供了一种通用的公共卫生R0形式，可预测跨多病毒范围传播的临界点，这建议了新的政策选择，可以减轻恶意COVID-19内容在全球的传播，而无需依赖所有在线平台之间的未来协调。

流行病传播模型中的自组织临界

原文标题：

Self-Organized Criticality in an Epidemic Spread Model

地址：

http://arxiv.org/abs/2004.00682

作者：

Y. Contoyiannis, S.G. Stavrinides, M.P. Hanias, M. Kampitakis, P. Papadopoulos, S. Potirakis

摘要：以前介绍的自我组织的临界模型适用于病毒引起的流行病。在以下几行中进行的研究突出了整个人群中病毒密度的临界值。对于较低的初始病毒密度值（低于临界值），已证明病毒扩散行为安全，并且在数量上与常规的实际流行病数据相似。研究表明，在临界点附近，出现了由临界现象理论引入的临界减速现象。另外，发生了服从二阶相变的流行病行为。对于高于临界值的病毒密度值，流行持续时间变得极为延长。另外，封闭系统的人口规模的影响揭示了有趣的性质。所有这些结果，以及对当局干预有效性的调查（如采用接触限制措施的情况），都科学地证明了其价值。

在有限知识下进行有效的网络免疫

原文标题：

Efficient network immunization under limited knowledge

地址：

http://arxiv.org/abs/2004.00825

作者：

Yangyang Liu, Hillel Sanhedrai, GaoGao Dong, Louis M. Shekhtman, Fan Wang, Sergey V. Buldyrev, Shlomo Havlin

摘要：大规模网络的有向免疫或攻击已引起科学界的极大关注。但是，在现实情况中，网络的知识和观察可能会受到限制，从而无法对要免疫（或移除）的最佳节点进行全面评估，从而避免像当前COVID-19流行病那样的流行病传播。在这里，我们研究了一种新颖的免疫策略，一次仅观察到 n 个结节，并且对这些 n 个结点之间最中心的部分进行了免疫（或攻击）。重复不断地进行此过程，直到 1-p 的节点免疫（或攻击）为止。我们为这种方法开发了一个分析框架，并针对具有任意度数分布 P（k）的网络，确定了临界渗透阈值 pc 和巨型分量 P  infty 的大小。在 n  to  infty 的范围内，我们恢复了针对目标攻击的先前工作，而对于 n = 1 ，我们恢复了已知的随机失败案例。在这两个极端之间，我们观察到随着 n 的增加，在具有完整信息的有向免疫（攻击）下， p_c 会迅速朝其最佳值增加。特别是，我们在 | p_c（ infty）-p_c（n）| 和 n 之间找到了新的尺度关系，作为 | p_c（ infty）-p_c（n）|  sim n ^ -1  exp（- alpha n）。对于无标度（SF）网络，其中 P（k） sim k ^ - gamma，2 < gamma <3 ，我们发现当时， p_c 从零过渡到非零。n 从 n = 1 增加到  log N 的顺序（ N 是网络的大小）。因此，对于SF网络，了解  log N 节点的顺序并对其进行免疫可以大大减少流行病。

图汇总方法和应用综述

原文标题：

Graph Summarization Methods and Applications: A Survey

地址：

http://arxiv.org/abs/1612.04883

作者：

Yike Liu, Tara Safavi, Abhilash Dighe, Danai Koutra

摘要：尽管计算资源的进步使处理大量数据成为可能，但人类识别此类数据中的模式的能力并未相应地扩展。因此，用于压缩和简化数据的高效计算方法对于提取可行的见解变得至关重要。特别是，虽然已经广泛地研究了数据汇总技术，但是直到最近，汇总互连数据或图才成为流行。这项调查是对图数据进行汇总的最新方法的结构化，全面概述。我们首先探讨图摘要背后的动机和挑战。然后，我们根据作为输入的图的类型对汇总方法进行分类，并通过核心方法进一步组织每个类别。最后，我们讨论了汇总在现实世界图上的应用，并通过描述该领域中的一些未解决的问题得出结论。

车联网和自动驾驶

对城市交通流量的益处

原文标题：

On Urban Traffic Flow Benefits of Connected and Automated Vehicles

地址：

http://arxiv.org/abs/2004.00706

作者：

Ioannis Mavromatis, Andrea Tassi, Robert J. Piechocki, Mahesh Sooriyabandara

摘要：自动驾驶汽车是智能交通系统（ITS）不可或缺的一部分，有望在未来的出行服务中发挥关键作用。本文研究了两类自动驾驶汽车：（i）仅依靠车载传感器执行环境感知任务的4级和5级自动驾驶汽车（AV），以及（ii）利用与通过驾驶意图和传感器信息共享进一步增强感知能力。我们的调查考虑并量化了每个车辆组在欧洲和美国的大型城市道路网中的影响。关键性能指标是交通拥堵，平均速度和平均出行时间。具体而言，数值研究表明，交通拥堵可以减少多达四倍，而CAV组的平均流速仍接近限速，并且可以比人力车辆高300％。最后，还对交通状况进行了研究，表明即使CAV的市场渗透很小，也将对交通流量产生实质性的净积极影响。

有效疏散曼哈顿下城

原文标题：

Efficiently Evacuating Lower Manhattan

地址：

http://arxiv.org/abs/2004.00709

作者：

Caitlin Feltner, Emily Lewis, Jamie Peck, Mark Shipps Jr., Scott Holmdahl

摘要：尽管每年气象和预测技术都在飞速发展，但自然灾害的威胁并非完全可以预测。但是，可预测性仍不能保证可避免性，因此，充足的时间对预测做出反应仍然是主要问题。市政府通常会花费大量精力为此类事件做准备，方法是对基础设施进行投资并研究疏散策略，以最大程度地减少对人类的潜在伤害。这项研究的重点是曼哈顿岛这些疏散策略之一的发展。提出的算法基于评估具有计算出的流量低密度和时间成本的源目的地路由。通过使用转运LP优化模型，我们能够了解曼哈顿下城有针对性的出口中的撤离人员的最佳吞吐量，从而在最短时间内将人口从伤害的道路上转移出去，而前提是可以预测到潜在的自然灾害。

ArsonEmergency标签

和澳大利亚的“黑色夏天”：

社交媒体上的极化和不实信息

原文标题：

#ArsonEmergency and Australia’s “Black Summer”: Polarisation and misinformation on social media

地址：

http://arxiv.org/abs/2004.00742

作者：

Derek Weber, Mehwish Nasim, Lucia Falzon, Lewis Mitchell

摘要：在2019-20夏季，澳大利亚遭遇了前所未有的丛林大火，有关纵火和有限回火的虚假叙述迅速在Twitter上流传开来，尤其是使用#ArsonEmergency标签。社交媒体研究人员发现并报道了错误信息以及类似bot和troll的行为，这一消息很快传到了主流媒体。本文考察了错误信息成为公众知识之前和之后，两个两极分化的在线社区的沟通和行为。具体来说，支持者社区使用各种新闻来源推动纵火叙事，积极与其他人进行传播，以散布主题标签，而反对者社区则较少参与，转推更多，并集中利用URL链接到主流消息来源，从而使故事揭穿并揭露异常行为。这影响了更广泛讨论的内容。Bot分析显示，活跃账户主要是人类，但行为和内容分析表明，支持者参与了拖钓活动，尽管两个社区都使用了攻击性语言。

动力工程中网络-物理-

社会系统受能流约束的社区弹性优化

原文标题：

Community Resilience Optimization Subject to Power Flow Constraints in Cyber-Physical-Social Systems in Power Engineering

地址：

http://arxiv.org/abs/2004.00772

作者：

Jaber Valinejad, Lamine Mili

摘要：本文开发了一种电力工程中计算机物理社会系统中受潮流约束的社区弹性优化方法，该方法使用基于多智能体的算法进行求解。潮流算法是使物理方面的电力与消费者之间的联系与社会方面的关键负载之间产生联系的工具。具体来说，消费者，生产者的情感，同理心，合作和身体健康水平是在建议的社区弹性优化方法中建模的，同时考虑了电力系统的限制及其对关键负荷（包括医院，住所）的影响和加油站，仅举几例。最优化说明了以下事实：社会的满意度，生活水平和社会福祉取决于包括电力在内的能源供应。显然，由于负载减少而导致的电能不足会影响人们的心理和心理生活质量，进而影响社区的应变能力。所开发的约束社区弹性优化方法应用于两个案例研究，包括两区域6总线系统和改进的IEEE RTS 24总线系统。仿真结果表明，情绪，风险感知和社交媒体平台影响因素的初始值降低会导致负载减少量增加，从而导致社区弹性下降。相比之下，合作，同情心，身体健康，微电网的能力和分布式能源的初始价值的增加导致负荷减少的减少，这反过来又增强了社区的适应力。

怀疑主义和谣言传播：

空间相关性的作用

原文标题：

Skepticism and rumor spreading: the role of spatial correlations

地址：

http://arxiv.org/abs/2004.00777

作者：

Marco Antonio Amaral, W. G. Dantas, Jeferson J. Arenzon

摘要：批判性思维和怀疑论是可以用来防止谣言，假新闻和错误信息传播的基本机制。我们考虑一个简单的模型，在这种模型中，以前没有与谣言接触过的主体人持怀疑态度，他们可能会说服传播者停止其活动，或者一旦暴露于谣言，就决定不传播它，例如进行事实核查。。我们将对主动和被动怀疑主义这两种机制的组合效应进行先前的均值分析，以包括空间相关性。可以通过对近似来进行分析，也可以在各种网络上模拟基于主体的版本。我们的结果表明，在平均场中，传播者和易感者之间不存在共存（尽管取决于参数，取决于初始条件可能存在双稳态），但由于隔离的保护作用，当包含空间相关性时由删除的主体提供，则可以共存。

k跳协作博弈模型：扩展

到社区预算和自适应非子模性

原文标题：

A k-hop Collaborate Game Model: Extended to Community Budgets and Adaptive Non-Submodularity

地址：

http://arxiv.org/abs/2004.00893

作者：

Jianxiong Guo, Weili Wu

摘要：收益最大化（RM）是在线社会网络（OSN）上最重要的问题之一，它试图在OSN中找到一小部分用户，从而使预期收益最大化。之前已经对其进行了深入研究。但是，大多数现有文献都基于非自适应播种策略和简单的信息传播模型，例如IC / LT模型。它认为单个受影响的用户是量化收益的度量单位。在协作博弈模型出现之前，它一直将活动视为计算收入的基本对象。用户发起的活动只能影响与发起者的距离在k-hop之内的那些用户。在此基础上，我们采用了自适应种子策略，并制定了规模预算（RMSB）问题下的收益最大化。如果考虑到产品的促销，我们将RMSB扩展到“社区预算（RMCB）”问题下的“收益最大化”，该影响可以分布在整个网络上。RMSB和RMCB的目标函数是自适应单调而不是自适应子模，但在某些特殊情况下，它是自适应子模。我们研究了特殊亚模态和一般非亚模态下的RMSB和RMCB问题，并提出了RMSBSolver和RMCBSolver分别为它们提供了有力的理论保证。尤其是，我们给出了在一般非亚模块情况下RMSB问题的数据相关近似率。最后，我们通过在真实数据集上进行实验来评估我们提出的算法，并证明了我们解决方案的有效性和准确性。

具有多主体交互的意见动态

原文标题：

Opinion Dynamics with Multi-Body Interactions

地址：

http://arxiv.org/abs/2004.00901

作者：

Leonie Neuhäuser, Michael T. Schaub, Andrew Mellor, Renaud Lambiotte

摘要：我们介绍和分析超图上非线性共识动力学的三体共识模型（3CM）。我们的模型包含增强组效应，即使基础图完整（对应于均值场交互作用），也可能导致系统平均状态发生变化，这种现象可以解释为同伴压力的一种。我们进一步证明，对于具有两个群集组的系统，动力学中很小的不对称性可能导致一组的观点明显占优势。我们证明了模型中的非线性是使此类群体动力学出现的基本要素，并说明了如何将我们的系统以线性方式，成对相互作用的系统写在重新尺度的网络上。

在Twitter上发现政治社交机器人：

2019年西班牙大选案例

原文标题：

Spotting political social bots in Twitter: A use case of the 2019 Spanish general election

地址：

http://arxiv.org/abs/2004.00931

作者：

Javier Pastor-Galindo, Mattia Zago, Pantaleone Nespoli, Sergio López Bernal, Alberto Huertas Celdrán, Manuel Gil Pérez, José A. Ruipérez-Valiente, Gregorio Martínez Pérez, Félix Gómez Mármol

摘要：尽管社交媒体已被证明是与他人互动并大量快速传播有用信息的非常有用的工具，但它的巨大潜力却被无意地利用，也扭曲了政治选举和操纵选民。在本文中，我们分析了2019年11月西班牙大选期间Twitter上社交机器人的存在和行为。在整个研究过程中，我们将参与的用户分类为社交机器人或人类，并从定量（即产生的流量和现有关系）和定性（即用户对最重要的政党的政治亲和力和情感）角度检查了他们的互动。结果表明，这些机器人中很少有机器人积极参与选举，为五个主要政党的每一个提供了支持。

身份等级和团队合作：

Mark广义模型（2018）

原文标题：

Status hierarchy and group cooperation: A generalized model of Mark (2018)

地址：

http://arxiv.org/abs/2004.00944

作者：

Hsuan-Wei Lee, Yen-Ping Chang, Yen-Sheng Chiang

摘要：地位等级制度可以促进小组合作的出现吗？在演化模型中，马克（2018）为理论探索提供了肯定的答案。尽管做出了贡献，但我们批评说，马克模型不仅存在数学错误，而且在将其应用于其他层次结构时也存在局限性。我们通过引入一种新颖的层次结构度量来插值感兴趣的任何层次结构中的组成员的协作性，从而提供了一种更为通用的模型。我们得出可以出现合作的条件，并通过基于主体的计算机仿真来验证我们的分析预测。一般而言，就地位行为如何促进社会合作的出现而言，我们的演化模型比马克的原始模型提供了更强有力的证据。

使用基于时间RNN的分层注意力

进行链路预测建模动态异构网络

原文标题：

Modeling Dynamic Heterogeneous Network for Link Prediction using Hierarchical Attention with Temporal RNN

地址：

http://arxiv.org/abs/2004.01024

作者：

Hansheng Xue, Luwei Yang, Wen Jiang, Yi Wei, Yi Hu, Yu Lin

摘要：网络嵌入旨在在捕获网络结构信息的同时学习节点的低维表示。它在许多网络分析任务（例如链路预测和节点分类）上都取得了巨大的成功。现有的网络嵌入算法大多数都集中在如何有效学习静态同构网络上。但是，现实世界中的网络更加复杂，例如，网络可能由几种类型的节点和边（称为异构信息）组成，并且可能会随着时间的变化而在动态节点和边（称为演化模式）方面发生变化。动态异构网络的网络嵌入已经完成了有限的工作，因为同时学习演化信息和异构信息都具有挑战性。在本文中，我们提出了一种新的动态异构网络嵌入方法，称为DyHATR，该方法使用层次化注意力来学习异构信息，并结合具有时间注意力的递归神经网络来捕获演化模式。我们在四个真实世界的数据集上对链路预测任务进行基准测试。实验结果表明，DyHATR明显优于几个最新的基准。

从分散的统计信息

生成国家规模的互动网络

原文标题：

Generate Country-Scale Networks of Interaction from Scattered Statistics

地址：

http://arxiv.org/abs/2004.01031

作者：

Samuel Thiriot, Jean-Daniel Kant

摘要：通常，通过网络定义一组主体之间的交互结构。大多数基于主体的模型显示出对该网络高度敏感，因此仿真结果的相关性直接取决于该网络的描述能力。在研究人口众多的社会动态时，该网络无法收集，而是由旨在适合社会网络一般属性的算法生成的。但是，可以在国家范围内以社会人口统计学研究，普查或社会学研究的形式获得更精确的数据。这些“分散的统计信息”提供了丰富的信息，尤其是有关座席的属性，联系座席的相似属性和从属关系的信息。在本文中，我们提出了一种通用方法，将这些分散的统计信息与贝叶斯网络结合起来。我们将说明如何生成异质主体群体，以及如何通过使用分散的统计信息和有关社会选择过程的知识来创建链接。通过为肯尼亚农村地区建立一个互动网络来说明该方法，该互动网络包括家族结构，同事和友谊（在给定的现场研究和统计数据的情况下）。

信息访问悖论：

关于社交媒体诱导的极化模型

原文标题：

The Paradox of Information Access: On Modeling Social-Media-Induced Polarization

地址：

http://arxiv.org/abs/2004.01106

作者：

Chao Xu, Jinyang Li, Tarek Abdelzaher, Heng Ji, Boleslaw K. Szymanski, John Dellaverson

摘要：本文开发了一种随机的人类信念漂移模型，该模型表明当今可访问的信息量巨大，再加上消费者的确认偏见和对更偏僻内容的自然偏好，必然导致两极分化加剧。该模型解释了在共享增加的时代意识形态分裂日益加剧的悖论。随着社交媒体，搜索引擎和其他实时信息共享渠道旨在促进对信息的访问，由于随之而来的信息过载，出现了对内容过滤的需求。通常，消费者选择与他们的个人观点和价值观相匹配的信息。当今的信息策划服务呼应了这种选择所固有的偏见，该服务通过根据观察到的消费者喜好过滤新内容来最大化用户的参与度。结果，个人暴露于意识形态范围的日益狭窄的范围内，从而使社会分裂为意识形态上越来越孤立的飞地。我们称这种动态为信息访问的悖论。该模型还表明，只需少量注入定位良好的错误信息即可达到不相称的损害。本文介绍了建模方法，并评估了不同人口规模和参数设置的建模结果。

通过惩罚无标度空间随机图

中向中心的传输来阻止爆炸

原文标题：

Stopping explosion by penalising transmission to hubs in scale-free spatial random graphs

地址：

http://arxiv.org/abs/2004.01149

作者：

Júlia Komjáthy, John Lapinskas, Johannes Lengler

摘要：我们研究信息在有限和无限不均匀空间随机图中的传播。我们假设每个边的传输成本是i.i.d的乘积。随机变量L和惩罚因子：对于所有 mu> 0，期望度w_1和w_2的顶点之间的边将受到（w_1w_2）^  mu的惩罚。我们针对无标度渗流，（有限和无限）几何非均匀随机图以及双曲随机图研究此过程，所有过程均具有幂律度分布且指数 tau>1。对于 tau <3，我们找到一个阈值行为，取决于L的累积分布函数在多大程度上衰减为零。如果它最多以多项式衰减，并且指数小于（3-  tau）/（2  mu），则发生爆炸，即，以正概率我们可以以有限的代价到达无数个顶点（对于无限模型），或者达到具有限制成本的所有顶点的线性分数（对于有限模型）。另一方面，如果L的cdf至少在多项式上衰减为零，且指数大于（3-  tau）/（2  mu），则不会发生爆炸。可以说，这种行为比没有惩罚因素的情况更好地表示了社会网络中的信息传播过程，在这种情况下，除非L的cdf呈指数倍地趋近于零，否则总是会发生爆炸。最后，我们将结果扩展到其他惩罚函数，包括w_1和w_2中的任意多项式。在某些情况下，当我们颠倒w_1和w_2的角色时，会发生有趣的现象，即模型改变行为（从爆炸性变为保守性，反之亦然）。直观地讲，这可能对应于逆转信息流：收集信息可能比发送信息花费更多的时间。

来源：网络科学研究速递

编辑：张爽

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.me （提供RSS订阅）进行同步更新。

近期网络科学论文速递

---

集智俱乐部QQ群｜877391004

商务合作及投稿转载｜[e-mail]

◆ ◆ ◆

搜索公众号：集智俱乐部

加入“没有围墙的研究所”

让苹果砸得更猛烈些吧！