如果你经常关注复杂系统和跨学科研究进展，是网络论文速递栏目的长期读者，欢迎扫描集智小助手，向我们反馈你的需求。欢迎提出宝贵意见，我们一起来探索追踪前沿进展的更好方式。
参与论文速递用户调研后，我们将邀请你加入集智的科研文献交流群。
本文翻译自“彩云小译”，仅供参考，感兴趣请查阅论文原文，更多最新arxiv论文，请下拉至文末点击“阅读原文”查看
使用 Page Rank 随机漫步的网络导航；
美国面临新冠肺炎地方性感染和死亡；
有记忆的观点动力学: 一个社会是如何被过去的自己所塑造的；
多州噪声选民模型中的狂热分子；
预测新冠肺炎在新震中的拐点和爆发规模；
网络上进程的规模 ；
具有基本基因型网络的多毒株流行病的出现；
新冠肺炎感染的分形观点；
CONNA: 在动态中解决名称歧义问题；
Bot-Match: 基于递归最近邻搜索的社交机器人检测；
通过传递熵和互信息从时间序列推断网络特性: 二元方法和多元方法的验证；
在社交媒体时代与虚假信息作斗争；
影响维基百科成就和贡献的个人因素；
用过人工智能、同伴引导和社会网络干预防止青少年感染艾滋；
来自噪声观测的监督式学习: 结合机器学习技术和数据同化；
非平衡反应网络中能量耗散的标度性；
新冠肺炎引发的经济不确定性: 英国和美国的比较；
激发原子涌现网络的流行增长和格里菲斯效应；
原文标题：
Network navigation using Page Rank random walks
http://arxiv.org/abs/2007.07639Emilio Aced Fuentes,Simone Santini摘要：引入一种基于连续时间近似的形式化方法，研究了 Page Rank 随机游动的特性。我们发现占有概率的扩散具有指数型“忘记”初始条件的动力学性质，并且处于只依赖于网络特性的稳定状态。在从单个节点开始的特殊情况下，我们发现跃迁值的最大特征值(lambda = 1)对动力学没有贡献，而且概率在相应的特征向量方向上是常数。我们研究了访问新节点的过程，发现该过程具有与占用概率相似的动态特性。最后，我们确定了节点 < t > 之间的平均通过时间，我们发现这个时间与 Levy 行走的相应时间有一定的联系。这些结果的相关性存在于页面排名中，这是一个更合理的个人搜索行为模型，可以显示出与 Levy 步行相似的特征，这反过来又被证明是一个被称为“区域限制搜索”的通用大规模搜索策略的合理模型。
原文标题：
US faces endemic Covid-19 infections and deaths
http://arxiv.org/abs/2007.07789Fazle Hussain,Zeina S. Khan,Frank Van Bussel摘要：我们已经为美国的8个州建立了一个新的传染病模型，并对其进行了模拟新型冠状病毒肺炎。这个模型的系数基于七个耦合微分方程，对照病例和死亡的记录数据进行了仔细评估。这些预测显示，新型冠状病毒肺炎将成为地方病，传播时间将超过两年。如果居家订单有所放松，大多数州在2021年可能会经历第二个高峰。如果封锁政策得以维持的话，在大多数开放的州，新型冠状病毒肺炎的死亡人数本可以明显降低。此外，我们的模型预测，减少10% 的接触率，或增加约15% 的测试，或加倍封锁遵守(从目前的ー15%)将在一年内根除德克萨斯州的传染病。应用于整个美国，基于当前情况的预测显示，截至2020年11月1日，总感染人数(包括未被发现的)约为1100万，累计确诊病例800万，累计死亡人数为63万。
有记忆的观点动力学:
一个社会是如何被过去的自己所塑造的
原文标题：
Opinion dynamics with memory: how a society is shaped by its own past
http://arxiv.org/abs/1909.12590Gioia Boschi,Chiara Cammarota,Reimer Kühn摘要：为了理解在现代世界中意见的共同取向的发展，我们提出了一个社会模型，这个社会被描述为一个大量的代理人的集合，在他们相互作用和外部事件的影响下交换他们所表达的意见。特别是，我们引入了一种互动偏差，它产生了一种集体记忆效应，使社会能够存储和回忆来自几个外部信号的信息。我们的模型展示了社会的内部结构及其未来的反应是如何被其自身的历史所塑造的。我们将提供一个关于这种情况如何发生的分析性解释，并且我们将展示以这种方式建模的社会的反应和霍普菲尔德信息检索机制之间的突现相似性。
原文标题：
Zealots in multi-state noisy voter models
http://arxiv.org/abs/2007.07535摘要：嘈杂的选民模型是一种程式化的观点动态的表现。个人抄袭其他个人的观点，并受到自发状态变化的影响。在两种意见状态的情况下，我们知道这个模型在两种意见都存在的单模态阶段和一种意见占主导地位的双模态阶段之间存在噪声驱动的过渡。狂热分子的存在可以消除模型中具有两种意见状态的单峰和双峰阶段。在这里，我们研究了狂热者在 m > 2意见状态的噪声选民模型中对完全相互作用图的影响。我们发现相的行为多种多样，多达六种可能的定性不同类型的定态。狂热分子的存在消除了这些阶段中的一部分，但不是全部。我们分析了狂热分子影响整个人群，或者只影响一小部分代理人的情况，并且表明这种情况符合一个单一社区模型，只有一小部分狂热分子，这进一步丰富了相图。我们的研究是分析的基础上有效的出生-死亡动力学的个人持有一个给定的意见。结果在数值模拟中得到了证实。
原文标题：
Predication of Inflection Point and Outbreak Size of COVID-19 in New Epicentres
http://arxiv.org/abs/2007.07471Qibin Duan,Jinran Wu,Gaojun Wu,You-Gan Wang摘要：截至2020年6月中旬，2019年冠状病毒病(新型冠状病毒肺炎)已造成超过800万人感染。最近，巴西成为了中东新型冠状病毒肺炎的新震中，而印度和非洲地区则是潜在的震中。这项研究的目的是通过借鉴其他国家更成熟的曲线来预测这些新的/潜在的传染源在传染病早期阶段的拐点和爆发规模。在混合效应模型下，利用已知的 s 形生长曲线建立累积病例模型来描述流行病的发展趋势，并在幂变换后使用四参数 logistic 模型。预计非洲地区的疫情总规模最大，为390万病例(220万至600万) ，疫情将在2020年9月13日左右出现。预计巴西和印度最终的疫情规模类似，约为250万病例(110万至430万) ，转折点将分别于6月23日和7月26日到来。我们得出结论，在巴西、印度和非洲，COVI19疫情尚未通过转折点; 这些地区在疫情规模方面有可能接管美国。
原文标题：
Motifs for processes on networks
http://arxiv.org/abs/2007.07447Alice C. Schwarze,Mason A. Porter摘要：研究网络中的主题可以帮助研究人员发现网络的结构和功能之间的联系，在生物学，社会学，经济学和许多其他领域。对网络的实证研究已经确定反馈回路、前馈回路和其他一些小型结构为”主题” ，这些结构经常出现在现实世界的网络中，并可能通过各种机制对这些系统的重要功能作出贡献。然而，这些机制中的许多机制是未知的。我们建议区分网络中的“结构主题”(即图形)和网络中的“过程主题”(我们将其定义为结构化的行走集) ，并将过程主题视为网络上过程的构建块。以网络上的多元 Ornstein-Uhlenbeck 过程中的协方差和相关性为例，我们证明了结构基序和过程基序的区别使得对网络上动力系统的重要功能机制的定量研究成为可能。
原文标题：
Emergence of multistrain epidemics with an underlying genotype network
https://arxiv.org/abs/2007.07429Blake J. M. Williams,Guillaume St-Onge,Laurent Hébert-Dufresne摘要：长期以来，数学疾病模型一直假设任何一种传染病都是由一种可传播的病原体在人群中传播所引起的。这一范式有助于简化流行病的生物现实，并使模型界能够集中注意其他因素的复杂性，例如人口结构和干预措施。然而，越来越多的证据表明，病原体的菌株多样性及其与宿主免疫系统的相互作用，可以在形成流行病的动态过程中发挥重要作用。在这里，我们介绍了一个疾病模型与基础的基因型网络，以说明两个重要的机制。第一，当疾病在宿主人群中传播时，它可以沿着网络通路发生突变。第二，基因型网络允许我们定义不同品系间的遗传距离，因此可以模拟现实世界中常见病原体的免疫力超越性。我们研究了这个模型中流行病的出现，通过它的流行病阶段转变，并强调了基因型网络在驱动疾病周期性、大规模波动、连续流行病转变以及围绕相关病原体的特定菌株定位中的作用。更一般地说，我们的模型说明了丰富的行为，即使在混合良好的宿主种群，一旦我们考虑菌株多样性，并超越“一种疾病等于一种病原体”的范式是可能的。
原文标题：
A fractal viewpoint to COVID-19 infection
http://arxiv.org/abs/2007.07310Oscar Sotolongo-Costa,José Weberszpil,Oscar Sotolongo-Grau摘要：控制新型冠状病毒肺炎流行病的主要手段之一就是了解它的传播动态。在这里，我们开发了一个分形模型能够描述这种动态，根据每天的新情况，并提供了一些预测的定量标准。提出了一种基于合成导数和分形时间尺度的分形动力学模型。得到了分形方程的 Burr-XII 形解。该模型使用来自几个国家的数据进行了测试，结果表明，单个函数能够描述非常不同形式的疫情爆发。本文介绍并讨论了在这些国家暴发的不同行为。此外，还得到了判断大流行高峰存在的标准和达到群体免疫的时间表达式。
原文标题：
CONNA: Addressing Name Disambiguation on The Fly
http://arxiv.org/abs/1910.12202Bo Chen,Jing Zhang,Jie Tang,Lingfan Cai,Zhaoyu Wang,Shu Zhao,Hong Chen,Cuiping Li摘要：姓名消歧是社会搜索和学术搜索等在线系统中的一个关键问题，也是一个非常棘手的问题。尽管进行了大量的研究，但是还有一个关键问题没有得到系统的研究，那就是动态消歧——实时完成消歧。这是非常具有挑战性的，因为消歧算法必须准确、高效和容错。在这篇论文中，我们提出了一个新的框架---- CONNA---- 通过强化学习来联合训练一个匹配组件和一个决策组件。匹配组件负责为给定的论文找到最匹配的候选人，决策组件负责决定分配最匹配的人或创建一个新的人。这两个组成部分是交织在一起的，可以通过联合培训自力更生。根据经验，我们评价 CONNA 对两个名称消歧数据集。实验结果表明，利用匹配和决策分量的联合训练，该框架可以使 f1分数提高1.21%-19.84% 。拟议的 CONNA 已经成功部署在 AMiner 上，这是一个大型的在线学术搜索系统。
Bot-Match:
基于递归最近邻搜索的社交机器人检测
原文标题：
Bot-Match: Social Bot Detection with Recursive Nearest Neighbors Search
http://arxiv.org/abs/2007.07636David M. Beskow,Kathleen M. Carley摘要：社交机器人在过去的十年中已经出现，最初是制造麻烦，而最近则被用来恐吓记者，左右选举活动，加剧现有的社会裂痕。这种社会威胁催生了一种机器人检测算法竞赛，其中检测算法不断进化，试图跟上日益复杂的机器人账户。这种猫和老鼠的循环揭示了监督式学习算法的局限性，研究人员试图利用昨天的数据来预测明天的机器人。这种差距意味着研究人员、记者和分析人员每天都能识别出未被最先进的受监督的机器人检测算法检测到的恶意机器人账户。这些分析师通常希望找到类似的机器人账户，而不是标记/训练一个新的模型，其中相似性可以由内容、网络位置或两者来定义。基于相似度的算法可以补充现有的有监督和无监督的方法，并填补这一空白。为此，我们提出了 Bot-Match 方法，在此方法中，我们评估了社会媒体嵌入，这种嵌入使得半监督递归最近邻搜索能够在给定一个或多个种子账户的情况下映射出一个新的社会网络安全威胁。
通过传递熵和互信息从
时间序列推断网络特性:
二元方法和多元方法的验证
原文标题：
Inferring network properties from time series via transfer entropy and mutual information: validation of bivariate versus multivariate approaches
http://arxiv.org/abs/2007.07500Leonardo Novelli,Joseph T. Lizier摘要：从时间序列推断的功能性和有效性网络是网络神经科学的核心。由于比较患者和控制之间的网络属性是常见的做法，因此对于推断出的网络模型来反映关键的基础结构属性是至关重要的。然而，即使是一些虚假的链路也会严重扭曲最短路径长度和导出的测度，包括小世界系数，从而使人们对网络的宏观拓扑结构产生误解。这对基于关联的功能连接体提出了挑战，其传递性必然会导致大量的误报。我们研究如何假阳性偏倚的性质的网络推断的双变量和多变量算法。互信息、二元转移熵和多元转移熵分别用于推导泛函网络、定向泛函网络和有效网络。验证是在具有100 -- 200个节点的合成地面真理网络和各种拓扑结构(规则格子、小世界、随机、无标度、模)上以及在真正的猕猴连接体上进行的。通过自回归动力学模拟节点活动的时间序列。我们发现，多变量传递熵捕获了长时间序列中所有网络结构的关键性质。对于较短的时间序列，双变量方法可以获得较高的回忆率(敏感性) ; 然而，随着可用数据的增加，它们无法控制假阳性(较低的特异性)。这导致了对集群、小世界和富俱乐部系数的过高估计，对最短路径长度和枢纽中心性的过低估计，以及对度分布尾部的过高估计。因此，在解释通过相关性或成对的统计依赖度量获得的函数连接体的网络特性时，应该谨慎行事，而不是使用更全面(但又缺乏数据)的多元模型。
原文标题：
Combating Disinformation in a Social Media Age
https://arxiv.org/abs/2007.07388Kai Shu,Amrita Bhattacharjee,Faisal Alatawi,Tahora Nazer,Kaize Ding,Mansooreh Karami,Huan Liu摘要：在社交媒体上制造、传播和消费虚假信息和捏造内容，是一个日益令人关切的问题，特别是因为很容易获得这些信息来源，而且对存在这种虚假信息缺乏认识。在本文中，我们提出了一个概述的技术探讨迄今为止打击各种形式的虚假信息。我们介绍了虚假信息的不同形式，讨论了与虚假信息传播有关的因素，详细阐述了在发现虚假信息方面的内在挑战，并展示了一些通过教育、研究和合作来减轻虚假信息的方法。展望未来，我们提出了一些有希望的未来研究方向的假情报。
原文标题：
Individual Factors that Influence Effort and Contributions on Wikipedia
http://arxiv.org/abs/2007.07333Luiz F. Pinto,Carlos Denner dos Santos,Silvia Onoyama摘要：在这项工作中，我们旨在分析态度，自我效能和利他主义如何影响努力和积极贡献的维基百科。我们提出了一个基于计划行为理论和来自在线社区文献的发现的新的概念模型。根据组织文献，这个模型不同于以前提出的其他模型，它从各个方面(认同、互惠和声誉)考虑利他主义，并将努力视为绩效结果之前的一个因素，这是以积极贡献来衡量的。为了完成这项研究的具体目标，维基百科对社区成员进行了调查，并收集了次要数据。剔除异常值后，我们获得了212个参与者的最终样本。我们应用因子分析模型和结构方程模型，得到了一个满意的拟合指数模型。结果表明，努力影响积极贡献和态度，名誉影响利他主义，认同影响努力影响利他主义。所提议的因素都与积极捐款无直接关系。经验直接影响自我效能感，同时积极调节努力和积极贡献之间的关系。最后，我们通过对文献的几个启示以及对未来研究的建议提出了结论。
用过人工智能、同伴引导
和社会网络干预防止青少年感染艾滋
原文标题：
Preliminary Results from a Peer-Led, Social Network Intervention, Augmented by Artificial Intelligence to Prevent HIV among Youth Experiencing Homelessness
http://arxiv.org/abs/2007.07747Eric Rice,Laura Onasch-Vera,Graham T. DiGuiseppi,Bryan Wilder,Robin Petering,Chyna Hill,Amulya Yadav,Milind Tambe摘要：在美国，每年有近400万青年无家可归，艾滋病毒感染率从3% 到11.5% 不等。同伴变更代理(PCA)模型已成功地应用于艾滋病毒预防的许多人群，但有显着的失败。近年来，网络干涉学家提出，这些故障可以归因于 PCA 选择过程。被选中进行 PCA 工作的变更代理人本身通常与他们所传递的信息一样重要。为了解决这个问题，我们测试了一种新的针对 YEH 的 PCA 干预方法，包括三个手臂: (1)使用人工智能(AI)规划算法选择 PCA 的手臂，(2)流行手臂——标准 PCA 方法——操作化为最高度中心性(DC) ，(3)仅观察的对照组(OBS)。主成分分析模型可以促进艾滋病病毒检测、艾滋病病毒知识和避孕套的使用。随着时间的推移，AI 和 DC 都有了改进。基于 ai 的 PCA 选择可以产生更好的结果并提高干预效果的速度。具体来说，在 AI 手臂中观察到的行为变化发生在1个月之前，而在 DC 手臂中直到3个月之后才发生。鉴于 YEH 的短暂性和艾滋病毒感染的高风险，更快速的干预效果是可取的。
来自噪声观测的监督式学习:
结合机器学习技术和数据同化
原文标题：
Supervised learning from noisy observations: Combining machine-learning techniques with data assimilation
http://arxiv.org/abs/2007.07383Georg A. Gottwald,Sebastian Reich摘要：近年来，数据驱动预测和与物理学无关的机器学习方法引起了人们越来越大的兴趣，它们的预测范围远远超出了混沌动力系统的预期。在一个单独的研究链，数据同化已成功地用于最佳地结合预报模式及其固有的不确定性与进来的噪音观测。我们这里工作的关键思想是通过明智地结合机器学习算法和数据同化预测来实现增强的预测能力。我们结合物理不可知的数据驱动方法的随机特征图作为一个预测模型集合卡尔曼滤波数据同化过程。机器学习模型是通过合并输入的有噪声的观测值来学习的。结果表明，该预测模型具有较好的预测性能，而且经过训练后计算量较小。超越了预测的任务，我们的方法可以用来产生可靠的集成概率预测，以及学习有效的模型闭包在多尺度系统。
原文标题：
Scaling of Energy Dissipation in Nonequilibrium Reaction Networks
http://arxiv.org/abs/2007.07419Qiwei Yu,Dongliang Zhang,Yuhai Tu摘要：非平衡反应体系中的能量耗散率可以由下面反应网络中的反应速率决定。通过在状态空间中发展粗粒化过程和相应的反应速率重整化过程，我们发现能量耗散率与粗粒化状态下的微观状态数呈反幂律关系。耗散标度律要求网络具有自相似性，标度指数取决于网络结构和流量相关性。本文讨论了这一逆耗散标度律对微管-激动素等活性流体系统的意义。
原文标题：
COVID-19 Induced Economic Uncertainty: A Comparison between the United Kingdom and the United States
http://arxiv.org/abs/2007.07839摘要：这项研究的目的是调查新型冠状病毒肺炎流感大流行对美国和英国经济政策不确定性的影响。新型冠状病毒肺炎病例和死亡人数的增加，以及国外病例和死亡人数的增加所带来的影响可能会有所不同。为了验证这一结论，本研究从2020年3月8日至2020年5月24日采用了 bootstrap ARDL 协整方法。根据 bootstrap ARDL 结果，10个模型中有5个确定了长期均衡关系。从 ARDL 模型得到的长期系数表明，英国和美国以外新型冠状病毒肺炎病例和死亡人数的增加对经济政策的不确定性有显著影响。美国受到新型冠状病毒肺炎病例增加的影响更大。另一方面，英国受到国外新型冠状病毒肺炎死亡人数增加的负面影响要大于病例增加的负面影响。此外，这项研究的另一个重要发现表明，在短期内，新型冠状病毒肺炎是两国都面临巨大不确定性的一个因素。
原文标题：
Epidemic growth and Griffiths effects on an emergent network of excited atoms
http://arxiv.org/abs/2007.07697T. M. Wintermantel,M. Buchhold,S. Shevate,M. Morgado,Y. Wang,G. Lochead,S. Diehl,S. Whitlock摘要：无论是物理过程、生物过程还是社会过程，复杂系统表现出的动态性极难从基本原理中理解或预测。在这里，我们报告了激光驱动的里德伯原子超冷气体的准粒子动力学和疾病传播之间惊人的一致性，这反过来为研究复杂网络上的非平衡动力学打开了一个高度可控的实验平台。我们发现，促进激发和自发衰变之间的竞争导致了激发数量的快速增长，这种激发遵循亚指数时间依赖的特征，这是经验观察到的真实流行病的一个关键特征。在此基础上，我们建立了一个定量的微观易感-感染-易感(SIS)模型，该模型将生长和最终激发密度与突发的异质网路动力学和罕见的活跃区效应联系起来，这些效应与扩展的格里菲斯相有关。这提供了物理的见解，非平衡临界性质的驱动多体系统和机制导致非普遍的权力法则的动态复杂系统。COVID-19后世界航空网络设想方案 | 网络科学论文速递26篇
使用时空图神经网络检验对新冠病毒肺炎的预测 | 网络科学论文速递35篇
新团队在创新和多学科研究中的关键作用 | 网络科学论文速递25篇
新冠肺炎流行对基础物理学研究的影响 | 网络科学论文速递25篇
集智俱乐部QQ群｜877391004
商务合作及投稿转载｜swarma@swarma.org
◆ ◆ ◆
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！
👇点击“阅读原文”，了解更多最新arxiv论文