集智斑图最新论文栏目，关注复杂系统、网络科学、计算社会科学、统计物理等领域的前沿进展，每天即时更新相关顶刊论文，和最新arXiv预印本论文。
本文是对近期arXiv论文的汇总编译（by 彩云小译）。更多最新论文，请扫二维码获取。88国证据：新冠肺炎大流行的严重程度、封锁制度和人口流动；
具有延迟连接变化的耦合逻辑图中不同网络结构的自发组织；
周期性耦合抑制网络二阶一致性；
2019年英国大选中社交媒体的协调行为；
利用实时交互和反馈提高在线学习参与度的有效性评估；
考虑时间边缘影响矩阵的时间节点嵌入算法；
利用贝叶斯网络建立“公平和可持续的福祉”模型——以意大利地区为例；
意大利地区和省份新冠肺炎病死率的决定因素: 环境、人口和医疗保健因素的分析；
纽约市地铁旋转门使用率与新冠肺炎患病率的时间序列分析及相关性；
用于链路预测的多路图关联规则；
隔离作为有针对性的免疫策略；
新冠肺炎传染病模型有效繁殖数和变量的估计；
在物理学基础上的机器学习应对新冠肺炎流行病: 坚持8个国家的社会距离和短期预测；
城市轨道交通病毒传播风险: 基于微观模拟的时空特征分析；
基于网络模型的四层响应系统与中国新冠肺炎的空间传播；
持续的异质性而非短期的过度分散决定了群体对新冠肺炎的免疫力；
STAN: 基于真实世界证据的大流行预测时空注意网络；
少量大气泡对大学内部新冠肺炎传播的影响；
88国证据：
新冠肺炎大流行的严重程度、
封锁制度和人口流动
COVID-19 Pandemic Severity, Lockdown Regimes, and People Mobility: Evidence from 88 Countries
地址：
https://arxiv.org/abs/2008.08150Md. Mokhlesur Rahman,Jean-Claude Thill,Kamal Chandra Paul摘要：本研究通过实证调查了世界88个国家冠状病毒流行的严重性、零售业和娱乐业的流动性变化、中转站、工作场所和住宅区以及封锁措施之间复杂的相互作用。为了进行这项研究，从多个来源(如谷歌、联合国开发计划署、联合国、英国广播公司、牛津大学、 Worldometer)收集了关于人口流动模式、社会经济和人口特征、封锁措施以及冠状病毒大流行的数据。采用结构方程模型(SEM)技术研究了自变量对因变量的直接和间接影响，考虑了介质的中介作用。研究结果表明，封锁措施对鼓励人们保持社会距离具有显著的效果。然而，大流行的严重程度以及社会经济和制度因素对维持社会疏远做法的影响有限。结果还解释了社会经济和制度因素的城市化和现代性对大流行的严重程度有重大影响。老年人数量较多的国家、服务部门的就业机会以及全球化趋势较高的国家是冠状病毒流行病的最大受害者(例如，美国、英国、意大利和西班牙)。社会疏远措施在缓和大流行的严重性方面相当有效。
具有延迟连接变化的耦合逻辑图中
不同网络结构的自发组织
Spontaneous organizations of diverse network structures in coupled logistic maps with a delayed connection change
地址：
http://arxiv.org/abs/2008.08204Amika Ohara,Masashi Fujii,Akinori Awazu摘要：在这项研究中，我们进行了广泛的形态学研究的有效网络结构的自发形成元素的耦合逻辑斯谛映射，特别是具有延迟连接变化。我们提出的模型显示了网络拓扑结构和动态特性不同的十种状态。在此基础上，建立了具有起搏点或多层结构的层次网络和环状网络等多种稳定网络。我们还发现了各种动态网络的时间变化的连接，其中涉及隐藏的网络结构。此外，我们发现，形成的网络结构的形状高度相关的动态特征的组成元素。目前的结果提供了对动态的神经网络和其他各种生物和社会网络的不同见解。
Periodic Coupling inhibits Second-order Consensus on Networks
地址：
http://arxiv.org/abs/2008.08163Fabian Baumann,Igor M. Sokolov,Melvyn Tyloo摘要：近年来，网络一致性算法在动物群集到多车辆协调等各种应用中受到越来越多的关注。在已建立的多主体网络二阶一致性模型的基础上，我们发现了一种通过相当小的时间周期耦合调制抑制集体一致性状态形成的机制。我们在其频谱分解中处理该模型，并解析地发现，对于某些中间耦合频率，在网络层次上诱导出参数共振——这与预期的一致性在很短和很长耦合时间尺度上的出现不一致。我们的形式主义精确地预测了这些共振频率，并将它们与静态骨干网络的拉普拉斯谱联系起来。系统的激励在参数共振理论中进一步被量化，我们将其推广到具有时间周期耦合的网络领域。
Coordinated Behavior on Social Media in 2019 UK General Election
地址：
https://arxiv.org/abs/2008.08370Leonardo Nizzoli,Serena Tardelli,Marco Avvenuti,Stefano Cresci,Maurizio Tesconi摘要：协调的在线行为是信息和影响行动的重要组成部分，因为它们可以更有效地散布假信息。大多数关于协调行为的研究都涉及人工调查，而现有的少数计算方法大胆假设或过于简化问题以使其易于处理。在这里，我们提出了一个新的基于网络的框架来揭示和研究社会媒体上的协调行为。我们的提议扩展了现有的系统，超越了限制协调和不协调行为的二元分类。它可以发现不同的协调模式，并估计不同社区的协调程度。我们将我们的框架应用于2019年联合王国大选期间收集的数据集，发现并确定参与选举辩论的协调社区的特征。我们的工作传达了理论和实践的含义，并为研究在线操纵提供了更多细致入微的结果。
Assessing the Effectiveness of Using Live Interactions and Feedback to Increase Engagement in Online Learning
地址：
https://arxiv.org/abs/2008.0824Beth Porter,Burcin Bozkaya摘要：职业发展的亲身指导或其他类型的工作场所培训提供了一个社会环境和即时反馈机制，通常确保所有参与者都取得成功。在网上，自我节奏的教学缺乏这些机制，依赖于每个学习者的动机和坚持，常常导致低完成率。在这项研究中，我们研究了在线学习过程中引入使能工具和实时反馈对学习者在课程中的表现、课程中的持续性以及选择完成补充阅读和作业的影响。我们的实验结果表明，现场互动和所有被研究的绩效指标之间存在强烈的统计显著性正相关。
TempNodeEmb:Temporal Node Embedding considering temporal edge influence matrix
地址：
https://arxiv.org/abs/2008.06940Khushnood Abbas,Alireza Abbasi,Dong Shi,Niu Ling,Mingsheng Shang,Chen Liong,Bolun Chen摘要：理解现实世界中进化的复杂系统的进化模式，如人类相互作用、传输网络、生物相互作用和计算机网络，在我们的日常生活中具有重要意义。预测这些网络中节点之间未来的连接是时间网络演化的一个重要方面。为了分析网络，它们被映射到邻接矩阵，然而，单个邻接矩阵不能表示复杂的关系(如时间模式) ，因此，一些方法考虑时间网络的简化表示，但在高维和一般稀疏矩阵。因此，机器学习模型不能直接使用邻接矩阵进行网络或节点级别的预测。为了克服这个问题，自动化框架被提出来学习节点或边的低维向量，作为最先进的技术在预测时间模式的网络，如链接预测。然而，这些模型没有考虑网络的时间维度。这一差距促使我们在本研究中提出了一种新的节点嵌入技术，该技术利用了网络的演化特性，在每个时间步骤中考虑一个简单的三层图形神经网络，并用给定的角度法提取节点的方向。为了证明我们提出的算法的有效性，我们针对六个最先进的基准网络嵌入模型，在四个实际时态网络数据上对我们提出的算法的有效性进行了评估，结果表明我们的模型在预测时态网络中的未来链路方面优于其他方法。
利用贝叶斯网络建立
“公平和可持续的福祉”模型
——以意大利地区为例
Modeling "Equitable and Sustainable Well-being" (BES) using Bayesian Networks: A Case Study of the Italian regions
地址：
https://arxiv.org/abs/2008.06902Federica Onori,Giovanna Jona Lasinio摘要：自上世纪末以来，幸福感的测量一直是备受争议的话题。虽然一些具体方面仍然是悬而未决的问题，但多层面的方法以及建立共同的、根深蒂固的指标体系现已被公认为衡量这一复杂现象的主要途径。这方面的一项有意义的努力是意大利国家统计研究所和国家经济和劳工理事会制订的意大利“公平和可持续福利”指标系统。BES 框架包括每年在区域一级测量的若干原子指标，反映了福祉的不同领域(例如: 健康、教育、工作与生活平衡、环境... ...)。在这项工作中，我们旨在处理北京谱仪指标系统的多维性，并试图回答三个主要的研究问题: (i)北京谱仪原子指标之间的关系是什么结构; (II)北京谱仪各领域之间的关系是什么结构; (III)这些关系的结构在多大程度上反映了北京谱仪当前的理论框架。我们通过实现贝叶斯网络来解决这些问题，贝叶斯网络是一种被广泛接受的多变量统计模型，特别适合处理不确定性推理。一个 BN 的实现会产生一组节点和一组条件独立，它们提供了一个有效的工具来探索变量系统中的关联。本文还提出了贝叶斯估计算法中先验知识编码的两种策略，以便将 BES 理论框架表示到网络中。
意大利地区和省份
新冠肺炎病死率的决定因素:
环境、人口和医疗保健因素的分析
The determinants of COVID-19 case fatality rate (CFR) in the Italian regions and provinces: an analysis of environmental, demographic, and healthcare factors
地址：
https://arxiv.org/abs/2008.08133摘要：意大利政府一直是对新型冠状病毒肺炎紧急情况反应最积极的政府之一，通过采取迅速和日益严格的措施来控制疫情。尽管如此，意大利还是付出了巨大的人力和社会代价，尤其是在 Lombardy。本文的目的是双重的: i)首先，使用多变量 OLS 回归方法，调查意大利20个地区和107个省的病死率死亡率差异的原因; 和 ii)第二，使用 Ward 等级凝聚聚类方法，建立具有相似死亡率风险的省份的分类新型冠状病毒肺炎。我考虑了卫生系统指标、环境污染、气候条件、人口统计变量和三个代表卫生系统饱和度的特别指标。结果表明，总体保健效率、医生密度和平均体温有助于降低 CFR。相反，70岁及以上人口、汽车和公司密度、空气污染物水平(NO2、 O3、 PM10和 PM2.5)、相对湿度、新型冠状病毒肺炎患病率以及健康系统饱和度的所有3个指标与 CFR 呈正相关。人口密度、社会垂直整合、海拔高度差异无统计学意义。特别是，死亡的风险随着年龄的增加而增加，因为90岁及以上的老年人的死亡风险比80岁至89岁的老年人高3倍，比70岁至79岁的老年人高4倍。此外，数据聚类卫生组织表明，死亡风险最高的地区集中在中国北部，而死亡风险最低的地区是南部省份。最后，由于流行率和卫生系统饱和度指数在解释 CFR 变化方面发挥了最重要的作用，后者的很大一部分可能是由意大利卫生系统的巨大压力造成的。
纽约市地铁旋转门使用率
与新冠肺炎患病率的
时间序列分析及相关性
Time Series Analysis and Correlation of Subway Turnstile Usage and COVID-19 Prevalence in New York City
地址：
https://arxiv.org/abs/2008.08156Sina Fathi-Kazerooni,Roberto Rojas-Cessa,Ziqian Dong,Vatcharapan Umpaichitra摘要：在本文中，我们展示了纽约市交通局提供的纽约市地铁旋转栅门使用数据和纽约市卫生局报告的新型冠状病毒肺炎死亡病例之间的强相关性。旋转栅门的使用数据不仅表明了城市地铁的使用情况，也表明了人们的活动促进了2020年3月至5月新型冠状病毒肺炎城市居民的大规模流行。虽然这种相关性是显而易见的，但以前没有提供任何证据。在这里，我们通过应用长短期记忆神经网络来证明这种相关性。我们表明，新型冠状病毒肺炎患病率和死亡率之间的相关性考虑了死亡前的潜伏期和症状期。在建立了这种相关性之后，我们使用自回归移动平均线模型估计了在报告的死亡人数减少之后，新型冠状病毒肺炎死亡人数和病例数接近于零的日期。我们还通过回溯数据集并将其与报告日期进行比较，估计了首批病例和死亡发生的日期。
Multiplex Graph Association Rules for Link Prediction
地址：
https://arxiv.org/abs/2008.08351Michele Coscia,Michael Szell摘要：多元网络使我们能够研究各种复杂系统，其中节点以多种方式相互连接，例如社会网络中的朋友、家庭和同事关系。链路预测是网络分析的一个分支，它允许我们预测网络的未来状态: 哪些新的连接最有可能在未来出现？在多路链路预测中，我们还要问: 哪种类型？由于最后一个问题是无法回答的经典链路预测，这里我们研究使用图关联规则通知多路链路预测。我们通过多路图挖掘来识别网络中所有的频繁模式，然后通过寻找原始网络中每个频繁模式的出现来对每个未观测链路的可能性进行评分。关联规则为多路链路预测增加了新的能力: 预测新的节点到达，考虑具有四个或更多节点的高阶结构，以及提高内存效率。实验结果表明，利用图关联规则，我们能够获得接近理想集成分类器的预测性能。进一步，我们对一个有符号的多元网络进行了案例研究，说明了图关联规则是如何为扩展社会平衡理论提供有价值的见解的。
Quarantines as a Targeted Immunization Strategy
地址：
https://arxiv.org/abs/2008.08262Jessica Hoffmann,Matt Jordan,Constantine Caramanis摘要：在最近的新型冠状病毒肺炎疫情的背景下，隔离已经被用来“压平曲线”和减缓这个 http URL 的传播速度。实际上，我们从理论上证明了在第一波感染后，高度节点不成比例地处于被切除状态，这具有非常积极的后果。特别是，幂律图在几次感染后不能保持其结构，这意味着第二次和第三次波的振幅可能比第一次波小得多。我们提出了一个开放和关闭策略，旨在免疫图，同时感染最小数量的个体，同时保证人口现在是健壮的未来感染。我们在模拟网络上实验验证了我们的结果。
Estimating the Effective Reproduction Number and Variables of Disease Models for the COVID-19 Epidemic
地址：
https://arxiv.org/abs/2008.08201摘要：本文讨论了疾病传播的非线性模型中的变量估计问题及其在新型冠状病毒肺炎流行病中的应用。第一个无约束的方法被重新审查，他们显示对应的应用一个线性过滤器，其次是一个非线性估计的有效复制数量后，变化的坐标。无约束方法往往无法将估计的变量保持在其物理范围内，并可能导致不可靠的估计，需要积极地平滑原始数据。为了克服这些缺点，提出了一种约束估计方法，使模型变量保持在预先设定的边界内，并且能够提高估计的平滑性。约束估计可以直接应用于原始数据，不需要预平滑，也不需要相关的信息损失和附加滞后。它还可以很容易地扩展以处理额外的信息，如受感染个体的数量。由此产生的问题被转化为一个具有线性和凸二次约束的凸二次最佳化问题。研究还表明，应用于死亡数据的无约束和约束方法与死亡率无关。这些方法应用于来自新型冠状病毒肺炎疫情的公共死亡数据。
在物理学基础上的机器学习
应对新冠肺炎流行病:
坚持8个国家的社会距离和短期预测
Physics-informed machine learning for the COVID-19 pandemic: Adherence to social distancing and short-term predictions for eight countries
地址：
https://arxiv.org/abs/2008.08162G. D. Barmparis,G. P. Tsironis摘要：在2020年上半年的初始阶段，通过大多数国家实施的社会疏远措施，新型冠状病毒肺炎的传播受到了或大或小的限制。在这项工作中，我们通过机器学习技术，将国家一级的感染数据直接连接到一个单一的数字，这个数字表明了社会距离的有效性。我们假设标准的 SIR 模型给出了传播动力学的合理描述，因此社会距离方面可以通过外部施加的依赖时间的感染率来建模。我们使用指数拟合来分析 SIR 模型，找到时间无关感染率的精确解，并推导出时间依赖感染率作为感染人群函数的简单一阶微分方程。利用来自8个国家的感染“第一波”的受感染数据，并通过基于物理学的机器学习，我们提取出导致特定感染的社会距离的线性依赖程度。我们发现，在这两个极端中，一边是衰退坡度最高的希腊，另一边是几乎平坦的美国。斜坡的等级与每个国家遏制大流行的有效性是一致的。最后，在分析期结束后，我们用数据训练我们的网络，并且我们对感染的当前阶段进行为期一周的预测，这些预测似乎非常接近实际的感染值。
城市轨道交通病毒传播风险:
基于微观模拟的时空特征分析
Virus Transmission Risk in Urban Rail Systems: A Microscopic Simulation-based Analysis of Spatio-temporal Characteristics
地址：
https://arxiv.org/abs/2008.08448Jiali Zhou,Haris N. Koutsopoulos摘要：空气传播疾病在公共交通系统的传播风险是一个令人关注的问题。提出了一种改进的 Wells-Riley 公共交通系统风险分析模型，用于分析公共交通系统的客流特征，包括上车次数、下车次数和感染者数量的时空分布特征。该模型被用来评估作为一个功能的 OD 流量，实际操作，以及因素，如面罩佩戴，通风风险的总体风险。该模型与地铁运营的微观仿真模型(SimMETRO)相结合。利用地铁系统的实际数据，一个案例研究探讨了不同因素对传播风险的影响，包括戴口罩、通风率、传染性疾病水平和携带率。一般来说，戴口罩和通风在不同的需求水平、传染性水平和携带率下是有效的。戴口罩对降低风险更有效。还评估了运营和服务频率的影响，强调了保持可靠、频繁的运营对降低传输风险的重要性。风险空间模式也进行了探索，突出了高风险的位置。
基于网络模型的四层响应系统
与中国新冠肺炎的空间传播
Four-tier response system and spatial propagation of COVID-19 in China by a network model
地址：
https://arxiv.org/abs/2008.08448Jing Ge,Daihai He,Zhigui Lin,Huaiping Zhu,Zian Zhuang摘要：为了调查封锁和社会距离限制的有效性，我们基于经典的 SEAIR 流行病学模型，构建并讨论了一个分阶段的、权衡的网络系统，这些限制作为遏制当前世界范围内的新型冠状病毒肺炎/艾滋病流行的政策选择而被广泛实施。根据国家应急计划卫生总局对公共卫生危机的四级应对方案，我们将其分为五个阶段。我们推导出了交错基本传染数，并对中国大陆19个城市/地区在不同情景下的封锁和社会疏远政策的有效性进行了评估。此外，我们根据城市之间的人口流动和一些非药物干预的强度来估计与连续释放相关的感染风险。我们的结果表明，一级公共卫生应急响应对高风险城市是必要的，这可以有效和快速地平滑新型冠状病毒肺炎曲线。此外，妥善设计的交错释放政策对于新型冠状病毒肺炎的预防和控制具有极其重要的意义，而且有利于经济活动和社会稳定与发展。
持续的异质性而非短期的过度分散
决定了群体对新冠肺炎的免疫力
Persistent heterogeneity not short-term overdispersion determines herd immunity to COVID-19
地址：
https://arxiv.org/abs/2008.08142Alexei V. Tkachenko,Sergei Maslov,Ahmed Elbanna,George N. Wong,Zachary J. Weiner,Nigel Goldenfeld摘要：越来越清楚的是，新型冠状病毒肺炎/艾滋病的流行是拥有属性/艾滋病的过度传播，大部分的传播是由少数感染者驱动的。与传统的混合隔室模型的同质性假设如此强烈的背离，通常假设是短期超级传播事件的结果，例如个体在传染性高峰期出现极端的病毒脱落率，同时参加了大规模的集会，但没有得到适当的缓解。然而，我们证明流行病的传播主要对个体易感性或传染性的长期或持续的异质性敏感。我们证明了如何将这种异质性纳入一类广泛的流行病学模型，并推导出有效繁殖数 Re 对易感人群分数 s 的非线性依赖关系。与短期过度扩散的影响相比，持续异质性有三个重要的后果: (1)它导致早期流行病动态的重大修改; (2)它显著抑制了群体免疫阈值; (3)它还显著降低了流行病的最终规模。我们使用现实生活中面对面接触网络的数据和新型冠状病毒肺炎流行期间发病率的年龄变化来估计社会和生物因素对持续异质性的贡献。此外，来自纽约市、芝加哥以及美国50个州的新型冠状病毒肺炎/艾滋病疫情的实证数据提供了异质性水平的一致角色塑造。我们的估计表明，受灾最严重的地区，如纽约市，接近异质性修改的群体免疫阈值的第一波流行病。然而，这种类型的免疫力是脆弱的，因为随着时间的推移，如果社会互动的模式发生实质性的变化。
STAN:
基于真实世界证据的
大流行预测时空注意网络
STAN: Spatio-Temporal Attention Network for Pandemic Prediction Using Real World Evidence
地址：
https://arxiv.org/abs/2008.04215Junyi Gao,Rakshith Sharma,Cheng Qian,Lucas M. Glass,Jeffrey Spaeder,Justin Romberg,Jimeng Sun,Cao Xiao摘要：目标: 新型冠状病毒肺炎流感大流行造成了许多需要立即关注的挑战。各种各样的流行病学和深度学习模型已经被用来预测新型冠状病毒肺炎的爆发，但是这些模型都有其局限性，影响了预测的准确性和可靠性。我们的方法旨在解决这些局限性，并作出更早和更准确的大流行疫情预测: (1)使用病人的 EHR 数据从不同的县和州编码当地疾病状况和医疗资源利用条件; (2)考虑人口相似性和地理接近的地点; (3)整合大流行传播动态学深度学习模型。材料和方法: 我们提出了一个用于大流行预测的时空注意网络(STAN)。它使用一个基于注意力的图形卷积网络来捕捉地理和时间趋势，并预测未来固定天数的案例数量。为了提高长期预测的准确性，设计了基于物理规律的损失项。STAN 的测试使用了大量真实世界的病人数据和美国新型冠状病毒肺炎约翰·霍普金斯大学提供的开源数据。结果: STAN 在长期和短期预测上都优于流行病学建模方法，如 SIR 和 SEIR 以及深度学习模型，与最佳基线预测模型相比，实现了高达87% 的低均方差。结论: 通过使用真实世界的病人数据和地理数据，STAN 可以更好地捕捉疾病状况和医疗资源利用信息，从而提供更准确的流行病模型。随着大流行传播规律的正规化，STAN 也取得了良好的长期预测性能。
Impact of a small number of large bubbles on Covid-19 transmission within universities
http://arxiv.org/abs/2008.08147摘要：本文使用了多种分析和计算模型来评估大学生社交/学习泡沫的影响。泡沫被认为是一种手段，以减少潜在的影响，新型冠状病毒肺炎扩散在大学，否则可能间接导致数百万额外的情况下，更广泛的人口。不同的模型在广义上一致认为，任何将小的泡沫打破成大的单位，如一个年级小组或小的学生宿舍，将导致对更大的社区产生重大影响。这强调了学生的需要是良好的信息和有效的校园测试，跟踪和追踪。
从幂律到极值混合分布 | 网络科学论文速递18篇
分析网络的网络 | 网络科学论文速递22篇
新冠疫情期间新浪微博上的注意力动力学 | 网络科学论文速递17篇
超级传播者和高变异传染病 | 网络科学论文速递19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