Arxiv網絡科學論文摘要10篇(2020-10-14)

• 打破單向入侵會破壞May-Leonard空間系統中的生物多樣性;
• 建模和預測社交距離和出行限制對COVID-19傳播的影響;
• 概率性社會學習改善了公眾對錯誤信息的發現;
• 用關鍵字共現網絡跟蹤物理學的發展;
• 重新審視社會滲流：從二維格子到自適應網絡;
• 從帶地理位置的自由文本中自動提取對城市室外的感知;
• 在COVID-19時代重溫SIR：明確的解決方案和控制問題;
• 跨語言、國家和平臺表徵和比較COVID-19錯誤信息;
• 配水系統中泵的實時優化的深度強化學習;
• 雙向方法來比較網絡的模塊化結構;

打破單向入侵會破壞May-Leonard空間系統中的生物多樣性

原文標題： Breaking unidirectional invasions jeopardizes biodiversity in spatial May-Leonard systems

地址： http://arxiv.org/abs/2010.05950

作者： D. Bazeia, B.F. de Oliveira, J.V.O. Silva, A. Szolnoki

摘要： 非過渡性優勢以及由此產生的三個或更多競爭物種的循環循環為解釋生物和生態系統中的生物多樣性提供了基本機制。 Lotka-Volterra和May-Leonard類型模型方法都同意，該循環中入侵速率的異質性不會危害競爭物種的共存。雖然由此產生的豐富物種變得異質，但入侵力最小的物種從不平等的入侵中受益最大。但是，掠食者和獵物相互作用中的有效入侵率也可以通過打破優勢方向並以較小的概率允許反向入侵來進行修改。儘管這種改變對Lotka-Volterra模型框架內的行為沒有特殊影響，但May-Leonard系統的反應卻截然不同。在後一種情況下，不僅上述「最弱的生存」效果消失，而且如果反向入侵超過閾值，則無法維持環路的共存。有趣的是，消滅為均勻狀態的特徵在於非單調概率函數。雖然反向入侵的存在並沒有完全削弱原始捕食者物種的演化優勢，但是這種減弱的有效入侵率有助於相關的獵物物種收集更大的初始區域，以便在它們之間進行最後的戰鬥。這些過程的競爭決定了系統終止統一狀態的可能性。

建模和預測社交距離和出行限制對COVID-19傳播的影響

原文標題： Modelling and predicting the effect of social distancing and travel restrictions on COVID-19 spreading

地址： http://arxiv.org/abs/2010.05968

作者： Francesco Parino, Lorenzo Zino, Maurizio Porfiri, Alessandro Rizzo

摘要： 迄今為止，應對COVID-19大流行蔓延的唯一有效手段是非藥物幹預（NPI），這需要採取減少社會活動和交通限制的政策。量化其影響是困難的，但是減少它們的社會和經濟後果是關鍵。在這裡，我們介紹一種基於時態網絡的元人口模型，該模型已根據義大利的COVID-19暴發數據進行了校準，並易於評估這兩種NPI的結果。我們的方法將元人口模型的精細空間建模的優勢與通過活動驅動的網絡現實地描述社交聯繫的能力結合在一起。我們提供了一個有價值的框架來評估不同NPI的生存能力，這些NPI的時間和嚴重性有所不同。結果表明，行動不便的影響很大程度上取決於在爆發早期階段及時實施非營利機構的能力，而減少活動的政策應在事後優先考慮。

概率性社會學習改善了公眾對錯誤信息的發現

原文標題： Probabilistic Social Learning Improves the Public’s Detection of Misinformation

地址： http://arxiv.org/abs/2010.06019

作者： Douglas Guilbeault, Samuel Woolley, Joshua Becker

摘要： 錯誤信息的數字傳播是對民主，公共衛生和全球經濟的主要威脅之一。緩解錯誤信息的流行策略包括眾包，機器學習和媒體素養程序，這些程序要求社交媒體用戶將新聞以二進位術語分類為真或假。但是，對同伴影響力的研究表明，以二進位術語構成決策可能會放大判斷錯誤並限制社會學習，而以概率術語構成決策則可以可靠地改善判斷。在此預先註冊的實驗中，我們比較了在線對等網絡，這些網絡通過交流二進位或概率判斷來協作評估新聞的準確性。交換新聞準確性的概率估計可以大大改善個人和團體的判斷，從而消除新聞評估中的兩極分化。相比之下，交換二元分類會減少社會學習並根深蒂固的兩極分化。概率性社會學習的好處對於參與者的教育，性別，種族，收入，宗教信仰和黨派關係具有強大的作用。

用關鍵字共現網絡跟蹤物理學的發展

原文標題： Tracing the evolution of physics with a keyword co-occurrence network

地址： http://arxiv.org/abs/2010.06111

作者： Taekho You, Oh-Hyun Kwon, Jisung Yoon, Woo-Sung Jung

摘要： 描述科學的發展不僅是揭示科學趨勢，而且是建立科學分類體系的一項重要工作。在本文中，我們通過觀察關鍵字共現網絡的結構和變化來研究科學的發展。從七個目標物理領域及其由韓國物理學會專家選擇的初始關鍵字開始，我們使用我們提出的方法生成了關鍵字共現網絡，可以更好地刻畫拓撲結構。這樣，我們可以從一小部分初始關鍵字中構建一個更相關，更豐富的關鍵字網絡。通過這些網絡，我們可以通過檢測社區並提取每個社區的核心關鍵字來成功地確定科學子領域。此外，我們利用時間快照關鍵字網絡追蹤了子領域的時間演變，結果社區成員的時間變化很好地解釋了研究領域的發展。我們使用關鍵字共現網絡跟蹤研究領域發展的方法，可以幫助您識別和評估科學的發展

重新審視社會滲流：從二維格子到自適應網絡

原文標題： Social percolation revisited: From 2d lattices to adaptive networks

地址： http://arxiv.org/abs/2010.06393

作者： Frank Schweitzer

摘要： 社會滲透模型 citep solomon-et-00考慮了二維規則晶格。每個站點都由具有優先權的 x i 主體從統一分布 U [0,1] 中採樣。僅當 x i leq q 時，主體才將有關電影質量 q 的信息傳輸給鄰居。如果 q = q c = 0.593 ，則信息將滲透到晶格中。 -從網絡角度來看，滲流群集可以看作是具有 n c 個節點且平均度取決於 q c 的隨機規則網絡。通過保留這些隨機規則網絡的數量，可以在確定連結概率 p 之後從 G（n，p）模型生成一個真正的隨機網絡。然後，我演示如何將該隨機網絡轉換為閾值網絡，在該網絡中，主體根據其 x i 值創建連結。假設 x_ i 的動態變化和群體形成的機制，我進一步將該模型擴展為適應性社會網絡模型。

從帶地理位置的自由文本中自動提取對城市室外的感知

原文標題： Automatic Extraction of Urban Outdoor Perception from Geolocated Free-Texts

地址： http://arxiv.org/abs/2010.06444

作者： Frances Santos, Thiago H Silva, Antonio A F Loureiro, Leandro Villas

摘要： 在基於位置的社會網絡（LBSN）上人們共享的城市感知的自動提取是重要的多學科研究目標。原因之一是因為它有助於以可擴展的方式理解城市區域的內在特徵，從而有助於利用新服務。但是，在LBSN上共享的內容是多種多樣的，涵蓋了多個主題，例如政治，體育，文化，宗教和城市認知，這使得針對特定主題的內容提取任務非常具有挑戰性。考慮到在LBSN上共享的自由文本消息，我們提出了一種自動的通用方法來提取人們的看法。為此，我們的方法探索時空和語義上相似的觀點。我們以芝加哥，紐約和倫敦的城市室外區域為例來說明我們的方法。研究這些區域，我們發現LBSN數據帶來了有關城市地區的有價值的信息。為了分析和驗證我們的結果，我們進行了時間分析以衡量結果隨時間推移的穩健性。我們表明，我們的方法有助於從不同角度更好地理解城市地區。我們還基於公共數據集進行了比較分析，該數據集包含志願者對通過對照實驗表達的對城市地區的看法。我們觀察到，兩個結果都產生非常相似的一致程度。

在COVID-19時代重溫SIR：明確的解決方案和控制問題

原文標題： Revisiting SIR in the age of COVID-19: Explicit Solutions and Control Problems

地址： http://arxiv.org/abs/2010.06445

作者： Vivek S. Borkar, D. Manjunath

摘要： 提出並研究了描述種群在社區內傳播的非保留種群SIR（SIR-NC）模型。與標準SIR模型不同，SIR-NC不假定種群守恆。儘管SIR-NC在形式上與標準SIR類似，但在允許我們對死亡率進行建模的同時，也接受了封閉形式的解決方案，並且還提供了對模型參數的不同且可能更現實的解釋。提供了該SIR-NC模型與標準的，種群守恆的SIR模型的數值比較。提出並分析了包括外來感染，社區互動以及包括出生和死亡在內的模型的擴展。還提供了幾個數值示例來說明這些模型。提出了SIR-NC流行病模型的兩個控制問題。首先，我們考慮連續時間模型預測控制，其中成本函數變量對應於鎖定級別，測試和隔離級別以及感染數量。我們還包括在鎖定級別之間移動的切換成本。然後提供了更易於計算的離散時間版本以及數字插圖。然後，我們考慮一個多目標和多社區控制，其中我們可以在不同社區上定義多個成本函數，並獲得最小成本控制，以使與這些控制目標相對應的價值函數保持在規定的閾值以下。

跨語言、國家和平臺表徵和比較COVID-19錯誤信息

原文標題： Characterizing and Comparing COVID-19 Misinformation Across Languages, Countries and Platforms

地址： http://arxiv.org/abs/2010.06455

作者： Golshan Madraki, Isabella Grasso, Jacqueline Otala, Yu Liu, Jeanna Matthews

摘要： 關於COVID-19的錯誤信息/虛假信息在全球社交媒體上普遍存在。在本研究中，我們調查了伊朗，中國和美國等多個國家/地區使用多種語言（波斯語，波斯語，中文和英語）在社交媒體上傳播的COVID-19有誤信息，如Twitter，Facebook，Instagram，微博和WhatsApp。有誤信息，特別是關於全球流行病的信息，是一個全球性問題，然而，在社交媒體上研究COVID-19錯誤信息時，通常只關注一種語言，例如英語，一個國家（例如美國）或一個平臺（例如英語）。推特。我們利用機會抽樣方法，在1月1日至8月31日之間出現的這些語言，國家/地區和平臺上，整理了200種特定的病毒式和揭穿式錯誤信息。然後，我們根據錯誤信息的主題以及該錯誤信息的根源對本館藏進行了分類。我們的多元文化和多語言團隊觀察到，社交媒體上COVID-19錯誤信息的性質在不同語言/國家/地區之間存在很大差異，具體取決於文化，信仰/宗教，社交媒體的普及程度，平臺的類型，言論自由和人與政府的力量。我們觀察到，政治是此數據集中所有三種語言收集的大多數錯誤信息的根源。我們進一步觀察到政府對平臺的限制所產生的不同影響，以及伊朗，中國和美國對內容的平臺所產生的不同影響，以及它們對我們這個時代關鍵問題的影響：我們如何控制錯誤信息，而又不壓制要求政府負責的聲音？

配水系統中泵的實時優化的深度強化學習

原文標題： Deep Reinforcement Learning for Real-Time Optimization of Pumps in Water Distribution Systems

地址： http://arxiv.org/abs/2010.06460

作者： Gergely Hajgató, György Paál, Bálint Gyires-Tóth

摘要： 在水分配系統（WDS）中，對泵進行實時控制可能是一項不可行的任務，因為尋找最佳泵速的計算會佔用大量資源。使用常規優化技術時，即使有了智能水網絡的功能，也無法降低計算需求。此處介紹了深度強化學習（DRL），作為兩個WDS中泵的控制器。訓練基於深度q網絡對決的主體，以基於瞬時節點壓力數據維持泵的速度。常規優化技術（例如Nelder-Mead方法，差分演化）用作基準。與性能最佳的基線相比，DRL主體實現的總效率高於0.98，而與之相比，提速約為2倍。提出的方法的主要貢獻在於，主體可以實時運行泵，因為它僅取決於測量數據。如果將WDS替換為水力模擬，則該主體的搜索速度仍優於傳統技術。

雙向方法來比較網絡的模塊化結構

原文標題： A bi-directional approach to comparing the modular structure of networks

地址： http://arxiv.org/abs/2010.06568

作者： Daniel Straulino, Mattie Landman, Neave O』Clery

摘要： 在這裡，我們提出了一種新的方法來比較一對節點對齊網絡的模塊化結構。當前的大多數方法（例如歸一化的互信息）會比較從社區檢測算法得出的兩個節點分區，而忽略相應的基礎網絡拓撲。為解決這一差距，我們的方法部署了一個社區檢測質量功能，以評估每個節點分區相對於另一個網絡的連接結構的適合性。具體來說，對於兩個網絡A和B，我們將B的節點分區投影到A的連接結構上。通過評估B的分區相對於A在網絡A上自己的分區的適合度（使用標準質量函數），我們可以量化網絡A描述了B的模塊化結構。在另一個方向上重複此過程，我們獲得了二維距離度量，即雙向（BiDir）距離。我們方法論的優點是三方面的。首先，它適用於試圖優化目標函數的各種社區檢測算法。其次，它考慮了網絡結構，尤其是社區內部和社區之間的連接強度，因此可以刻畫具有類似分區但其中一個可能具有更明確或更強大的社區結構的網絡之間的差異。第三，它還可以識別出不同的最佳分區掩蓋了兩個網絡的底層社區結構相對相似這一事實的情況。我們將說明用於多種社區檢測算法的方法，包括多解析度方法以及一系列模擬和現實世界網絡。

聲明：Arxiv文章摘要版權歸論文原作者所有，機器翻譯後由本人進行校正整理，未經同意請勿隨意轉載。本系列在公眾號「網絡科學研究速遞」（netsci）和個人博客進行同步更新。