Arxiv網絡科學論文摘要15篇(2020-08-17)

• 傳輸網絡上的空間隨機SIR模型及其在中國COVID-19疫情中的應用;
• 以貌取人：面部感知對社會網絡中心性的影響;
• 使用移動數據對COVID-19暴發進行風險繪圖;
• 基於大規模出行數據集的乘船旅行深度分析;
• 宿主間空氣傳播的多相流問題用於基於科學的社會距離準則;
• 一種標準不完全適合：Stack Overflow的徽章行為研究;
• 建模堅不可摧的惡意軟體的第一步;
• 通過考慮社交的推薦來提高智能會議的參與度;
• DINE：深度不完全網絡嵌入的框架;
• Exo-SIR：一種流行病學模型，用於分析印度COVID-19的外源性感染的影響;
• 考慮鎖定政策和社會行為的COVID-19流行病學預測：玻利維亞;
• Covid-19在人群中傳播動力學的經驗模型;
• 鏈上參與者的海德平衡取決於相互作用範圍和熱噪聲;
• 基於BERT模型的社交媒體中的仇恨言論檢測和種族偏見緩解;
• ALONE：Twitter上青少年有害行為數據集;

傳輸網絡上的空間隨機SIR模型及其在中國COVID-19疫情中的應用

原文標題： A Spatial Stochastic SIR Model for Transmission Networks with Application to COVID-19 Epidemic in China

地址： http://arxiv.org/abs/2008.06051

作者： Tatsushi Oka, Wei Wei, Dan Zhu

摘要： 世界各國政府已經採取了預防冠狀病毒（COVID-19）傳播的預防措施。在這項研究中，我們考慮使用多元離散時間馬爾可夫模型來分析COVID-19在中國33個省區的傳播。這種方法使我們能夠評估限制移動政策對疾病傳播的影響。我們使用跨地區日常人員流動的數據，並應用貝葉斯框架來估計建議的模型。結果表明，該疾病在中國的傳播主要是由區域內的社區傳播所驅動，而地方政府採取的封鎖政策遏制了大流行的蔓延。此外，我們證明湖北只是流行初期的震中。到2020年1月下旬，已經建立了北京和廣東等次生震中，該病蔓延到了相連地區。在跨地區實行人員流動限制之後，來自這些震中的傳播大大減少。

以貌取人：面部感知對社會網絡中心性的影響

原文標題： Judging a Book by Its Cover: The Effect of Facial Perception on Centrality in Social Networks

地址： http://arxiv.org/abs/2008.06312

作者： Dongyu Zhang, Teng Guo, Hanxiao Pan, Jie Hou, Zhitao Feng, Liang Yang, Hongfei Lin, Feng Xia

摘要： 面部外觀在社會網絡中很重要。個人經常從面部線索做出性格判斷。儘管這些基於面部的印象缺乏確定有效性的證據，但它們至關重要，因為它們可能與基於人類網絡的社會行為有關，例如尋求某些個人的幫助，建議，約會和合作，因此它們可能與社會網絡的中心性有關。然而，儘管人們對中心位置的歸因包括人格和行為進行了大量研究，但幾乎沒有工作研究影響網絡中心性的明顯面部特徵。在本文中，我們通過研究一年級大學居住區社會網絡形成的初始階段，來研究基於面部外觀的感知特徵是否會影響網絡中心性。我們為參加者生活在同一居住區中的參與者拍照留念，並請他們提名連結到不同網絡的社區成員。然後，我們通過要求其他參與者對面部圖像的三個主要屬性進行評估來收集面部感知數據：優勢，可信賴性和吸引力。同時，我們提出了一個框架來發現面部表情如何影響社會網絡。我們的結果表明，感知到的面部特徵與網絡的中心性相關，並且它們可以預測不同網絡中人們的中心性。我們的發現提供了有關面孔與網絡中心性之間相互作用的心理學證據。我們的發現還為心理和社會網絡技術的結合提供了見識，並且突出了面部偏見在暗示和傳達社交特徵方面的功能。據我們所知，我們是第一個探索麵部感知對社會網絡中心性的影響的人。

使用移動數據對COVID-19暴發進行風險繪圖

原文標題： Risk mapping for COVID-19 outbreaks using mobility data

地址： http://arxiv.org/abs/2008.06193

作者： Cameron Zachreson, Lewis Mitchell, Michael Lydeamore, Nicolas Rebuli, Martin Tomko, Nicholas Geard

摘要： COVID-19具有很高的傳播能力，要控制疫情爆發，需要快速有效的應對措施。由於感染可能由有症狀或無症狀的人傳播，因此在診斷出臨床病例之前很可能會發生大量未被發現的傳播。因此，當發生暴發時，有必要預測哪些人群和地點的暴露風險更高。在這項工作中，我們評估了總體人類流動性數據在估計傳播風險的地理分布方面的效用。我們提出了一種從近實時人口流動性數據產生空間傳播風險評估的簡單程序。我們針對澳大利亞的三個有據可查的COVID-19暴發情景驗證了我們的估計。其中兩個是定義明確的傳輸群集，一個是社區傳輸方案。我們的結果表明，流動性數據可以很好地預測傳播中心的暴露風險地理模式，尤其是在涉及工作場所或與慣常旅行模式相關的其他環境的情況下。對於社區傳播場景，我們的結果表明，當病例數較少且在空間上聚類時，流動性數據會為風險預測增加最大價值。我們的方法可以幫助衛生系統分配測試資源，並可能指導實施針對地理位置的行動和社會互動限制。

基於大規模出行數據集的乘船旅行深度分析

原文標題： An In-Depth Analysis of Ride-Hailing Travel Using a Large-scale Trip-Based Dataset

地址： http://arxiv.org/abs/2008.06050

作者： Jianhe Du, Hesham A. Rakha, Helena Breuer

摘要： 隨著乘車（RH）使用的迅速增加，需要更好地了解和規範該行業。本文分析了來自大芝加哥地區一年的RH行程數據，以研究RH行程模式。分析了超過1.04億次旅行。對於出行率，結果表明一年中出行的總數保持穩定，合併出行的比率從20％穩定下降到9％。與工作日相比，人們在周末更多地使用RH。具體而言，周末RH旅行次數（每天）平均比平日旅行次數高20％。這項工作的結果將有助於政策制定者和運輸管理者更好地理解RH行程的性質，從而可以為乘車行業設計更好的法規和指導系統。

宿主間空氣傳播的多相流問題用於基於科學的社會距離準則

原文標題： Host-to-Host Airborne Transmission As a Multiphase Flow Problem For Science-Based Social Distance Guidelines

地址： http://arxiv.org/abs/2008.06113

作者： S. Balachandar, S. Zaleski, A. Soldati, G. Ahmadi, L. Bourouiba

摘要： COVID-19大流行已驚人地證明，發展與載有病原體的小滴的產生，運輸和吸入有關的基礎知識，以及在人與人之間傳播的情況下，其作為空氣傳播的顆粒或氣溶膠的最終命運，具有多麼重要的意義。也越來越清楚的是，空中傳播是疾病迅速傳播的重要因素。在本文中，我們討論了通過呼氣產生液滴的過程，通過蒸發將其潛在轉化為空氣中顆粒，通過呼氣吹氣和周圍空氣湍流進行長距離運輸以及由接收主體最終吸入的相互關聯的多相流過程。基於對相關物理過程的理論分析，提出了一種用於液滴/氣溶膠濃度隨時間變化的簡單模型。該建模框架以及詳細的實驗和模擬可用於研究多種情景，包括呼吸，說話，咳嗽和打噴嚏以及在許多環境條件下（例如潮溼或乾燥的空氣，密閉或開放的環境）。儘管在蒸發和與病毒的持久性耦合的物理學上仍然存在許多問題，但是很顯然，有了對病毒傳播的基本流物理學的更可靠的了解，就可以為設計案例設計的改進方法奠定基礎。具體的社會隔離和感染控制指南。

一種標準不完全適合：Stack Overflow的徽章行為研究

原文標題： One Size Does Not Fit All: A Study of Badge Behavior in Stack Overflow

地址： http://arxiv.org/abs/2008.06125

作者： Stav Yanovsky, Nicholas Hoernle, Omer Lev, Kobi Gal

摘要： 徽章是問答網站（Q＆A）到共享博弈等在線互動網站的特有形式，是獎勵參與者貢獻的系統。本文研究徽章設計如何隨著時間影響人們的貢獻和行為。過去的工作表明，徽章「引導」人們的行為，使他們在獲得徽章之前大幅增加了捐款額，並在此後立即降低了捐款額，返回到其基線捐款水平。相比之下，我們發現引導效果取決於用戶的類型，就像通過用戶貢獻的速率和強度來建模一樣。我們使用這些方法來區分不同的用戶活動組，包括儘管是網站的重要貢獻者但不受徽章系統影響的用戶。我們提供了一個預測模型，用於預測用戶在系統生命周期中如何更改其活動組。我們在Stack Exchange上的三個不同的Q＆A站點（有數十萬用戶）針對兩種類型的活動（對帖子進行編輯和投票）以經驗方式展示了我們的方法。

建模堅不可摧的惡意軟體的第一步

原文標題： First Step Towards Modeling Unbreakable Malware

地址： http://arxiv.org/abs/2008.06163

作者： Tiantian Ji, Binxing Fang, Xiang Cui, Zhongru Wang, Jiawen Diao, Tian Wang, Weiqiang Yu

摘要： 當前，隱藏的惡意代碼的構建已成為一種趨勢，攻擊者試圖用它來隱藏其攻擊意圖。但是，隱身惡意軟體的構建仍無法抵抗安全專家的反向分析。針對此問題，本文對具有「牢不可破」安全屬性的一類惡意軟體UBM（UnBreakable Malware）進行了建模。我們已經從模型，方法，實驗，評估和防禦中系統地研究了此類威脅。具體來說，首先，我們對UBM進行了正式的定義和安全屬性研究。我們提出了兩個必須滿足的關鍵特徵，以實現「牢不可破」的安全屬性及其相應的評估四元數。其次，我們總結並實現了可用於構建UBM的四種算法，並基於對這兩個關鍵功能的評估，驗證了「不可破解」的安全屬性。此外，我們使用四種經過驗證的算法完成了UBM的構建，並通過計算體積增量並分析了實際的反防禦能力，證明了UBM的實際適用性。最後，對於UBM（一種對網絡空間的新威脅），本文討論了可能的防禦措施，並希望促進建立相應的防禦系統。

通過考慮社交的推薦來提高智能會議的參與度

原文標題： Improving Smart Conference Participation through Socially-Aware Recommendation

地址： http://arxiv.org/abs/2008.06310

作者： Nana Yaw Asabere, Feng Xia, Wei Wang, Joel J.P.C. Rodrigues, Filippo Basso, Jianhua Ma

摘要： 這項研究旨在向參加者推薦在智能會議上的演示會議。我們提出了一種場地推薦算法，即「場地和環境的社交意識推薦」（SARVE）。 SARVE計算會議參與者的相關性和社會特徵信息。為了使用分布式社區檢測為推薦過程建模，SARVE進一步集成了智能會議社區和參與者的當前環境。 SARVE建議每個參與者都可能感興趣的演示會議。我們使用真實數據集評估SARVE。在我們的實驗中，我們將SARVE與兩種相關的最新方法進行了比較，即：上下文感知移動推薦服務（CAMRS）和會議導航器（Recommender）模型。我們的實驗結果表明，就所利用的評估指標而言，SARVE獲得了更可靠和更有利的社會（親戚和情境）推薦結果，這些評估指標包括精度，召回率和f量度。

DINE：深度不完全網絡嵌入的框架

原文標題： DINE: A Framework for Deep Incomplete Network Embedding

地址： http://arxiv.org/abs/2008.06311

作者： Ke Hou, Jiaying Liu, Yin Peng, Bo Xu, Ivan Lee, Feng Xia

摘要： 網絡表示學習（NRL）在各種任務（例如節點分類和鏈路預測）中起著至關重要的作用。它旨在基於網絡結構或節點屬性學習節點的低維向量表示。儘管已經對完整網絡上的嵌入技術進行了深入研究，但在實際應用中，收集完整網絡仍然是一項艱巨的任務。為了彌合差距，本文提出了一種深度不完整的網絡嵌入方法，即DINE。具體來說，我們首先通過使用期望最大化框架來完成部分可觀察網絡中包括節點和邊的缺失部分。為了提高嵌入性能，我們考慮網絡結構和節點屬性來學習節點表示。根據經驗，我們在三個網絡上評估DINE的多標籤分類和鏈路預測任務。結果證明了我們提出的方法與最新基準相比的優越性。

Exo-SIR：一種流行病學模型，用於分析印度COVID-19的外源性感染的影響

原文標題： Exo-SIR: An Epidemiological Model to Analyze the Impact of Exogenous Infection of COVID-19 in India

地址： http://arxiv.org/abs/2008.06335

作者： Nirmal Kumar Sivaraman, Manas Gaur, Shivansh Baijal, Ch V Radha Sai Rupesh, Sakthi Balan Muthiah, Amit Sheth

摘要： 流行病學模型是刻畫流行病動態的數學模型。病毒的傳播有兩種途徑-外源性和內源性。外源傳播來自被研究人群外部，內源傳播位於被研究人群內部。儘管某些模型考慮了外源性感染源，但他們尚未研究外源性傳播與內源性傳播之間的相互作用。在本文中，我們介紹了一種新穎的模型-Exo-SIR模型，該模型可以刻畫病毒的外源和內源傳播。我們分析發現Covid19大流行期間內源性感染與外源性感染之間的關係。首先，我們模擬Exo-SIR模型，而無需假設該人群有任何聯繫網絡。其次，通過假設聯繫網絡是無標度網絡來對其進行仿真。第三，我們在有關Covid19的真實數據集上實現了Exo-SIR模型。我們發現內源性感染受外源性感染的影響甚至很小。此外，我們發現在存在外源性感染的情況下，內源性感染的峰值更高，並且該峰值更早出現。這意味著，如果考慮到對像Covid19這樣的大流行的反應，那麼我們應該為比SIR模型所建議的更早和更多的病例做好準備，以表明是否存在外部感染源。

考慮鎖定政策和社會行為的COVID-19流行病學預測：玻利維亞

原文標題： Epidemiological projections for COVID-19 considering lockdown policies and social behavior: the case of Bolivia

地址： http://arxiv.org/abs/2008.06345

作者： M. L. Peñafiel, G. M. Ramírez-Ávila

摘要： 我們使用Tsallis的建議來確定由SARS-CoV-2引起的流行情況，以確定峰的出現，並使用易感感染-恢復-無症狀-無症狀和死亡（ textbf SIRASD）隔間模型。使用這兩個模型，我們確定了可能的高峰日期範圍，並研究了該流行期間的幾種社會距離情況。由於社會經濟形勢和衝突的政治氣氛，我們以玻利維亞為例進行研究，該國原定於9月6日舉行全國大選，最近於10月18日進行了重新安排。為此，我們分析了兩種選舉情況，並表明此類事件會在很大程度上影響該流行病的動態。

Covid-19在人群中傳播動力學的經驗模型

原文標題： An empirical model on the dynamics of Covid-19 spread in human population

地址： http://arxiv.org/abs/2008.06346

作者： Nilmani Mathur, Gargi Shaw

摘要： 我們提出了一個數學模型來分析正在進行的大流行區域中Covid-19病感染人群總數的時間演變。利用各個國家的Covid-19感染人群的可用數據，我們制定了一個模型，該模型可以成功跟蹤給定波次下該傳染病從早期到飽和期的時間演變。它涉及一組有效參數，可以從可用數據中提取這些參數。使用這些參數，還可以預測疾病傳播的未來軌跡。還提出了一組微分方程，其解是這些時間演化軌跡。使用這種形式主義，我們預測了在Covid-19感染仍在迅速上升的許多國家中，感染傳播的未來時間演變軌跡。

鏈上參與者的海德平衡取決於相互作用範圍和熱噪聲

原文標題： Heider balance of a chain of actors as dependent on the interaction range and a thermal noise

地址： http://arxiv.org/abs/2008.06362

作者： Krzysztof Malarz, Krzysztof Kułakowski

摘要： Heider平衡是在一系列行為者中進行研究的，具有周期性邊界條件和範圍 r 的鄰域，其中 r 作為參數。應用了兩種模型動力學：確定性元胞自動機（Malarz等人，Physica D 411（2020）132556）和熱浴算法，其中不平衡平衡三重軸的密度在能量的作用下。結果是在穩態和閃爍狀態下的能量譜以及由熱噪聲驅動的平衡-不平衡網絡過渡。臨界點 T_c 隨著範圍 r 的增加而增加，並且不取決於系統大小。

基於BERT模型的社交媒體中的仇恨言論檢測和種族偏見緩解

原文標題： Hate Speech Detection and Racial Bias Mitigation in Social Media based on BERT model

地址： http://arxiv.org/abs/2008.06460

作者： Marzieh Mozafari, Reza Farahbakhsh, Noel Crespi

摘要： 與數據集和訓練有素的分類器相關的不同偏見最近在仇恨和虐待內容識別任務中引起了很多關注。儘管在濫用語言檢測上偏向數據集的問題已得到更頻繁地解決，但受過訓練的分類器引起的偏見仍未引起關注。在這裡，我們首先介紹一種基於現有的經過預先訓練的語言模型BERT的仇恨語音檢測轉移學習方法，並在兩個公開注釋的種族，性別歧視，仇恨或令人反感的內容的公開數據集上評估該模型。接下來，我們引入了一種偏向緩解機制，以減輕在針對仇恨語音檢測的預訓練基於BERT的模型進行微調時訓練集中的偏向效應。為此，我們使用正則化方法對輸入樣本進行加權，從而減少具有類別標籤的高相關訓練集的n元語法的影響，然後使用新的re-fine調整基於預訓練的BERT模型加權樣本。為了評估我們的偏見緩解機制，我們採用了一種跨域方法，其中我們在上述數據集上使用訓練有素的分類器來預測來自Twitter的兩個新數據集的標籤，即AAE對齊和White對齊組，這表明使用非裔美國人英語（AAE）和標準美國英語（SAE）。結果表明，在經過訓練的分類器中存在系統的種族偏見，因為他們傾向於將AAE對齊人群中AAE編寫的推文分配給種族，性別歧視，仇恨和厭惡等負面類別，而不是White-SAE編寫的推文。對齊。但是，在加入我們的偏見緩解機制後，我們分類器中的種族偏見明顯減少。這項工作可以朝著消除仇恨言論和辱罵性語言檢測系統的偏見邁出第一步。

ALONE：Twitter上青少年有害行為數據集

原文標題： ALONE: A Dataset for Toxic Behavior among Adolescents on Twitter

地址： http://arxiv.org/abs/2008.06465

作者： Thilini Wijesiriwardene, Hale Inan, Ugur Kursuncu, Manas Gaur, Valerie L. Shalin, Krishnaprasad Thirunarayan, Amit Sheth, I. Budak Arpinar

摘要： 社交媒體的便利性也使其濫用，可能導致有毒行為。將近66％的網際網路用戶已經觀察到在線騷擾，而41％的人聲稱有個人經歷，其中18％面臨著嚴重的在線騷擾形式。這種有毒的交流對年輕人的健康有重大影響，影響心理健康，並在某些情況下導致自殺。這些交流展現出複雜的語言和語境特徵，使人們難以理解此類敘述。在本文中，我們提供了一個被確認的高中生之間的有毒社交媒體互動的多模式數據集，稱為ALONE（AdoLescents ON twittEr），以及描述性解釋。交互的每個實例都包括推文，圖像，表情符號和相關的元數據。我們的觀察結果表明，單個推文並未提供充分的毒性行為證據，並且在交互中有意義地使用上下文可突出顯示或消除具有所謂毒性的推文。

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。