Arxiv網絡科學論文摘要16篇(2020-08-26)

• 有向隨機網絡譜的空間比表徵;
• 建模飲酒行為的演變：統計物理學視角;
• 複雜的社會網絡以更好地講故事：對中國歷史文本和小說的實證研究;
• 預期的COVID-19疫苗接種的最佳計劃：以紐約州為例;
• 遏制疾病的互動區域政策;
• 在Twitter上使用文本挖掘和圖機器學習來預測變化的個體;
• 度差異：表徵複雜網絡中結構異質性的簡單方法;
• 駕駛員學習城市規模的動態平衡;
• 中國大氣臭氧對COVID-19鎖定的不同反應;
• 考慮局部和全局信息傳播，建模帶適應性行為的疾病傳播;
• 探索將時變跨網絡信息用於個性化建議;
• 通過信息熵發現加權網絡中的隱藏依賴性;
• 激勵驅動的不連續過渡到高乘車共享採用;
• 出行鏈過度通勤的建模與分析;
• 高解析度的人員流動數據揭示了災難疏散模式中的種族和財富差距;
• 在現實世界網絡中使用基於社區的方法進行多團隊組建;

有向隨機網絡譜的空間比表徵

原文標題： Spacing ratio characterization of the spectra of directed random networks

地址： http://arxiv.org/abs/2008.11161

作者： Thomas Peron, Bruno Messias F. de Resende, Francisco A. Rodrigues, Luciano da F. Costa, J. A. Méndez-Bermúdez

摘要： 以前有關隨機矩陣和網絡科學的文獻傳統上採用了從最近鄰居水平間距分布得出的度量來表徵隨機矩陣的特徵值統計。但是，這種方法主要取決於特徵值展開過程，在許多情況下，由於計算上的限制（特別是在複雜譜的情況下），這代表了主要障礙。在這裡，我們使用最近引入的最近特徵值間距與最近特徵值間距之間的比率來研究有向網絡的譜，從而規避了譜展開所帶來的缺點。具體來說，我們通過兩個鄰接矩陣表示來表徵有向Erd H o s-R 『enyi（ER）隨機網絡的特徵值統計量；即（i）加權非Hermitian隨機矩陣和（ii）對非Hermitian鄰接矩陣的轉換，生成加權Hermitian矩陣。對於這兩種表示，我們發現根據無向隨機網絡，對於固定的平均度，間距比的分布變得通用。此外，通過計算作為平均度的函數的平均間距比，我們表明，有向ER隨機網絡的譜統計量經歷了模型（i）的從泊松統計到吉尼布爾統計的過渡，以及模型的從泊松統計到高斯Unit整體統計的過渡（ii）。還討論了有向網絡的特徵向量離域效應。

建模飲酒行為的演變：統計物理學視角

原文標題： Modeling the evolution of drinking behavior: A Statistical Physics perspective

地址： http://arxiv.org/abs/2008.10692

作者： Nuno Crokidakis, Lucas Sigaud

摘要： 在這項工作中，我們研究了飲酒行為演變的簡單分區模型。人口分為3個等級，分別是易感人群S（非消費者），中度飲酒者M和風險飲酒者R。這些州之間的過渡是由概率決定的。儘管模型簡單，但我們觀察到了兩個明顯的非平衡相變到吸收態的發生。這些狀態之一僅由易感個體S組成，沒有飲酒者（ M = R = 0 ）。另一方面，另一吸收狀態僅由冒險者R（ S ＝ M ＝ 0 ）組成。在這兩個穩態之間，我們具有三個子群體S，M和R的共存。與巴西的濫用酒精消耗數據進行比較後，該模型的結果與資料庫之間取得了很好的一致性。

複雜的社會網絡以更好地講故事：對中國歷史文本和小說的實證研究

原文標題： Complicating the Social Networks for Better Storytelling: An Empirical Study of Chinese Historical Text and Novel

地址： http://arxiv.org/abs/2008.10835

作者： Chenhan Zhang

摘要： 數字人文科學是一門重要的學科，因為它促進了歷史，文學和電影的發展。在本文中，我們對中國歷史文本《三國志》（ Records）和同一故事的歷史小說《三國史》（ Romance）進行了實證研究。我們採用自然語言處理技術來提取字符及其關係。然後，我們描述了歷史文本和歷史小說中主要人物的社會網絡和情感。我們發現 Romance中的社會網絡比 Records中的社會網絡更加複雜和動態，並且主要角色的影響也有所不同。這些發現揭示了兩種文學體裁的不同敘事風格，以及歷史小說如何使人物的社會網絡複雜化，從而豐富了故事的文學性。

預期的COVID-19疫苗接種的最佳計劃：以紐約州為例

原文標題： Optimal Scheduling of Anticipated COVID-19 Vaccination: A Case Study of New York State

地址： http://arxiv.org/abs/2008.10702

作者： Syed Irfan Ali Meerza, Seyed M. Karimi, Bert B. Little, Jacek M. Zurada, Tamer Inanc

摘要： 這項研究旨在通過將廣為人知的傳染病模型SEIR轉化為最佳控制問題，確定在COVID-19大流行治療中疫苗調度的最佳控制策略。通過增加藥物和疫苗的限制來匹配實際情況，加劇了這個問題。制定了兩個版本的問題，以最大程度地減少感染個體的數量，同時提供可能的最佳疫苗，以將易感人群減少到相當低的狀態。使用RBF-Galerkin方法解決了最優控制問題。使用基準測試數據集測試了這些問題，以確定所需的參數。完成此步驟後，將使用美國紐約州的最新數據測試問題。有關擬議的最佳控制問題的結果提供了一組證據，可在何時獲得用於COVID-19的疫苗時，從中選擇最佳疫苗調度策略。

遏制疾病的互動區域政策

原文標題： Interacting Regional Policies in Containing a Disease

地址： http://arxiv.org/abs/2008.10745

作者： Arun G. Chandrasekhar, Paul Goldsmith-Pinkham, Matthew O. Jackson, Samuel Thau

摘要： 限制局部感染的區域隔離政策是控制疾病的重要工具。但是，轄區政府（例如城市，縣，州和國家/地區）在跨境協調方面的行為極少。我們表明，區域檢疫政策的有效性取決於（i）相互作用的網絡是否滿足均衡增長的條件，（ii）感染的檢測延遲很短，以及（iii）政府控制必要的知識網絡的各個部分（沒有行為洩漏）。由於通常無法滿足這些條件，尤其是在跨界互動時，因此，我們表明，如果政府積極主動，則有可能取得實質性改善：在對鄰居的感染率做出反應時觸發隔離，有時甚至在內部檢測到感染之前。我們還表明，即使是一些寬鬆的政府（那些在隔離之前等待非同尋常的內部感染率的政府）也會對整個系統造成可觀的成本。我們的結果說明了了解跨政策蔓延的重要性，並為設計權力下放的管轄區的主動政策提供了起點。

在Twitter上使用文本挖掘和圖機器學習來預測變化的個體

原文標題： Predicting Shifting Individuals Using Text Mining and Graph Machine Learning on Twitter

地址： http://arxiv.org/abs/2008.10749

作者： Federico Albanese, Leandro Lombardi, Esteban Feuerstein, Pablo Balenzuela

摘要： 公眾討論中多數人的形成通常取決於隨時間推移而轉變觀點的個人。因此，對於社會網絡的政治分析，檢測和表徵這些類型的個人極為重要。在本文中，我們使用自然語言處理技術和圖機器學習算法研究Twitter上個人從屬關係的變化。特別是，我們從150萬用戶那裡收集了900萬條Twitter消息，並構建了轉發網絡。我們確定了具有明確政治傾向的社區以及與之相關的討論主題，這些社區提供了所分析時期Twitter上政治地圖的拓撲表示。藉助這些數據，我們提出了一種用於社交媒體用戶分類的機器學習框架，該框架可有效檢測「移動用戶」（即，隨著時間的推移可能會改變其從屬關係的用戶）。此外，這種機器學習框架使我們不僅可以識別哪些主題更具說服力（使用低維主題嵌入），還可以識別哪些個人由於其在Twitter圖中的拓撲屬性而更可能更改其從屬關係。

度差異：表徵複雜網絡中結構異質性的簡單方法

原文標題： Degree difference: A simple measure to characterize structural heterogeneity in complex networks

地址： http://arxiv.org/abs/2008.10751

作者： Amirhossein Farzam, Areejit Samal, Jürgen Jost

摘要： 儘管對表徵導致網絡全局拓撲的局部幾何圖的興趣日益濃厚，但是我們對複雜網絡（尤其是現實網絡）的局部結構的理解仍然不完整。在這裡，我們提出了一種簡單，優雅但尚未探索的度量，即邊頂點之間的「度差」（DD），以量化本地網絡的幾何形狀。我們證明DD可以揭示網絡科學中其他類似方法無法獲得的結構特性。通常，具有不同DD的邊扮演不同的結構角色，並且DD分布是重要的網絡籤名。值得注意的是，DD是分類性的原子根。我們提供了一個解釋，為什麼DD可以在混合模式中表徵結構異質性，而不像全局分類和局部節點分類。通過分析模型和實際網絡，我們表明DD分布可用於區分不同類型的網絡，包括那些使用度序列和全局分類性不易區分的網絡。此外，我們顯示DD是無標度網絡拓撲魯棒性的指標。總體而言，DD是一種易於定義，易於評估的本地度量，它揭示了其他度量不容易看到的網絡的結構特性。

駕駛員學習城市規模的動態平衡

原文標題： Drivers learn city-scale dynamic equilibrium

地址： http://arxiv.org/abs/2008.10775

作者： Ruda Zhang, Roger Ghanem

摘要： 對城市規模的集體人類行為和動力學的理解引起了物理學，工程學和社會科學的廣泛興趣。社會物理學經常採用統計的觀點，並將個人視為互動的基本單元，而經濟學的觀點則將個人視為戰略決策者。在這裡，我們提供了城市規模動力學的微觀機制，在熱力學框架中解釋了集體結果，並從經驗上驗證了其各種含義。我們以博弈論模型刻畫了計程車司機的決策，證明了納什均衡的存在性，唯一性和全局漸近穩定性。我們用熱力學定律從宏觀上看待這種平衡。通過在紐約市進行的8.7億次超過5萬名駕駛員的出行，我們驗證了這種時空平衡，估計了經驗的本構關係，並考察了個人和集體的學習過程。結合兩個觀點，我們的工作顯示了一種了解亞群集體行為的有前途的方法。

中國大氣臭氧對COVID-19鎖定的不同反應

原文標題： Diverse response of atmospheric ozone to COVID-19 lockdown in China

地址： http://arxiv.org/abs/2008.10851

作者： Yiming Liu, Tao Wang

摘要： 臭氧（O 3 ）是低層大氣中的主要氧化劑和汙染物。據報導，在COVID-19鎖定期間，許多城市的地面O 3 顯著增加。在這裡，我們對鎖定之前和鎖定期間在中國的O 3 表面進行了全面的觀察和建模分析。我們發現，亞熱帶南部的O 3 下降了，而大多數其他地區的上升則相反。氣象變化和排放量減少均導致觀測到的O 3 變化。與揮發性有機化合物相比，NO x 的減少幅度更大，導致飽和的NO x 北部的O 3 增加，而兩種前體的相對較大的減少導致O 3 在南部下降。我們的研究強調了氣象在短期O 3 變異性中的重要性以及O 3 對其前兆的複雜依賴性。我們的發現與闡明在世界其他地區發生COVID-19鎖定期間推動O 3 變化的潛在因素有關。

考慮局部和全局信息傳播，建模帶適應性行為的疾病傳播

原文標題： Modeling disease spreading with adaptive behavior considering local and global information dissemination

地址： http://arxiv.org/abs/2008.10853

作者： Xinwu Qian, Jiawei Xue, Satish V. Ukkusuri

摘要： 該研究提出了一個建模框架，該模型框架考慮了當地觀察和全球信息的影響，以調查疾病暴發期間人類適應性行為的疾病動態。一個重要的應用場景是，通勤者在旅途中觀察到他們的身體接觸所產生的症狀和對策後，便可以調整其行為，從而改變疾病暴發的軌跡。我們在多路網絡設置中引入異構均值（HMF）方法，以聯合建模接觸網絡中傳染病的傳播動力學和觀察網絡中信息的傳播動力學。該疾病的傳播是使用經典的易感性-傳染性易感性（SIS）過程刻畫的，而類似SIS的過程則將意識傳播稱為「不知道-不知道-不知道」（UAU）。多重網絡的使用有助於刻畫疾病傳播和信息傳播之間的相互作用，以及其中一種的動態可能如何影響另一種。理論分析表明，取決於疾病和信息的滲透強度，存在三種潛在的平衡狀態。信息的傳播可能有助於在人群中形成畜群免疫力，從而抑制和根除疾病的爆發。最後，提供了利用地鐵旅行者之間的聯繫網絡進行的數值實驗，以闡明現實情況下的疾病和信息動態，並獲得有關運輸系統抵禦傳染病風險的彈性的見解。

探索將時變跨網絡信息用於個性化建議

原文標題： Exploring the use of Time-Dependent Cross-Network Information for Personalized Recommendations

地址： http://arxiv.org/abs/2008.10866

作者： Dilruk Perera, Roger Zimmermann

摘要： 在線應用程式中大量的信息和複雜性使得推薦對於用戶找到感興趣的信息至關重要。但是，在現實應用程式中共存的兩個主要限制（1）不完整的用戶配置文件，以及（2）用戶偏好的動態性質在諸如及時性，準確性，多樣性和新穎性等方面繼續降低推薦者的質量。為了在單個解決方案中解決以上兩個限制，我們提出了一種新穎的跨網絡時間感知推薦器解決方案。該解決方案首先通過匯總來自多個源網絡的用戶偏好來學習目標網絡中的歷史用戶模型。第二，學習用戶級別的時間感知潛能，以從歷史模型中開發當前用戶模型並及時提出建議。我們通過使用Twitter源網絡中的輔助信息來說明我們的解決方案，以改進針對YouTube目標網絡的建議。在不同的時間粒度下使用多個時間感知和跨網絡基線進行的實驗表明，該解決方案在準確性，新穎性和多樣性方面均達到了卓越的性能。

通過信息熵發現加權網絡中的隱藏依賴性

原文標題： Uncovering Hidden Dependency in Weighted Networks via Information Entropy

地址： http://arxiv.org/abs/2008.11047

作者： Mi Jin Lee, Eun Lee, Byunghwee Lee, Hawoong Jeong, Deok-Sun Lee, Sang Hoon Lee

摘要： 通常由網絡表示的元素之間的相互作用必須根據其相對重要性或方向來描述潛在的不平等關係。但是，這種固有的不平等關係在許多實際系統中都是不透明的或隱藏的。例如，當網絡中具有有限交互能力的節點將其能力花在其相鄰節點上時，向它們的交互總數分配可能會非常不同。即使可以觀察到以加權網絡為代表的這種潛在的異構交互，由於上述以自我為中心的交互分配的結果，兩個交互節點之間的相對重要性或依賴性也只能隱式訪問。在這項工作中，我們通過提出框架來發現從加權網絡中提取的隱藏的依賴關係，從而精確地指出了這種相對依賴關係。對於給定的加權網絡，我們提供了一個系統的標準，可以基於信息熵的概念為各個節點選擇最基本的交互。通過為每個節點分配鄰居的有效數量或有效出站度來象徵該標準，並且結果有向子網通過僅保留最基本的有向交互來解碼隱藏的依賴關係。我們將方法論應用於兩個帶有時間標記的經驗網絡數據，即世界貿易網（WTW）中國家之間的國際貿易關係和韓國歷史記錄《朝鮮紀事》（AJD）中的人際網絡。在數據分析的基礎上，我們發現兩個系統中編碼的相互依賴性的屬性有很大的不同。

激勵驅動的不連續過渡到高乘車共享採用

原文標題： Incentive-driven discontinuous transition to high ride-sharing adoption

地址： http://arxiv.org/abs/2008.11079

作者： David-Maximilian Storch, Marc Timme, Malte Schröder

摘要： 乘車共享-多次旅行的結合-可能對可持續城市交通做出重大貢獻。在有許多類似行程請求的高需求地點，它是最有效的。但是，在這裡我們揭示了人們共享乘車的意願並沒有遵循這種趨勢。通過對基於個人乘車共享決策的基本激勵進行建模，我們發現了兩種相反的採用制度，一種是恆定的，另一種是隨著需求的增加而採用的減少。在高需求限制下，這些制度之間的過渡變得不連續，從低乘車率過渡到高乘車率。分析了紐約市和芝加哥超過3.6億的乘車請求，這表明這兩種制度在城市中共存，這與我們的模型預測相符。這些結果表明，當前的乘車共享激勵措施可能接近高共享制度的邊界，因此，即使經濟刺激措施的適度增加也可能會顯著提高乘車共享的採用率。

出行鏈過度通勤的建模與分析

原文標題： Modeling and Analysis of Excess Commuting with Trip Chains

地址： http://arxiv.org/abs/2008.11082

作者： Yujie Hu, Xiaopeng Li

摘要： 像其他類型的人類旅行一樣，通勤本質上是複雜的，例如旅行連鎖行為涉及在兩個錨點之間建立多個目的的站點。根據2001年全國家庭旅行調查，大約半數工作日的美國工人在上下班途中都停了下來。然而，在研究一個地區總體通勤效率的過多通勤研究中，通勤被簡化為從家到工作的不間斷旅行。這項研究通過提出一種基於旅行鏈的模型來將旅行鏈行為整合到過多的通勤中來填補這一空白。基於對佛羅裡達州坦帕灣地區的案例研究，該研究發現傳統的過勤通勤研究低估了實際通勤和最優通勤，同時高估了過勤通勤。例如，僅對於鏈式通勤旅行，在考慮了鏈式旅行之後，平均最小通勤時間從5.48分鐘增加到9.32分鐘，增加了70％。通過鏈活動類型的分類分析，發現差距在旅行鏈類型之間是不同的。因此，警告政策制定者和規劃者，在制定城市交通和土地使用政策時，應避免旅行連鎖行為。此外，該模型可用於研究非工作旅行的效率。

高解析度的人員流動數據揭示了災難疏散模式中的種族和財富差距

原文標題： High-resolution human mobility data reveal race and wealth disparities in disaster evacuation patterns

地址： http://arxiv.org/abs/2008.11169

作者： Hengfang Deng, Daniel P. Aldrich, Michael M. Danziger, Jianxi Gao, Nolan E. Phillips, Sean P. Cornelius, Qi Ryan Wang

摘要： 諸如極端天氣事件之類的重大災難可能會加劇並加劇先前存在的社會差距，而處境不利的人口承受的成本卻不成比例。儘管對公平性和應急計劃有影響，但我們對這些社會失誤路線在大規模應急情況下如何轉化為不同行為缺乏定量的了解。在這裡，我們在哈維颶風的背景下調查了這個問題，使用了來自大休斯頓地區15萬多人的3000萬條匿名GPS記錄來量化震災前後，災後遷移活動的模式。我們顯示，疏散距離在不同種族，不同種族的個人之間高度均一，並遵循截斷的冪律分布。然而，相似之處到此結束：我們發現種族和財富都對撤離模式產生了強烈影響，弱勢的少數民族人口比富裕的白人居民撤離的可能性較小。最後，就種族和財富而言，出發和返回時間方面存在很大差異，來自優勢社區的被疏散者在目的地選擇上有很強的社會凝聚力。這些經驗發現為流動性和疏散提供了新的見解，為居民，決策者和災難管理者提供了政策建議。

在現實世界網絡中使用基於社區的方法進行多團隊組建

原文標題： Multi-team Formation using Community Based Approach in Real-World Networks

地址： http://arxiv.org/abs/2008.11191

作者： Ramesh Bobby Addanki, Durga Bhavani S

摘要： 在組織中，通常將需要多種技能的稱為項目的任務分配給團隊而不是個人。為給定任務選擇合適的團隊以最小的通信成本的問題被稱為團隊形成問題，並且文獻中已經提出了許多算法。我們提出了一種算法，該算法可利用社會網絡的社區結構並通過從社區內選擇領導者及其鄰居來組建團隊。此算法與文獻中以技能為中心的算法不同，後者從搜索每種技能，合適的專家開始，並且沒有明確考慮底層社會網絡的結構。稱為TFC的基於社區的團隊形成策略導致一種可擴展的方法，該方法可在合理的時間內通過大型網絡獲得團隊。此外，對於一項任務，我們的算法TFC-R和TFC-N從社區生成了多個團隊，在本文中作為案例研究進行了展示。實驗是在著名的DBLP數據集上進行的，其中任務被視為撰寫研究論文，標題的單詞被視為技能。團隊組成問題轉化為尋找給定論文的潛在作者，這些作者具有所需的技能且溝通成本最低。在此過程中，我們從DBLP建立了更大的基準數據集，以供團隊組建進行實驗。即使基準算法Rarestfirst花費的時間最少，我們的算法TFC-N和TFC-R的通信成本卻要高得多。在組建團隊方面，它們還優於MinLD和MinSD等標準算法。我們的算法在社區上花費的時間比在大型網絡上花費的時間快幾個數量級，而又不會犧牲太多的通信成本。

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。