Arxiv網絡科學論文摘要6篇(2020-07-27)

• 信息疫情：呼籲跨學科研究的行動;
• 基於WiFi的人群監控和工作區規劃以實現COVID-19恢復;
• 歐洲社會聯繫決定因素的在線附錄和其他結果;
• 防止虛假新聞檢測中過度信任的機器學習說明;
• 手機網絡中位置的貝葉斯估計;
• 不相關網絡上的度排序滲流;

信息疫情：呼籲跨學科研究的行動

原文標題： Infodemics: A call to action for interdisciplinary research

地址： http://arxiv.org/abs/2007.12226

作者： Stephan Leitner, Bartosz Gula, Dietmar Jannach, Ulrike Krieg-Holz, Friederike Wall

摘要： 對信息傳播的研究，即與危險事件（例如COVID-19大流行）相關的（錯誤）信息的快速傳播，要求整合多種科學學科。信息傳播的動態趨勢有可能產生複雜的行為模式。對於商業和經濟學領域，了解這些動態極為重要：例如，支持預測個人行為，這可能有助於減少COVID-19大流行帶來的不確定性，並可以評估控制政策制定的效率。其影響。除商業和經濟學領域外，我們還考慮以下學科：通過計算機科學和信息系統的視角，個人可訪問的信息是中心信息，因此，信息在社會中的傳播方式受到就業人員的強烈影響。信息提供和個性化的算法。從語言學的角度來看，必須考慮在大流行期間出現的特定的交流語言信號（例如，與情感相關的單詞，避免使用因果關係）。在信息傳播背景下考慮語言模式似乎非常相關，因為它們會嚴重影響信息的解釋，事實檢查，非專業人員的理解以及自動檢測錯誤信息的方式。從認知心理學的角度來看，重點是動機，直覺和影響如何影響信息的搜索和評估，以及認知過程，數字信息環境和語言模式如何共同構成個人對關鍵事件，風險感知的理解和行為。商業和經濟學的觀點允許將這些觀點整合到更廣泛的經濟體系中（例如組織或社會）。

基於WiFi的人群監控和工作區規劃以實現COVID-19恢復

原文標題： WiFi-based Crowd Monitoring and Workspace Planning for COVID-19 Recovery

地址： http://arxiv.org/abs/2007.12250

作者： Mu Mu

摘要： 在人們逐漸恢復工作的同時，COVID-19大流行的恢復階段需要進行仔細的計劃和監控。物聯網（IoT）被廣泛認為是在許多地區和社會中與COVID-19大流行作鬥爭的關鍵工具。特別是，物聯網解決方案捕獲的異構數據可以為制定政策和對社區事件的快速響應提供信息。本文介紹了一種新穎的IoT人群監控解決方案，該解決方案使用軟體定義網絡（SDN）輔助的WiFi接入點作為24/7傳感器來監控和分析物理空間的使用。使用在大學校園中捕獲的超過5億條記錄來開發原型和人群行為模型。除了支持機構級別的明智決策外，結果還可以供單個訪問者用來計劃或安排他們對設施的訪問。

歐洲社會聯繫決定因素的在線附錄和其他結果

原文標題： Online Appendix & Additional Results for The Determinants of Social Connectedness in Europe

地址： http://arxiv.org/abs/2007.12177

作者： Michael Bailey, Drew Johnston, Theresa Kuchler, Dominic Russel, Bogdan State, Johannes Stroebel

摘要： 在此在線附錄中，我們提供了其他信息和分析，以支持「歐洲社會聯繫的決定因素」。我們提供了許多案例研究，這些案例研究說明了語言，歷史和其他因素如何影響了歐洲的社會網絡。我們還將研究社會聯繫的影響。我們的結果為理論模型提供了經驗支持，這些理論表明社會網絡在個人旅行決策中起著重要作用。我們研究了地區與其他歐洲國家之間的聯繫程度差異，發現歐洲懷疑論與更高水平的國際聯繫之間存在負相關關係。

防止虛假新聞檢測中過度信任的機器學習說明

原文標題： Machine Learning Explanations to Prevent Overtrust in Fake News Detection

地址： http://arxiv.org/abs/2007.12358

作者： Sina Mohseni, Fan Yang, Shiva Pentyala, Mengnan Du, Yi Liu, Nic Lupfer, Xia Hu, Shuiwang Ji, Eric Ragan

摘要： 在後真相時代，打擊假新聞和錯誤信息傳播是一項艱巨的任務。新聞提要和搜索算法可能會導致用戶暴露於算法選擇的虛假內容的情況下，無意大規模傳播虛假信息和虛假信息。我們的研究調查了嵌入在新聞評論平臺中的可解釋AI助手對打擊假新聞傳播的影響。我們設計了一個新聞評論和共享界面，創建了一個新聞故事數據集，並訓練了四種可解釋的假新聞檢測算法，以研究算法透明性對最終用戶的影響。我們提出了來自多個受控眾包研究的評估結果和分析。為了更深入地了解可解釋的AI系統，我們在解釋過程中討論了用戶參與度，心智模型，信任和性能指標之間的交互。研究結果表明，解釋有助於參與者在不同條件下建立適當的智能助手心理模型，並相應地調整他們對模型限制的信任。

手機網絡中位置的貝葉斯估計

原文標題： Bayesian estimate of position in mobile phone network

地址： http://arxiv.org/abs/2007.12464

作者： Aleksey Ogulenko, Itzhak Benenson, Itzhak Omer, Barak Alon

摘要： 傳統的行動電話定位方法是基於這樣一個假設，即記錄在呼叫詳細信息記錄（CDR）中的蜂窩塔的地理位置是設備位置的主體。然後，基於整個細胞塔網絡構建Voronoi鑲嵌，並將該鑲嵌視為坐標系，該設備位於CDR中記錄的細胞塔的Voronoi多邊形中。如果基於Voronoi的定位正確，則設備軌跡的唯一性非常高，並且可以根據其記錄的位置3-4識別設備。我們提出並研究了一種概率性的設備定位方法，該方法基於對每個天線的參數和連接數的了解，取決於與天線的距離。基於Voronoi的布局與實際布局之間的關鍵區別在於天線服務區域的本質重疊：位於手機信號塔多邊形內的設備可以由網絡系統選擇的更遠距離的天線提供服務平衡網絡負載。這種重疊非常重要，不容忽視。結合網絡中每個天線可用連接數的距離分布的數據，我們通過應用貝葉斯推斷成功解決了重疊問題，並構造了設備位置的實際分布。概率設備定位要求對手機數據分析進行全面修訂，我們將重點討論隱私風險估計。

不相關網絡上的度排序滲流

原文標題： Degree-Ordered-Percolation on uncorrelated networks

地址： http://arxiv.org/abs/2007.12549

作者： Annalisa Caligiuri, Claudio Castellano

摘要： 我們分析了度排序滲流（DOP）的屬性，該模型是網絡節點按度降序排列的模型。該規則與研究度很高的協議相反，後者用於調查故意攻擊下的網絡彈性，但迄今為止受到的關注有限。由於DOP的變化與隨機冪律度分布網絡 P的SIS轉換的消失有關，因此DOP的興趣還受到其與流行病傳播的易感性傳染病（SIS）模型的聯繫的激發。 （k） sim k ^ - gamma 。通過使用生成函數形式主義，我們研究了DOP模型在具有通用值 gamma 的網絡上的行為，並通過數值模擬驗證了分析結果。我們發現，對於 gamma <3 ，滲透閾值在大型網絡的限制中消失，而對於 gamma> 3 則是有限的，儘管它的 gamma 的值在3和4之間非常小並且是漸近的效果是巨大的。我們還推導了DOP過渡的關鍵屬性，特別是指數如何依賴於網絡的異構性，從而確定對於 gamma <3 ，DOP不屬於隨機滲流的通用性類別。

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。