Arxiv網絡科學論文摘要15篇(2020-10-29)

• 使用移動蜂窩網絡數據表徵COVID-19期間的人員流動模式;
• 演化理論框架內複雜城市系統的空間動力學;
• 連續意見動力學模型中達成共識的方法：一項受顆粒氣體物理學啟發的研究;
• 症狀前傳播對接觸網絡中流行病傳播的影響;
• 政治地理與代表性：賓夕法尼亞州分區的個案研究;
• 相關性魯棒影響最大化;
• 通過譜嵌入和二次規劃在圖之間指定頂點;
• 使用Hawkes過程對社交媒體傳播進行建模;
• 公平的虛擬會議日程安排：實現公平的參與者和演講者滿意度;
• 維基百科：挑戰者的最好朋友？利用信息尋求行為模式來預測美國國會選舉;
• 西班牙和印度的COVID-19：通過分析流行病學和社交媒體數據比較政策含義;
• 控制COVID-19：勞動力結構比鎖定政策更重要;
• SIDARTHE流行病模型中學習的最優控制方法;
• 用Wikipedia數據估算類似流感症狀的患病率的通用方法;
• 預測2016年美國大選前後網際網路研究機構的Facebook和Instagram運動的參與度;

使用移動蜂窩網絡數據表徵COVID-19期間的人員流動模式

原文標題： Characterizing Human Mobility Patterns During COVID-19 using Cellular Network Data

地址： http://arxiv.org/abs/2010.14558

作者： Necati A. Ayan, Nilson L. Damasceno, Sushil Chaskar, Peron R. de Sousa, Arti Ramesh, Anand Seetharam, Antonio A. de A. Rocha

摘要： 在本文中，我們的目標是分析和比較圍繞COVID-19大流行的鎖定前，鎖定期間和鎖定後階段的蜂窩網絡使用情況數據，以理解和建模大流行期間的人員流動模式，並評估限制流動性。為此，我們與巴西主要的蜂窩網絡提供商之一合作，並從2020年3月1日至2020年7月1日在裡約熱內盧及其郊區的所有用戶收集和分析1400根天線的蜂窩網絡連接我們的分析表明，在鎖定階段，蜂窩連接的總數減少到78％，然後隨著鎖定的緩解，蜂窩連接的總數增加到COVID之前時代的85％。我們觀察到，隨著越來越多的人在遠程工作，天線發生了變化，佔總流量的前10％，與裡約市中心的天線建立連接的數量急劇減少，其他位置的天線取代了原來的位置。我們還觀察到，儘管在鎖定階段每天有近40-45％的用戶僅連接1根天線，表明沒有移動性，但大約有4％的用戶（即80K用戶）連接了10根以上的天線，表明移動性非常高。最後，我們設計了一個交互式工具，以不同的粒度展示出流動模式，可以潛在地幫助人們和政府官員理解個人的流動性以及特定社區中COVID病例的數量。我們基於大規模數據的分析，推斷和互動展示的出行方式可以推廣到世界其他城市，並且有可能在將來設計更有效的大流行性管理措施。

演化理論框架內複雜城市系統的空間動力學

原文標題： Spatial dynamics of complex urban systems within an evolutionary theory frame

地址： http://arxiv.org/abs/2010.14890

作者： Juste Raimbault, Denise Pumain

摘要： 本章涉及城市系統的複雜性和空間動力學。城市規模的嚴重不平等以及限制城市增長的明顯困難提出了空間規劃的實際問題。在能源和原材料資源有限或流行病等可能的災難性事件的新限制正在挑戰城市的進一步擴張之時，重要的是鞏固各種科學學科的理論以估計城市動態可在多大程度上進行修改。在簡要回顧複雜性科學的新發展對城市理論的貢獻的同時，我們首先主張城市理論的合理性。其次，我們將空間互動和演化路徑依賴性視為城市實體總體行為的主要特徵，從而發展了我們的原始方法。第三，我們通過試驗在統一的經驗數據集上校準的四個城市增長動態模型並在全球範圍內進行比較，來檢驗基於城市系統演化論的這些原理。

連續意見動力學模型中達成共識的方法：一項受顆粒氣體物理學啟發的研究

原文標題： Approach to consensus in models of continuous-opinion dynamics: a study inspired by the physics of granular gases

地址： http://arxiv.org/abs/2010.14594

作者： Nagi Khalil

摘要： 提出並利用連續維動力學與一維顆粒氣體的相似性進行研究。主體就像在Deffuant模型中一樣進行交互，其中參數 alpha 控制著個人的可說服性。相互作用與兩個直線上移動的穀物的碰撞規則相符，前提是可以確定意見和速度，其中 alpha 是所謂的正常恢復係數。從所有觀點的概率密度的主方程開始，給出了系統達到共識的一般條件。更詳細地研究了交互頻率與相對意見的 beta 冪成比例的情況。結果表明，對主方程的平均場近似導致用於意見分布的玻爾茲曼動力學方程。在這種情況下，系統始終會達到共識，這可以看作是意見溫度為零（意見分布寬度的量度）的方法。此外，系統的長期行為的特徵是對Boltzmann方程的尺度解，其中所有時間相關性都通過溫度發生。 beta = 0 的情況與Deffuant模型有關，並且在分析上可溶。標度分布是單峰的，並且獨立於 alpha 。對於 beta> 0 ，在 | alpha | 的臨界值以下，觀點的分布是單峰的，在其之上有兩個最大值的是多峰的。這意味著主體人在兩極分化的同時可能會達成共識。在臨界點附近，對於 | alpha | ge 0.4 ，觀點的分布可以通過兩個高斯分布的總和很好地近似。蒙特卡洛模擬與理論結果一致。

症狀前傳播對接觸網絡中流行病傳播的影響

原文標題： Impact of Pre-symptomatic Transmission on Epidemic Spreading in Contact Networks

地址： http://arxiv.org/abs/2010.14598

作者： Bo Li, David Saad

摘要： 合併有症狀前傳播的傳染病對監測，建模，預測和遏制具有挑戰性。通過使用基於動態消息傳遞方法的分析框架，研究任意網絡實例上的隨機易感暴露-感染-恢復（SEIR）模型的變體，從而解決了此問題。與數值模擬相比，該框架以較低的計算成本提供了對靜態網絡和聯繫網絡上擴展概率分布的良好估計。它促進了流行閾值的推導，這些閾值是區分參數制度的階段邊界，在這些制度範圍內，可以有效地控制感染和不能控制感染。這些與最近的COVID-19大流行有關，通過拓撲結構（減少接觸）和感染參數變化（例如，社交疏遠和戴口罩）對不同的遏制策略具有明顯的含義。我們的研究從數量上顯示出使用繁殖數量作為預測某些拓撲中擴散率的方法的不足，有效的隔離如何減少嚴格的社會隔離措施的需求以及在隔離後長期無症狀暴露的情況下進行大規模測試的重要性。有症狀的個體不足以減輕傳播。

政治地理與代表性：賓夕法尼亞州分區的個案研究

原文標題： Political Geography and Representation: A Case Study of Districting in Pennsylvania

地址： http://arxiv.org/abs/2010.14608

作者： Jonathan Rodden, Thomas Weighill

摘要： 本章詳細介紹了一個州（賓夕法尼亞州）在最近投票模式方面的定性和定量分析。作者調查了政治地理對黨派運動場的傾斜程度。他們特別仔細地研究了規模的作用。他們發現，黨派中立的地圖很少能按比例分配席位，而使地區規模變小往往會使得找到比例地圖變得更加困難。這是《政治幾何學》一章的預印本，該書即將出版，從各種科學學科的角度著眼於重新劃分。

相關性魯棒影響最大化

原文標題： Correlation Robust Influence Maximization

地址： http://arxiv.org/abs/2010.14620

作者： Louis Chen, Divya Padmanabhan, Chee Chin Lim, Karthik Natarajan

摘要： 我們為影響最大化問題提出了一種分布魯棒模型。與經典的獨立級聯模型 citep kempe2003maximizing不同，該模型的擴散過程在對抗性上適合於種子集的選擇。因此，我們不是在網絡中所有影響關係都是獨立的假設下進行優化，而是尋找一個種子集，該種子集在最差相關性（即「最壞情況，預期影響」）下的預期影響最大。我們表明，這種最壞情況的影響可以得到有效地計算，並且儘管優化是NP難的，但（ 1-1 / e ）近似保證成立。我們還分析了對手選擇擴散過程的結構，並與已建立的模型進行了對比。除了關鍵的計算優勢外，我們還強調了獨立性假設可能會導致最優成本的程度，並提供了將對抗性模型和獨立級聯模型進行比較的數值實驗的見解。

通過譜嵌入和二次規劃在圖之間指定頂點

原文標題： Vertex nomination between graphs via spectral embedding and quadratic programming

地址： http://arxiv.org/abs/2010.14622

作者： Runbing Zheng, Vince Lyzinski, Carey E. Priebe, Minh Tang

摘要： 給定一個網絡和一個有趣的頂點（其身份僅部分已知）的子集，頂點提名問題將以這種方式對其餘頂點進行排名，以使有趣的頂點位於列表的頂部。此問題的重要變體是多圖設置中的頂點命名。給定兩個圖 G_1，G_2 ，它們具有共同的頂點和感興趣的頂點 x 在G_1 中，我們希望對 G_2 的頂點進行排名，以使最類似於 x 的頂點位於頂部清單。當前的論文解決了這個問題，並提出了一種方法，該方法首先應用鄰接譜圖嵌入將圖嵌入到一個公共的歐幾裡得空間中，然後解決一個懲罰線性分配問題以獲得提名列表。由於圖的譜嵌入僅在正交變換之前是唯一的，因此我們提出了兩種方法來消除這種潛在的不可識別性。一種方法是基於正交Procrustes的，並且當兩個圖之間有足夠的具有已知對應關係的頂點時適用。另一種方法使用自適應點集配準，並且適用於很少或不存在具有已知對應關係的頂點時。我們表明，在生成模型下，對於近似為低秩並可能具有成對邊相關性的成對隨機圖，我們的提名方案導致了準確的提名。我們通過對合成數據進行仿真研究，對高中友誼網絡的分析以及在Bing搜尋引擎上網頁之間的轉換率的分析來說明算法的性能。

使用Hawkes過程對社交媒體傳播進行建模

原文標題： Modeling social media contagion using Hawkes processes

地址： http://arxiv.org/abs/2010.14623

作者： Zbigniew Palmowski, Daria Puchalska

摘要： 當允許重複激活時，傳播動態會出現在社會網絡中。這種現象的一個有趣示例是轉發級聯，用戶可以在其中轉發具有公共帳戶的其他人發布的內容。為了模擬這種行為，我們使用霍克斯自激過程。儘管需要校準模型，但要正確執行此操作。本文的主要目標是構建該模型估計的矩方法。關鍵步驟是基於確定霍克斯過程的產生者。我們也對真實數據進行數值分析。

公平的虛擬會議日程安排：實現公平的參與者和演講者滿意度

原文標題： On Fair Virtual Conference Scheduling: Achieving Equitable Participant and Speaker Satisfaction

地址： http://arxiv.org/abs/2010.14624

作者： Gourab K Patro, Abhijnan Chakraborty, Niloy Ganguly, Krishna P. Gummadi

摘要： （COVID-19）大流行引起的對旅行和社交聚會的限制促使大多數會議組織者將其活動在線轉移。但是，與物理會議相比，虛擬會議在有效安排會議安排方面面臨著挑戰，要考慮到來自不同時區的與會者的可用性以及他們參加不同會議的興趣。在這種情況下，會議組織者的自然目標是最大化某些全球福利指標，例如所有演講中預期的總觀眾參與度。但是，我們表明，針對全球福利進行優化可能會導致時間表對利益相關者不公平，即，參與者和演講者的個人效用可能非常不平等。為理解決公平問題，我們正式為參與者和演講者定義了公平概念，並隨後為他們和他們得出了適當的公平目標。我們表明，福利和公平目標可能會相互衝突，因此有必要在同時維護這些目標的同時保持這些目標之間的平衡。因此，我們提出了一個聯合優化框架，該框架可使會議組織者設計能夠在全球福利，參與者公平性和演講者公平性目標之間取得平衡（即權衡取捨）的演講時間表。我們表明，可以使用整數線性規劃來解決優化問題，並通過經驗評估這種聯合優化方法在虛擬會議安排中的必要性和好處。

維基百科：挑戰者的最好朋友？利用信息尋求行為模式來預測美國國會選舉

原文標題： Wikipedia: A Challenger’s Best Friend? Utilising Information-seeking Behaviour Patterns to Predict US Congressional Elections

地址： http://arxiv.org/abs/2010.14627

作者： Hamza Salem, Fabian Stephany

摘要： 選舉預測長期以來一直是政治學文獻中的常青樹。傳統上，此類工作包括投票匯總，經濟指標，黨派隸屬關係和競選效果，以預測匯總投票結果。隨著社會科學中在線生成數據的二次使用增加，研究人員已開始從廣泛使用的基於Web的平臺（如Facebook，Twitter，Google Trends和Wikipedia）中查詢元數據，以校準預測模型。基於網絡的平臺為選民提供了檢索與競選活動有關的詳細信息的方法，也為研究人員提供了研究競選活動的流行性以及圍繞其的公眾情緒的手段。但是，過去的貢獻常常忽略了常規選舉變量和尋求信息行為模式之間的相互作用。在這項工作中，我們旨在通過考慮在職和挑戰者運動之間的信息檢索有何不同，以及候選候選人的生存能力和媒體報導對Wikipedia頁面瀏覽量預測能力的影響，來統一傳統方法和新穎方法。為了檢驗我們的假設，我們使用了2016年至2018年美國國會（參議院和眾議院）選舉的選舉數據。我們證明，Wikipedia數據作為信息尋求行為模式的主體，對於預測成功的行為特別有用。資金充裕的挑戰者，在媒體上報導的相對較少。通常，我們的發現強調了混合數據方法對計算社會科學中的預測分析的重要性。

西班牙和印度的COVID-19：通過分析流行病學和社交媒體數據比較政策含義

原文標題： COVID-19 in Spain and India: Comparing Policy Implications by Analyzing Epidemiological and Social Media Data

地址： http://arxiv.org/abs/2010.14628

作者： Parth Asawa, Manas Gaur, Kaushik Roy, Amit Sheth

摘要： COVID-19大流行迫使公共衛生專家制定應急政策以阻止感染的蔓延，包括部分/完全封鎖之類的措施。這些政策的有效性隨地理位置，人口分布以及實施的有效性而變化。因此，某些國家（例如臺灣，海地）在控制疫情方面比其他國家（例如美國）更成功。對一個國家有效的公共衛生政策進行數據驅動的調查，將使其他國家的公共衛生專家可以決定未來的行動方案，以控制疾病和流行病的爆發。我們選擇西班牙和印度來對某些因素相似的地區進行分析：（1）人口密度，（2）失業率，（3）旅遊業和（4）生活質量。我們認為，從推特對話中獲得的公民意識形態可以提供對政策合規性的見解，並適當地反映未來的案例預測。曲線顯示新案例數量彼此不同時的一個裡程碑被用來定義一個時間段，以提取與策略相關的推文，而策略相關子事件的因果網絡中的概念則被用來生成概念雲。在回歸模型中使用情感評分來預測新病例的數量。我們看到，新的案例預測反映了Twitter的情緒，與觸發子事件有意義地聯繫在一起，可以有效地比較西班牙和印度與政策相關的發現。

控制COVID-19：勞動力結構比鎖定政策更重要

原文標題： Controlling COVID-19: Labor structure is more important than lockdown policy

地址： http://arxiv.org/abs/2010.14630

作者： Samuel Heroy, Isabella Loaiza, Alexander Pentland, Neave O』Clery

摘要： 世界各地的國家和城市都採取了前所未有的出行限制，以對抗COVID 19傳輸。在這裡，我們利用自然實驗，通過哥倫比亞的城市根據身份證號和性別實施了多種鎖定政策，以分析這些政策對城市流動性的影響。使用手機數據，我們發現以公民被允許出門的天數衡量的本地鎖定規則的嚴重性與行動不便的減少沒有關係。取而代之的是，我們發現更大，更富裕的城市具有更正規和複雜的產業結構，其出行人數減少了更多。當他們的工作位於富裕或商業/工業正規化的街區時，通勤者更有可能留在家裡。因此，我們的結果表明，城市的就業特徵和在家辦公的能力是減少流動性的主要決定因素。

SIDARTHE流行病模型中學習的最優控制方法

原文標題： An Optimal Control Approach to Learning in SIDARTHE Epidemic model

地址： http://arxiv.org/abs/2010.14878

作者： Andrea Zugarini, Enrico Meloni, Alessandro Betti, Andrea Panizza, Marco Corneli, Marco Gori

摘要： COVID-19疫情激起了人們對提出新穎的流行病學模型以預測流行病進程從而幫助規劃有效控制策略的興趣。特別是，為了正確地解釋可用數據，很明顯，人們必須超越大多數經典的流行病學模型，並考慮像最近提出的SIDARTHE一樣對感染階段進行更豐富描述的模型。學習這些模型的參數的問題至關重要，尤其是在假設它們是隨時間變化的情況下，這進一步豐富了它們的有效性。在本文中，我們提出了一種從流行病數據中學習動態隔室模型的時變參數的通用方法。我們根據功能風險來表述問題，功能風險取決於通過動態系統的解決方案而獲得的學習變量。然後，通過在適當的正則化函數上使用梯度流來解決所得的變數問題。我們預測了義大利和法國的流行趨勢。結果表明，該模型提供了對所有可用數據的可靠且具有挑戰性的預測，以及所選策略對時變參數的基本作用。

用Wikipedia數據估算類似流感症狀的患病率的通用方法

原文標題： A general method for estimating the prevalence of Influenza-Like-Symptoms with Wikipedia data

地址： http://arxiv.org/abs/2010.14903

作者： Giovanni De Toni, Cristian Consonni, Alberto Montresor

摘要： 流行性感冒是一種急性呼吸道季節性疾病，它影響著全球數百萬人，僅在歐洲就造成數千人死亡。能夠以快速，可靠的方式估算疾病對特定國家/地區的影響，對於計劃和組織有效的對策至關重要，現在可以利用網絡搜索和訪問等非常規數據源來實現這一對策。在這項研究中，我們展示了利用有關選定文章組和機器學習模型的Wikipedia頁面瀏覽量的信息來獲取四個歐洲國家（如義大利，德國，比利時和荷蘭）流感樣疾病發病率的準確估計的可行性。我們提出了一種新穎的語言不可知論方法，該方法基於個性化PageRank和CycleRank這兩種算法，可以自動選擇最相關的Wikipedia頁面進行監視，而無需專家監督。然後，我們通過與先前的解決方案進行比較，展示了我們的模型如何能夠獲得最新的結果。

預測2016年美國大選前後網際網路研究機構的Facebook和Instagram運動的參與度

原文標題： Predicting Engagement with the Internet Research Agency’s Facebook and Instagram Campaigns around the 2016 U.S. Presidential Election

地址： http://arxiv.org/abs/2010.14950

作者： Dimitra Liotsiou, Bharath Ganesh, Philip N. Howard

摘要： 俄羅斯網際網路研究局（IRA）在2016年美國總統大選中進行的在線幹預運動代表了數字時代民主選舉軌跡的一個轉折點。在2020年美國總統大選之前，IRA如何吸引美國聽眾？我們對IRA內容特徵與2016年大選前後Facebook和Instagram上的用戶參與之間的關係進行了首次深入分析。我們發現，針對右翼和非黑人邊化群體的內容與Facebook和Instagram上的互動有著最強的積極聯繫，這與IRA運動在Twitter上的發現以及媒體先前的評論形成鮮明對比。較高的參與度與在2015-2017年後期發布信息有關，並且在兩個平臺上使用的文字更少，使用否定性用語，不包括Facebook上的連結以及在Instagram上使用的＃標籤更少。與大多數參與相關的子受眾和子問題在各個平臺上有所不同。

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。