网络科学研究速递

Arxiv网络科学论文摘要13篇(2020-10-16)

2020-10-16  本文已影响0人  ComplexLY

网络科学中的深度生成建模及其在公共政策研究中的应用

原文标题: Deep Generative Modeling in Network Science with Applications to Public Policy Research

地址: http://arxiv.org/abs/2010.07870

作者: Gavin Hartnett, Raffaele Vardavas, Lawrence Baker, Michael Chaykowski, C. Ben Gibson, Federico Girosi, David Kennedy, Osonde Osoba

摘要: 网络数据正越来越多地用于定量的,数据驱动的公共政策研究中。这些通常是非常丰富的数据集,包含复杂的相关性和相互依赖性。这种丰富性都有望对政策研究非常有用,同时又对从这些数据集中有用地提取信息提出了挑战-这一挑战需要新的数据分析方法。在这份报告中,我们制定了关键方法论问题的研究议程,其解决方案将使政策研究的许多领域取得新进展。然后,我们回顾了将深度学习应用于网络数据的最新进展,并展示了如何使用这些方法来解决我们确定的许多方法学问题。我们特别强调深层的生成方法,可用于生成现实的综合网络,这些网络可用于微观模拟和基于主体的模型,能够告知关键的公共政策问题。我们通过开发一种新的生成框架来扩展这些最新进展,该框架适用于流行病学建模中常用的大型社会联系网络。就上下文而言,我们还将这些最近的基于神经网络的方法与更传统的指数随机图模型进行比较和对比。最后,我们讨论了一些尚待解决的悬而未决的问题。

在线社会网络中检测自动管理的帐户:图嵌入方法

原文标题: Detecting Automatically Managed Accounts in Online Social Networks: Graph Embedding Approach

地址: http://arxiv.org/abs/2010.07923

作者: Ilia Karpov, Ekaterina Glazkova (National Research University Higher School of Economics, Moscow, Russian Federation)

摘要: 在线社会网络的广泛使用以及将流行帐户商业化的机会吸引了许多自动化程序,称为人工帐户。本文重点介绍了社会网络上的人为帐户和虚假帐户的分类,它通过使用几个图神经网络来有效地编码帐户的属性和网络图特征。我们的工作使用网络结构和属性来区分人工帐户和人工帐户,并比较属性图和传统图的嵌入。将复杂的,类似于人的人工帐户分离为一个独立的任务,证明了基于配置文件的机器人检测算法的显著局限性,并展示了基于网络结构的方法检测复杂机器人帐户的效率。实验表明,与仅具有网络驱动功能的现有最先进的僵尸检测系统相比,我们的方法可以实现竞争性能。本文的源代码可在以下网址获得:http URL

竞争和意见网络中平衡的着色和分叉

原文标题: Balanced Colorings and Bifurcations in Rivalry and Opinion Networks

地址: http://arxiv.org/abs/2010.07716

作者: Ian Stewart

摘要: 网络的平衡着色可对鲁棒的同步模式进行分类-同步模式由子空间定义,这些子空间对于所有允许的ODE都是流量不变的。在对称网络中,明显的平衡着色是轨道着色,其中颜色对应于对称组的子组的轨道。据说所有其他平衡色都是奇异的。我们分析了在应用程序中遇到的两种密切相关的网络的平衡着色:训练有素的Wilson网络(见于双目竞争模型)和意见网络(见于决策模型)。我们给出两个适用于两种类型的网络的奇异着色示例,并证明最多具有两种学习模式的Wilson网络没有奇异着色。我们讨论了奇异的着色如何影响相应模型ODE分支的分支的存在和稳定性。

不健康对话的六个属性

原文标题: Six Attributes of Unhealthy Conversation

地址: http://arxiv.org/abs/2010.07410

作者: Ilan Price, Ilan Price, Jordan Gifford-Moore, Jory Flemming, Saul Musker, Maayan Roichman, Guillaume Sylvain, Nithum Thain, Lucas Dixon, Jeffrey Sorensen

摘要: 我们提出了一个新的数据集,大约有44000条评论被众筹工作者标记。除了存在六个潜在的“不健康”子属性的二进制标签外,每个注释都被标记为“健康”或“不健康”。 (2)对抗,侮辱,挑衅或拖钓; (3)不屑一顾; (四)居高临下或光顾的; (5)讽刺;和/或(6)不公平的概括。每个标签还具有关联的置信度得分。我们认为,需要一种能够基于“不健康的在线对话”的广泛概念进行研究的数据集。我们建立了这种类型学,以涵盖相当一部分个人评论,这些评论会导致不健康的在线对话。对于其中某些属性,这是该规模的第一个公开可用的数据集。我们探索了数据集的质量,提供了一些摘要统计数据和初始模型来说明此数据的效用,并着重指出了局限性和进一步研究的方向。

海平面上升和持续适应:残余损害的上升速度快于保护成本

原文标题: Sea-level rise and continuous adaptation: residual damage rises faster than the protection costs

地址: http://arxiv.org/abs/2010.07439

作者: Diego Rybski, Boris F. Prahl, Markus Boettle, Jürgen P. Kropp

摘要: 损害成本曲线-将自然灾害的典型损害与其物理强度相关联-代表了气候变化影响评估所必需的要素。将这些曲线与所考虑的自然灾害,预期损害和相关风险的发生概率结合起来即可。在这里,我们研究了最近发布的沿海洪水的城市规模破坏成本曲线,并证明了仅能从这些功能中获得哪些见解。因此,我们包括了保护成本曲线-与保护城市免受一定程度的自然灾害所必需的典型投资成本相关-与上述破坏成本曲线相似并与之保持一致。具体来说,我们激励对数逻辑函数,该函数在下端表现出幂律增加,并将其拟合到成本曲线中。不出所料,具有最大最大潜在损失的城市(通常是大城市)的保护成本也更高。此外,我们研究了连续适应的理想情况,即以与海平面上升相同的速度增加保护水平,并将相关的成本与极端事件所带来的剩余损害进行了比较。根据拟合的指数,我们发现在几乎所有城市中,残余损害的增长速度都快于保护成本。提高沿海保护水平可能会导致欺骗性安全。

大流行期间的食物语言:有关Covid-19饮食效果的提示

原文标题: The Language of Food during the Pandemic: Hints about the Dietary Effects of Covid-19

地址: http://arxiv.org/abs/2010.07466

作者: Hoang Van, Ahmad Musa, Mihai Surdeanu, Stephen Kobourov

摘要: 我们研究了美国大流行封锁期间Twitter上的食物语言,重点是2020年3月15日至2020年5月15日这两个月。特别是,我们分析了封锁期间发布的770,000条推文以及前五年,并突出了几个令人担忧的趋势。首先,我们观察到在封锁期间,从提到健康食品到不健康食品有了明显的转变。其次,我们显示,在锁定期间发布带有食物相关推文的抑郁标签的逐点相互信息增加,并且在锁定期间抑郁标签与不健康食品,烟草和酒精之间的关联增加。

基于最优测试套件的异构复杂网络中流行病传播干预策略

原文标题: Optimal test-kit based intervention strategy of epidemic spreading in heterogeneous complex networks

地址: http://arxiv.org/abs/2010.07649

作者: Subrata Ghosh, Abhishek Senapati, Joydev Chattopadhyay, Chittaranjan Hens, Dibakar Ghosh

摘要: 我们提出了一种确定性的传染病隔离模型,该模型将检测试剂盒视为抑制和缓解流行病的重要成分。提供了严格的模拟(带有分析论据)以揭示最终暴发规模和感染高峰的有效减少,这是单个补丁中基本繁殖数量的函数。此外,为了研究补丁之间长距离和短距离人类迁移的影响,我们考虑了异构网络,其中线性扩散连接由网络链路结构决定。我们从数值上证实,在具有较大程度或中间度中心的部分节点(修补程序)中实施测试套件可以显著减少感染高峰(以及最终爆发的规模)。提供了基于下一代矩阵的分析处理方法,以找出流行病发作时整个网络中的临界传播概率。最后,在两个真实的网络中验证了最佳干预策略:全球机场网络和印度加尔各答的运输网络。

城市空间格局的梯度模型

原文标题: A gradient model for the spatial patterns of cities

地址: http://arxiv.org/abs/2010.07700

作者: Jie Chang, Guofu Yang, Shun Liu, Hanhui Jin, Zhaoping Wu, Ronghua Xu, Yong Min, Kaiwen Zheng, Bin Xu, Weidong Luo, Ying Ge, Feng Mao, Kang Hao Cheong

摘要: 城市空间结构的动态取决于功能组件(例如餐厅和商店)与城市中人的耦合。然而,仍然缺乏量化功能组件空间分布的机制模型。在这里,我们建立了一个梯度模型,基于沿城乡梯度的重力和排斥力的平衡来模拟多种类型的组分的密度曲线。从城市中心到各个组成部分的力量取决于城市的属性(地租,人口和人们的环境偏好)以及组成部分的属性(供应能力,产品可运输性和环境影响)。在城乡梯度上对22种组分的分布曲线进行仿真,非常适合城市中的实际数据。该模型基于四种典型的构成要素类型,揭示了一种自下而上的自组织机制,即城市发展的模式取决于城市和构成要素的经济,生态和社会属性。基于这种机理,我们随着城市的发展预测了多种类型的要素的分布曲线。该模型提供了用于分析渐变上对象分布的通用工具。

环境条件与人类活动息息相关。意大利北部在COVID-19锁定期间的案子

原文标题: Environmental conditions and human activity nexus. The case of Northern Italy during COVID-19 lockdown

地址: http://arxiv.org/abs/2010.07721

作者: Sebastian Raimondo, Barbara Benigni, Manlio De Domenico

摘要: 在COVID-19期间,全球范围内采取了禁止不必要的人类活动的严厉对策,为测试可持续性政策提供了前所未有的设置。我们揭示了16个环境条件与人类活动变量之间的因果关系,并指出,尽管由于人类活动而导致NO2浓度显著降低,但将区域锁定仍不足以显著减少排放。对于污染控制和减缓气候变化,必须考虑比封锁更有效的政策策略。

传染病传播的马尔可夫随机游走模型

原文标题: A markovian random walk model of epidemic spreading

地址: http://arxiv.org/abs/2010.07731

作者: Michael Bestehorn, Alejandro P. Riascos, Thomas M. Michelitsch, Bernard A. Collet

摘要: 我们在图上分析了独立随机游走者种群的动力学,并开发了一种简单的流行病传播模型。我们假设每个步行者在其特定的过渡矩阵所控制的离散时间马尔可夫式步行中独立访问有限遍历图的节点。在此假设下,我们首先得出再现数的上限。然后,我们假设步行者处于以下一种状态:易感,感染或康复。传染性步行者在特定特征时间内仍具有传染性。如果感染性步行者在同一节点上遇到易感者,则该感性步行者很有可能被感染。通过在计算机仿真中实现这一假设,我们研究了新兴感染模式的时空演变。通常,随机游走方法似乎具有很大的潜力来研究流行病的传播并确定流行病动力学中的相关参数。

通过分析链上交易来表征以太坊中主要矿工之间的关系

原文标题: Characterizing relationships between primary miners in Ethereum by analyzing on-chain transactions

地址: http://arxiv.org/abs/2010.07781

作者: Daniel Rincon Silva

摘要: 以太坊挖掘是高度集中的,这已被广泛接受。尽管如此,集中化的主要特征是专门研究独立矿工或矿池对网络的影响。此外,挖掘行为模型假设矿工是不相关的,或者仅根据高度结构化且透明的协议通过挖掘池进行关联。如果这些假设及其带来的预测是完全准确的,那么除了挖掘池支出所期望的以外,就没有任何矿工之间进行链上交易的证据。通过查看以太坊网络中矿工之间的链上交易,我们发现,除了矿池给小型矿工的支出外,还有一些交易定义了矿池,独立矿工以及独立矿工与矿池之间的关系。此外,通过表征矿工交易网络的拓扑结构,我们发现了高度连接的集群的出现,该集群控制着大量的哈希算力,并展现出与理论模型预测相反的关系。挖掘集中化的这种细微差别的特征可以帮助识别网络漏洞并为协议重新设计提供信息。

使用大规模社交媒体数据了解COVID-19大流行期间的囤积行为

原文标题: Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data

地址: http://arxiv.org/abs/2010.07845

作者: Xupin Zhang, Hanjia Lyu, Jiebo Luo

摘要: COVID-19大流行以前所未有的规模影响了世界各地的人们的生活。为了调查the积应对大流行的行为,我们提出了使用大规模社交媒体数据的新型计算框架。首先,我们在日冕病毒爆发后不久收集与ho积相关的推文。接下来,我们分析2月1日至4月30日美国超过42,000个Twitter用户的ho积和反ho积模式,并按年龄,性别和地理位置剖析与ho积相关的推文。利用提出的计算框架,我们得出了重要的发现,例如在ho积和反-积人群中女性的比例均高于一般Twitter用户的比例。此外,通过使用主题建模,我们可以根据人口统计和地理区域对这些主题进行分类,从而调查有关expressed积行为的观点。我们还使用词汇法计算the积和反ho积相关推文的焦虑评分。通过比较他们的焦虑评分和典型的Twitter焦虑评分,我们揭示了更多的见解。 WC积相关推文的LIWC焦虑平均值明显高于一般Twitter的焦虑平均值。有趣的是,与推文中提到的其他ho积物品相比,啤酒具有最高的计算得出的焦虑评分。

使用基于主体的模型对超市中的COVID-19传播进行建模

原文标题: Modelling COVID-19 transmission in supermarkets using an agent-based model

地址: http://arxiv.org/abs/2010.07868

作者: Fabian Ying, Neave O'Clery

摘要: 自2020年3月上旬爆发COVID-19以来,英国超级市场采取了不同的政策来减少商店中的病毒传播,以保护顾客和员工,例如限制商店中的最大顾客数量,改变商店布局,或执行强制性的面部遮盖政策。为了定量评估这些缓解方法,我们根据客户在传染性客户附近所花费的时间,使用简单的病毒传播模型,建立了一个基于主体的超市中客户移动模型(我们用网络表示)。我们将模型应用于综合商店和购物数据,以展示如何使用我们的模型来估计由于人与人之间的接触而导致的感染数量以及如何对不同的商店干预进行建模。源代码可从https://github.com/fabianying/covid19-supermarket-abm公开获得。我们鼓励零售商使用该模型找到最有效的商店策略,以减少商店中的病毒传播,从而保护客户和员工。

声明:Arxiv文章摘要版权归论文原作者所有,机器翻译后由本人进行校正整理,未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”(微信号netsci)和个人博客 https://www.complexly.cn (提供RSS订阅)进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。

上一篇 下一篇

猜你喜欢

热点阅读