核心速递
-
-
-
-
-
-
-
-
-
-
-
-
-
-
ESA的航行2050教育和公众参与长期计划：白皮书;
-
-
使用网络科学描述复杂的医疗保健系统：紧急手术的小世界;
-
Learning about spatial inequalities: Capturing the heterogeneity in the urban environment
http://arxiv.org/abs/1908.00625
J. Siqueira-Gay, M. A. Giannotti, M. Sester
摘要：交通系统可以概念化为在全国范围内传播人力资源和物质资源的工具，在城市可持续发展方面发挥着重要作用。目前，交通供给的基本依据是基于人口需求，而不考虑土地利用和社会经济信息。为了促进资源更公平的分配，本文的研究旨在确定和描述城市服务的供给模式，可到达性和家庭收入。通过使用多维方法，南半球的大城市的空间分布显著不平等，低收入人口难以承担医院和文化中心的费用。低收入群体为公立学校和体育中心提供了中等水平的可到达性，证明了周边地区公民生活水平上的差异性。土地利用与公共交通相互作用产生的这些复杂结果强调了综合方法论方法对于支持城市项目，计划和项目决策的重要性。因此，减少空间不平等，特别是为贫困群体提供服务，对于促进资源的可持续利用和优化日常通勤至关重要。
Modeling PKT at a global level: A machine learning approach
http://arxiv.org/abs/1908.00624
Peetak Mitra, Suhrid Deshmukh
摘要： 人们普遍认为，从一个地方到另一个地方的能力（交通运输能力 ）对于人们的生活水平有很大影响。一般来说，对交通运输能力的需求是普遍存在的，特别是在国家层面上显示出很大的差异。这项特别的研究着眼于在全球层面，哪些重要因素有助于预测每个国家/地区的旅行公里数或旅行英里数（PKT / PMT）。这项特殊工作试图量化一些关键变量的影响，如国内生产总值（GDP）、人口增长率、就业率、家庭数量、人口中的年龄人口统计数据以及宏观经济变量对每个国家内基于车辆的总行程数的影响。本文建立了一个基于面板数据的回归模型，以确定一些关键的宏观经济变量对各国PKT增长的影响。
Contrastive Reasons Detection and Clustering from Online Polarized Debate
http://arxiv.org/abs/1908.00648
Amine Trabelsi, Osmar R. Zaiane
摘要： 这项工作解决了有关辩论不同观点的无监督建模和主要对比句的提取问题。它提出了一种以短语的检测和聚类为中心的规则与方法，基于新颖的短语作为作者互动主题-观点模型，将短语同化到论点方面。进一步，本文基于提取的原因的信息性，相关性和聚类准确性进行模型评估。本文提出的方法应用在线辩论数据集上时，比原有最先进方法有显著改进。
Bias Disparity in Collaborative Recommendation: Algorithmic Evaluation and Comparison
http://arxiv.org/abs/1908.00831
Masoud Mansoury, Bamshad Mobasher, Robin Burke, Mykola Pechenizkiy
摘要： 最近，机器学习的公平性研究已扩展到推荐系统。可能影响公平性的因素之一是偏差差异，即群体对各种项目类别的偏好在他们收到的建议中未能有效反映的程度。在一些情况下，原始数据中的偏差可以通过基础推荐算法放大或反转。本文探讨了不同的推荐算法排名质量和偏差差异之间的关系。我们的实验包括基于邻域和模型的和信任感知推荐算法。
Voter model on networks partitioned into two cliques of arbitrary sizes
http://arxiv.org/abs/1908.00849
Michael T. Gastner, Kota Ishida
摘要： 选民模型是一个代表意见动态的典型随机过程。首先，在每次更新中，完全随机地选择一个主体。然后，让所选主体复制随机选择的邻居的当前意见状态。我们研究了具有外生性社区结构的网络的选民模型：两个社团（即完整子图）有X条随机连边。研究表明，与直觉相反，平均共识时间不是X的单调递减函数。当 X 的固定比例为N^3/2时，且具有相反初始意见的社团平均达成共识时间最短，其中 N 是网络中主体的数量。因此，为了加速社团之间达成共识，主体人应该与其他集团中的更多成员联系，因为 N 增加但不会达到派系失去其作为独特社区的身份的程度。我们通过基于方程的分析支持我们的数值模拟结果。通过在两个渐近异构平均场近似之间进行插值，我们得到平均一致时间的方程，该方程与 X 值的模拟结果非常一致。
Identification of gatekeeper diseases on the way to cardiovascular mortality
http://arxiv.org/abs/1908.00920
Nils Haug, Stefan Thurner, Alexandra Kautzky-Willer, Michael Gyimesi, Peter Klimek
摘要： 多发病是一名患者同时出现两种或多种慢性疾病的常见现象，如糖尿病，肥胖症或心血管疾病等。为了提高护理效率，了解不同疾病在患者的整个生命周期中如何相互影响是非常重要的。然而，我们目前关于此类患者的大部分知识局限于狭窄的时间跨度或特定的疾病。在这里，我们根据17年来观察到的疾病史，对长期患者的患病轨迹进行聚类分析。当患者获得新疾病时，他们所属的聚类类别可能会改变。同时，本文通过疾病群的时间序列来描述健康轨迹。基于社团之间的转换，我们构建了一个具有年龄依赖性的疾病群集多层网络。与基于单一疾病患者的聚类模型相比，该多层网络上的随机游走为多病态健康状态的时间演化提供了更精确的模型。研究结果可用于预测可能决定患者未来疾病轨迹的决定性事件。我们发现，对于老年患者，社团网络由低、中、高住院死亡率的区域组成。糖尿病和高血压的患者大概率在生命后期进入高死亡率区域。
Could short-lasting non-specific immunity explain seasonal spacing of epidemic diseases?
http://arxiv.org/abs/1908.00925
Gorm Gruner Jensen, Florian Uekermann, Kim Sneppen, Lone Simonsen
摘要： 常见的呼吸道病毒常常引起季节性流行病。这种模式的潜在机制已经研究了一段时间。流感的发生可能与温度，湿度和维生素D水平有关。虽然这种季节性驱动因素能很好的解释冬天发病高峰期的现象，但目前尚不清楚春季，夏季和秋季其他呼吸道病毒是否具有其他环境驱动因素。在这里，我们提出了一个基于相互作用的疾病的动态模型，在不需要多个季节性驱动因素的情况下解释观察到的季节性模式。我们的模型扩展了经典的SIRS模型，包括多种疾病，这些疾病通过一种持续时间短、非特异的免疫成分相互作用。这种暂时性的保护是由接触任何传染病引起的，仅持续数周。研究表明，抑制疾病相互作用允许反复流行的行为，没有任何季节性驱动机制。在存在单一季节性驱动因素的情况下，我们的模型可以简洁地预测流行病模式，例如连续发生的流行病。我们还提出了一种双病模拟模型，再现了在对映体菌株PIV-3和两年生的PIV-1流行模式的时间序列中观察到的多种特征。季节性疾病的复杂流行模式可以通过非特异性先天性或克罗布细胞（T细胞）介导的免疫反应来解释，所述免疫反应导致不相关的呼吸道疾病之间的相互作用。
User Session Identification Based on Strong Regularities in Inter-activity Time
http://arxiv.org/abs/1411.2878
Aaron Halfaker, Os Keyes, Daniel Kluver, Jacob Thebault-Spieker, Tien Nguyen, Kenneth Shores, Anuradha Uduwage, Morten Warncke-Wang
摘要： 会话识别是一种常用策略，用于开发面向用户的系统的Web分析和行为分析指标。过去的工作认为，基于不活动阈值的会话识别策略本质上是任意的，或者主张将阈值设置为大约30分钟。在这项工作中，我们展示了在线活动的几个不同领域（包括视频博弈，搜索，页面浏览和志愿者贡献）的用户发起事件的时间节奏的强烈规律性。我们描述了一种用于识别用户活动集群的方法，并且这些活动集群出现的规律性暗示了一个很好的经验法则，即大约1小时的不活动阈值。最后，根据目标导向的人类活动的观察和理论，我们认为这些时间节律可能对系统设计产生影响。
Network Shrinkage Estimation
http://arxiv.org/abs/1908.01087
Nesreen K. Ahmed, Nick Duffield
摘要： 网络是跨学科的复杂系统的自然表示，而高阶依赖性对于这些系统的理解和建模至关重要。然而，在诸如在线社会网络的许多实际应用中，网络是大规模的，动态的和自然流动的，其中成对的交互以某种任意顺序一次一个地激活。由于分析整个网络是不可行的，这些网络的大规模和流媒体特性只允许部分观察。在这种情况下，研究流媒体网络的高阶结构和连接模式是一个挑战。在这项工作中，我们考虑使用自适应采样估计高阶依赖性的基本问题。我们提出了一种新颖的自适应、单通道采样框架和无偏估计方法，用于大型流媒体网络的高阶网络分析。我们的算法利用自适应技术来识别具有高信息量的边，以便从小样本数据中有效地估计流网络的高阶结构。我们还介绍了一种新颖的James-Stein型收缩估计方法，以最大限度地减少估计误差。我们的方法是完全分析的，具有理论保证，计算效率高，并且可以在流设置中逐步更新。对于大型网络的数值实验表明，我们的方法优于基线方法。
Predicting Dynamic Embedding Trajectory in Temporal Interaction Networks
http://arxiv.org/abs/1908.01207
Srijan Kumar, Xikun Zhang, Jure Leskovec
摘要： 在电子商务，社会网络和教育等领域，对用户和项目/产品之间的顺序交互建模至关重要。表示学习提供了一个有吸引力的机会来模拟用户和项目的动态演化，其中每个用户/项目可以嵌入欧几里得空间，并且其演化可以通过该空间中的嵌入轨迹来建模。然而，现有的动态嵌入方法仅在用户采取动作时生成嵌入，并且没有在嵌入空间中明确地模拟用户/项目的未来轨迹。在这里，我们提出JODIE，一个耦合的递归神经网络模型，学习用户和项目的嵌入轨迹。JODIE使用两个递归神经网络来更新每次交互时用户和项目的嵌入。更重要的是，JODIE还模拟了用户/项目的未来嵌入轨迹。为此，它引入了一种新颖的投影算子，它可以在未来的任何时间估计用户的嵌入情况。然后使用这些估计的嵌入来预测未来的用户-项目交互情况。为了使方法具有可扩展性，我们开发了一种t-Batch算法，可以创建时间一致的批处理，并使培训速度提高9倍。我们进行了六次实验，基于四个真实数据集，验证JODIE对两个预测任务（ 未来交互预测和状态变化预测）的有效性。研究表明，在这些任务中，JODIE在预测未来交互方面的性能优于六种最先进的算法至少20%，在状态变化预测方面的性能优于12%。
Bimodality and Scaling in Recurrence Networks from ECG data
http://arxiv.org/abs/1908.01286
Sneha Kachhara, G. Ambika
摘要： 人类心脏是一个复杂的系统，可以通过记录为心电图（ECG）的电活动进行研究。心电图中的任何变化或异常都可能是心脏动力学的异常。在这项工作中，我们使用递归网络（RN）框架对心电数据进行详细分析。我们展示了如何根据ECG数据集构建的递归网络的度量，量化数据的复杂性和可变性。我们的研究首次发现，心电图中的RNs具有双峰分布的独特特征。我们将其与心脏系统的复杂动力学联系起来，其结构处于两个空间尺度。研究表明，可以从具有递归阈值的度量的尺度中提取相关信息。因此，我们观察了心电图数据链路密度的两个标度区域，并与标准混沌系统和超混沌系统以及噪声的RNs标度进行了比较。虽然双峰性和标度是来自所有类型的心电图数据的RNs的共同特征，但我们发现其中疾病的特异性变化是可以量化的。
The General Black-box Attack Method for Graph Neural Networks
http://arxiv.org/abs/1908.01297
Heng Chang, Yu Rong, Tingyang Xu, Wenbing Huang, Honglei Zhang, Peng Cui, Wenwu Zhu, Junzhou Huang
摘要： 随着图神经网络（GNNs）在图结构数据上表示学习方面的巨大成功，有关GNN对抗性攻击的鲁棒性研究不可避免地成为图学习领域的核心问题。尽管取得了丰硕的进展，目前的工作仍存在两个主要局限：第一，需要逐案开发的攻击方法；第二，大多数都局限于白盒攻击。本文从更广泛和更灵活的意义上推广当前框架，我们只需要一种方法来攻击各种类型的GNN，而这种攻击是黑盒驱动的。为此，我们首先从理论上研究不同类型的GNN之间的联系，并将不同的GNN模型集成到一个统一的框架中，称为通用谱图卷积。因此，本文提出了一种针对两类GNNs广义攻击方法：基于卷积的模型和基于抽样的模型。更有趣的是，我们的攻击者不需要了解GNN中使用的目标分类器。大量的实验结果验证了我们的方法在几个基准数据集上的有效性。特别是通过使用我们的攻击，即使像单边翻转这样的小图扰动也能够持续地对不同的GNN模型进行强大的性能攻击。
Network Inference from Consensus Dynamics with Unknown Parameters
http://arxiv.org/abs/1908.01393
Yu Zhu, Michael T. Schaub, Ali Jadbabaie, Santiago Segarra
摘要： 我们探讨了基于网络上发生的单个或多个离散时间一致性动力学的快照，研究了加权无向网络的拉普拉斯特征图问题，该问题受到参数不确定性的影响。体而言，我们考虑了三个问题，其中我们假设对于扩散速率，观察时间和动态的输入信号功率有不同程度的了解。为了解决这些不确定性问题，我们利用观测数据的谱特性和凸优化的工具提出了一套算法。此外，我们提供与这些算法相关的理论性能保证。我们通过数值实验补充了我们的理论工作，证明了我们提出的方法是优于当前最先进的算法的，并展示了它们在恢复合成和现实网络方面的有效性。
A Deep Learning Approach for Tweet Classification and Rescue Scheduling for Effective Disaster Management
http://arxiv.org/abs/1908.01456
Md. Yasin Kabir, Sanjay Madria
摘要：灾害管理中的每一项活动，如管理疏散计划和执行救援任务，都需要准确和最新的信息，以便快速、简单和成本效益高的响应和减少可能的生命和财产损失。及时从灾区获取信息是一项具有挑战性和复杂性的任务。社交媒体和网络的广泛传播和普及使人们能够实时共享信息。然而，对社交媒体数据的处理和有价值信息的收集需要一系列操作，例如（1）对每个特定推文进行文本分类（2）基于推文确定需要帮助的人的可能位置（3）基于推文分类的救援任务优先级计算。这是使用社交媒体数据开发有效救援调度操作的三个主要挑战。首先，本文提出了一种深度学习模型来对不同类别的推文进行分类，结合了基于注意力的双向长期短期记忆（BLSTM）和卷积神经网络（CNN）。我们使用预先训练的危机词向量和用于词表示的全局向量（GLoVe）来从推文中捕获语义信息。其次，我们执行特征运算以创建辅助特征图，从而显著提高模型精度。在使用来自Hurricanes Harvey和Irma的真实数据集的实验中，我们发现，本文提出的方法与基于Precision，Recall，F1-score和Accuracy的其他分类方法相比表现更好，并且对于确定推文的正确优先级非常有效。此外，为了评估所提出的分类模型的有效性和稳健性，我们在合并数据集上进行实验验证，其中合并数据集包括来自CrisisNLP的4个不同数据集，以及来自CrisisLex的另外15个不同灾害数据。最后，我们开发了一种考虑资源约束的自适应多任务混合调度算法，以针对不同的救援优先级执行有效的救援调度操作。
Incorporating Structural Stigma into Network Analysis
http://arxiv.org/abs/1908.01500
Francis Lee, Carter T. Butts
摘要： 在指数家庭随机图（ERGM）框架内，大量文献已经探讨了与个体水平协变量相关的同质性和其他形式的非均匀混合的建模。然而，这种二元混合并不能完全解释诸如耻辱之类的现象，这些现象涉及通过排斥与群体无关的人来积极维护社会边界。在这里，我们引入了一个新的统计数据，可以捕获这样的效应，从而有可能探测到在提名率上超越简单差异的边界维护的潜在存在。我们在学校课堂上证明了性别隔离背景下的这一统计数据。
ESA的航行2050教育和
公众参与长期计划：白皮书
ESA’s Voyage 2050 Long-term Plan for Education and Public Engagement: White Paper
http://arxiv.org/abs/1908.01546
Pedro Russo, Łukasz Alwast, Lars Lindberg Christensen, Ewine van Dishoeck, Urban Eriksson, Edward Gomez, Jorge Rivero Gonzalez, Anita Heward, Mairéad Hurley, Veronika Liebl, Ana Noronha, Amelia Ortiz-Gil, Jan Pomierny, Stephen Pompea, Stefano Sandrelli, Oana Sandu, Simon Ings
摘要： 本白皮书回应了欧洲航天局（ESA）科学计划的“航行2050白皮书征集”，并认为教育，交流和公众参与（以下简称EPE）在2050航行计划周期中应优先考虑。 欧洲航天局（ESA）科学计划的2050航行任务将有助于洞察我们这个时代的重大存在问题：宇宙中生命的普遍存在；空间和时间的本质；物质、能量和重力的相互作用的性质。在大量数据集的获取、处理和处理方面的创新很可能会在未来几十年推动这些主题走向科学成熟。它们为我们提供了一个及时的机会，强调空间科学与日常生活和思考的相关性。更一般地说，空间科学正在逐渐成熟，它对于我们文化话语的每个主要方面都有贡献。公民需要信息、资源和机会积极参与这一讨论，欧洲航天局（ESA）科学计划可以提供这些信息。本白皮书是一项适度的尝试，旨在支持欧洲航天局（ESA）科学计划改善其与社会的互动。它侧重于改善欧洲航天局科学教育和公众参与活动的问题和主题，并没有详述ESA欧洲航天局擅长的主题。因此，本白皮书对应该和可以改进的内容进行了严格的审查。我们相信欧洲航天局（ESA）的2050计划团队有责任代表欧洲的社会和文化多样性，我们提出的建议就是本着这样的精神构思：支持欧洲航天局（ESA）科学计划的复杂任务，让多样化的受众参与复杂规划问题，建设和运行出色的太空任务。
Modeling Event Propagation via Graph Biased Temporal Point Process
http://arxiv.org/abs/1908.01623
Weichang Wu, Huanxi Liu, Xiaohu Zhang, Yu Liu, Hongyuan Zha
摘要：时间点过程被广泛地用于序列数据建模。本文主要研究了事件序列在图形中传播的建模问题，例如社会网络用户的转发，网站之间的新闻传播等。在给定事件传播序列集合的情况下，传统的点过程模型只考虑事件历史，即将事件历史嵌入到向量中，而不考虑潜在的图结构。因此，本文提出了一种基于图表示学习的结构信息的图偏差时间点过程（GBTPP），其中节点之间的直接影响和事件历史的间接影响分别被建模。此外，学习到的节点嵌入向量也作为辅助信息被集成到嵌入事件历史中。在一个合成数据集和两个现实数据集上的实验表明，与传统方法和最新技术相比，我们的模型效果更好。
使用网络科学描述复杂的
医疗保健系统：紧急手术的小世界
Characterising complex healthcare systems using network science: The small world of emergency surgery
http://arxiv.org/abs/1908.01688
Katharina Kohler, Ari Ercole
摘要： 医院是复杂的系统，优化其功能对于提供高质量，高性价比的医疗保健至关重要。然而，性能指标迄今仍集中在各个元素的性能上，而不是整个系统的性能上。在不对其功能进行综合理解的情况下，操纵复杂系统的各个元素是不可取的，并且可能导致反直觉的结果，并且医院功能的整体度量可能有助于设计更有效的服务。我们的目的是使用网络分析来描述我们三级护理医院的急诊外科住院患者的手术期护理系统。我们使用回顾性电子健康记录数据来构建系统的加权有向网络。为此，我们获取了在住院期间进行外科手术的3.5年期间的所有计划外入院的16,500份个人住院病例。然后，我们使用网络科学的既定方法构建和分析了该网络的结构，如度分布，中介中心性和小世界特征。分析表明，该服务是一个具有无标度、小世界特性复杂系统。该发现对于服务的结构和弹性具有重要影响，因为这样的网络虽然一般来说是健壮的，但可能易受到特定关键节点的中断的影响。我们还根据各种网络措施确定了系统中潜在的中心和瓶颈。希望对医院服务进行全面的系统范围描述，可以为医院应变提供更好的指标，并有助于规划人员设计尽可能强大的应对外部冲击系统。
Innovative ranking strategy for IPL team formation
http://arxiv.org/abs/1908.01725
Saptarshi Banerjee, Arnabi Mitra, Debayan Ganguly, Ritajit Majumdar, Kingshuk Chatterjee
摘要：印度超级联赛（IPL）是一场20场的板球比赛。这场比赛的队伍是通过从一组球员中的拍卖选出的。每个团队都聘请智囊团来建立最好的团队。很少有研究使团队选择过程自动化。然而，这些研究主要集中在当前的球员当前状态或长期表现上。在本文中，（i）对击球手和保龄球手的传统特征进行了选择，并确定了由传统特征产生的一些衍生特征；（ii）制定了将击球手（开球手、中量级击球手和终结者）的启发式算法；（iii）针对击球手和投球手的相对排名制定了启发式算法，同时考虑到目前的表现和每个球员的经验；（iv）提出了两种贪婪的团队选择算法，其中团队的总积分和每个组别的球员数量是固定的。我们提出的排名方案和算法不仅可以确定最佳团队，还可以确定最佳替代球员。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，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.me （提供RSS订阅）进行同步更新。
集智俱乐部QQ群｜877391004
商务合作及投稿转载｜swarma@swarma.org
搜索公众号：集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧！
原文始发于微信公众号（集智俱乐部）：集智
