核心速递
-
基于城市共同能源的空间相关性分析方法;
-
-
-
-
-
-
-
-
武汉新型冠状病毒2019-nCoV基本再生数的初步预测;
-
-
Facebook广告监测：一个独立的Facebook上政治广告审计系统;
-
-
-
-
HoaxItaly：2019年在Twitter上分享的意大利不实信息和事实查证的故事集合;
-
-
信用评分：通过智能手机为基础的小额贷款增强金融包容性;
An Analytical Methodology of Spatial Correlation Based on Urban Mutual Energy
http://arxiv.org/abs/2001.10743
摘要： 人口统计力，能量和潜力撰写了一组在社会物理学，区域经济学，和定量地理空间相互作用的基本概念。潜在的和相互能基于引力模型的公式仍然在地理系统的当前空间分析是有用的。然而，基于能源和电位测量空间建模的系统方法还没有被开发出来。本文致力于利用的潜力和互能公式城市系统构建一个新的分析过程。一系列的空间相关性，其中包括全球共同能源，本地互能源，全球势能，和当地的势能的测量，被定义或重建。潜力和能量散点图被推进了空间相关性的可视化地理分析。一发现是潜在的和相互能源的空间相互作用的指标数学与空间自相关关联。空间相互作用和空间自相关表示空间分析的相同的硬币的两个不同的侧面。潜在的能源分析和空间自相关分析可以集成到空间相关性分析，为未来城市研究的总体框架。
On a class of new nonlocal traffic flow models with look-ahead rules
http://arxiv.org/abs/2001.10017
摘要： 本文提出了一种新的类一维（1D）业务模型与考虑到两个方面的影响前瞻规则：基本图在外地放缓效应和右偏非凹不对称。与阿累尼乌斯型前瞻相互作用所提出的一维元胞自动机（CA）模型实现对汽车的运动下列提前每辆车的交通配置随机规则。特别是，我们采取两种不同的前瞻规则：一种是基于从车下考虑在它前面的车的距离;另一个依赖于汽车密度前进。这两种规则功能的多个移动一个新的想法，其在回收在所述宏观动力学非凹磁通的关键作用。经过一个半离散细观随机过程，我们得到CA模型的粗粒度的宏观动态。我们还设计了一个数值方法与高效的基于列表的动力学蒙特卡罗（KMC）算法来模拟所提出的CA模型。我们的研究结果表明，KMC模拟的通量与在各种参数设置不同的前瞻规则的粗粒宏观平均通量同意。
Mining social media data for biomedical signals and health-related behavior
http://arxiv.org/abs/2001.10285
Rion Brattig Correia, Ian B. Wood, Johan Bollen, Luis M. Rocha
摘要： 社交媒体数据已被越来越多地用于研究生物医学和健康相关的现象。从行星水平的条件队列级别讨论情绪的分析，社交媒体提供了前所未有的数据量的科学家研究了各种各样的健康状况和医疗相关的人类行为和响应。在这里，我们审查挖掘社交媒体相关的对人类健康的多层次复杂的生物医学，流行病学和社会现象的信息最近的工作。我们特别关注的话题，其中社交媒体数据分析显示最进展，包括药物警戒，特别是对心理健康情绪分析等方面的优势。我们还讨论了多种用于在社交媒体数据的访问和使用健康相关的应用程序和重要的限制社交媒体数据的创新用途。
Evolutionary Dynamics of Higher-Order Interactions
http://arxiv.org/abs/2001.10313
Unai Alvarez-Rodriguez, Federico Battiston, Guilherme Ferraz de Arruda, Yamir Moreno, Matjaz Perc, Vito Latora
摘要： 我们生活在网络中进行合作。然而，在网络的联系只允许两两相互作用，从而使框架适用于二进博弈，而不是那些在两个以上的玩家群体玩博弈。为了解决这个问题，我们引入高阶的相互作用，其中一个链接可以连接两个以上的个人，并研究其演化动力学。我们首先考虑在一致超一个公共物品的博弈，显示出它对应的动态复制在充分混合的限制，并提供精确的理论基础，以网络化群体的研究合作。我们也分析扩展到描述不同规模的团体的相互作用和表征在这种情况下，合作的发展异质超图。最后，我们应用我们的新配方的研究群体动力学性质在实际系统中，展示了如何提取从国际合作的大型社区的数据组的大小实际的协同因素的依赖。我们的工作是对新的行动，在社会团体加强合作实施的第一步。
Geographical Modeling: from Characteristic Scale to Scaling
http://arxiv.org/abs/2001.10323
摘要： 地理研究成功通过地理学的定量革命量化。但是，地理学的理论化成功遇到难以克服的困难。地理学的最大障碍是理论化的根源是其无处不在的地理现象，无标度分布。科研第一范式是数学理论。定量测量和数学模型的关键是要找到一个有效的特征标度。不幸的是，对于许多地理系统，没有特征标度。在这种情况下，应采用尺度的方法，使一空间测量和进行数学建模。标度的基本思想是要找到使用可变规模和相应的测量结果之间的双对数线性关系的幂指数。指数是如下一个scaleful分布并可以被用于表征无标度现象的特性参数。在地理标度分析的重要性已被越来越的科学家越来越明显。
The Enron Corpus: Where the Email Bodies are Buried?
http://arxiv.org/abs/2001.10374
摘要： 探测欺诈的指标最大的公共域的电子邮件数据库，我们采用机器学习和做好四个侦查任务。首先，我们确定的兴趣点（POI）的人员，利用财务记录和电子邮件，并报告的95.7％的峰值精度。其次，我们发现任何公开暴露个人身份信息（PII），并发现50000种以前未报告的情况。第三，通过在加州电力中断诉讼人类专家得分，并找到一个峰值99％的准确率，我们会自动标记响应合法的电子邮件。最后，我们之前，期间和企业危机发生后追踪三年的主要话题和情绪跨越超过10,000独特的人。如果可能的话，我们比较精确打击的执行时间为51种算法和报告人解释业务规则，可以扩展到广阔的数据集。
Graph Neighborhood Attentive Pooling
http://arxiv.org/abs/2001.10394
Zekarias T. Kefato, Sarunas Girdzijauskas
摘要： 网络表示学习（NRL）是学习高维和稀疏图的低维向量表示的强大技术。多数研究探索利用随机游动的图相关联的结构和元数据，并采用无监督或半监督学习方案。在这些方法中学习是上下文无关，因为只有每个节点单一的表示了解。最近有研究认为在单一表现的充分性，并提出了上下文敏感的方法被证明是在应用，如链路预测和排名非常有效。然而，这些方法大多依赖于需要RNNs或细胞神经网络，以捕捉高层次的功能或依靠社区检测算法来识别节点的多个框架下进一步文字特征。在这项研究中，而不需要额外的功能，也不是一个社区检测算法，我们提出了称为GAP的是学会利用周到池网络中的节点的附近不同地区参加一个新的上下文敏感的算法。我们发现GAP的使用功效上链接的预测和节点群集任务三个实世界的数据集，并将其与10个流行和国家的最先进的（SOTA）基线。 GAP的性能一直优于他们，并实现了高达〜9％及约20％的涨幅分别链路预测和聚类任务，表现最好的方法了。
http://arxiv.org/abs/2001.10421
Stefano Cipolla, Fabio Durastante, Francesco Tudisco
摘要： 在这项工作中，我们引入和研究PageRank的非本地版本。在我们的方法，随机游走，探索了使用长途旅行不仅仅是邻居节点之间移动图。其结果是，相应的节点，其中考虑到在它们之间的远距离相互作用，不表现出浓度现象典型用于谱排名考虑只是局部相互作用的排名。我们发现，使用我们的建议获得排名的预测值在不同的现实世界的问题显著改善。
武汉新型冠状病毒2019-
nCoV基本再生数的初步预测
Preliminary prediction of the basic reproduction number of the Wuhan novel coronavirus 2019-nCoV
http://arxiv.org/abs/2001.10530
Tao Zhou, Quanhui Liu, Zimo Yang, Jingyi Liao, Kexin Yang, Xin Lü, Wei Zhang
摘要：目标——为了估计武汉新型冠状病毒（2019-nCoV）的基本再生数。方法——基于易感暴露感染去除（SEIR）舱室模型，和2020年1月25日之前发生的感染病例是没有干预的自由传播所导致的假设，我们根据报告的确诊病例和疑似病例，其他研究团队对感染病例的理论估计数，以及从SARS了解的一些流行病学决定因素，估计了2019-nCoV的基本再生数。结果——根据人民日报的2019-nCoV实时报告感染案例数量，基本再生数处于2.8至3.3之间；根据研究者的预测的感染者数量，基本再生数处于3.2至3.9之间。结论——2019-nCoV的早期传播能力接近或略高于SARS，是一种可控的、中高传播性的疾病，需要及时有效的控制措施抑制进一步传播。
Don’t Feed the Troll: Detecting Troll Behavior via Inverse Reinforcement Learning
http://arxiv.org/abs/2001.10570
Luca Luceri, Silvia Giordano, Emilio Ferrara
摘要： 自从2016年美国总统大选中，社会化媒体的滥用已经引起学术界内外大量关注。防止和限制用户，比如巨魔和机器人的恶意活动，在他们的操纵活动是民主，公共健康，多的完整性至关重要。然而，巨魔账户的自动检测是一个开放的挑战。在这项工作中，我们提出了一种基于逆强化学习（IRL）的方法来捕捉巨魔的行为，并确定巨魔账户。我们采用IRL推断出一套在线奖励，可能引导用户行为，这又凸显巨魔和非巨魔帐户之间的行为差异，使它们能够准确分类。我们报告可喜的成果：基于IRL的方法是能够准确地检测巨魔账户（AUC = 89.1％）。在这两类账户之间的预测功能的差异使得反射到激励巨魔和非巨魔响应的独特行为的原则的理解。
Facebook广告监测：一个独立
的Facebook上政治广告审计系统
Facebook Ads Monitor: An Independent Auditing System for Political Ads on Facebook
http://arxiv.org/abs/2001.10581
Márcio Silva, Lucas Santos de Oliveira, Athanasios Andreou, Pedro Olmo Vaz de Melo, Oana Goga, Fabrício Benevenuto
摘要： 2016年美国总统选举的特点是有针对性的广告在Facebook上的滥用。与同类滥用在2018年巴西大选发生的风险而言，我们设计和部署一个独立的审计系统，监测巴西在Facebook上的政治广告。要做到这一点，我们首先适应一个浏览器插件，使用Facebook的志愿者的时间表收集的广告。我们成功地说服了超过2000名志愿者，以帮助我们的项目和安装我们的工具。然后，我们使用卷积神经网络（CNN）来检测使用的嵌入词政治Facebook上的广告。为了评估我们的方法，我们手动标记10K广告作为数据收集政治和非政治的，然后我们通过它与经典的监督机器学习方法比较来识别政治广告提供建议的方法进行了深入的评估。最后，我们部署了一个真正的系统，它显示了鉴定的广告，涉及到政治。我们注意到，我们没有检测到的所有政治广告都出现在Facebook的广告库中的政治广告。我们的研究结果强调了声明的政治广告，需要独立的审计平台的执法机制的重要性。
Stable and Efficient Structures in Multigroup Network Formation
http://arxiv.org/abs/2001.10627
Shadi Mohagheghi, Jingying Ma, Francesco Bullo
摘要： 在这项工作中，我们提出了战略性的网络形成模型预测多组结构的出现。个人决定成立或删除基于的利益联系，收费是那些连接随身携带;我们专注于为纽带形成的双边同意。在外源系统中指定的群体中产生协调问题的频率。我们感兴趣的是发生于解决协调问题，具体的结构，在该组通过桥接，冗余和联合会员互连连接结构。我们描述下其某些结构是稳定的，并研究它们的效率，以及形成动态的收敛条件。
Interpretable Rumor Detection in Microblogs by Attending to User Interactions
http://arxiv.org/abs/2001.10667
Ling Min Serena Khoo, Hai Leong Chieu, Zhong Qian, Jing Jiang
摘要： 我们通过学习社会应对在微博真假的权利要求进行区分处理谣言的检测。现有的国家的最先进的模型是基于树的模型，模型的对话树木。然而，在社会媒体，发布回复用户可能会回复到整个线程，而不是特定的用户。我们提出了一个后级的关注模型（PLAN）与在变压器网络多头注意机制的鸣叫之间的长距离相互作用的模型。我们调查了这种模式的变体：（1）结合了变压器网络中的树状结构信息的结构认识自我的关注模型（STA-PLAN），和（2）的分层令牌和后级的关注模型（STA-HiTPLAN）该学会与标记级别自注意句子表示。据我们所知，我们是第一次来评价我们的模型在两个传言检测数据集：PHEME数据集，以及在Twitter15和Twitter16数据集。我们证明了我们最好的车型优于国家的最先进的电流模式的两个数据集。此外，注意机制使我们能够解释在两个令牌级和后级的传闻检测预测。
The Case for Repeatable Analysis with Energy Economy Optimization Models
http://arxiv.org/abs/2001.10858
Joseph F. DeCarolis, Kevin Hunter, Sarat Sreepathi
摘要： 能源经济优化（EEO）机型采用正式的搜索技术，去探索，以提供与政策相关的见解在过去几十年的未来决策空间。 EEO模型对于决策者谁必须与大未来的不确定性，面对长期的影响，使短期决策的重要工具。虽然基于模型的分析周期中繁衍的数量，重视不够支付透明度模型的开发和应用。鉴于EEO模型的复杂的，数据密集型性质和普遍缺乏访问源代码和数据，许多基于模型的分析的基本假设是从外部观察者隐藏。本文讨论了简化和参与建模过程中的主观判断，不能在期刊论文，报告或模型文档被完全阐明。此外，我们认为，对于所有的实际目的，EEO基于模型的见解无法通过对比现实世界的结果验证。其结果是，建模留下不可靠的指标来评估模型，以提供可靠的洞察能力。我们断言，EEO模型应该通过公开的源代码和数据审讯被发现的。此外，第三方应该能够为了运行特定的模型实例独立核实公布的结果。然而，十二EEO车型审查表明，在大多数情况下，模型计算结果的复制，目前不可能。我们提供了一些建议，以帮助制定和维持可重复的模型分析软件框架。
HoaxItaly：2019年在
Twitter上分享的意大利
不实信息和事实查证的故事集合
HoaxItaly: a collection of Italian disinformation and fact-checking stories shared on Twitter in 2019
http://arxiv.org/abs/2001.10926
Francesco Pierri, Alessandro Artoni, Stefano Ceri
摘要： 我们发布了超过100万的微博中2019共享和含有链接到数千条相关新闻对两类意大利网点发布时间：（1）假网站，即已经由记者和事实跳棋用于生产低信誉的内容反复标记网点如假新闻，恶作剧程序，点击诱饵，误导性和超党派的故事; （2）事实查证该网站主要是揭露和验证网上新闻和索赔。该数据集，其中还包括大约37K的新闻文章的标题和正文，为公众提供https://doi.org/10.7910/DVN/ PGVDHX。
Exact Blind Community Detection from Signals on Multiple Graphs
http://arxiv.org/abs/2001.10944
T. Mitchell Roddenberry, Michael T. Schaub, Hoi-To Wai, Santiago Segarra
摘要： 支持图网络和数据已成为科学和工程无处不在。本文研究了“盲”社区发现的问题，在这里我们试图推断给出独立的图信号，观察在一组节点，其连接是未知的图模型的群落结构。我们每个观测作为经滤波的白噪声，其中底层网络结构与每一个观测变化建模。这些不同的网络结构建模为一个潜在的种植划分模型（PPM）的独立的实现，证明我们的社会结构对所有的意见基本恒定的假设。下图表上的过滤器和PPM参数一定的条件下，我们提出了用于确定算法（ⅰ）潜在社区和数量（ii）所述PPM的相关联的分区。然后，我们证明了在渐进和非渐进采样的情况下统计的保证。真实和合成数据的数值试验表明我们的算法的有效性。
信用评分：通过智能手机为基
础的小额贷款增强金融包容性
Credit Scoring for Good: Enhancing Financial Inclusion with Smartphone-Based Microlending
http://arxiv.org/abs/2001.10994
María Óskarsdóttir, Cristián Bravo, Carlos Sarraute, Bart Baesens, Jan Vanthienen
摘要： 全球范围内，一二十亿人，超过最穷一半的人不使用正规的金融服务。因此，人们越来越注重发展金融技术，可以方便地获得金融产品，为没有银行账户。在这方面，基于智能手机的小额贷款已经成为一个潜在的解决方案，以增强金融包容性。我们提出了一个方法，以提高这些应用程序使用信用评分模型的预测性能。我们的做法是由几个步骤，在这里我们主要集中在从用户数据工程相应的功能。因此，我们构建伪社会网络来识别相似的人，复杂的网络分析表示学习结合起来。随后我们建立使用先进的机器学习与获得最准确的信用评分的目标，技术信用评分模型，同时还考虑到伦理和隐私法规，以避免不公平的歧视。我们提出的方法论的成功部署可以提高小额贷款的智能手机应用程序的性能，并有助于提高金融福利全球。
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！
本篇文章来源于微信公众号: 集智俱乐部
