核心速递
-
城市间移动对中国人口空间分布的影响;
-
基于边的有效方法促进SIR模型的传播;
-
COVID-19疫情是否可以根据每日数据进行管理？;
-
-
Covid-19传播：在欧几里得网络上使用SIR模型进行数据再现和预测;
-
-
-
-
-
-
-
-
自私的徒劳——自私路由对无协调和优化的运输网络的影响;
-
-
消除人群的偏见：选择性地交换社会信息可改善集体决策;
-
-
替代程度：家用光伏电池续用量对公用事业发电和存储的影响;
-
-
-
-
使用无网络数据的人口行为快照对大型社会网络进行推断和影响;
-
SocialGrid：TCN增强的在线讨论预测方法;
-
-
-
通过在超词袋图上基于通用偏误交换的扩散来调整共现网络中的排名;
The effect of interurban movements on the spatial distribution of population in China
http://arxiv.org/abs/2003.07276
Jiachen Ye, Qitong Hu, Peng Ji, Marc Barthelemy
摘要：了解城市间的移动如何改变人口的空间分布对于交通规划很重要，但它也是流行病建模的基本要素。我们将重点放在农历新年期间的假期旅行（针对所有交通方式），并将2019年的结果与2020年的结果进行比较，在该年中，旅行禁令被用于缓解新型冠状病毒（COVID-19）的传播。我们首先表明，这些旅行流分布广泛，并且显示出较大的时间和空间波动，因此很难进行建模。当流量更大时，它们似乎更分散在大量的起点和目的地，从而创建了可以大规模传播流行病的事实上的枢纽。这些运动迅速（约一周）在少数城市中引起了非常强烈的人口集中。我们通过定义一个摆动比率定量地确定返回初始分布的特征，该比率使我们能够表明这种动态非常缓慢，甚至由于旅行限制在2020年农历新年期间都停止了。出行限制显然限制了疾病在不同城市之间的传播，但因此具有在少数城市中保持高度集中的反作用，这是先验的城市内传播，除非严格限制个人接触。这些结果揭示了城市间运动如何改变人口的全国分布，这是在国家一级制定有效控制策略的关键因素。
Effective edge-based approach for promoting the spreading of SIR model
http://arxiv.org/abs/2003.06771
Dan Yang, Jiajun Xian, Liming Pan, Wei Wang, Tao Zhou
摘要：促进网络系统中的传播动力学具有理论和实践意义。在这项研究中，我们提出了一种有效的基于边的方法，通过添加原始网络中不存在的连接，来促进复杂网络上易受感染感染的恢复模型的传播动力学。具体来说，我们首先通过数学模型量化每个潜在边（即之前不存在或未激活的每个边）的影响。然后，我们根据每个潜在边的影响从策略上将潜在边添加到原始网络中。应该提到的是，我们的策略既包含了网络结构信息，又包含了传播动态信息。我们通过大量的数值模拟验证了我们策略的有效性，并证明了我们的策略优于仅考虑网络结构的方法。此外，本研究建立的理论框架为进一步研究基于边的其他传播模型的促进策略提供了启发。
COVID-19疫情是否
可以根据每日数据进行管理？
Can the COVID-19 epidemic be managed on the basis of daily data?
http://arxiv.org/abs/2003.06967
摘要：简短的回答：作用有限，只有采取过分谨慎的方法。本文提供了过程的一个简单数学模型，并利用控制论的著名结果证明：如果考虑到时间延迟的影响，中国和意大利采取的封锁隔离方法可以行得通（意大利效果略差），而英国目前宣布的方法可能会失败。
Pre-symptomatic Transmission in the Evolution of the COVID-19 Pandemic
http://arxiv.org/abs/2003.07353
Liang Tian, Xuefei Li, Fei Qi, Qian-Yuan Tang, Viola Tang, Jiang Liu, Xingye Cheng, Xuanxuan Li, Yingchen Shi, Haiguang Liu, Lei-Han Tang
摘要：2019年冠状病毒（COVID-19）已在全球感染了170,000多人，在三个月的时间内导致6,000多人死亡。与主流观点相反，关于症状前和无症状个体对疾病暴发起重要作用的文献越来越多。最近有关串行感染的几项研究得出的平均间隔为4天左右，比平均症状发作时间5-7天短，连续间隔为阴性的病例超过10％。这些观察结果突出表明，迫切需要量化症状前的传播，以做出充分的全球反应。在本文中，我们开发了一种由症状前传播驱动的流行病模型。在模型构建体中，病毒载体在给定日期的传染性通过其症状发作概率来确定，我们通过对临床文献的大量研究来表征。然后可以调用众所周知的Lotka-Euler估计方程，将流行病的日增长率lambda与基本再生数R_0相关联。在2020年1月23日武汉封锁之后，我们将疾病传播模型应用于中国受影响省份的流行病发展。该模型可以很好地捕捉到显著的三相普遍模式。尽管模型很简单，但该模型仍允许综合来自各种来源的数据，以形成对导致或控制疾病传播的关键机制的定量理解，并做出明智的决策以控制大流行。
Covid-19传播：在欧几里得网络上
使用SIR模型进行数据再现和预测
Covid-19 spread: Reproduction of data and prediction using a SIR model on Euclidean network
http://arxiv.org/abs/2003.07063
Kathakali Biswas, Abdul Khaleque, Parongama Sen
摘要：我们研究了在中国Covid-19暴发时累积和每日病例数的数据。累积数据可以适合于从先前在欧几里得网络上研究的易感感染去除（SIR）模型获得的经验形式。通过对中国和意大利的病例数与距疫情中心的距离作图，我们发现近似幂律变化，指数约为1.85，强烈表明空间依赖性起着关键作用，是模型中包括的一个因素。我们在这里报告说，欧几里得网络上的SIR模型可以高精度地复制给定参数值的中国数据，并且还可以预测至少在局部地区流行有望何时结束。
Data-driven contact structures: from homogeneous mixing to multilayer networks
http://arxiv.org/abs/2003.06946
Alberto Aleta, Guilherme Ferraz de Arruda, Yamir Moreno
摘要：在过去的二十年左右的时间里，传染病传播的建模取得了重大进展。由于数据的激增以及新的收集，挖掘和分析数据的方法的发展，使之成为可能。网络科学等新学科的最新进展也发挥了关键作用。但是，当前的模型仍然缺乏对可以从数据中提取的所有可能的异质性和特征的忠实表示。在这里，我们弥合了当前传染病数学模型中的空白，并开发了一个框架，可以同时考虑个人的连通性和人口的年龄结构。我们比较了不同的场景，即，i）均匀混合设置，ii）仅考虑社会混合的场景，iii）仅考虑个人连接性的设置，最后，iv）多层表示，其中该模型包括社交混合和联系人数量。我们分析表明，这四种情况下获得的阈值是不同的。此外，我们进行了广泛的数值模拟，并得出结论，接触网络中的异质性对于正确确定流行阈值很重要，而年龄结构在疫情爆发后起着更大的作用。总之，在评估干预措施（如疫苗接种）时，两个个体异质性的来源都很重要，应同时考虑。我们的研究结果还表明，在人们无法获得连通性和人口年龄方面无法访问所有所需信息的情况下，会发生错误。
Market states: A new understanding
http://arxiv.org/abs/2003.07058
Hirdesh K. Pharasi, Eduard Seligman, Thomas H. Seligman
摘要：我们以复杂系统为例，介绍了2006-2019年间标普500（美国）和日经225（JPN）市场的金融市场的聚类分析。我们研究了从滑动历元构造的相关矩阵的统计性质。根据相关结构的相似性，可以将相关矩阵分为不同的类，称为市场状态。通过优化集群内距离的价值，我们将S＆P 500市场分为四个市场状态，将Nikkei 225市场分为六个市场状态。市场显示出这些市场状态之间的转换，而向关键市场状态的转换的统计特性可能表明灾难性事件的可能先兆。我们还对根据市场状态的平均相关性构建的替代数据分析了相同的聚类技术，并且由于短时间序列的白噪声而产生波动。我们使用相关的Wishart正交系综来构建替代数据，该替代数据的平均相关度等于实际数据的平均值。
Efficient Communication over Complex Dynamical Networks: The Role of Matrix Non-Normality
http://arxiv.org/abs/1904.02447
Giacomo Baggio, Virginia Rutten, Guillaume Hennequin, Sandro Zampieri
摘要：在自然系统和工程系统中，通信通常都是通过网络动态发生的，这些网络的范围从高度结构化的网格到很大程度上无序的图。为了使用或理解网络作为有效的通信介质的使用，需要了解网络如何面对噪声传播和转换信息。在这里，我们开发了一个框架，使我们能够检查网络结构，噪声和连续数据包之间的干扰如何共同确定具有单节点线性动态和任意拓扑的网络中的传输性能。可以分解为单独的低维信息通道的数学上正常的网络会严重遭受读出和干扰噪声的困扰。有趣的是，它们的大多数布线细节都不会影响传输质量。但是，非正常网络可以通过暂时放大选定的输入尺寸而忽略其他尺寸，从而在很大程度上消除噪声的影响，从而导致更高的净信息吞吐量。我们的理论可以为新通信网络的设计以及现有网络的最佳使用提供参考。
Simple and Effective Graph Autoencoders with One-Hop Linear Models
http://arxiv.org/abs/2001.07614
Guillaume Salha, Romain Hennequin, Michalis Vazirgiannis
摘要：在过去的几年中，图自动编码器（AE）和变分自动编码器（VAE）成为强大的节点嵌入方法，在具有挑战性的任务（如链路预测和节点聚类）上具有令人鼓舞的性能。图AE，VAE及其大多数扩展都依赖于多层图卷积网络（GCN）编码器来学习节点的向量空间表示。在本文中，我们表明GCN编码器实际上对于许多应用而言都不必要地复杂。我们建议用更简单，更易解释的线性模型替换它们。图的直接邻域（单跳）邻接矩阵，涉及较少的操作，较少的参数并且没有激活函数。对于上述两个任务，我们证明了这种更简单的方法始终可以达到具有竞争优势的性能。基于GCN的图AE和VAE，适用于众多真实世界的图，包括通常用于评估图AE和VAE的所有基准数据集。基于这些结果，我们还质疑重复使用这些数据集来比较复杂图AE和VAE的相关性。
Latent Geometry for Complementarity-Driven Networks
http://arxiv.org/abs/2003.06665
摘要：跨学科团队的网络，生物相互作用以及食物网是由互补原理塑造的网络的示例：这些网络中的连接优先建立在具有互补属性的节点之间。我们提出了互补驱动网络的几何框架。在这样做的过程中，我们首先认为，由于潜在度量空间中的三角形不等式和互补性的非及物性之间的矛盾，传统的几何表示形式（例如将网络嵌入潜在度量空间中）不适用于互补驱动网络。然后，我们提出这些互补驱动网络的跨几何表示，并证明该表示（i）自然地遵循互补规则，（ii）与潜在空间的度量属性一致，（iii）再现了如果潜在空间是双曲磁盘，则为实际的互补驱动网络，并且（iv）可以预测精度超过现有基于相似性的方法的互补驱动网络中的丢失链接。拟议的框架挑战了社会网络分析的直觉和通常用于互补驱动网络的工具，并为科学和生物医学系统的描述性和规范性分析提供了新途径。
Traffic flow with multiple quenched disorders
http://arxiv.org/abs/2003.06790
A. Sai Venkata Ramana, Saif Eddin Jabari
摘要：我们通过在Newell的跟车模型的所有参数中引入淬灭性障碍来研究异构交通动态。具体来说，我们考虑自由流动速度，卡纸密度和反向波速度的随机性。使用β分布对猝灭的疾病进行建模。可以观察到，在低密度下，车辆的平均排量和平均速度会随着时间的幂律而变化，这是由Ben-Naim，Krapivsky和Redner（BKR）得出的。在密度和密度分布函数的第二矩的时间演化中未观察到幂律行为，这表明本系统与粘性气体之间没有等效性。与完全不对称的简单排除过程（TASEP）相反，我们发现在静止的间隙分布中没有幂律行为，并且从排形成阶段到层流阶段的过渡与自由流动到拥挤过渡相一致，并且总是一阶，独立于自由流动速度的淬灭紊乱。使用平均场理论，我们得出了车辆的间隙分布，并表明相变始终是一阶的，与自由流动速度中的淬火无序无关，从而证实了仿真结果。我们还表明，过渡密度是热力学极限中排中车辆平均间隙的倒数。
Exchanging small amounts of opinions outperforms sharing aggregated opinions of large crowds
http://arxiv.org/abs/2003.06802
Bertrand Jayles, Ralf H.J.M Kurvers
摘要：数字革命从根本上改变了社会信息交流，并大大增加了他人意见的公开程度。但是，尚不清楚交换如此大量的信息是否有利于决策。交换适量或聚合形式的社会信息确实可以避免信息过载，并能做出更好的决策。我们进行了一些实验，要求参与者在收到所有同事的估计值或其几何平均值之前和之后两次估计数量。我们发现，当参与者观察到所有估计值时，第二估计值比他们看到其几何平均值时更准确。使用模型，我们可以预测，当交换大约十二个估计值时，与组的大小无关，准确性最多会提高。综上所述，我们的结果因此表明，为了优化集体决策，个人应该从适度的小组成员那里接受所有决策，而不是大批人群的汇总意见。
自私的徒劳——自私路由对
无协调和优化的运输网络的影响
The Futility of Being Selfish — The Impact of Selfish Routing on Uncoordinated and Optimized Transportation Networks
http://arxiv.org/abs/2003.06833
Ho Fai Po, Chi Ho Yeung, David Saad
摘要：优化流量对于缓解拥塞至关重要。但是，即使提供了全局最优，协调和个性化的路线，用户也可以选择成本更低的替代路线。通过使用腔方法分析自私路线选择对性能的影响，我们发现一小部分自私路线选择可提高不协调运输网络的整体性能，但会降低优化系统的效率。值得注意的是，在某些参数条件下，合规用户始终会获得前者的利益，自私用户可能会获得后者的利益。理论结果与大规模仿真非常吻合。一小部分自私用户的迭代路由切换导致Nash均衡接近于全局最优路由解决方案。我们的理论框架还概括了最初为研究平衡态而开发的腔法的使用，以分析迭代博弈理论问题。这些结果揭示了当并非所有车辆都遵循协调的路线时通过路线协调缓解拥堵的可行性。
Can Celebrities Burst Your Bubble?
http://arxiv.org/abs/2003.06857
Tuğrulcan Elmas, Kristina Hardi, Rebekah Overdorf, Karl Aberer
摘要：极化是一个日益严重的全球性问题。这样，已经提出了许多基于社交媒体的解决方案以减少它。在这项研究中，我们提出了一种新的解决方案，向名人推荐主题，以鼓励他们参加两极分化的辩论，并增加对逆向内容的曝光率-打破筛选泡沫。本文使用最新的量化极化程度的模型，尝试通过经验回答以下问题：名人是否会爆破滤泡？我们使用案例研究来分析当名人参与有争议的话题时人们的反应，并列出可能的研究方向。
消除人群的偏见：选择性地
交换社会信息可改善集体决策
Debiasing the crowd: selectively exchanging social information improves collective decision making
http://arxiv.org/abs/2003.06863
Bertrand Jayles, Ralf H.J.M Kurvers
摘要：集体决策在生物系统中无处不在。但是，个人层面的偏见可能会损害集体决策的质量。一种主要的偏见是人类倾向于低估数量。我们在人类群体中进行了估算实验，在该实验中，我们重新连接了信息交换的结构，以支持最接近估计中值的，最接近中位数高估的估算交换。我们显示，与随机交流相比，这种重新交换社会信息交流的方式可以抵消低估的偏见，并可以促进集体决策。这种结果的根本原因是人类趋向于放牧，信任大群而不是小群，以及较少地关注不同的社会信息。我们引入了一个模型，该模型可再现所有主要的经验结果，并预测优化集体决策的条件。我们的结果表明，利用现有的偏见知识可以促进集体决策，为对抗威胁集体系统的其他认知偏见铺平道路。
Adversarial Encoder-Multi-Task-Decoder for Multi-Stage Processes
http://arxiv.org/abs/2003.06899
Andre Mendes, Julian Togelius, Leandro dos Santos Coelho
摘要：在多阶段流程中，决策按阶段的顺序进行。早期阶段通常具有更多具有一般信息的信息（更容易/更便宜地收集信息），而晚期阶段则具有较少的观察结果，但是具有更具体的数据。这种情况可以用双重漏斗结构表示，其中样本量从一个阶段减少到另一个阶段，而信息增加。在这种情况下，对分类器进行培训是具有挑战性的，因为早期的信息可能不包含学习（欠拟合）的独特模式。相反，后期的样本量较小会导致过拟合。我们通过引入一个结合对抗性自动编码器（AAE），多任务学习（MTL）和多标签半监督学习（MLSSL）的框架来解决这两种情况。我们使用MTL组件改进了AAE的解码器，因此它可以联合重建原始输入并使用特征网预测下一阶段的特征。我们还在MLSSL分类器的输出中引入了序列约束，以确保预测中的顺序模式。使用来自不同领域（选择过程，医学诊断）的真实数据，我们证明了我们的方法优于其他最新方法。
替代程度：家用光伏电池续
用量对公用事业发电和存储的影响
Degrees of displacement: The impact of household PV battery prosumage on utility generation and storage
http://arxiv.org/abs/2003.06987
Kelvin Say, Wolf-Peter Schill, Michele John
摘要：光伏和电池成本的降低鼓励家庭投资光伏电池的生产。我们通过将两个开源技术经济模型应用于西澳大利亚州2030年的情景，探索对电力行业其他部门的影响。家用光伏发电容量通常替代公用事业光伏发电，但由于安装了更多家用电池而略有减少。风能的影响较小，特别是在可再生能源份额较高的情况下。随着家用电池的运行以最大程度地提高自我消耗，实用电池的容量几乎无法替代。供应家庭的批发价格（包括不从事卖淫的家庭）略有下降，而其他消费者的价格则略有上升。我们得出的结论是，专业人数的增长对电力部门的各个要素都有影响，投资者，监管机构和电力部门规划者应更全面地考虑这一点。
Adversarial Perturbations of Opinion Dynamics in Networks
http://arxiv.org/abs/2003.07010
Jason Gaitonde, Jon Kleinberg, Eva Tardos
摘要：我们研究了网络结构，观点动态和对手人为地引起分歧的能力之间的联系。我们通过扩展社会科学中的观点形成模型来表示这些场景，以应对最近事件所熟悉的场景，这些场景中外部参与者试图通过假新闻和机器人通过复杂的信息战策略来破坏社区的稳定。在许多情况下，这些努力的内在目标不一定是改变网络的整体情绪，而是诱发不和谐。这些干扰通过计算机网络和社会科学工作中已经分析和抽象的机制，通过底层网络上的意见动态传播。我们调查了此类攻击的性质，同时考虑了针对寻求引起分歧的对手以及负责保护网络免受攻击的实体的最佳策略。我们表明，对于这些类型目标的不同表述，网络谱结构的不同机制将限制对手播撒不和谐的能力。这使我们能够定性地描述哪些网络最容易受到这些干扰的影响。然后，我们考虑网络防御者通过异构地隔离节点来减轻这类对抗攻击的算法任务；我们表明，通过考虑此问题的几何形状，可以通过凸编程有效地解决此优化任务。最后，我们将这些结果归纳为两个网络结构，其中意见动态过程和分歧度量不相关，并确定对手的力量如何变化；例如，当意见动态通过社交媒体控制在线社区时，而意见分歧则通过“现实世界”的联系来衡量，则可能会出现这种情况。
Deep Neural Review Text Interaction for Recommendation Systems
http://arxiv.org/abs/2003.07051
Parisa Abolfath Beygi Dezfouli, Saeedeh Momtazi, Mehdi Dehghan
摘要：用户的评论包含有价值的信息，大多数推荐系统中并未考虑这些信息。根据该领域的最新研究，使用审阅文本不仅可以提高推荐的性能，而且还可以减轻数据稀疏性的影响并有助于解决冷启动问题。在本文中，我们提出了一种神经推荐器模型，该模型通过利用用户评论来推荐商品。为了预测每个商品的用户评分，我们建议的模型名为MatchPyramid推荐系统（MPRS），代表每个用户和每个商品及其相应的评论文字。因此，推荐问题被视为文本匹配问题，从而从匹配的用户文本和项目文本获得的匹配分数可以被视为它们共同相似程度的良好代表。为了解决文本匹配问题，受MatchPyramid（Pang，2016）的启发，我们采用了一种基于交互的方法，根据该方法，在给定一对输入文本的情况下构造了一个匹配矩阵。然后将具有分层匹配模式属性的匹配矩阵输入到卷积神经网络（CNN）中，以计算给定用户项对的匹配分数。我们对Amazon Review数据集的小数据类别进行的实验表明，与DeepCoNN模型相比，我们提出的模型相对改进了1.76％至21.72％，与TransNets模型相比，相对改进了0.83％至3.15％。此外，在两个大类别上，即AZ-CSJ和AZ-Mov，我们的模型与DeepCoNN模型相比分别实现了8.08％和7.56％的相对改进，与TransNets模型相比分别实现了1.74％和0.86％的相对改进。
Merge-split Markov chain Monte Carlo for community detection
http://arxiv.org/abs/2003.07070
摘要：我们提出了一种基于群体合并和分裂的马尔可夫链蒙特卡洛方案，该方案能够根据随机块模型（SBM）定义的网络分区的后验分布有效采样。我们展示了基于单个节点在组之间移动的方案如何系统地无法正确地从后验分布正确采样，即使在小型网络上，以及我们的合并拆分方法如何表现得更好，并且将链的混合时间缩短了几个数量级。典型情况下的幅度。我们还展示了如何将该方案直接扩展到SBM的嵌套版本，从而产生渐进精确的分层网络分区样本。
使用无网络数据的人口行为快照
对大型社会网络进行推断和影响
Inference and Influence of Large-Scale Social Networks Using Snapshot Population Behaviour without Network Data
http://arxiv.org/abs/2003.07146
Antonia Godoy-Lorite, Nick S. Jones
摘要：人口行为（例如投票和疫苗接种）取决于社会网络。社会网络可以根据行为类型而有所不同，并且通常是隐藏的。但是，尽管只有在一个时间点拍摄的快照，我们还是经常拥有大规模的行为数据。我们提出了一种仅使用快照人口行为数据来共同推断大规模网络结构和人类行为网络模型的方法。这利用了一些参数，几何社会人口网络模型和基于自旋的行为模型的简单性。对于欧盟公投和两次伦敦市长选举，我们将说明该模型如何同时提供我们对同性倾向的预测和解释。除了从大规模行为数据集中提取特定于行为的网络结构外，我们的方法还产生了将不平等和社会偏好与行为结果联系起来的粗略演算。我们举例说明了潜在的网络敏感政策：收入不平等，社会温度和同志偏好的变化如何在最近的选举中减少了两极分化。
SocialGrid：TCN增强
的在线讨论预测方法
SocialGrid: A TCN-enhanced Method for Online Discussion Forecasting
http://arxiv.org/abs/2003.07189
Chen Ling, Ruiqi Wang, Guangmo Tong
摘要：作为现代通信工具的一种手段，在线讨论论坛已经成为允许异步在线交互的越来越流行的平台。人们通过发帖线程和回复来共享思想和观点，这在主线程和相关回复之间形成了独特的交流结构。了解这种通信结构下的信息传播模式非常重要，其中的一项重要任务是预测未来事件的到达时间。在这项工作中，我们提出了一个新颖却简单的框架，称为SocialGrid，用于以在线讨论形式对事件进行建模。我们的框架首先通过在一个特定长度的时间间隔内将连续的偶数分组来将整个事件空间转换为网格表示。根据网格的性质，我们利用时间卷积网络来学习网格级别的动力学。改变单个网格的时间范围，学习的网格模型可用于预测未来事件在不同粒度下的到达时间。利用Reddit数据，我们通过在一系列应用程序上进行的实验来验证所提出的方法。广泛的实验和实际应用。结果表明，与其他方法相比，我们的框架在各种级联预测任务方面表现出色。
Flow descriptors of human mobility networks
http://arxiv.org/abs/2003.07279
David Pastor-Escuredo, Enrique Frias-Martinez
摘要：手机数据使人们能够及时而细致地研究人类的流动性。在呼叫事件中生成的“呼叫详细记录”可用于以不同的分辨率以及不同的空间，时间和社交粒度来构建移动性描述。个体轨迹是长期观察活动模式并确定人类动力学因素的基础。在这里，我们提出了系统的分析，以表征移动性网络流量和拓扑并评估其对单个迹线的影响。基于离散流的描述符用于在多个尺度上分类和理解人员流动模式。该框架适用于评估城市规划，优化交通运输，衡量外部事件和条件的影响，监控内部动态并根据用户的移动方式对其进行描述。
Timing uncertainty in collective risk dilemmas encourages group reciprocation and polarization
http://arxiv.org/abs/2003.07317
Elias Fernández Domingos, Jelena Grujić, Juan C. Burguillo, Georg Kirchsteiger, Francisco C. Santos, Tom Lenaerts
摘要：人类的社会困境通常是由涉及不确定目标和回报的行动所决定的，而这些目标和回报只能在将来实现。气候行动，自愿接种疫苗和其他前瞻性选择是这种情况的最重要例子。在这种情况下，以及在许多其他社会困境中，不确定性可能会产生不小的影响。尽管关于集体目标及其影响的不确定性对小组的协调和成功产生负面影响，但没有关于时间不确定性的信息，即，何时需要达到目标的不确定性如何影响结果和决策。在这里，我们通过集体困境进行实验性展示，其中参与者群体需要避免在集体损失的风险下出现临界点，时间不确定性不仅会提早提倡慷慨，而且会导致两极分化的贡献，其中参与者的总贡献比当没有不确定性时。分析参与者的行为表明，在不确定的情况下，对等策略的增加，其中的贡献取决于其他参与者的先前捐赠，这是众所周知的“以牙还牙”策略的一个类比。尽管时间上的不确定性似乎会降低集体成功的可能性，但成功收集所需数量的团体表现出强大的相互协调能力。这个结论得到了博弈论模型的支持，该模型研究了在时间不确定性情况下行为的主导地位。总的来说，时间上的不确定性给未来蒙上了阴影，导致参与者及早做出回应，鼓励相互的行为和不平等的贡献。
通过在超词袋图上基于通用偏误
交换的扩散来调整共现网络中的排名
Tuning Ranking in Co-occurrence Networks with General Biased Exchange-based Diffusion on Hyper-bag-graphs
http://arxiv.org/abs/2003.07323
Xavier Ouvrard, Jean-Marie Le Goff, Stéphane Marchand-Maillet
摘要：共现网络可以通过超级袋图（简称hb图）进行适当建模。hb图是具有相同宇宙的一组多集，称为顶点集。先前已经提出了一种有效的基于交换的扩散方案，该方案允许对顶点和hb边进行排序。在本文中，我们扩展了该方案以允许不同种类的偏差，并探讨它们对获得的不同排名的影响。偏见增强了对网络某些特定方面的重视。
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！
