本文由机器翻译，仅供参考，感兴趣请查阅论文原文

核心速递

自我隔离与边境封锁：什么能更好地阻止流行病传播？;
用 Ising 模型和Fermi-Dirac分布函数对抗Covid-19;
Purim：一种快速且低成本的大规模检测CoVid-19方法;
基于幂律尺度指数的国家特定Covid-19感染率的短期预测;
深度主体：研究社会网络中信息传播和演化的动力学;
基于度的阈值模型：更好地理解在线社会网络上的意见动态;
在线社会网络中的持续活动最大化;
最高评论还是随笔评论？预测和解释在线新闻讨论中的用户参与度;
量化科学影响力的异构动态图神经网络方法;
宏观规律如何描述复杂动力学：无症状人群和CoviD-19传播;
α-Satellite：一个AI驱动的系统和基准数据集，用于社区分层风险评估，以帮助应对COVID-19;
COVID-19传输的温度依赖性;
社交媒体上的冠状病毒：分析Twitter对话中的不实信息;
巴西COVID-19演变的数据分析和建模;
转发还是不转发：使用恶意软件引起误解以秘密操纵Twitter疫苗辩论;
社会技术惯例的网络动态;
整合众包和主动学习对推文的工作生活事件分类;
复杂网络中的最短路径：结构和优化;
复杂网络数据驱动控制;
模块化在生物网络自组织动力学中的作用;
最小直径的无标度图的结构特性和平均捕获时间;
西班牙第一个殖民地小镇的城市规划：拉古纳的圣克里斯托瓦尔城历史悠久的教堂的方向;
重访科学精英：生产力，协作，作者和影响的模式;

自我隔离与边境封锁：

什么能更好地阻止流行病传播？

原文标题：

Self-isolation vs frontiers closing: What prevents better of epidemic spread?

地址：

http://arxiv.org/abs/2003.12290

作者：

O. Valba, V. Avetisov, A. Gorsky, S. Nechaev

摘要：我们讨论网络聚类和适应性对流行病传播的综合影响。我们要解决的问题是，哪种机制更能有效地阻止疾病在互联网络中传播：自适应集群（模仿本地社区中的自我隔离（SI））或尖锐的即时集群，就像城市与国家之间的边境关闭（FC）？由于实际上跨社区连接始终存在，因此我们想知道激励（疾病）在整个集群网络中的传播效率如何，整个集群网络具有一定的集群间连接密度。SI网络和FC网络之间的关键区别如下：SI网络在整个网络中的小团体最大化的情况下“自适应增长”，而FC网络是通过 emph ad hoc强加的“即时创建”的边界。我们发现，SI模型具有度分布 P（k） sim k ^ eta 的无标度特性，其临界指数 -2 < eta <-1 很小。在群集的SI网络和FC网络上运行标准SIR模型，我们证明，由于即时边界关闭，社区中自我隔离引起的自适应网络群集比群集更好地阻止了流行。

用 Ising 模型和Fermi-Dirac

分布函数对抗Covid-19

原文标题：

Attacking the Covid-19 with the Ising-model and the Fermi-Dirac Distribution Function

地址：

http://arxiv.org/abs/2003.11860

作者：

Lucas Squillante, Isys F. Mello, Antonio C. Seridonio, M. de Souza

摘要：我们使用自旋 S = 1/2类似于Ising模型和类似于Fermi-Dirac的函数来描述Covid-19的传播。我们使用可获得的官方感染率数据进行的分析表明：（i）高斯函数很好地描述了流行曲线，即报告病例数与时间的关系。（ii）累积的受感染人数的时间演变遵循扭曲的费米-狄拉克样分布函数；（iii）隔离区在防止covid-19传播方面发挥的关键作用，它被模型的“交互”参数刻画，该参数模拟了感染者与未感染者之间的联系。埃博拉、SARS和甲型H1N1流感的流行曲线的分析也可以通过高斯函数进行描述。我们的发现证明了凝聚态物理中公认的概念的普遍性及其在不同领域的应用。

Purim：一种快速且低成本

的大规模检测CoVid-19方法

原文标题：

Purim: a rapid method with reduced cost for massive detection of CoVid-19

地址：

http://arxiv.org/abs/2003.11975

作者：

Benjamin Isac Fargion, Daniele Fargion, Pier Giorgio De Sanctis Lucentini, Emanuele Habib

摘要：CoVid-19正在全世界大范围传播。要迅速战胜大流行，就需要对人群进行大规模筛查，以将阳性病例与阴性病例区分开。这样的隔离将释放大量生产人口。用普通的PCR（聚合酶链反应）方法和可用资源进行测试的当前速度和成本迫使选择要测试的对象。实际上，必须以宝贵的时间为代价对每个人进行单独检查。此外，从筛查中排除潜在阳性个体会引起健康风险，遏制病毒传播的努力大大减慢，并因此导致死亡率下降。我们提出了一种新的程序，简称“感染人群统一重采样纯化”，简称Purim，能够通过对联合标本进行互相关分析，以廉价的筛查方法解开任何大量候选样品。此过程可以发现并检测出大多数阴性患者，并且在大多数情况下，可以发现在第一次或几次次要检测中已经存在的少数阳性患者的身份。我们调查感染概率函数中的二维相关情况。还考虑了多维拓扑，尺度的Purim程序。广泛的Purim测试可以衡量和衡量流行程度：其结果可以在早期阶段确定病灶区域。假设有数百或数千个主题，那么在时间和成本上的节省都将是可观的。普im节可能能够过滤预定航班，学者接受程度，受欢迎的国际活动参与者。Purim结局的最佳扩展随着流行病扩大的逆而增长。因此，越早越好。

基于幂律尺度指数的国家

特定Covid-19感染率的短期预测

原文标题：

Short-term predictions of country-specific Covid-19 infection rates based on power law scaling exponents

地址：

http://arxiv.org/abs/2003.11997

作者：

H. M. Singer

摘要：全球范围内，冠状病毒（COVID-19）感染的数量在增加。为了创建短期预测为全球大流行做好准备，我们分析了受影响最大的25个国家的感染数据。结果表明，所有特定国家/地区的感染率均遵循幂律增长行为，并计算出每个国家/地区的尺度指数。我们发现两种不同的增长模式：从一开始就稳定的幂律增长，拟合的比例指数为3-5，或者爆炸性的幂律增长，戏剧性的比例指数为8-11。在美国，我们甚至发现了16.59的指数。通过数据分析，我们确认，采取严格的锁定措施并结合民众的坚守态度是降低增长率的有效手段。尽管许多国家已经制定了措施，但迄今为止只有三个国家实行这种限制措施，导致增长率显著下降。以丹麦为例，我们计算出定标指数的减少量，从6.82降低到1.47。

深度主体：研究社会网络

中信息传播和演化的动力学

原文标题：

Deep Agent: Studying the Dynamics of Information Spread and Evolution in Social Networks

地址：

http://arxiv.org/abs/2003.11611

作者：

Ivan Garibay, Toktam A. Oghaz, Niloofar Yousefi, Ece C. Mutlu, Madeline Schiappa, Steven Scheinert, Georgios C. Anagnostopoulos, Christina Bouwens, Stephen M. Fiore, Alexander Mantzaris, John T. Murphy, William Rand, Anastasia Salter, Mel Stanfill, Gita Sukthankar, Nisha Baral, Gabriel Fair, Chathika Gunaratne, Neda B. Hajiakhoond, Jasser Jasser, Chathura Jayalath, Oliva Newton, Samaneh Saadat, Chathurani Senevirathna, Rachel Winter, Xi Zhang

摘要：本文介绍了在DARPA的SocialSim计划下开发的社会网络分析框架的设计，该框架具有模仿人类情感，认知和社会因素的新颖架构。我们的框架是理论和数据驱动的，并利用领域专业知识。我们的模拟工作有助于理解信息在社交媒体平台中的流动和演化方式。我们专注于为三个相互关联的社交环境（GitHub，Reddit和Twitter）的三个信息域建模：加密货币，网络威胁和软件漏洞。我们参加了2018年12月的SocialSim DARPA挑战赛，其中对我们的模型进行了性能，准确性，通用性，可解释性和实验能力的广泛评估。本文报告了主要概念和模型，这些概念和模型用于我们的社交媒体建模工作中，用于在用户，社区，人口和内容级别开发多分辨率模拟。

基于度的阈值模型：更好地

理解在线社会网络上的意见动态

原文标题：

The Degree-Dependent Threshold Model: Towards a Better Understanding of Opinion Dynamics on Online Social Networks

地址：

http://arxiv.org/abs/2003.11671

作者：

Ece C. Mutlu, Ivan Garibay

摘要：随着在线社交媒体的迅速发展，人们越来越不了解环境中存在的信息的数量和内容。阈值模型是当前捕获人们对他人观点和情绪影响的最常用方法之一。尽管许多研究采用阈值模型并试图对其进行改进，但是寻找合适的阈值函数以定义人类行为是一项必不可少且尚未完成的探索。个体阈值中的异质性定义常常定义不清，这导致统一函数和二元函数的使用相当简单，尽管它们远不能代表现实。在本研究中，我们使用30,704,025条推文的Twitter数据来模拟采用新意见的情况。我们的结果表明，阈值不仅与结点的外度相关，这与其他研究相矛盾，而且还与结点的内度相关。因此，我们模拟了两种情况，其中阈值分别依赖于度数和度数。我们得出的结论是，当阈值与度相关时，系统更有可能达成共识；但是，在这种情况下，直到所有节点确定其意见为止的时间要长得多。此外，对于这两种情况，我们均未观察到平均度对平均意见或意见的确定时间有显著影响，并且增加种子大小对达成共识有负面影响。尽管阈值异质性对平均意见有轻微影响，但当阈值与度相关时，异质性对达成共识的积极影响更加明显。

在线社会网络中的持续活动最大化

原文标题：

Continuous Activity Maximization in Online Social Networks

地址：

http://arxiv.org/abs/2003.11677

作者：

Jianxiong Guo, Tiantian Chen, Weili Wu

摘要：活动最大化是一项任务，该任务是在给定的社会网络中寻找一小部分用户，以使预期的总活动收益最大化。这是许多实际应用程序的概括。在本文中，我们将活动最大化问题扩展到一般营销策略 vec x 下的活动，该问题是来自晶格空间的 d 维向量，概率为 h_u（ vec x）激活节点 u 作为种子。基于此，我们提出了连续活动最大化（CAM）问题，其中域是连续的并且我们选择的种子集符合一定的概率分布。研究晶格约束下的信息扩散问题是一个新的课题，因此，我们在此系统地解决这一问题。首先，我们分析了CAM的硬度，以及如何准确有效地计算CAM的目标函数。我们证明此目标函数是单调的，但不是DR次模和DR超模。然后，我们开发了CAM的单调和DR次模下界和上限，并应用采样技术来设计CAM的三个无偏估计量，即下界和上限。接下来，根据IMM算法和三明治近似框架，我们获得了数据相关的近似比率。可以将这一过程视为解决晶格上那些最大化问题的通用方法，而不是解决DR次模块问题。最后，我们在三个真实的数据集上进行实验，以评估我们提出的算法的正确性和有效性。

最高评论还是随笔评论？预测和

解释在线新闻讨论中的用户参与度

原文标题：

Top Comment or Flop Comment? Predicting and Explaining User Engagement in Online News Discussions

地址：

http://arxiv.org/abs/2003.11949

作者：

Julian Risch, Ralf Krestel

摘要：在线新闻文章下面的评论部分在读者中越来越受欢迎。但是，大量的评论使普通新闻消费者无法阅读所有评论，并且妨碍了讨论。大多数平台按时间顺序显示评论，而忽略了其中一些与用户更相关并且是更好的对话开始者。在本文中，我们以评论和收到评论的答复的形式系统地分析用户参与度。基于评论文本，我们训练了一个模型来区分有很多机会接受很多投票和回复的评论。我们对TheGuardian.com对用户评论的评估将递归和卷积神经网络模型与传统的基于特征的分类器进行了比较。此外，我们调查了使某些评论比其他评论更具吸引力的原因。为此，我们确定了参与触发因素并将其分类。神经网络的解释方法揭示了哪些输入词对我们模型的预测影响最大。此外，我们对产品评论的数据集进行评估，该产品评论具有与用户评论类似的属性，例如具有对帮助的赞誉。

量化科学影响力的

异构动态图神经网络方法

原文标题：

A Heterogeneous Dynamical Graph Neural Networks Approach to Quantify Scientific Impact

地址：

http://arxiv.org/abs/2003.12042

作者：

Fan Zhou, Xovee Xu, Ce Li, Goce Trajcevski, Ting Zhong, Kunpeng Zhang

摘要：量化和预测科学著作或个人学者的长期影响对许多政策决策具有重要意义，例如资助提案评估和确定新兴研究领域。在这项工作中，我们提出了一种基于异构动态图神经网络（HDGNN）的方法来显式建模和预测论文和作者的累积影响。HDGNN通过合并随时间演变的特征并捕获归因图的结构特性和不断增长的引用行为来扩展异构GNN。HDGNN与以前的模型有很大不同，它以动态方式对节点影响进行建模的能力，同时考虑了节点之间的复杂关系。在真实引文数据集上进行的实验证明了其在预测论文和作者影响方面的出色表现。

宏观规律如何描述复杂动力学：

无症状人群和CoviD-19传播

原文标题：

How macroscopic laws describe complex dynamics: asymptomatic population and CoviD-19 spreading

地址：

http://arxiv.org/abs/2003.12457

作者：

D.Lanteri, D.Carco’, P.Castorina

摘要：宏观增长定律是平均场方程的解，它有效地描述了潜在的复杂动力学。它们被用于研究感染的传播，例如CoviD-19，其中检测到的受感染个体的累积数量N（t）的计数是一个普遍接受的，粗粒度的变量，用于了解该流行病状态。但是，N（t）没有考虑到未知数量的无症状病例（未检测到）A（t）。因此，出现一个问题，即观察到的时间序列N（t）是否是监测传染病演变的可靠工具。我们研究了一个耦合的微分方程系统，该系统包括有症状和无症状个体之间的传播动态以及由于社会孤立而产生的强烈遏制效应。因此，将该解决方案与宏观定律进行比较，该定律适用于来自单个非线性微分方程且未明确引用A（t）的总体N（t），从而表明两种方法的等效性。实际上，N（t）考虑到了更为复杂和详细的人口动态，因此也可以评估无症状个体的数量。然后将该模型应用于在意大利传播的Covid-19，在最近的数据中观察到从N（t）的指数行为到Gompertz增长的过渡。这样，尽管没有描述总感染人群，但包含在N（t）数据分析中的信息可以可靠地理解流行阶段。在传播的快速生长阶段，无症状人群大于有症状人群。

α-Satellite：一个AI驱动的

系统和基准数据集，用于社区

分层风险评估，以帮助应对COVID-19

原文标题：

α-Satellite: An AI-driven System and Benchmark Datasets for Hierarchical Community-level Risk Assessment to Help Combat COVID-19

地址：

http://arxiv.org/abs/2003.12232

作者：

Yanfang Ye, Shifu Hou, Yujie Fan, Yiyue Qian, Yiming Zhang, Shiyu Sun, Qian Peng, Kenneth Laparo

摘要：新颖的冠状病毒及其致命爆发给人类社会带来了巨大挑战：截至2020年3月26日，美国已确诊病例85,377例，报告死亡1,293例。世界卫生组织（WHO）则将冠状病毒病（COVID-19）视为全球大流行病，该病已感染了531,000多人，并在至少171个国家中造成24,000多人死亡。越来越多的地区报告了地方以下地方社区的传播，这代表着在与新型冠状病毒的斗争中恶化的重大转折，这表明迫切需要扩大监测范围，以便我们更好地了解COVID-19的传播，从而采取可行的社区缓解策略来更好地应对。通过提高人工智能（AI）的功能并利用从异构源生成的大规模和实时数据（例如，来自官方公共卫生组织的疾病相关数据，人口统计数据，移动性数据以及来自社交媒体的用户生成的数据），在这项工作中，我们提议并开发一个AI驱动的系统（名为alpha-Satellite作为初始产品，以提供分层的社区级风险评估，以协助制定应对快速发展的COVID的策略-19大流行：更具体而言，给定特定位置（用户输入或自动定位），开发的系统将自动以分层方式（例如州，县，市，特定位置）提供与其相关的风险指数，以使个人选择适当的保护措施，同时最大程度地减少对日常生活的破坏。开发的系统和生成的基准数据集可通过我们的网站公开访问。系统说明和免责声明也可在我们的网站上找到。

COVID-19传输的温度依赖性

原文标题：

Temperature dependence of COVID-19 transmission

地址：

http://arxiv.org/abs/2003.12417

作者：

Alessio Notari

摘要：最近的冠状病毒大流行在其早期阶段几乎呈指数增长，在许多国家， N 的病例数相当适合 N propto e ^ alpha t 。我们分析了42个不同国家/地区的费率，每个国家/地区选择30天的情况作为第一天的起点，然后选择接下来的12天作为起点，从而以相当均匀的方式捕获早期的指数增长。我们在流行病流行的月份中，寻找每个国家的汇率 alpha 和平均气温 T 之间的联系。拟合线性行为 alpha（T），我们发现证据表明增长率下降是 T 的函数。但是，在非常低的 T 数据中也可以看到增长率的下降。超越线性模型，数据中似乎出现了约（9.5 pm 2.6）^ circ C 的峰值。我们的研究结果希望，对于北半球国家来说，由于天气转暖和封锁政策的影响，增长率将显著下降。通常，在下一个寒冷季节到来之前，应该通过强有力的锁定，测试和跟踪策略来阻止传播。

社交媒体上的冠状病毒：

分析Twitter对话中的不实信息

原文标题：

Coronavirus on Social Media: Analyzing Misinformation in Twitter Conversations

地址：

http://arxiv.org/abs/2003.12309

作者：

Karishma Sharma, Sungyong Seo, Chuizheng Meng, Sirisha Rambhatla, Aastha Dua, Yan Liu

摘要：正在进行的冠状病毒病（COVID-19）大流行突出了我们当今全球化世界的相互联系。随着社会隔离政策的到位，虚拟通信已成为（错误）信息的重要来源。随着越来越多的人依赖社交媒体平台获取新闻，在这些空前的时代，识别错误信息已成为一项关键任务。除了恶意之外，此类信息的传播还构成了严重的公共健康风险。为此，我们设计了一个仪表板来跟踪流行的社交媒体新闻共享平台-Twitter上的错误信息。我们的仪表板可让您了解有关冠状病毒的社交媒体讨论以及随着情况的发展在平台上共享的信息质量。自2020年3月1日起，我们使用Twitter API收集流数据，并提供与重要新兴政策（例如“ #socialdistancing”和“ #workfromhome”）相关的主题群集和社会情感的分析。我们会随着时间跟踪新出现的标签，并提供对位置和时间敏感的情感分析。此外，我们研究了社交媒体上的虚假信息这一具有挑战性的问题，并提供了一种从Twitter信息级联中识别虚假，误导和点击诱饵内容的检测方法。仪表板维护着不断发展的检测到的错误信息级联列表以及相应的检测分数，可从https://ksharmar.github.io/index.html在线访问。

巴西COVID-19演变的数据分析和建模

原文标题：

Data analysis and modeling of the evolution of COVID-19 in Brazil

地址：

http://arxiv.org/abs/2003.12150

作者：

Nuno Crokidakis

摘要：严重急性呼吸系统综合症冠状病毒2（SARS-Cov2或简称COVID-19）的世界演变导致世界卫生组织宣布其为大流行病。该病于2019年12月在中国出现，并在世界范围内迅速传播，特别是在意大利和西班牙等欧洲国家。2月26日记录了巴西第一例报告病例，此后病例数迅速增加。为了减缓该疾病在全国的初期发展，已分离出确诊的阳性病例以不传播该疾病。为了更好地了解巴西COVID-19的演变，我们将敏感传染隔离隔离回收（SIQR）模型应用于来自巴西卫生部的数据分析。基于分析和数值结果以及基于数据，基本再现数估计为 R_ 0 = 5.25 。此外，我们估计未鉴定的感染个体和确诊病例的比例约为10美元，与先前的研究一致。我们还估计，疫情加倍时间为 2.72 天。

转发还是不转发：使用恶意软件引

起误解以秘密操纵Twitter疫苗辩论

原文标题：

To Tweet or Not to Tweet: Covertly Manipulating a Twitter Debate on Vaccines Using Malware-Induced Misperceptions

地址：

http://arxiv.org/abs/2003.12093

作者：

Filipo Sharevski, Peter Jachim, Kevin Florek

摘要：拖钓和社交机器人已被证明是操纵公众舆论和在Twitter用户之间撒下不和的强大策略。这项工作需要大量的内容制作和帐户协调，以逃避Twitter对恶意平台使用的检测。在本文中，我们通过引起对已验证用户对正版非滚动内容的误解，探索了一种秘密社交媒体干扰的替代策略。此策略使用一种恶意软件，该恶意软件在以隐秘中间人的方式向目标用户提供真实内容之前，会秘密地操纵目标单词，主题标签和Twitter指标。对恶意软件的早期测试发现，它能够实现与巨魔和社交机器人类似的目标，即沉默或激发社交媒体用户在社交媒体的两极分化的辩论中表达自己的观点。此后，我们在受控环境（N = 315）中进行了实验测试，在该环境中，该恶意软件秘密地操纵了Twitter关于疫苗引起自闭症风险的辩论中的看法。实证结果表明，在辩论诸如疫苗之类的两极分化问题时，诱发误解是使Twitter上的用户保持沉默的有效策略。我们使用这些发现提出了一种解决方案，以应对由恶意软件引起的误解的影响，该误解也可用于应对Twitter上的巨魔和社交机器人。

社会技术惯例的网络动态

原文标题：

The Network Dynamics of Social and Technological Conventions

地址：

http://arxiv.org/abs/2003.12112

作者：

Joshua Becker

摘要：当创新争夺采用权时，偶然的历史事件可以使劣等策略传播，而以其他替代方案为代价。但是，优势并不总是由于偶然而产生，网络已成为组织行为的重要决定因素。为了了解哪些因素会影响采用最佳替代方案的可能性，本文提出：网络结构如何塑造社会和技术惯例的出现？先前的研究已经发现，从单个创新的角度来看，很有影响力的人或“中心”节点可能会受益，因为中央节点的提升可以提高采用速度。相反，当考虑多种策略的竞争时，中心节点的存在可能会带来风险，并且不能保证最终的“集中式”网络会偏向于最佳策略。本文使用基于主体的仿真研究网络结构对约定形成标准模型的影响，发现网络集中化可以提高约定形成的速度，但也降低了最佳策略被广泛采用的可能性。令人惊讶的是，这一发现并未表明速度/最佳性之间的权衡：密集网络既快速又最佳。

整合众包和主动学习对

推文的工作生活事件分类

原文标题：

Integrating Crowdsourcing and Active Learning for Classification of Work-Life Events from Tweets

地址：

http://arxiv.org/abs/2003.12139

作者：

Yunpeng Zhao, Mattia Prosperi, Tianchen Lyu, Yi Guo, Jing Bian

摘要：社交媒体（尤其是Twitter）正越来越多地用于具有预测性分析的研究中。在社交媒体研究中，自然语言处理（NLP）技术与基于专家的手动和定性分析结合使用。但是，社交媒体数据是非结构化的，必须经过复杂的处理才能用于研究。手动批注是多个专家评估者必须就每个项目达成共识的最耗资源和最耗时的过程，但是对于创建用于训练基于NLP的机器学习分类器的黄金标准数据集至关重要。为了减轻手动注释的负担，同时又保持其可靠性，我们设计了与主动学习策略相结合的众包管道。我们通过案例研究证明了其有效性，该案例研究从各个推文中识别出失业事件。我们使用Amazon Mechanical Turk平台从Internet招募注释者，并设计了许多质量控制措施来确保注释的准确性。我们评估了4种不同的主动学习策略（即最不自信，熵，投票熵和Kullback-Leibler差异）。主动学习策略旨在减少达到自动分类所需性能所需的推文数量。结果表明，众包对于创建高质量注释非常有用，而主动学习有助于减少所需的推文数量，尽管所测试的策略之间没有实质性差异。

复杂网络中的最短路径：

结构和优化

原文标题：

Shortest Paths in Complex Networks: Structure and Optimization

地址：

http://arxiv.org/abs/2003.12180

作者：

Guilherme S. Domingues, Cesar H. Comin, Luciano da F. Costa

摘要：在复杂网络的几种拓扑特性中，最短路径代表了一个特别重要的特性，因为它不仅可能影响其他拓扑特性，而且主要是因为它对网络上发生的几种动力学过程的影响。另外，通过修改网络以减少各自的最短路径，可以在几种实际情况（例如城市中转）中受益。在当前的工作中，我们解决了通过根据不同的策略添加给定数量的链接来尝试减少若干理论和现实世界复杂网络的平均最短路径的问题。更具体地说，我们考虑了：在度数相对较低和较高的节点之间放置新的链接；提高网络度的规律性；根据程度优先依恋；以相对较低和较高的介数中心性中心链接节点；并以较低/较低，较低/较高以及较高/较高的可访问性链接节点。已经获得了一些有趣的结果，包括确定基于可访问性的策略可以最大程度地减少平均最短路径长度。另一个有趣的发现是，对于几种类型的网络，基于度的方法往往可以提供与通过使用计算上更为昂贵的中介中心度测量所获得的改进相当的改进。

复杂网络数据驱动控制

原文标题：

Data-Driven Control of Complex Networks

地址：

http://arxiv.org/abs/2003.12189

作者：

Giacomo Baggio, Danielle S. Bassett, Fabio Pasqualetti

摘要：我们处理复杂网络行为的能力取决于有效控制算法的设计，并且关键取决于准确和易处理的网络动力学模型的可用性。尽管在过去的几年中，网络系统的控制算法设计取得了长足的进步，但对网络动力学的了解却是一个普遍存在的假设，在实践中很难满足，尤其是当网络拓扑很大且可能随时间变化时。在本文中，我们克服了这一局限性，并开发了一种数据驱动的框架来以最佳方式控制复杂的动态网络，而无需任何网络动力学知识。我们的最佳控制是使用一组有限的实验数据构建的，其中未知的复杂网络会受到任意且可能是随机输入的刺激。除了优化之外，我们还表明，即使与基于模型的对等公式相比，我们的数据驱动公式也具有良好的计算和数值特性。最后，尽管我们的控件对于具有确定性线性动力学的网络可证明是正确的，但我们也可以针对嘈杂的实验数据以及在操纵大脑网络中的神经活动时出现的一类非线性动力学来表征其性能。

模块化在生物网络

自组织动力学中的作用

原文标题：

The role of modularity in self-organisation dynamics in biological networks

地址：

http://arxiv.org/abs/2003.12311

作者：

Bram A. Siebert, Cameron L. Hall, James P. Gleeson, Malbor Asllani

摘要：相互联系的生物实体集合可能是现代科学迄今为止遇到的最复杂的系统。尤其是，科学家集中精力了解不同神经元，蛋白质或物种之间相互作用结构的复杂性如何影响其各自系统的功能。公认的是，许多生物网络是以高度分层的方式构建的，具有两个主要特性：连接两个明显相距远的节点（神经元，物种或蛋白质斑块）的短平均路径，以及模块化聚集中的节点比例很高。尽管到目前为止已经提出了几种假设，但是对于这种生物系统中模块与动力学活性之间的关系知之甚少。在这里，我们显示网络模块化是功能活动的自组织模式形成的关键要素，而与模块结构的拓扑特性无关。特别是，我们表明在这种情况下可以发展模块化规模的宏观空间格局，这可以解释生物网络中的自然顺序如何遵循其模块化结构组织。我们的结果还表明，生物复杂网络上的图灵模式可能是存在模块化结构的标志，因此可能是社区检测的可能协议。我们在真实世界的网络上测试我们的结果，以确认模块化在创建宏观模式中的重要作用。

最小直径的无标度图的

结构特性和平均捕获时间

原文标题：

Structural properties and average tapping time on scale-free graphs with smallest diameter

地址：

http://arxiv.org/abs/2003.12392

作者：

Fei Ma, Ping Wang

摘要：在本文中，我们提出了一类图 G ^ star（m，t），并首先研究它们的一些结构特性，例如平均度。结果表明（1）图 G ^ star（m，t）具有密度特征，因为它们的平均度与时间步长 t 成比例，而不是大图尺寸限制中的常数，（2）图 G ^ star（m，t）服从幂律分布，指数等于 2 ，这在以前的大多数无标度模型中都很少见，（3）图 G ^ star （m，t）以超小直径和较高的聚类系数显示了小世界性质，并且（4）图 G ^ star（m，t）相对于Pearson相关系数具有分解结构小于零。此外，我们在建议的图 G ^ star（m，t）上考虑了捕获问题，然后发现它们都通过自己的平均捕获时间达到理论下界，从而具有更高的最佳捕获效率，在现有的无标度模型中很少观察到这种现象。我们进行了广泛的模拟，与我们的理论分析相一致。

西班牙第一个殖民地小镇

的城市规划：拉古纳的圣克里

斯托瓦尔城历史悠久的教堂的方向

原文标题：

Urban Planning in the First Unfortified Spanish Colonial Town: The orientation of the historic churches of San Cristobal de La Laguna

地址：

http://arxiv.org/abs/2003.12410

作者：

Alejandro Gangui, Juan Antonio Belmonte

摘要：特内里费岛加那利岛（西班牙）的圣克里斯托瓦尔·德拉古古纳市具有非凡的价值，因为其计划的初衷是这样。它是一个网格状的城市系统，由直角的街道构成正方形，其布局是不设防的殖民城市的第一个案例，在欧洲海外扩张中有定期的计划。它构成了所谓的“和平之城”的历史例子。和平之城是新土地上的城市共和国的原型，它利用自己的自然边界来界定和捍卫自己。始建于1496年的老城区历史中心于1999年被联合国教科文组织宣布为世界文化遗产。我们分析了拉古纳老城区目前存在的二十一座历史悠久的基督教教堂的确切空间定位，我们将其作为一个很好的例子城市格网原始布局的指标。我们发现了一个清晰的方向图，如果与上升的太阳或落山的太阳相关联，就会发现绝对值天文偏角略低于20度，这在我们的研究误差范围内可能与7月25日的盛宴相关-圣克里斯托瓦尔德利西亚（Saint Cristobal de Licia）的一天，该镇最初是圣人专用的圣日。我们还将详细讨论一些最近的提案，这些提案援引了关于旧城规划的一些牵强附会的假设，并以其突出特征之一，即其拉丁十字结构在组合布局中显而易见，发表了一些评论。一些最具象征意义的教堂。

重访科学精英：生产力，

协作，作者和影响的模式

原文标题：

Scientific elite revisited: Patterns of productivity, collaboration, authorship and impact

地址：

http://arxiv.org/abs/2003.12519

作者：

Jichao Li, Yian Yin, Santo Fortunato, Dashun Wang

摘要：在整个历史中，相对少数的人对科学和社会产生了深远而持久的影响。尽管长期以来，人们对理解精英科学家的职业有着浓厚的兴趣，但对于定量，职业水平分析的尝试却很少。在这里，我们利用组装好的综合数据集，可以追溯过去一个世纪几乎所有诺贝尔物理学奖获得者的物理学，化学，生理学或医学的整个职业历史。我们发现，尽管诺贝尔奖获得者从一开始就是精力充沛的制作人，他们的作品获得了异常高的影响力，但在获奖之前，他们的职业遵循与普通科学家相对类似的模式，其特征是火爆的条纹和对合作的日益依赖。我们还发现了他们职业生涯中的显著变化，通常与诺贝尔奖有关，包括获奖作品中共同作者结构的变化，以及他们在获得诺贝尔奖后所产生的工作影响有很大但暂时的下降。这些结果共同证明了控制科学精英职业的量化模式，为更深入地了解科学卓越职业的标志提供了经验基础。