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

失去象牙塔：大学生对 COVID-19 大流行的反应与普通民众不同;
关于疫情增长的实时预测的不确定性：中国和意大利的 COVID-19 案例研究;
西班牙和荷兰的趋势比较：冠状病毒传播的动态区室模型;
发烧和流动性数据表明美国社会疏远降低了传染病的发生率;
COVID 19，一种针对印度特定疾病的饱和，生长和衰退的现实模型;
莫斯科和俄罗斯地区 COVID-19 传播的数学模型;
危机中的隐私：冠状病毒大流行期间自我披露的研究;
研究高传染性疾病传播的微观方法;
评估基于位置的社交媒体的相对意见：以 2016 年美国总统大选为例;
那个消息会火？！推文传播的探索性分析和情感分析;
社会媒体上的回声室：比较分析;
用于改进聚类的基于流的算法：统一的框架，软件和性能;
多层网络的新社区定义及其高效计算的新方法;
用位点渗滤解决方案来防止 Phytophthora 游动孢子在人工林中繁殖;
通过潜在的用户 GPS 数据和兴趣点融合发现城市功能区;
隔离通过检测不可靠的评分评论来欺骗 Yelp 的用户;
在 Facebook 上自动识别政治广告：通过用户定位来了解操作;
强一致性，图拉普拉斯算子和随机块模型;
定义和识别网络的最佳嵌入维度;
通过图表征探索 EOSIO;
概率图模型推论的严格解释;
体育和政治混合吗？大联盟体育和总统候选人球迷基础的交叉分析;
anyMOD——基于图的框架的能源系统建模，具有高水平的可再生能源和行业整合;

失去象牙塔：

大学生对 COVID-19

大流行的反应与普通民众不同

原文标题：

The Ivory Tower Lost: How College Students Respond Differently than the General Public to the COVID-19 Pandemic

地址：

http://arxiv.org/abs/2004.09968

作者：

Viet Duong, Phu Pham, Tongyu Yang, Yu Wang, Jiebo Luo

摘要： 最近，新型冠状病毒疾病-2019（COVID-19）的大流行给各国政府带来了最终挑战。在美国，COVID-19感染病例确诊率最高的国家，总统实施了全国性的社会疏远协议。自1918年流感大流行以来，这是一百年来的第一次，美国居民被迫留在家中并避免与公众接触。结果，大多数公共场所和服务已经停止运营。华盛顿大学3月7日停课后，美国超过一千所大学取消了面对面的课堂和校园活动，影响了数百万学生。本文旨在通过挖掘人们在社交媒体上的观点，来发现这种互动性社会前所未有的颠覆性对社会公众和高等教育人群的社会影响。我们发现大量嵌入到COVID-19推文中的几个主题代表了与大流行相关的最核心问题，这是大学生和公众都非常关注的问题。此外，就他们对COVID-19问题表达的观点而言，我们发现这两组Twitter用户之间存在显著差异。据我们所知，这是第一个基于社交媒体的研究，其研究重点是大学生群体的人口统计数据以及在重大危机期间对流行的社会问题的反应。

关于疫情增长的

实时预测的不确定性：中国和

意大利的COVID-19案例研究

原文标题：

On the uncertainty of real-time predictions of epidemic growths: a COVID-19 case study for China and Italy

地址：

http://arxiv.org/abs/2004.10060

作者：

Tommaso Alberti, Davide Faranda

摘要：尽管COVID-19在全球范围内迅速传播，但提供实时流行病预测的需求使动态和统计模型无法满足其现有数据的需求。在这里，我们着重于通过将渐近分布拟合到实际数据来执行的COVID-19感染的统计预测。通过对中国各省和意大利地区的总COVID-19感染的流行趋势进行案例研究，我们发现预测的特征是在流行的早期阶段存在很大的不确定性。在达到流行病高峰之后，这些不确定性将大大降低。区域一级预测的不确定性差异可以用来突出病毒传播的延迟。我们的结果警告说，对流行病计数的长期推断必须格外小心，因为由于基本动力学的内在非线性性质，它们不仅至关重要地取决于数据的质量，而且还取决于流行病的阶段。这些结果表明，实时流行病学预测应包括较大的不确定性范围，并敦促需要汇编高质量的感染计数数据集，包括无症状患者。

西班牙和荷兰的趋势比较：

冠状病毒传播的动态区室模型

原文标题：

The comparison of trends in Spain and the Nederland: a Dynamical compartment model of the transmission of Coronavirus

地址：

http://arxiv.org/abs/2004.09874

作者：

Victoria Lopez, Milena Čukić

摘要：最近冠状病毒的传播使许多国家施加限制，以控制其对公民的危险影响。我们开发了基于隔室SIR系统的理论动力学模型，并从流网络和马尔科夫链框架中进行了额外调整，以根据公开数据说明发展和趋势。基于此模型，R中的代码由来自西班牙和荷兰的授权政府网站上盖章的可公开获得的数据编写并提供，以比较趋势。我们的结果表明，两国的感染“高峰”已经在我们身后，但也表明存在传播反弹的危险。显然，所采取的措施正在取得成果，但由于大多数人口仍然没有豁免权，我们应该对近期的做法和事态发展pre之以鼻。

发烧和流动性数据表明美国

社会疏远降低了传染病的发生率

原文标题：

Fever and mobility data indicate social distancing has reduced incidence of communicable disease in the United States

地址：

http://arxiv.org/abs/2004.09911

作者：

Parker Liautaud, Peter Huybers, Mauricio Santillana

摘要：2020年3月，美国许多州政府鼓励或强制要求限制社交互动，以减缓COVID-19的传播速度，该疾病是由新型冠状病毒SARS-CoV-2引起的，已传播至近180个国家。由于对COVID-19的监视受到限制，因此评估这些社会疏远策略的有效性具有挑战性，对于高风险或住院病例，通常根据时间和区域变化的标准来优先进行测试。在这里，我们显示，通过智能温度计捕获的在至少100例确诊的COVID-19病例中，美国各县之间的流动性降低导致发烧率的降低，平均滞后时间为6.5天（3—10天内为90％）天），与COVID-19的潜伏期一致。此外，除了纽约市及其附近地区外，流动性下降较大的县随后发烧量也有较大的下降（ p <0.01 ）。这些结果表明，社会隔离减少了像COVID 19等流感样疾病的传播，并支持社会隔离作为减缓COVID-19传播的有效策略。

COVID 19，一种针对印度特定疾

病的饱和，生长和衰退的现实模型

原文标题：

COVID 19, a realistic model for saturation, growth and decay of the India specific disease

地址：

http://arxiv.org/abs/2004.09912

作者：

V. K. Jindal

摘要：这项工作提出了一种简单而现实的方法来处理印度的COVID-19患者的可用数据并预测情况。提议的模型基于诸如锁定的开始（政府在第25天宣布 tau 0以及由平均寿命恢复时间 tau 1决定的恢复模式（通常说为（大约14天）。已使用2020年3月2日至2020年4月16日的COVID-19感染者的数据来拟合感染，康复和死亡计数的演变。指数增长缓慢，R0接近1 发现图6表示感染计数，几乎表示线性上升，其余的数据增长，饱和和衰减通过结合锁定时间控制的R0来全面建模，具有正常误差函数，例如行为在某个时间范围内衰减为零。tau 2。恢复平均寿命 tau 1决定了峰值和衰减，未来几天的预测结果有趣而乐观，根据实验数据引入的时间常数包括恢复率和恢复时间。确定时间跨度锁定后R0的活动是争论的话题，并为引入触发因素以使其更适合模型提供了可能性。该模型可以扩展到具有其自己的R0和恢复时间参数的其他社区。

莫斯科和俄罗斯地区

COVID-19 传播的数学模型

原文标题：

Mathematical Modeling of the Spread of COVID-19 in Moscow and Russian Regions

地址：

http://arxiv.org/abs/2004.10118

作者：

E.M. Koltsova, E.S. Kurkina, A.M. Vasetsky

摘要：为了模拟COVID-19冠状病毒在俄罗斯地区和莫斯科的传播，使用了描述病例数增加的离散逻辑方程。为了检验数学模型的正确性，将模拟结果与冠状病毒在中国，欧洲和亚洲一些国家以及美国的传播进行了比较。在区间（01.03-08.04）中确定了俄罗斯，莫斯科和其他大区域的物流方程参数。提出了对不同国家和地区COVID-19感染人口增长率的比较分析。考虑了在莫斯科和俄罗斯地区传播COVID-19冠状病毒的各种情况。对于每种情况，都获得了每日新病例的曲线和病例总数增加的图表，并研究了感染每天传播的动态。确定高峰时间，流行时期，高峰期的感染人数及其增长。

危机中的隐私：冠状病毒

大流行期间自我披露的研究

原文标题：

Privacy in Crisis: A study of self-disclosure during the Coronavirus pandemic

地址：

http://arxiv.org/abs/2004.09717

作者：

Taylor Blose, Prasanna Umar, Anna Squicciarini, Sarah Rajtmajer

摘要：我们研究了在2020年3月1日至4月3日期间的一个由用户主导的关于冠状病毒大流行的英语对话的Tweets大型数据集中观察到的自我披露发生率。使用一种无监督方法来检测自愿披露个人信息，我们提供了早期证据，表明围绕冠状病毒大流行的情况因素可能会影响个人的隐私演算。文本分析揭示了在Twitter上自我公开的对话中话题向支持和寻求支持的转变。我们对哈维飓风的推文进行了可比的分析，以提供观察到的影响的背景并提供进一步研究的机会。

研究高传染性疾病传播的微观方法

原文标题：

A microscopic approach to study the onset of a highly infectious disease spreading

地址：

http://arxiv.org/abs/2004.09554

作者：

Krithika Rathinakumar, Annalisa Quaini

摘要：我们将行人动力学模型与接触追踪方法相结合，以模拟在密闭环境中高传染性空气传播疾病的初始传播。我们关注的是中等规模的人口（最多1000人），感染人数很少（1或2），其余的人分为免疫和易感人群。我们采用空间连续模型，该模型通过作用于行人的力来表示行人动力学，即基于微观力的模型。一旦离散化，该模型将产生一个高阶二阶常微分方程组。在将联系追踪添加到行人动力学模型之前，我们校准模型参数，根据经验数据验证模型，并表明可以捕获行人的自组织。我们考虑通过在患病者周围引入疾病域的一种明确的联系人跟踪方法。一个健康但易感的人在疾病域中停留了一定时间可能会被感染（具有规定的概率）并成为所谓的第二接触。作为模拟疾病传播开始的具体环境，我们考虑两个美国机场的候机楼：休斯敦的霍比机场和亚特兰大国际机场。我们考虑了不同的情况，并量化了随着给定终端的人口密度提高，免疫人员比例下降，主要联系人数量增加以及高密度区域（例如登机巴士），次级联系人平均数量的增加）存在。

评估基于位置的社交媒体的相对

意见：以2016年美国总统大选为例

原文标题：

Measuring relative opinion from location-based social media: A case study of the 2016 U.S. presidential election

地址：

http://arxiv.org/abs/2002.00854

作者：

Zhaoya Gong, Tengteng Cai, Jean-Claude Thill, Scott Hale, Mark Graham

摘要：社交媒体已成为民意收集中民意测验的一种新兴替代方法，尽管它作为无源数据源仍面临许多挑战，例如无结构性，可量化性和代表性。带有地理标签的社交媒体数据为揭露表达其意见的用户的地理位置提供了新的机会。本文旨在回答两个问题：1）是否可以从社交媒体获得可量化的民意测评；2）与民意测验相比，民意测验是否可以提供更好或补充的测评。这项研究提出了一种新颖的方法来衡量Twitter用户对公共问题的相对意见，以适应更复杂的意见结构并利用与公共问题有关的地理优势。为了确保这项新措施在技术上可行，开发了一个建模框架，其中包括通过采用最新方法并设计一种新的深度学习方法（称为意见导向的词嵌入）来构建训练数据集。通过对2016年美国总统大选的推文进行案例研究，我们展示了相对意见方法的预测优势，并展示了它如何有助于视觉分析和支持意见预测。尽管事实证明相对民意测验比民意测验更可靠，但我们的研究还表明，前者可以有利地补充民意测验。

那个消息会火？！推文

传播的探索性分析和情感分析

原文标题：

That Message Went Viral?! Exploratory Analytics and Sentiment Analysis into the Propagation of Tweets

地址：

http://arxiv.org/abs/2004.09718

作者：

Jim Samuel, Myles Garvey, Rajiv Kashyap

摘要：信息交换和消息传播已从传统媒体转移到社交媒体平台。Twitter等平台上的消息已成为公司交流的默认模式，取代了冗长的公告和更新。企业和组织已经越来越多地使用Twitter与利益相关者建立联系。因此，重要的是了解通过Twitter成功进行信息交换和消息传播的关键驱动力。我们对超过100万条Tweets的数据集进行了探索性分析，其中包括40,000多条潜在Tweets，并进一步过滤到18,000条Tweets。我们确定了最受欢迎的消息，并分析了多个内源维度上的推文，包括内容，情感，动机和丰富度，以及诸如基本事件，社会学习和行动主义等外源维度。我们发现了一些有趣的模式并发现了新的见解，以帮助研究人员和从业人员更好地了解流行的病毒推文的行为。我们还进行了情绪分析，并提出了一个早期模型来解释推文的表现。

社会媒体上的回声室：比较分析

原文标题：

Echo Chambers on Social Media: A comparative analysis

地址：

http://arxiv.org/abs/2004.09603

作者：

Matteo Cinelli, Gianmarco De Francisci Morales, Alessandro Galeazzi, Walter Quattrociocchi, Michele Starnini

摘要：最近的研究表明，在线用户倾向于选择遵循其信仰体系的信息，忽略不符合其要求的信息，并围绕共享叙述加入小组（即回声室）。尽管仍然缺少用于识别它们的定量方法，但是回声腔的现象在科学和政治层面都受到了广泛的争论。为了阐明这一问题，我们介绍了回声室的操作定义，并对1M用户在四个社交媒体平台（Facebook，Twitter，Reddit和Gab）上产生的超过1B条内容进行了大规模比较分析。我们推断出用户对有争议的话题（从疫苗到流产）的倾向，并通过分析不同的功能（例如共享链接域，关注页面，关注者关系和评论帖子）来构建其交互网络。我们的方法从两个主要方面对回声腔的存在进行了量化：交互网络中的同构性和信息传播偏向于有想法的同伴的偏向。我们发现社交媒体之间存在独特的差异。确实，尽管Facebook和Twitter在所有观察到的数据集中都提供了清晰的回声室，但Reddit和Gab却没有。最后，通过比较Reddit和Facebook，我们测试了社交媒体平台在新闻消费中的作用。再次，我们发现支持以下假设的假设：实现新闻提要算法的平台（如Facebook）可能会引起回声腔的出现。

用于改进聚类的基于流的

算法：统一的框架，软件和性能

原文标题：

Flow-based Algorithms for Improving Clusters: A Unifying Framework, Software, and Performance

地址：

http://arxiv.org/abs/2004.09608

作者：

K. Fountoulakis, M. Liu, D. F. Gleich, M. W. Michael

摘要：向量空间中的点或图中的节点的聚类是统计数据分析中普遍存在的原语，通常用于探索性数据分析。在实践中，精炼”或改善’’通过某种其他方法获得的给定簇通常是令人感兴趣的。在本次调查中，我们专注于针对此集群改进问题的原理算法。许多这样的集群改进算法是基于流的方法，通过这种方法，我们的意思是在操作上它们要求在（通常是隐式）修改后的数据图上解决一系列最大流问题。这些聚类改进算法在理论上和实践上都很强大，但是在诸如社区检测，局部图聚类，半监督学习等问题上并未得到广泛采用。可能的原因是：这些算法；缺乏高效且易于使用的软件；缺乏对现实世界数据进行详细的数值实验来证明其有用性。我们的目标是解决这些问题。为此，我们将指导读者进行了解如何实现和应用这些强大算法的整个过程。我们提出了一个统一的分数编程优化框架，该框架使我们能够以简单的方式提炼所有这些算法的关键组成部分。这也使相关方法之间存在明显的异同。通过分数编程框架查看这些集群改进算法，为将来的算法开发提供了方向。最后，我们在LocalGraphClustering python软件包中开发了这些算法的有效实现，并且我们进行了广泛的数值实验，以证明这些方法在社会网络和基于图像的数据图上的性能。

多层网络的新社区定义

及其高效计算的新方法

原文标题：

A New Community Definition For MultiLayer Networks And A Novel Approach For Its Efficient Computation

地址：

http://arxiv.org/abs/2004.09625

作者：

Abhishek Santra, Kanthi Sannappa Komar, Sanjukta Bhowmick, Sharma Chakravarthy

摘要：随着使用多层网络（MLN）进行建模和分析的日益普及，提出涵盖MLN所代表的多个功能的社区定义并开发用于在MLN上高效计算社区的算法变得越来越重要。当前，用于MLN的社区是基于使用不同技术（独立于类型，基于投影等）将网络聚合为单个图并在这些图上应用单图社区检测算法（例如Louvain和Infomap）。此过程导致不同类型的信息丢失（语义和结构）。据我们所知，本文首次提出了异构MLN（或HeMLN）社区的定义，该定义保留了语义和结构。此外，我们的基本定义可以扩展为根据需要适当匹配分析目标。在本文中，我们提出了HeMLN的结构和语义保留社区定义，该结构与单个图的传统定义兼容并且是传统图的扩展。我们还提出了使用新提出的去耦方法进行有效计算的框架。首先，我们为HeMLN的连接的k层定义一个k社区。然后，我们提出了使用二部图配对概念进行计算的一系列算法。此外，为了进行更广泛的分析，我们介绍了几种配对算法和权重度量，用于使用参与的社区特征组成二进制HeMLN社区。本质上，这导致了社区计算的扩展系列。我们提供了广泛的实验结果，以展示使用流行的IMDb和DBLP数据集的拟议计算的效率和分析灵活性。

用位点渗滤解决方案

来防止 Phytophthora

游动孢子在人工林中繁殖

原文标题：

Site-bond percolation solution to preventing the propagation of Phytophthora zoospores on plantations

地址：

http://arxiv.org/abs/2004.09644

作者：

J. E. Ramírez, C. Pajares, M. I. Martínez, R. Rodríguez Fernández, E. Molina-Gayosso, J. Lozada-Lechuga, A. Fernández Téllez

摘要：我们提出一种基于位点结合渗滤的策略，以最大程度地减少 Phytophthora游动孢子在人工林上的繁殖，其中包括在相邻植物之间引入物理屏障。区分了两个聚类过程：i）一种在土壤中检测到病原体的细胞；ii）通过目视检查人工林发现的病态植物。前者通过标准的位键渗滤得到了很好的描述。在后者中，当没有引入障碍时，渗透阈值由Tsallis分布拟合。对于这两种情况，我们都提供了最小势垒密度的公式，以防止生成跨越群集。尽管这项工作集中于特定的病原体，但此处介绍的模型也可以用于防止其他病原体通过其他方式从一种植物传播到附近的植物。最后，还显示了该策略在三种类型的商业上重要的墨西哥辣椒植物中的应用。

通过潜在的用户 GPS 数据

和兴趣点融合发现城市功能区

原文标题：

Discovering Urban Functional Zones By Latent Fusion of Users GPS Data and Points of Interests

地址：

http://arxiv.org/abs/2004.09720

作者：

Wen Tang, Alireza Chakeri, Hamid Krim

摘要：随着社会经济学的飞速发展，发现功能区的任务对于更好地理解社会活动与空间位置之间的相互作用变得至关重要。在本文中，我们提出了一个通过分析城市结构和社会行为来发现功能区的框架。通过融合兴趣点（POI）和人类活动的语义含义来学习区域的潜在表示，该方法模拟了空间位置和人类活动之间的内部影响。然后，基于空间的无监督聚类方法，即条件随机场（CRF），使用其空间信息和判别表示将其应用于聚合区域。同样，我们估计区域的功能并通过归一化POI分布之间的差异（适当地对各种功能进行排名）对它们进行注释。当探索无偏的和真实的功能区时，该框架能够正确地解决稀疏POI数据中的有偏类别。为了验证我们的框架，通过使用非常大的真实世界用户来自罗利市的GPS和POI数据对案例研究进行了评估。结果表明，所提出的框架比基准可以更好地识别功能区，因此可以在实际条件下以更精细的粒度增强对城市结构的理解。

隔离通过检测不可靠的

评分评论来欺骗Yelp的用户

原文标题：

Quarantine Deceiving Yelp’s Users by Detecting Unreliable Rating Reviews

地址：

http://arxiv.org/abs/2004.09721

作者：

Viet Trinh, Vikrant More, Samira Zare, Sheideh Homayon

摘要：在决策过程中，在线评论不仅对消费者而且对公司而言，已经成为一种宝贵而重要的资源。在没有可信系统的情况下，高度受欢迎且值得信赖的Internet用户将被视为可信圈子的成员。在本文中，我们描述了我们对隔离欺骗性Yelp用户的关注，这些用户在桥接评论网络（BRN）中同时采用了评论峰值检测（RSD）算法和垃圾邮件检测技术，并提取了关键特征。我们发现，Yelp帐户中80％以上的帐户不可靠，而80％以上信誉良好的企业也遭到了垃圾邮件的攻击。

在 Facebook 上自动识别

政治广告：通过用户定位来了解操作

原文标题：

Automatically Identifying Political Ads on Facebook: Towards Understanding of Manipulation via User Targeting

地址：

http://arxiv.org/abs/2004.09745

作者：

Or Levi, Sardar Hamidian, Pedram Hosseini

摘要：俄罗斯干预2016年美国大选的报道引起了公众关注，这涉及外国行为者增加社会不和并出于政治目的利用个人用户数据的能力。它引起了关于可用于创建心理资料的数据的方式和程度的问题，以确定哪种广告最能有效地说服特定地点的某个人参加某项政治事件。在这项工作中，我们研究了美国非营利新闻编辑室ProPublica在2018年美国中期选举之前的一段时间内使用志愿者网络收集的政治广告数据集。我们首先描述数据的主要特征，并通过一系列交互式插图来探索用户属性，包括年龄，区域，活动等。此外，通过用户定位低估政治操纵的重要第一步是识别与政治相关的广告，但是由于社交媒体广告的规模，手动检查广告是不可行的。因此，我们解决了在政治广告和非政治广告之间自动分类的挑战，与ProPublica使用的当前基于文本的分类器相比，展示了显著的进步，并研究了用户定位属性是否对这项任务有利。我们的评估揭示了一些问题，例如如何将用户属性用于政治广告定位以及哪些用户更容易被政治广告定位。总体而言，我们对数据探索，政治广告分类和针对定位属性的初步分析的贡献旨在支持ProPublica数据集的未来工作，尤其是在通过用户定位了解政治操纵方面。

强一致性，图拉普拉斯算子和随机块模型

原文标题：

Strong Consistency, Graph Laplacians, and the Stochastic Block Model

地址：

http://arxiv.org/abs/2004.09780

作者：

Shaofeng Deng, Shuyang Ling, Thomas Strohmer

摘要：谱聚类已经成为数据聚类和社区检测中最流行的算法之一。我们通过图拉普拉斯算子研究经典两步谱聚类的性能，以学习随机块模型。我们的目的是回答以下问题：何时通过图拉普拉斯算子进行谱聚类能够实现强一致性，即底层隐藏社区的准确恢复？我们的工作提供了与随机块模型采样的邻接矩阵相关联的未规范化和规范化拉普拉斯算子的Fielder特征向量的逐项分析（ ell _ infty 范数摄动边界）。我们证明谱聚类能够在与信息论极限相匹配的条件下实现种植群落结构的精确恢复。

定义和识别网络的最佳嵌入维度

原文标题：

Defining and identifying the optimal embedding dimension of networks

地址：

http://arxiv.org/abs/2004.09928

作者：

Weiwei Gu, Aditya Tandon, Yong-Yeol Ahn, Filippo Radicchi

摘要：网络嵌入是一种通用的机器学习技术，可以对向量空间中具有可调维的网络结构进行编码。选择合适的嵌入尺寸-小到可以有效使用而大到可以有效使用-很有挑战性，但是对于生成适用于多种任务的嵌入来说是必要的。与大多数现有技术依赖于下游任务中的性能最大化不同，在此我们提出一种用于确定最佳维度的原则方法，以便对网络的所有结构信息进行简约编码。该方法已在各种嵌入算法和大量实际网络中得到验证。实际网络中最佳维度的估计值表明，通常可以在低维度空间中进行有效编码。

通过图表征探索EOSIO

原文标题：

Exploring EOSIO via Graph Characterization

地址：

http://arxiv.org/abs/2004.10017

作者：

Yijing Zhao, Jieli Liu, Qing Han, Weilin Zheng, Jiajing Wu

摘要：EOSIO专为商业分散式应用程序（DApps）设计，是基于委托权益证明（DPoS）的区块链系统。它以其出色的功能（例如免费使用，高吞吐量和生态友好）克服了比特币和以太坊等传统区块链系统的不足，从而成为主流的区块链系统之一。尽管EOSIO中存在数十亿笔交易，但EOSIO的生态系统仍相对未开发。为了填补这一空白，我们通过调查EOSIO的四个主要活动，即帐户创建，帐户投票，汇款和合同授权，对EOSIO进行了系统的图分析。我们通过图度量分析获得了一些新颖的观察结果，我们的结果揭示了一些异常现象，例如投票团伙和假交易。

概率图模型推论的严格解释

原文标题：

Rigorous Explanation of Inference on Probabilistic Graphical Models

地址：

http://arxiv.org/abs/2004.10066

作者：

Yifei Liu, Chao Chen, Xi Zhang, Sihong Xie

摘要：概率图模型（例如Markov随机字段（MRF））利用随机变量之间的依存关系对丰富的联合概率分布族进行建模。复杂的推理算法，例如信念传播（BP），可以有效地计算边后验。尽管如此，对于重要的人类决策，仍然难以解释推理结果。没有现有的方法将推理结果严格归因于图模型的影响因素。Shapley值提供了一个公理的框架，但是天真地计算或近似于通用图模型上的值是具有挑战性的，并且研究较少。我们提出GraphShapley，以一种有原则的方式整合Shapley值的可分解性，MRF的结构以及BP推理的迭代性质，以进行快速的Shapley值计算，即1）系统地列举了解释变量对Shapley值的重要贡献而没有重复; 2）逐步计算出的贡献，而无需从头开始。从理论上讲，我们对GraphShapley的独立性，均等贡献和可加性进行了表征。在九张图上，我们证明GraphShapley提供了明智而实用的解释。

体育和政治混合吗？

大联盟体育和总统

候选人球迷基础的交叉分析

原文标题：

Do Sports and Politics Mix? Cross-Analysis of Fan Bases of Major League Sports and Presidential Candidates

地址：

http://arxiv.org/abs/2004.10142

作者：

Shuaidong Pan, Faner Lin, Jiebo Luo

摘要：考虑到体育和政治以非常复杂的方式相互作用的事实，该跨学科领域在数据科学研究中仍未触及。考虑到NBA和NFL等主要体育联盟拥有庞大的球迷基础，因此对于我们来说，了解体育迷与他们的政治偏好之间的隐秘关系以及这些偏好如何影响他们在支持不同候选人方面的举动对我们来说至关重要。在总统大选期间。利用Twitter丰富的用户数据，我们提出了一个新的指标，国会忠诚度评分，可以更准确地对候选人的偏好进行建模。使用拟议的指标，可以在体育级别，州级别和团队级别对具有强烈政治联系的粉丝进行细粒度的分析。尽管某些发现符合以前的研究和报告，但我们还为所有发现提供了更新的见解和定量证据。

anyMOD——基于图的

框架的能源系统建模，

具有高水平的可再生能源和行业整合

原文标题：

anyMOD — A graph-based framework for energy system modelling with high levels of renewables and sector integration

地址：

http://arxiv.org/abs/2004.10184

作者：

Leonard Göke

摘要：实现气候目标要求以可再生能源作为主要能源来替代化石燃料。这意味着将直接或通过合成燃料间接使用的风能和太阳能所产生的电力扩展到电力领域之外。对向这种能源系统的转换进行建模具有挑战性，因为它需要考虑风和太阳能的波动以及系统可以针对这些波动进行调整的多种方式。本文介绍了anyMOD框架及其基于图的方法来应对这些挑战。通过在有根的树中组织集，可以实现两个功能，以促进对高比例的可再生能源和行业整合进行建模。首先，时间和空间细节的水平可以通过能量载体来改变。结果，可以减小模型尺寸而不会降低应用于波动的可再生能源的细节水平。此外，可以考虑系统在气体网络中的固有灵活性。其次，可以对能量载体的替代进行建模，以取决于相应的环境-转换，存储，运输或需求。这实现了部门整合如何能够提供灵活性的广泛表示。