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

量化美国社会疏离政策对COVID-19结果的预期影响;
COVID-19传播中的异质性接触网络：社会剥夺的作用;
多组SEIR模型中的异质性社交互动和COVID-19锁定后果;
利用地震噪声捕获中国和意大利的COVID-19社会反应;
使用Twitter数据进行主动控制危机的早期爆发检测：COVID-19，在美国的案例研究;
社区检测的多尺度演化扰动攻击;
最大拟群的可规模化挖掘：一种算法-系统协同设计方法;
比特币交易网络：近期结果概述;
创新过程中的泰勒定律;
马尔可夫链和网络块模型中的状态聚集;
金融网络的双曲几何;
工作组映射：协作文化的可视化分析;
从网络特征值中找到电阻距离和特征向量中心性;
具有链接隐私的安全网络发布;

量化美国社会疏离政策对

COVID-19结果的预期影响

原文标题：

Quantifying Projected Impact of Social Distancing Policies on COVID-19 Outcomes in the US

地址：

http://arxiv.org/abs/2005.00112

作者：

Chaoqi Yang, Ruijie Wang, Fangwei Gao, Dachun Sun, Jiawei Tang, Tarek Abdelzaher

摘要：从长远来看，目前阻碍COVID-19的社会隔离措施（如居家隔离）在经济上是不可持续的。需要模型来理解这些措施可能的放松选择的含义。我们报告了这样的模型，并结合了相应的参数估计技术和预测结果，并借鉴了其他领域的见解；即信息级联。我们的模型假设不再可能将病毒包含在孤立的区域中。取而代之的是，我们探索降低传播速度的选项。我们在“假设”情景下预测不同地理区域的COVID-19传染趋势，以了解潜在政策决策对区域趋势的影响。我们的模型允许尝试其他政策，我们希望这些政策在卫生系统能力和经济影响方面都能为社会带来可行的成果。我们将模型应用于美国30多个受到严重影响的州，并在

https://covid19predictions.csl.illinois.edu/ 上公布了结果。

COVID-19传播中的异质性

接触网络：社会剥夺的作用

原文标题：

Heterogeneous contact networks in COVID-19 spreading: the role of social deprivation

地址：

http://arxiv.org/abs/2005.00491

作者：

Arnab Majumdar, Anita Mehta

摘要：本文有两个主要目标。首先，我们使用疾病在网络上传播的理论，基于个体接触来研究COVID-19流行病——这些理论产生的预测通常与通常使用的同质混合方法大不相同。我们的第二个目标是再次以网络为基础，研究社会剥夺在这一流行病蔓延中的作用。我们选择加尔各答市作为案例研究，但断言所获得的见解适用于人口稠密且社会不平等现象普遍的各种城市环境。我们发现的热点预测与目前根据经验被识别为收容区的预测非常吻合，并为确定潜在的关注区域提供了有用的指导。

多组SEIR模型中的异质性

社交互动和COVID-19锁定后果

原文标题：

Heterogeneous social interactions and the COVID-19 lockdown outcome in a multi-group SEIR model

地址：

http://arxiv.org/abs/2005.00049

作者：

Jean Dolbeault, Gabriel Turinici

摘要：我们研究SEIR模型的变体，以解释法国Covid-19流行病统计数据的一些定性特征。标准SEIR模型实质上区分了两种方案：要么控制了疾病，感染者的数量迅速减少；要么疾病扩散并污染了很大一部分人口，直到实现了畜群免疫。锁定之后，乍一看似乎社会隔离还不足以控制爆发。我们在这里讨论一种可能的解释，即封锁正在造成社会异质性：即绝大多数人口符合封锁规则，一小部分人口仍必须保持正常或较高水平的社会互动。如通过重新估计基本再生产比率来衡量，这显然导致了高水平的流行病传播。但是，这些措施仅限于平均值，而人群内部的差异在疫情爆发的高峰和规模上起着至关重要的作用，并且往往降低这两个指标。我们提供理论和数值结果来维持这种观点。

利用地震噪声捕获中国和

意大利的COVID-19社会反应

原文标题：

COVID-19 societal response captured by seismic noise in China and Italy

地址：

http://arxiv.org/abs/2005.00131

作者：

Han Xiao, Zachary Eilon, Chen Ji, Toshiro Tanimoto

摘要：频率高于1 Hz的地震噪声通常被称为文化噪声，通常与人类活动有很好的关联。最近，中国大陆和意大利的城市针对COVID-19实施了锁定限制，这为我们提供了前所未有的机会来研究1 Hz以上的地震噪声与人类活动之间的关系。使用来自中国和意大利的地震记录，我们发现1 Hz以上的地震噪声主要是由当地的交通系统产生的。城市的封锁和移动限制的施加导致中国大陆的地震噪声能量降低了约4-12 dB。数据还显示，不同的中国城市经历了不同的文化噪音减弱时期，这与当地对该流行病的反应不同有关。相反，在意大利被锁定后，意大利的地震噪声能量仅降低了1-6 dB。噪声数据表明，意大利的交通流量没有减少多少，但显示了不同城市对封锁条件的明显反应。

使用Twitter数据进行

主动控制危机的早期爆发检测：

COVID-19，在美国的案例研究

原文标题：

Early Outbreak Detection for Proactive Crisis Management Using Twitter Data: COVID-19 a Case Study in the US

地址：

http://arxiv.org/abs/2005.00475

作者：

Erfaneh Gharavi, Neda Nazemi, Faraz Dadgostari

摘要：在疾病暴发期间，及时的非医学干预对于防止疾病发展成流行病并最终导致大流行至关重要。但是，采取快速措施需要具有检测爆发的预警信号的能力。这项工作收集了围绕2020年COVID-19大流行的Twitter帖子，这些帖子表达了COVID-19的最常见症状，包括咳嗽和发烧，这些症状都分布在美国。通过检查各州Twitter活动的变化，我们观察到症状报告推文数量与官方报告的阳性案例数量增加之间存在时间滞后，介于5到19天之间。

社区检测的多尺度演化扰动攻击

原文标题：

Multiscale Evolutionary Perturbation Attack on Community Detection

地址：

http://arxiv.org/abs/1910.09741

作者：

Jinyin Chen, Yixian Chen, Lihong Chen, Minghao Zhao, Qi Xuan

摘要：旨在基于节点的连接对节点进行分组的社区检测在网络分析中起着重要作用，因为将社区视为元节点，可以使我们创建网络的大规模地图以简化其分析。但是，出于隐私原因，我们可能希望阻止在某些情况下发现社区，从而引发有关社区欺骗的主题。在本文中，我们从三个方面对这个社区检测攻击问题进行了形式化，包括全局攻击（宏观），目标社区攻击（中尺度）和目标节点攻击（微观尺度）。我们将其视为优化问题，并进一步提出了一种新颖的演化扰动攻击（EPA）方法，其中我们生成对抗性网络以实现社区检测攻击。数值实验证明，我们的EPA可以成功地在所有三个尺度上攻击网络社区算法，即隐藏目标节点或社区，并且仅改变一小部分链路就可以进一步扰乱整个网络的社区结构。相比之下，我们的EPA在六个合成网络和三个现实网络上的行为优于许多基准攻击方法。更有趣的是，尽管我们的EPA基于Louvain算法，但它在攻击其他社区检测算法方面也很有效，证明了其良好的可移植性。

最大拟群的可规模化挖掘：

一种算法-系统协同设计方法

原文标题：

Scalable Mining of Maximal Quasi-Cliques: An Algorithm-System Codesign Approach

地址：

http://arxiv.org/abs/2005.00081

作者：

Guimu Guo, Da Yan, M. Tamer Özsu, Zhe Jiang

摘要：给定用户指定的最小度阈值 gamma， gamma-准clique是一个子图，其中每个顶点至少连接到其他顶点的 gamma个分数。众所周知，使用最先进的算法仅能尺度到具有数千个顶点的小图，因此挖掘最大拟似然的代价非常昂贵。这阻碍了它在涉及大图的实际应用中的普及。我们开发了一个名为G-thinker的基于任务的系统，用于大规模并行图挖掘，这是第一个随CPU内核数量扩展的图挖掘系统。G-thinker提供了一个难得的机会来扩展计算密集型准爬山挖掘。本文设计了并行算法，用于在G-thinker上挖掘可扩展到大图的最大拟气候。我们的算法遵循分而治之的思想，该思想将挖掘大图的问题划分为挖掘较小子图的任务。但是，我们发现，由于不同任务的运行时间完全不同，因此直接应用G-thinker是不够的，这违反了G-thinker的原始设计假设，需要系统进行重新锻造。我们还观察到，仅从子图中提取的功能来看，任务的运行时间是高度不可预测的，从而导致难以确定昂贵的任务以分解以进行并发处理，并且基于大小阈值的分区对某些任务而言分区不足，而对分区则过度其他情况会导致不良的负载平衡和巨大的任务划分开销。我们通过提出一种新颖的延时分而治之策略来解决此问题，该策略在实际挖掘上花费的工作量与平衡工作量的成本之间取得了平衡。大量的实验证明，我们的G-thinker算法可以根据CPU内核的数量进行完美尺度，在小型集群中在具有1M多个顶点的图上运行时，可以实现300倍的加速。

比特币交易网络：

近期结果概述

原文标题：

Bitcoin Transaction Networks: an overview of recent results

地址：

http://arxiv.org/abs/2005.00114

作者：

Nicolò Vallarano, Claudio Tessone, Tiziano Squartini

摘要：加密货币是允许参与者之间交换本机（和非）令牌的分布式系统。完整的历史记录及其广泛的可用性开辟了前所未有的可能性，即了解其网络结构的演变，同时获得有关交易所市场中用户行为与加密货币定价之间关系的有用见解。在本文中，我们回顾了有关比特币交易网络的结构特性的最新结果，这是一个通用名称，涉及一组不同的构造：比特币地址网络，比特币用户网络和比特币闪电网络。通过对所有这些因素的分析得出的共同画面是随着时间的推移而增长的系统，该系统变得越来越稀疏，并且在介观水平上其结构组织的特征是存在统计学上显著的核心-外围结构。这种奇特的拓扑结构与比特币的高度不平等分配相匹配，结果表明，比特币正在成为一个越来越集中的不同级别的系统。

创新过程中的泰勒定律

原文标题：

Taylor’s law in innovation processes

地址：

http://arxiv.org/abs/2005.00321

作者：

F. Tria, I. Crimaldi, G. Aletti, V. D. P. Servedio

摘要：泰勒定律量化了开放系统中发生的创新数量波动的定标性质。基于的建模方案已被证明可以有效地模拟这种复杂的行为。在这里，我们利用三角骨灰盒模型的表示形式，对此类模型中的泰勒定律指数进行了分析估计。我们还强调了这些模型与Poisson-Dirichlet过程的对应关系，并演示了非平凡的泰勒定律指数如何成为与人类活动相关的系统中的一种普遍特征。我们基于对人类活动所产生的四个数据集合的分析来得出这一结果：（i）书面语言（来自古腾堡语料库）；（ii）一个在线音乐网站（Last.fm）；（iii）Twitter主题标签；（iv）在线协作标记系统（Del.icio.us）。尽管在后两个数据集中观察到的泰勒定律与普通模型的预测相符，但我们需要引入一个概括来完全表征前两个数据集的行为，其中时间相关性可能更相关。我们建议，泰勒定律是对Zipf和Heaps定律的基本补充，它揭示了具有创新功能的系统演化背后的复杂动力过程。

马尔可夫链和网络块

模型中的状态聚集

原文标题：

State aggregations in Markov chains and block models of networks

地址：

http://arxiv.org/abs/2005.00337

作者：

Mauro Faccin, Michael T. Schaub, Jean-Charles Delvenne

摘要：我们从信息论的角度考虑马尔可夫链的状态聚集方案。具体而言，我们考虑对马尔可夫链的状态进行聚合，以使通过T个时间步长分开的聚合状态的互信息最大化。我们表明，对于T = 1，这种方法在特定情况下恢复了度校正后的随机块模型的最大似然估计，从而使我们能够从动力学的角度解释这种流行的生成网络模型的似然性的某些特征。我们还将进一步重点介绍如何使用合成流和现实世界的洋流来发现考虑到时标T >> 1是必不可少的连贯的远程动力学模块，从而能够恢复表面的基本特征。海洋的潮流。

金融网络的双曲几何

原文标题：

The hyperbolic geometry of financial networks

地址：

http://arxiv.org/abs/2005.00399

作者：

Martin Keller-Ressel, Staphanie Nargang

摘要：基于2014年，2016年欧洲银行业压力测试和2018年透明度工作的数据，我们首次证明了金融网络的潜在几何形状可以用负曲率几何形状（即双曲线几何形状）很好地表示。这使我们可以将网络结构连接到Papdopoulos等人的“流行度与相似度”模型，该模型基于双曲几何的Poincar’e圆盘模型。我们表明，在此模型中，“大众化”和“相似性”的潜在维度与系统重要性和银行系统的地理细分密切相关。在2014年至2018年的时间跨度的纵向分析中，我们发现单个银行的系统重要性一直保持稳定，而外围社区的结构呈现出更多（但仍是中等）的可变性。

工作组映射：

协作文化的可视化分析

原文标题：

Workgroup Mapping: Visual Analysis of Collaboration Culture

地址：

http://arxiv.org/abs/2005.00402

作者：

Darren Edge, Jonathan Larson, Nikolay Trandev, Neha Parikh Shah, Carolyn Buractaon, Nicholas Caurvina, Nathan Evans, Christopher M. White

摘要：工作的数字化转型为了解非正式工作组如何围绕组织的动态需求进行组织提供了新的机会，这有可能与组织结构图所描述的正式，静态和理想化的层次结构形成对比。我们提出了一项设计研究，该研究涵盖了用于组织工作组的可视化映射和分析的多种启用功能，包括用于量化协作文化的两个维度的度量标准：协作关系的流动性（使用网络机器学习来衡量）以及工作组形成的自由度组织边界。这些功能共同创建了一个交钥匙管道，该管道将目标组织的分析，数据图和统计信息的生成以及它们在基于模板的演示中的集成结合在一起，从而可以对结果进行叙述性可视化。我们的指标和视觉效果支持了大约100次向主要的美国和跨国组织高管的演讲，而我们的工程实践创建了一个与可视化和视觉分析广泛相关的独立工具集合。我们将我们的工作作为应用可视化分析研究的示例进行介绍，描述允许我们从实验过渡到生产的设计迭代，以及每个阶段研究团队和面向客户团队（Microsoft Workplace Analytics）的观点在这个过程中。

从网络特征值中找到

电阻距离和特征向量中心性

原文标题：

Finding the Resistance Distance and Eigenvector Centrality from the Network’s Eigenvalues

地址：

http://arxiv.org/abs/2005.00452

作者：

Caracé Gutiérrez (1), Juan Gancio (1), Cecilia Cabeza (1), Nicolás Rubido (1 and 2) ((1) Universidad de la República, Instituto de Física de Facultad de Ciencias, Montevideo, Uruguay (2) University of Aberdeen, King’s College, Institute for Complex Systems and Mathematical Biology, Aberdeen, United Kingdom)

摘要：有多种方法可以对网络数据集进行分类，具体取决于问题，从而可以取得不同的成功。例如，抵抗距离和特征向量中心性措施已成功地揭示了生态途径并分别区分了阿尔茨海默氏病患者的生物医学图像。阻力距离考虑了网络中任何两个节点之间的所有可能的最短路径，从而测量了网络中任何两个节点之间的有效距离，而特征向量中心性则测量了网络中每个节点的相对重要性。但是，这两种措施都需要知道网络的特征值和特征向量-特征向量是对计算要求更高的任务。在这里，我们表明我们仅使用特征值谱就可以近似地近似这两个量度，其中我们通过对元素电阻器电路和范式网络模型（随机网络和小世界网络）进行实验来说明这一点。我们的结果得到了分析推导的支持，表明本征向量中心点在所有情况下都可以完美匹配，而电阻距离可以非常接近。我们的基础方法基于Denton，Parke，Tao和Zhang [arXiv：1908.03795（2019）]的工作，该工作不受这些拓扑措施的限制，可以应用于需要计算特征向量的大多数问题。

具有链接隐私的安全网络发布

原文标题：

Secure Network Release with Link Privacy

地址：

http://arxiv.org/abs/2005.00455

作者：

Carl Yang, Haonan Wang, Lichao Sun, Bo Li

摘要：许多数据挖掘和分析任务都依赖于网络（图）的抽象来概括个体（节点）之间的关系结构。由于关系数据通常很敏感，因此我们旨在寻求有效的方法来发布实用程序保留但受隐私保护的结构化数据。在本文中，我们利用差分隐私（DP）框架，在深度图生成模型上制定和实施严格的隐私约束，并着重于Edge-DP以确保个人链接的隐私。特别是，我们通过向基于链路预测的图生成模型的梯度中注入高斯噪声来实施edge-DP，并通过改进面向结构的图比较的结构学习来确保数据实用性。在两个实际网络数据集上进行的大量实验表明，我们提出的DPGGEN模型能够生成具有有效保留的全局结构并严格保护个人链接隐私的网络。