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

人类移动网络中的空间超级传播者和超级敏感性;
通过流行病重整化群框架分析社会隔离与大流行病边界限制（COVID-19）的相互作用;
COVID-19传播的风险因素;
把握COVID-19的脉搏：时空观点;
使用改进的SEIR模型分析COVID 19锁定期间工人的州际迁移的含义;
COVID-19大流行期间基础设施使用的城市尺度暗光纤DAS测量;
佛罗伦萨地区COVID-19停飞对机动性和环境数据的影响;
第一个法国COVID19封城Twitter数据集;
去中心化，隐私保护的贝叶斯推断，用于手机联系人跟踪;
使用统计和数学建模来了解传染病的爆发：以COVID-19为例;
封城：COVID-19时期的网络增强的情绪分析;
用旅行传染来模拟传染病在城市地区的传播;
ConvoKit：用于分析会话的工具包;
HiJoD：使用分层联合分解对错误信息进行半监督多方面检测;
大型社会网络的社交搜索模型;
SocialTrans：Web规模推荐系统的具有社交信息的深度序列模型;
在美国中期选举中评估针对候选人的Twitter对抗性互动;
通过多重交互网络预测科学合作;
多方竞选;
利用角度度量的平面点嵌入可实现性;
多路网络中的相关结构演变;
复现市场：人工智能复现的结果、经验教训、挑战和机遇;
耦合可伸缩贝叶斯鲁棒张量分解模型的非经常性交通拥堵检测;
节点嵌入的一致网络对齐;
PageRank和K-Means聚类算法;
图聚类算法的比较与基准;
Keen2Act：在线社交协作平台中的活动推荐;
带线扩展的超图学习;
具有双向阈值的意见动态中的共识、两极化和多样性;
时间知识库的完善：新算法和评估协议;
扩散驱动的人口统计学——图灵斑图作为定居涌现的概念;
能源限制地球上的国内生产总值;

人类移动网络中的

空间超级传播者和超级敏感性

原文标题：

Spatial super-spreaders and super-susceptibles in human movement networks

地址：

http://arxiv.org/abs/2005.05063

作者：

Wei Chien Benny Chin, Roland Bouffanais

摘要：随着全球范围内解除禁售令和留在家中的订单，各国政府正努力建立有效且实用的准则来重新开放经济。在人口稠密的城市环境中，人们重返工作岗位，公共交通恢复了正常运转，如果不是实际上不可能的话，采取严格的社会隔离措施将极具挑战性。因此，各国政府正在密切关注可能成为疾病传播下一簇的特定地点。确实，某些地方，例如某些人，可以成为“超级传播者”。与在郊区拥挤的公交交汇处相比，中央商务区的火车站是否或多或少受到了影响？在这里，我们提出了一种定量和系统的框架，以识别空间超级传播者和超级易感性的新概念，即分别是最有可能促进疾病传播或感染疾病的地方。我们提出的数据分析框架基于新加坡公共交通的每日汇总乘客数据。通过构造有向的和加权的人体运动网络，并将人体流动强度与两个邻域多样性指标相结合，我们可以查明超级传播者和超级易感者的位置。我们的结果表明，大多数超级传播者也是超级敏感人群，并且与直觉相反，繁忙的外围巴士换乘站点比拥挤的中央火车站高风险。我们的分析基于新加坡的数据，但可以很容易地适用于其他主要城市中心。因此，它为设计针对性的，具有成本效益的城市规划和流行病学预防措施提供了有用的框架。

通过流行病重整化群框架

分析社会隔离与大流行病边界

限制（COVID-19）的相互作用

原文标题：

Interplay of social distancing and border restrictions for pandemics (COVID-19) via the epidemic Renormalisation Group framework

地址：

http://arxiv.org/abs/2005.04956

作者：

Giacomo Cacciapaglia, Francesco Sannino

摘要：我们证明大流行的重整化群方法提供了一种有效而简单的方法来调查疾病传播和在世界不同地区传播的动态。该框架还可以对旅行限制和社会疏远措施对全球流行病传播的影响做出可靠的预测。我们在对报告病例进行测试和校准的同时，揭示了控制全球不同地区新感染病例相对高峰延迟的机制。我们发现，在延缓流行高峰期间，社会疏远措施比跨境旅行限制更为有效。我们进一步提供了到隔间模型的链接，例如简化的和历史悠久的类似于SIR的模型。我们还将展示如何概括该框架，以解决世界上多个地区之间的交互问题，以替代或补充大规模的模拟。

COVID-19传播的风险因素

原文标题：

COVID-19 transmission risk factors

地址：

http://arxiv.org/abs/2005.03651

作者：

Alessio Notari, Giorgio Torrieri

摘要：我们分析了与COVID-19大流行的初始传播增长率相关的风险因素。案件数量跟随早期的指数增长；我们选择在每个国家/地区使用30天为例的第一天作为开始时间，并使用了12天。我们使用126个国家/地区来寻找指数与其他变量的线性相关性。我们发现与高C.L.呈正相关。具有以下变量，分别具有 p 的值：低温（ 4 cdot10 ^ -7 ），高龄与劳动年龄人群的比率（ 3 cdot10 ^ -6 ），预期寿命（ 8 cdot10 ^ -6 ），国际游客人数（ 1 cdot10 ^ -5 ），流行开始日期较早（ 2 cdot10 ^ -5 ），高接触水平问候习惯（ 6 cdot 10 ^ -5 ），肺癌（ 6 cdot 10 ^ -5 ），男性肥胖（ 1 cdot 10 ^ -4 ），城市化（ 2 cdot10 ^ -4 ），癌症患病率（ 3 cdot 10 ^ -4 ），饮酒（ 0.0019 ），每日吸烟率（ 0.0036 ），紫外线指数（ 0.004 ，较小的样本，73国家/地区），低维生素D水平（ p 值- 0.002-0.006 ，较小样本， sim 50个国家/地区）。血型也高度相关：与RH-（ 2 cdot10 ^ -5 ）和A +（ 2 cdot10 ^ -3 ）呈正相关，与B +（ 2 cdot10 ^ -3 ）呈负相关。-4 ）。我们还发现与中度C.L.呈正相关。（ p -值 0.02 sim0.03 ），其中包括：CO _2 的排放，1型糖尿病，结核病（BCG）的低疫苗接种率。几个这样的变量相互关联，因此它们可能具有共同的解释。我们还分析了这种偏差的可能存在：人均GDP较低的国家（通常位于温暖地区）的检验强度可能较低，我们讨论与上述变量的相关性。

把握COVID-19的脉搏：时空观点

原文标题：

Taking the pulse of COVID-19: A spatiotemporal perspective

地址：

http://arxiv.org/abs/2005.04224

作者：

Chaowei Yang, Dexuan Sha, Qian Liu, Yun Li, Hai Lan, Weihe Wendy Guan, Tao Hu, Zhenlong Li, Zhiran Zhang, John Hoot Thompson, Zifu Wang, David Wong, Shiyang Ruan, Manzhu Yu, Douglas Richardson, Luyao Zhang, Ruizhi Hou, You Zhou, Cheng Zhong, Yifei Tian, Fayez Beaini, Kyla Carte, Colin Flynn, Wei Liu, Dieter Pfoser, Shuming Bao, Mei Li, Haoyuan Zhang, Chunbo Liu, Jie Jiang, Shihong Du, Liang Zhao, Mingyue Lu, Lin Li, Huan Zhou

摘要：冠状病毒病（COVID-19）的突然爆发于2020年初席卷全球，引发了许多国家（包括中国，西班牙，印度，英国，意大利，法国，德国和大多数州）的数十亿人的封锁在美国，以确诊的病例最多的病毒传播速度迅速加快，到3月底，纽约市成为大流行的中心。为了应对这种国家和全球紧急情况，NSF时空创新中心召集了一支由国际研究人员组成的工作组，并制定了已实施的战略，以快速应对这一危机，以支持研究，挽救生命并保护全球公民的健康。本观点文件介绍了我们对全球卫生突发事件的集体看法，以及我们在收集，分析和共享有关全球政策和政府对策，暴发的地理空间指标以及不断变化的预测方面的努力；与全球科学家一起开发研究能力和缓解措施，促进关于暴发动态的合作研究，并反思人类社会的动态反应。

使用改进的SEIR模型

分析COVID-19锁定

期间工人的州际迁移的含义

原文标题：

Implication of Inter-State Movement of Migrant Workers during COVID 19 Lockdown using Modified SEIR Model

地址：

http://arxiv.org/abs/2005.04424

作者：

Avijit Maji, M.B. Sushma, Tushar Choudhari

摘要：本文使用改进的SEIR模型来评估印度锁定期间州际移民工人运输的影响。该模型考虑了旅行期间COVID-19传播的不同水平，每日到达率和移民工人总数。考虑到有大量移民工人的印度各州估计已确诊和在职的COVID-19病例的上升。据观察，减少移民工人的每日到达率可以帮助北方邦和比哈尔邦减少确诊和在职病例的上升。到2020年5月底，农民工的每日到来率将对拉贾斯坦邦产生类似的影响。就所考虑的外来务工人员的每日到达率而言，中央邦在确诊和在职病例中可能会有更高的上升。另一方面，马哈拉施特拉邦在确诊和活动的病例中可能会略有上升。严格的政策会在出差之前对移民工人进行筛查，以发现可能的痕量COVID-19病毒，并在达到目的地状态后采取更严格的隔离规范，这有助于减少归因于移民工人运输的确诊病例和现役病例的增加。

COVID-19大流行期间基础设施

使用的城市尺度暗光纤DAS测量

原文标题：

City-scale dark fiber DAS measurements of infrastructure use during the COVID-19 pandemic

地址：

http://arxiv.org/abs/2005.04861

作者：

Nathaniel J. Lindsey, Siyuan Yuan, Ariel Lellouch, Lucia Gualtieri, Thomas Lecocq, Biondo Biondi

摘要：在最近的COVID-19大流行中，世界各地的政府官员命令公民隔离其房屋内，有关道路，医院，杂货店和其他公共基础设施使用情况的实时测量对于准确预测病毒感染率并提供信息至关重要未来的政府决定。尽管移动电话的位置提供了一些有关社区活动的信息，但整个城市对地面运动的密集分布式地球物理传感更为完整，并且本来就是匿名的。在本文中，我们演示了如何在加州帕洛阿尔托下方的电信电缆上连接光纤分布式声学传感（DAS）来捕获在COVID-19大流行爆发和随后的隔离期间车辆产生的地震和大地信号。我们利用自动模板匹配检测算法中由本地汽车和卡车引起的路基变形的DAS应变测量，来计算旧金山湾区就地避难地点周围两个月期间每天行进的车辆数量订购。通过在沙丘路一家大型杂货店附近使用光纤的一部分，我们发现订购后车辆数量立即减少了50％，但斯坦福医院附近的数据显示，由于医院活动的持续进行，细微的变化要大得多。我们将DAS测量得出的信息与其他隔离响应指标进行了比较，发现与Google和Apple使用手机数据报告的相对变化之间存在很强的相关性。

佛罗伦萨地区COVID-19

停飞对机动性和环境数据的影响

原文标题：

Impact on Mobility and Environmental data of COVID-19 Lockdown on Florence Area

地址：

http://arxiv.org/abs/2005.05044

作者：

C. Badii, P. Bellini, S. Bilotta, D. Bologna, D. Cenni, A. Difino, A. Ipsaro Palesi, N. Mitolo, P. Nesi, G. Pantaleo, I. Paoli, M. Paolucci, M. Soderi

摘要：根据由于锁定和连续重新打开而导致的操作条件变化，可以分析许多事实。已发现以下主要影响：流动性，环境，社交媒体和人流。在此第一份报告中，只报告了流动性，运输和环境。进行的分析确定了流动性和运输活动以及污染物的大量减少。行动不便的减少程度已被评估为与Google全球行动报告所描述的一致。另一方面，本文还提供了许多其他方面的证据，提供了有关流动性和停车位的详细信息，使我们可以更好地分析重新开放对最终改造感染的影响。为此，已经从google中比较了从实地收集的数据，并得出了关于帝国大学报告20的一些注意事项。对于污染物方面，已测量出其中大部分污染物的相关减少量，并报告了理由。

第一个法国COVID19

封城Twitter数据集

原文标题：

The First French COVID19 Confinement Twitter Dataset

地址：

http://arxiv.org/abs/2005.05075

作者：

Sophie Balech, Christophe Benavent, Mihai Calciu

摘要：在本文中，我们介绍了一个主要的法国冠状病毒Twitter数据集，自从法国实施限制限制（2020年3月17日）以来，我们一直在不断收集该数据集。我们通过https://github.com/calciu/C0VID19-ContainmentFr向研究社区提供了使用我们大学数据中心的高性能计算（HPC）功能获得的数据集和情感分析注释。我们认为，当面临由这一全球性疾病的爆发所决定的严厉的家庭禁闭限制时，我们的贡献可以有助于分析反映人们情绪的在线对话动态。我们希望我们的贡献将有助于解码共享的经验和心情，还可以测试情绪测量工具的敏感性，并鼓励开发新的工具，方法和方法。

去中心化，隐私保护的贝叶斯

推断，用于手机联系人跟踪

原文标题：

Decentralised, privacy-preserving Bayesian inference for mobile phone contact tracing

地址：

http://arxiv.org/abs/2005.05086

作者：

Daniel Tang

摘要：目前，许多国家正在加紧使用智能手机应用程序进行联系人跟踪，这是管理COVID-19大流行并防止疾病在初次爆发后再次出现的努力的一部分。随着Apple / Google合作伙伴关系的宣布，即将iOS和Android中的联系人跟踪功能引入，它很可能会在许多国家/地区采用。该应用程序功能的重要部分是决定是否应建议一个人进行自我隔离，测试或结束隔离。但是，Apple / Google联系人跟踪算法的隐私保护性质意味着无法集中管理这些决策，因此每部手机必须使用自己的“风险模型”来告知决策。理想情况下，给定用户和其他用户的测试结果，风险模型应使用贝叶斯推理来确定最佳操作方案。在这里，我们提出一种去中心化算法，该算法可估计病毒传播事件的贝叶斯后验概率，并评估何时应通知用户，测试用户或从隔离中释放用户，同时保留用户隐私。该算法还允许电话上的疾病模型从每个人的接触跟踪数据中学习，并使流行病学家可以更好地了解疾病的动态。该算法是基于信念传播的消息传递算法，因此每个智能手机都可以用于执行算法的一小部分，而不会释放任何敏感信息。以这种方式，所有参与的智能电话的网络形成执行贝叶斯推理的分布式计算设备，通知每个用户何时应该开始/结束隔离或进行测试，并从用户数据中了解疾病。

使用统计和数学建模来了解

传染病的爆发：以COVID-19为例

原文标题：

Using statistics and mathematical modelling to understand infectious disease outbreaks: COVID-19 as an example

地址：

http://arxiv.org/abs/2005.04937

作者：

Christopher E. Overton, Helena B. Stage, Shazaad Ahmad, Jacob Curran-Sebastian, Paul Dark, Rajenki Das, Elizabeth Fearon, Timothy Felton, Martyn Fyles, Nick Gent, Ian Hall, Thomas House, Hugo Lewkowicz, Xiaoxi Pang, Lorenzo Pellis, Robert Sawko, Andrew Ustianowski, Bindu Vekaria, Luke Webb

摘要：在传染病暴发期间，数据的偏差和基本动态的复杂性在数学上模拟暴发和设计策略时提出了重大挑战。受对COVID-19的持续响应的激励，我们提供了统计和数学模型工具包，其范围超出了简单的SIR型微分方程模型，可用于分析暴发的早期阶段和评估干预措施。特别是，我们专注于在数据中存在已知偏差的情况下进行参数估计，以及非药物干预措施对封闭的亚人群（如家庭和护理院）的影响。我们通过将其应用于COVID-19大流行来说明这些方法。

封城：COVID-19时期

的网络增强的情绪分析

原文标题：

lockdown: network-enhanced emotional profiling at the times of COVID-19

地址：

http://arxiv.org/abs/2005.04404

作者：

Massimo Stella, Valerio Restocchi, Simon De Deyne

摘要：COVID-19大流行迫使世界各地的国家采取前所未有的措施，例如在全国范围内实行封锁。为了充分理解情感和社会影响，有必要对人们如何看待这些意外事件进行大规模的重建，但目前尚不存在。我们通过引入MERCURIAL（情感分析的多层共现网络）来通过社交媒体解决这一差距，MERCURIAL是利用单词和标签的语言网络重构描述现实世界事件的社会话语的框架。我们使用MERCURIAL分析了来自意大利的101,767条推文，这是第一个在全国范围内对COVID-19威胁做出反应的国家。在意大利封锁宣布和世界卫生组织宣布COVID-19大流行之后，3月11日至17日收集了这些数据。我们的分析提供了关于这场危机的心理负担的独特见解，重点在于：（i）意大利官方进行自我检疫运动（#iorestoacasa，（ii）国家封锁（#italylockdown），以及（iii）社会谴责（ #sciacalli）。我们的探索揭示了复杂的情绪特征出现的证据，其中愤怒和恐惧（针对政治辩论和社会经济影响）与信任，团结和希望（与机构和地方社区有关）并存。我们讨论了与心理健康问题和应对机制（例如煽动暴力，悲伤和团结）有关的发现。我们认为，我们的框架代表了一种创新的情绪状态温度计，是决策者快速评估大量受众感受并根据认知数据制定适当应对措施的强大工具。

用旅行传染来模拟

传染病在城市地区的传播

原文标题：

Modeling the spread of infectious disease in urban areas with travel contagion

地址：

http://arxiv.org/abs/2005.04583

作者：

Xinwu Qian, Satish V. Ukkusuri

摘要：在这项研究中，我们建立了数学模型来理解传染病传播动力学与通过城市交通系统的流动性之间的耦合。我们首先将城市人口的流动动态描述为从家中离开，往返活动地点和进行活动的过程。然后，我们将易感暴露传染恢复（SEIR）过程嵌入到移动动力学中，并开发了带有旅行传染（Trans-SEIR）的空间SEIR模型，该模型明确说明了旅行和日常活动中的传染。我们调查了提出的模型的理论性质，并显示了活动性传染和旅行性传染如何影响继发感染的平均数量。在数值实验中，我们探索了城市交通系统如何改变传染病的基本动态，改变继发感染的数量，促进整个城市疾病的同步化以及影响疾病爆发的高峰。Trans-SEIR模型进一步应用于了解纽约市COVID-19暴发期间的疾病动态，在这里我们展示了活动和旅行传染如何分布以及如何仅用有限的资源就能实现有效的旅行控制。Trans-SEIR模型以及我们的研究结果可能对增进我们对城市交通与疾病动力学之间的耦合，检疫和疾病系统控制措施的发展的理解，以及促进对疾病具有抵抗力的城市概念的理解做出重大贡献。交通网络。

ConvoKit：用于分析会话的工具包

原文标题：

ConvoKit: A Toolkit for the Analysis of Conversations

地址：

http://arxiv.org/abs/2005.04246

作者：

Jonathan P. Chang, Caleb Chiam, Liye Fu, Andrew Z. Wang, Justine Zhang, Cristian Danescu-Niculescu-Mizil

摘要：本文介绍了ConvoKit的设计和功能，ConvoKit是一种用于分析对话和嵌入其中的社交互动的开源工具包。ConvoKit提供了一个用于表示和处理对话数据的统一框架，以及大量多样的对话数据集。通过提供用于浏览对话数据并与之交互的直观界面，该工具包降低了广泛采用对话分析计算方法的技术障碍。

HiJoD：使用分层联合分解对

错误信息进行半监督多方面检测

原文标题：

HiJoD: Semi-Supervised Multi-aspect Detection of Misinformation using Hierarchical Joint Decomposition

地址：

http://arxiv.org/abs/2005.04310

作者：

Sara Abdali, Neil Shah, Evangelos E. Papalexakis

摘要：在当今互联互通的世界中，区分错误信息和真实信息是最具挑战性的问题之一。在检测错误信息方面，绝大多数最新技术都受到充分监督，需要大量高质量的人类注释。但是，这样的注释的可用性不能被认为是理所当然的，因为这样做非常昂贵，费时且具有挑战性，以跟上错误信息泛滥的方式进行。在这项工作中，我们有兴趣探索注释数量有限的场景。在这种情况下，我们研究了如何利用表征新闻文章的多种资源（此后称为“方面”）可以弥补标签的不足。特别是，我们在本文中的贡献是双重的：1）我们建议使用三个不同方面：文章内容，社交共享行为的上下文以及宿主网站/域功能，以及2）我们引入了基于张量的有原则的嵌入框架，有效地结合了所有这些方面。我们提出了HiJoD 2级分解流水线，它不仅在Twitter和Politifact数据集上的F1分数分别优于74％和81％的最新方法，而且比类似的集成方法快一个数量级。

大型社会网络的社交搜索模型

原文标题：

A Social Search Model for Large Scale Social Networks

地址：

http://arxiv.org/abs/2005.04356

作者：

Yunzhong He, Wenyuan Li, Liang-Wei Chen, Gabriel Forgues, Xunlong Gui, Sui Liang, Bo Hou

摘要：随着社会网络的兴起，互联网上的信息不再仅由网页组织。相反，内容是在用户之间生成和共享的，并围绕他们在社会网络上的社会关系进行组织。这给信息检索系统提出了新的挑战。在社会网络搜索系统上，结果集的生成不仅需要像传统的Web搜索引擎一样考虑关键字匹配，而且还需要考虑搜索者的社交关系和内容的可见性设置。此外，搜索排名应该能够处理文本相关性和来自社会网络的丰富的社交互动信号。在本文中，我们首先介绍一种社会检索机制，然后针对排名问题研究新颖的深度神经网络，从而提出针对这两个挑战的解决方案。检索系统将社交联系视为索引项，并通过以受限的优化方式偏向紧密的社交联系来生成有意义的结果集。然后，通过深度神经网络对结果集进行排名，该神经网络以两塔式方法处理文本和社交相关性，其中个性化和文本相关性可以共同解决。该检索机制已部署在Facebook上，正在帮助数十亿用户有效地从其联系中查找帖子。根据检索到的帖子，我们评估两塔中立网络，并检查个性化和文本信号在排名问题中的重要性。

SocialTrans：Web规模推荐系

统的具有社交信息的深度序列模型

原文标题：

SocialTrans: A Deep Sequential Model with Social Information for Web-Scale Recommendation Systems

地址：

http://arxiv.org/abs/2005.04361

作者：

Qiaoan Chen, Hao Gu, Lingling Yi, Yishi Lin, Peng He, Chuan Chen, Yangqiu Song

摘要：在社会网络平台上，用户的行为基于他/她的个人兴趣，或受他/她的朋友的影响。在文献中，通常对用户的个人偏好或他们的社会影响偏好建模。在本文中，我们为社交推荐提出了一种新颖的深度学习模型SocialTrans，以整合这两种类型的偏好。SocialTrans由三个模块组成。第一个模块基于多层变压器来模拟用户的个人喜好。第二个模块是多层图注意力神经网络（GAT），用于建模社会网络中朋友之间的社交影响力。最后一个模块将用户的个人偏爱和受社会影响的偏爱合并以产生推荐。我们的模型可以有效地拟合大规模数据，并且我们将SocialTrans部署到了中国的主要文章推荐系统。在三个数据集上进行的实验验证了我们模型的有效性，并表明它优于最新的社会推荐方法。

在美国中期选举中评估针

对候选人的Twitter对抗性互动

原文标题：

Towards Measuring Adversarial Twitter Interactions against Candidates in the US Midterm Elections

地址：

http://arxiv.org/abs/2005.04411

作者：

Yiqing Hua, Thomas Ristenpart, Mor Naaman

摘要：在Twitter等社交媒体上与政客的对抗性互动对社会产生了重大影响。特别是，它们打乱了在线上的实质性政治讨论，并可能阻止人们寻求公职。在本研究中，我们在2018年美国大选前夕评估与美国众议院候选人的对抗性互动。我们收集了一个新数据集，其中包含涉及候选人的170万条推文，这是关注政治言论的最大语料库之一。然后，我们开发了一种新技术来检测针对任何特定候选人的有毒内容推文，这种技术使我们能够更准确地量化与政治候选人的对抗性互动。此外，我们引入了一种算法，以诱导特定于候选人的对抗性词语以捕获以前的技术可能没有毒性的更细微的对抗性相互作用。最后，我们使用这些技术来概述选举中看到的对抗性互动的广度，包括冒犯性的名字召唤，暴力威胁，发布信誉不良信息，对身份的攻击以及对抗性消息的重复。

通过多重交互网络预测科学合作

原文标题：

Prediction of scientific collaborations through multiplex interaction networks

地址：

http://arxiv.org/abs/2005.04432

作者：

Marta Tuninetti, Alberto Aleta, Daniela Paolotti, Yamir Moreno, Michele Starnini

摘要：链路预测算法可以帮助您了解科学合作的结构和动态以及科学的发展。但是，基于协作网络节点之间相似性的可用算法受到这些网络中存在的有限数量的链接的限制。在这项工作中，我们通过将Adamic-Adar方法推广到由任意数量的层组成的网络进行多路，从而减少了后者固有的局限性，这些层对各种形式的科学相互作用进行编码。我们表明，新指标优于其他基于相似度的单层评分，以引用和共同兴趣（通过使用常见关键字来衡量）表示的科学信誉可以预测新合作。我们的工作为更深入地了解推动科学合作的动态性铺平了道路，并提供了可用于多种系统的多路网络中链路预测的新算法。

多方竞选

原文标题：

Multi-Party Campaigning

地址：

http://arxiv.org/abs/2005.04455

作者：

Martin Koutecký, Nimrod Talmon

摘要：我们研究选举中操纵的社会选择设置，并通过两种主要方式扩展通常的模型：首先，在我们的设置中，不考虑单个操纵主体，而是有多个可能竞争的主体。第二，我们不进行第一次操纵之后的选举评估，而允许进行数次来回回合。我们表明，在某些情况下，例如在只有几个候选人的选举中，可以有效地计算出每个操纵者的最佳策略。我们的算法结果依赖于公式化的问题，即找到一个最佳策略的问题是Presburger算术语句短且仅涉及小系数，这表明它是固定参数易处理的-实际上，我们的贡献之一是关于固定参数的一般结果。Presburger算术的参数易处理性，在其他设置中可能有用。根据我们的一般定理，我们设计了非常一般的算法。特别是，我们描述了如何为各种设置设计有效的算法，包括在社会网络中对意见传播进行建模的设置，操纵者可用的复杂预算方案以及对敌手行动的各种实际限制。

利用角度度量的平面点嵌入可实现性

原文标题：

Realizability of Planar Point Embeddings from Angle Measurements

地址：

http://arxiv.org/abs/2005.04469

作者：

Frederike Dümbgen, Majed El Helou, Adam Scholefield

摘要：节点集的本地化是机器人技术和传感器网络中一个重要且经过深入研究的问题。本文涉及内角测量中的定位理论。我们专注于没有锚点位置的挑战性案例。受欧几里得距离矩阵的启发，我们研究了一组内角何时对应于可实现的点集。特别是，我们发现线性和非线性约束被证明是必需的，并且我们推测也足以表征可实现的角度集。我们在广泛的数值模拟中证实了这一点，并说明了如何使用这些约束对角度测量进行降噪以及有效点集的重建。

多路网络中的相关结构演变

原文标题：

Correlated structural evolution within multiplex networks

地址：

http://arxiv.org/abs/2005.04487

作者：

Haochen Wu, Ryan G. James, James P. Crutchfield, Raissa M. D’Souza

摘要：可以使用分层网络的框架来表示许多自然的，工程的和社交的系统，其中每个层捕获同一组节点之间的不同类型的交互。这种多路网络的研究是一个充满活力的研究领域。然而，缺乏对如何量化层对之间存在的相关性以及在它们的共同演化中存在的相关性的更多了解。这种方法将使我们能够解决涉及功能，冗余和潜在破坏等问题的基本问题。在这里，我们首先展示如何使用多路网络的边集来构建描述所有层上边存在的联合概率分布的估计量。然后，我们采用一种称为条件互信息的一般相关性的信息论方法，该方法使用估计的联合概率分布来量化各层之间存在的成对相关性。成对比较也可以是暂时的，从而使我们能够确定某个层的知识是否可以提供有关另一层演变的其他信息。我们分析了来自三个不同领域的数据集-经济，政治和航空公司网络-展示了如何识别层与层之间的结构和动态演化的成对相关性，并表明异常可以作为重大事件（例如冲击）的潜在指标。

复现市场：人工智能复现的

结果、经验教训、挑战和机遇

原文标题：

Replication Markets: Results, Lessons, Challenges and Opportunities in AI Replication

地址：

http://arxiv.org/abs/2005.04543

作者：

Yang Liu, Michael Gordon, Juntao Wang, Michael Bishop, Yiling Chen, Thomas Pfeiffer, Charles Twardy, Domenico Viganola

摘要：在过去的十年中，社会和行为科学中出现了系统的大规模复制项目（Camerer等，2016,2018; Ebersole等，2016; Klein等，2014,2018; Collaboration，2015）。这些项目是受到科学出版物（Ioannidis，2005年）中大量“假阳性”的理论和概念关注（以及“可疑的研究实践”的盛行（Simmons，Nelson和Simonsohn，2011年））驱动的。关于研究结果的可信度并非行为科学和社会科学独有;在计算机科学中，人工智能（AI）和机器学习（ML）是特别令人关注的领域（Lucic等人，2018年; Freire，Bonnet和Shasha （2012年；Gundersen和Kjensmo，2018年；Henderson等人，2018年）。鉴于行为和社会科学在促进新颖方法学以提高研究可信度方面的开拓性作用，这是一种有前途的分析经验教训的方法从这个领域并调整计算机科学，人工智能和机器学习的策略在本文中，我们回顾了行为和社会科学以及DARPA SCORE项目中使用的方法，我们特别关注人工预测复制结果的方法，以及预测如何利用从相对劳动和资源密集型复制中获得的信息。我们将讨论使用这些方法来监视和提高计算机科学，人工智能和机器学习研究领域的信誉的机遇和挑战。

耦合可伸缩贝叶斯鲁棒张量

分解模型的非经常性交通拥堵检测

原文标题：

Non-recurrent Traffic Congestion Detection with a Coupled Scalable Bayesian Robust Tensor Factorization Model

地址：

http://arxiv.org/abs/2005.04567

作者：

Qin Li, Huachun Tan, Xizhu Jiang, Yuankai Wu, Linhui Ye

摘要：非经常性交通拥堵（NRTC）通常会给通勤者带来意想不到的延误。因此，实时准确地检测和识别NRTC至关重要。道路交通检测器和环路检测器的发展为研究人员提供了大规模的多变量时空交通数据，这使得对NRTC的深入研究成为可能。但是，构建一个分析框架仍然是一项艰巨的任务，通过该框架可以有效地表示和利用多变量交通信息的自然时空结构特性，以更好地理解和检测NRTC。在本文中，我们提出了一个基于耦合可伸缩贝叶斯鲁棒张量因子分解（耦合SBRTF）的新颖的无分析训练框架。该框架可以通过共享相似或相同的稀疏结构来耦合多变量交通数据，包括交通流量，道路速度和占用率。并且，它自然地通过张量分解来捕获交通数据的高维时空结构特性。通过其条目揭示了NRTC的分布和程度，该框架的共享稀疏结构罗列出了关于NRTC的足够丰富的信息。而框架的低端部分则表示一般预期交通状况的分布作为辅助产品。实际交通数据的实验结果表明，该方法在检测NRTC方面优于贝叶斯鲁棒主成分分析（BRPCA耦合），稀疏张量分解（RSTD）和标准正态偏差（SND）。当仅利用工作日中的交通数据时，所提出的方法甚至表现得更好，因此可以为日常通勤者提供更精确的NRTC估算。

节点嵌入的一致网络对齐

原文标题：

Consistent Network Alignment with Node Embedding

地址：

http://arxiv.org/abs/2005.04725

作者：

Xiyuan Chen, Mark Heimann, Fatemeh Vahedian, Danai Koutra

摘要：网络对齐是在不同图中查找节点之间对应关系的过程，具有重要的科学和工业应用。我们发现许多现有的网络对齐方法无法实现精确对齐，因为它们在对齐过程中会破坏节点邻域，从而无法保持匹配的邻域一致性。为了改善这一点，我们提出了CONE-Align，它基于对网络内部邻近度进行建模的嵌入来匹配节点，并进行对齐以在整个网络之间具有可比性。在具有挑战性的各种数据集上进行的实验表明，与最新的图对齐算法相比，CONE-Align具有较强的鲁棒性，并且可获得高达49％的精度。

PageRank和K-Means聚类算法

原文标题：

PageRank and The K-Means Clustering Algorithm

地址：

http://arxiv.org/abs/2005.04774

作者：

Mustafa Hajij, Eyad Said, Robert Todd

摘要：我们引入了一种图聚类算法，该算法将 k -means推广到图。我们的方法利用图上的PageRank度量来快速而稳健地计算给定图中节点的中心度。此外，我们展示了如何将我们的方法推广到度量空间，并将其应用于其他领域，例如点云和三角网格。

图聚类算法的比较与基准

原文标题：

Comparison and Benchmark of Graph Clustering Algorithms

地址：

http://arxiv.org/abs/2005.04806

作者：

Lizhen Shi, Bo Chen

摘要：图聚类被广泛用于生物网络，社会网络等的分析。十多年来，许多图聚类算法已经发布，但是尚无法进行全面而一致的性能比较。在本文中，我们对70多个图聚类程序进行了基准测试，以评估它们在加权图和非加权图上的运行时间和质量性能。我们还分析了影响表现的地面事实的特征。我们的工作不仅可以为工程师选择聚类算法提供一个起点，还可以为研究人员设计新算法提供一个观点。

Keen2Act：在线社交

协作平台中的活动推荐

原文标题：

Keen2Act: Activity Recommendation in Online Social Collaborative Platforms

地址：

http://arxiv.org/abs/2005.04833

作者：

Roy Ka-Wei Lee, Thong Hoang, Richard J. Oentaryo, David Lo

摘要：诸如GitHub和Stack Overflow之类的社交协作平台已被越来越多地用于通过协作来提高工作效率。为了改善在这些平台上的用户体验，希望有一个推荐系统，该系统不仅可以向用户建议项目（例如GitHub存储库），而且还可以对建议项目执行的活动（例如分叉存储库）。为此，我们提出了一种称为Keen2Act的新方法，该方法将推荐问题分解为两个阶段：Keen和Act步骤。敏锐步骤为给定的用户标识了他/她可能感兴趣的项目（子集）。然后，“操作”步骤向用户建议对所标识的项目集执行哪些活动。这种分解为处理复杂的活动推荐任务提供了一种实用的方法，同时又可以提高推荐质量。我们使用两个现实世界的数据集评估了我们提出的方法，并获得了有希望的结果，其中Keen2Act的表现优于几种基准模型。

带线扩展的超图学习

原文标题：

Hypergraph Learning with Line Expansion

地址：

http://arxiv.org/abs/2005.04843

作者：

Chaoqi Yang, Ruijie Wang, Shuochao Yao, Tarek Abdelzaher

摘要：先前的超图扩展仅在顶点级别或超边级别上执行，因此缺少数据共现的对称性，并导致信息丢失。为了解决这个问题，本文将顶点和超边同等对待，并提出了一种新的超图公式，称为 emph 线扩展（LE），用于超图学习。通过将顶点-超边对视为“线节点”，新的扩展双射地从超图上诱导出同质结构。通过将超图简化为简单图，所提出的 emph line展开使现有的图学习算法与高阶结构兼容，并已被证明是各种超图扩展的统一框架。对于简单的图，我们证明了 emph LE上定义的学习算法与它们在原始图上的性能相关，这意味着在扩展中不会发生信息丢失。对于超图，我们表明对新表示的学习导致算法超越了所有现有的最新超图学习基线。

具有双向阈值的意见动态

中的共识、两极化和多样性

原文标题：

Consensus, Bi-polarization and Multiformity in Opinion Dynamics with Bidirectional Thresholds

地址：

http://arxiv.org/abs/2005.04948

作者：

Shuo Liu, Xiwang Guan, Shuangling Luo, Haoxiang Xia

摘要：许多经验网络本质上是多元化的，相互作用发生在任意主体的群体内。然后，网络中的主体可能会受到邻居类型的影响，常见示例包括相似性，对立性和可忽略性。尽管可以将邻居的影响准确地描述为复杂的现实世界系统中的友好和对立关系，并且对具有不同影响类型的舆论演变的动态过程进行研究是有价值的，但很少有研究提到该问题。在本文中，我们开发了一种具有双向有界阈值的智能体网络模型，用于研究观点动态的演变。我们定义个体同化和排斥的范围，以识别不同类型的邻居，并通过转换意见差异来计算相应邻居对个体的影响。仿真结果表明，所提出的机制可以有效地解释意见演变过程中的两极化现象，双向有界阈值的设置对意见的最终分布有很大影响。此外，我们探讨了初始条件和小世界网络结构对观点演变的影响。

时间知识库的完善：

新算法和评估协议

原文标题：

Temporal Knowledge Base Completion: New Algorithms and Evaluation Protocols

地址：

http://arxiv.org/abs/2005.05035

作者：

Prachi Jain, Sushant Rathi, Mausam, Soumen Chakrabarti

摘要：当关系有效时，时间知识库将关系（s，r，o）三元组与一组时间（或单个时刻）相关联。尽管时间不可知的KB完成（KBC）已有大量研究，但暂时性的KB完成（TKBC）尚处于初期。在本文中，我们将预测缺失的实体（链路预测）和缺失的时间间隔（时间预测）视为联合TKBC任务，其中实体，关系和时间都嵌入一个统一的兼容空间中。我们介绍了TIMEPLEX，这是一种新颖的可感知时间的KBC方法，该方法还自动利用了某些关系以及关系对之间的时间交互作用的循环性质。TIMEPLEX在这两个预测任务上均达到了最先进的性能。我们还发现，由于评估机制不完善，现有的TKBC模型严重高估了链路预测性能。作为回应，我们针对链接和时间预测任务提出了改进的TKBC评估协议，处理了金实例和系统预测中时间间隔的部分重叠引起的细微问题。

扩散驱动的人口统计学——

图灵斑图作为定居涌现的概念

原文标题：

Diffusion-driven demographics — Turing model as a concept for the emergence of sedentism

地址：

http://arxiv.org/abs/2005.05107

作者：

John Friesen, Jakob Hartig, Katharina Henn, Peter F. Pelz

摘要：久坐是人类历史上的决定性时刻。凯（Kay）和卡普兰（Kaplan）在一篇评论文章中对早期人类住区的土地利用进行了量化，发现久坐与农业的发展是密不可分的。对于这些定居点，可以确定两种主要的土地利用类别，即耕作和生活，而对于猎人收集者社会，则没有明显的区别。在定居者和农民这两个不同群体的行为中进行搜索是很自然的。两个不同区域和两组的发展使我们得出这样一个假设：定居点的出现是扩散驱动的图灵不稳定性的结果。在这份简短的通讯中，我们进一步说明了这一点，并表明这导致了定期的安置安排，就像今天在农业地区仍然可以看到的那样。

能源限制地球上的国内生产总值

原文标题：

Energy Limits to the Gross Domestic Product on Earth

地址：

http://arxiv.org/abs/2005.05244

作者：

Andreas M. Hein, Jean-Baptiste Rudelle

摘要：一旦实现了碳排放中立和其他可持续性目标，一个广泛的假设是，以当前的速度增长的经济可以保持到21世纪之后。但是，即使我们实现了这些目标，本文也表明，仅由于能源和热力学因素，地球全球经济的整体规模仍面临着上限。为此，我们将全球变暖分解为两个部分：温室气体效应和与经济活动有关的能源消耗所产生的热耗散。对于由于温室气体排放引起的温度升高，我们将2 deg和5 deg C作为我们的上下限。对于与能源消耗相关的散热的升温效应，我们使用简化的模型进行全球升温，并对全球国内生产总值（GDP）与一次能源生产之间的历史相关性进行推断。结合这两种影响，我们将可接受的全球变暖温度极限设置为比工业化前水平高7 C。我们基于大规模部署碳中和能源的可行性，开发了四种方案。我们的结果表明，即使年均GDP增长2％，最多也要在几个世纪内达到上限，即使在大规模部署融合能源等新能源的有利方案中也是如此。我们得出的结论是，除非GDP可以在很大程度上与能源消耗脱钩，否则热力学将对地球经济的规模施加硬性限制。进一步的经济增长必然需要将经济活动扩大到太空。