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

COVID-19流行病的城市标度律;
动态图异常检测的结构含时图神经网络;
基于深度Q学习/遗传算法的应对Covid-19大流行政府行动优化新方法;
考虑地理的流行病模型;
间歇但协调一致的区域策略可以缓解COVID-19流行：意大利案例的网络模型;
有缺失数据的网络中的免疫策略;
COVID-Twitter-BERT：一种自然语言处理模型，用于分析Twitter上的COVID-19内容;
黎巴嫩COVID-19传播动力学;
COVID-19危机期间Twitter中的信息领导者特征;
利用用户信任和移动性的电子健康敏感数据分发;
改造中国的燃煤电厂带来的汞有关的健康收益;
创新事业的成功与产品质量的关系不大;
预测精神障碍在线社区中的用户情绪;
综述：使用动态图神经网络的动态网络基础和建模;
语言变化不是中性的空间证据;
能源和交通领域的共同转型的三个阶段;
基于真实数据的Facebook Prophet算法在成功销售预测中的应用;
复杂社会与法律的增长;
分析Twitter上流行词与城市词典活动之间的时间关系;
COVID-19期间Twitter活动的因果模型;
在部分封锁下维持经济：以大流行为中心的方法;
可持续发展的环境如何减少2019冠状病毒的传播：COVID-19感染扩散、污染工业化、风能（可再生）之间的相互作用;
精细时间分辨率的流行病学动态;
何时解除锁定？使用隔室高斯过程的全球COVID-19情景规划和政策效果;
COVID-19大流行：依赖流动性的SEIR模型，考虑意大利、欧洲和美国未发现的病例;
针对高接触人群停止SARS-CoV-2传播;
印度COVID-19的动力学建模和分析;
在Twitter上表征COVID-19意识;

COVID-19流行病的城市标度律

原文标题：

Urban Scaling of COVID-19 epidemics

地址：

http://arxiv.org/abs/2005.07791

作者：

Ben-Hur Francisco Cardoso, Sebastián Gonçalves

摘要：由于COVID-19大流行，易感恢复（SIR）的数学模型大量应用。它们以标准或多种变体形式使用，试图适应并希望在未来几天或几周内，在任何地方，城市或国家/地区预测新病例的数量。这是当局为卫生系统需求做准备或施加限制以减慢传染曲线速度的关键知识。即使可以通过使用专用软件或通过对代表该模型的微分方程的数值解进行编程来轻松解决模型时，预测也是一项不容易的任务，因为人们的行为发生了变化反映在参数的连续变化中。一个相关的问题是我们可以从一个城市到另一个城市。如果马德里发生的事情本来可以应用到纽约，然后，如果我们从这座城市中学到的信息可以用于圣保罗。考虑到这一想法，我们对美国所有县（包括巴西城市和德国城市）随人口密度和人口规模而变化的COVID-19扩散率相关度量进行了分析。与流行病建模中的普遍假设相反，对于较高的城市人口密度和人口规模，我们观察到较高的 em人均接触率。此外，我们发现人口规模比人口密度更具解释性。提出了一种接触率定标理论来解释结果。

动态图异常检测的

结构含时图神经网络

原文标题：

Structural Temporal Graph Neural Networks for Anomaly Detection in Dynamic Graphs

地址：

http://arxiv.org/abs/2005.07427

作者：

Lei Cai, Zhengzhang Chen, Chen Luo, Jiaping Gui, Jingchao Ni, Ding Li, Haifeng Chen

摘要： 在动态图中检测异常是一项至关重要的任务，在安全，金融和社交媒体等领域有许多实际应用。以前基于网络嵌入的方法主要集中在学习良好的节点表示上，而在很大程度上忽略了与动态图中的目标节点相关的子图结构更改。在本文中，我们提出了 modele，一种用于检测动态图中异常边的端到端结构含时图神经网络模型。特别是，我们首先提取以目标边为中心的 h -hop封闭子图，并提出节点标记功能以标识子图中每个节点的作用。然后，我们利用图卷积运算和Sortpooling层从每个快照/时间戳中提取固定大小的特征。基于提取的特征，我们利用门控循环单元（GRU）捕获时间信息以进行异常检测。在六个基准数据集和一个真实的企业安全系统上进行的大量实验证明了 modele的有效性。

基于深度Q学习/

遗传算法的应对Covid-19

大流行政府行动优化新方法

原文标题：

A Deep Q-learning/genetic Algorithms Based Novel Methodology For Optimizing Covid-19 Pandemic Government Actions

地址：

http://arxiv.org/abs/2005.07656

作者：

Luis Miralles-Pechuán, Fernando Jiménez, Hiram Ponce, Lourdes Martínez-Villaseñor

摘要：每当国家受到大流行的威胁时（例如COVID-19病毒），政府都应采取正确的措施来维护公共卫生并减轻对经济的负面影响。在这方面，政府可以采取两种完全不同的方法：一种限制性的方法，其中的严厉措施（如自我隔离）会严重损害经济；另一种较为宽松的方法，其中放宽的限制可能使较高的比例面临风险。人口。最佳方法可能介于两者之间，为了做出正确的决定，有必要准确地估计采取一项或其他措施的未来效果。在本文中，我们使用SEIR流行病学模型（易感-暴露-感染-回收）来代表人群中COVID-19病毒随时间的演变。为了优化政府可以采取的最佳行动顺序，我们提出了一种具有两种方法的方法，一种基于深度Q学习，另一种基于遗传算法。根据着眼于实现两个目标的奖励系统，评估行动的顺序（约束，自我隔离，两米距离或不采取限制措施）：首先，感染很少的人，这样医院就不会被重症患者淹没；以及第二，避免太长时间采取严厉的措施，以免对经济造成严重损害。进行的实验证明，我们的方法论是发现政府可以采取的减少两种流行病大范围负面影响的行动的有效工具。我们还证明，基于深度Q学习的方法克服了基于遗传算法优化动作序列的方法。

考虑地理的流行病模型

原文标题：

Epidemic models with geography

地址：

http://arxiv.org/abs/2005.07673

作者：

Alan Wilson

摘要：大多数流行病模型是空间聚集的，并且最常用于计划和政策编号的索引r编号通常是指单个感兴趣的系统。例如，即使为相邻区域，地区或国家/地区中的每一个计算r个数字，它们之间也不会发生交互。在这里，我们旨在提供一个细粒度的地理区域：具有相互作用的空间分解系统中的流行病模型。这提供了对流行病动态以及旨在缓解和控制的政策提供新见解的可能性。

间歇但协调一致的区域策略

可以缓解COVID-19流行：

意大利案例的网络模型

原文标题：

Intermittent yet coordinated regional strategies can alleviate the COVID-19 epidemic: a network model of the Italian case

地址：

http://arxiv.org/abs/2005.07594

作者：

Fabio Della Rossa, Davide Salzano, Anna Di Meglio, Francesco De Lellis, Marco Coraggio, Carmela Calabrese, Agostino Guarino, Ricardo Cardona, Pietro DeLellis, Davide Liuzza, Francesco Lo Iudice, Giovanni Russo, Mario di Bernardo

摘要：2019年底在武汉爆发的COVID-19疫情对意大利的打击尤其严重，导致实施了严格的国家封锁规则（第一阶段）。现在，在意大利和国外，关于如何最好的策略重启一个国家以退出国家封锁的争论一直很激烈（第二阶段）。先前的研究集中于在国家层面上对可能的重启情景进行建模，而忽略了意大利与世界其他国家一样划分为行政区域的事实，这些行政区域可以独立地监督自己在意大利国家卫生服务局中的份额。在这项研究中，我们表明，区域主义和区域之间的异质性对于理解流行病的传播至关重要，更重要的是，对于设计有效的后锁定策略来控制该疾病至关重要。为了实现这一目标，我们将意大利建模为一个区域网络，并在距最初爆发近两个月的真实数据上参数化每个区域的模型。使用该模型，我们确认了意大利政府迄今为减轻该疾病的传播而实施的国家封锁策略在区域一级的有效性，并显示了其在区域一级的有效性。我们还建议，尽管采取协调一致的措施，但有区别的区域干预措施在第二阶段可以有效地重启该国，并避免该流行病再次发生，同时避免区域卫生系统饱和并减轻对成本的影响。我们的研究和方法可以轻松扩展到其他级别的粒度（同一地区的省或县或其他联邦国家的州等），以支持政策制定者和决策者。

有缺失数据的网络中的免疫策略

原文标题：

Immunization Strategies in Networks with Missing Data

地址：

http://arxiv.org/abs/2005.07632

作者：

Samuel F. Rosenblatt, Jeffrey A. Smith, G. Robin Gauthier, Laurent Hébert-Dufresne

摘要：以网络为基础的干预策略可以是减少各种环境中有害传染的有效且具成本效益的方法。根据研究，这些策略通常不可行，因为它们通常假设您完全了解网络结构，这在实践中是不常见的。在本文中，我们研究了在部分情况下通过部分观察到的网络数据告知免疫策略在实际条件下如何执行。我们的结果表明，在大多数情况下，像程度免疫一样的全局免疫策略是最佳的。唯一的例外是丢失数据的水平很高，在这种情况下，随机策略（如熟人免疫）开始在最小化爆发方面超过了它们。随机策略在某些情况下会更强大，因为丢失数据可能会影响它们的方式不同。实际上，我们提出的熟人免疫的一种变体利用了逻辑上现实的正在进行的调查干预过程，作为有针对性的数据恢复的一种形式，可以随着丢失数据水平的提高而提高。这些结果支持了常规免疫靶向免疫的有效性。他们还强调了将网络视为理想的数学对象的风险：高估了网络数据的准确性，并忽视了额外查询的好处。

COVID-Twitter-BERT：

一种自然语言处理模型，用于

分析Twitter上的COVID-19内容

原文标题：

COVID-Twitter-BERT: A Natural Language Processing Model to Analyse COVID-19 Content on Twitter

地址：

http://arxiv.org/abs/2005.07503

作者：

Martin Müller, Marcel Salathé, Per E Kummervold

摘要：在这项工作中，我们发布了基于变压器的模型COVID-Twitter-BERT（CT-BERT），该模型预先训练了大量关于COVID-19的Twitter消息集。在五个不同的分类数据集上，我们的模型与基本模型BERT-Large相比，显示出10-30％的边际改进。最大的改进是在目标域上。预训练的转换器模型（例如CT-BERT）在特定的目标域上进行训练，可用于各种自然语言处理任务，包括分类，问答和聊天机器人。CT-BERT经过优化，可用于COVID-19内容，尤其是Twitter的社交媒体帖子。

黎巴嫩COVID-19传播动力学

原文标题：

The Dynamics of COVID-19 spread in Lebanon

地址：

http://arxiv.org/abs/2005.07251

作者：

Omar El Deeb, Maya Jalloul

摘要：我们采用三种不同的方法来探索2019年冠状病毒病（COVID-19）在黎巴嫩的传播，即SEIR模型，重复迭代模型和费米-狄拉克样模型。自第一例被诊断出的病例以来，我们拟合了可用的每日数据的前75天，并预测了与不同程度的社会疏远措施相关的传染病可能发生的情况。我们确定了黎巴嫩的初始生殖传播率及其随后的动态。我们的结果表明，保持严格的缓解措施将阻止疾病的传播。然而，放松措施将在几周内引发第二次感染爆发，其严重程度取决于放松程度。

COVID-19危机期间

Twitter中的信息领导者特征

原文标题：

Characterizing information leaders in Twitter during COVID-19 crisis

地址：

http://arxiv.org/abs/2005.07266

作者：

David Pastor-Escuredo, Carlota Tarazona

摘要：在当前的COVID-19大流行等危机中，信息是关键，因为它极大地影响着人们的意见，行为甚至心理状态。联合国秘书长已经确认，误传信息是大流行病造成的重要次生危机。信息传播可以在不同方面放大大流行的真正负面影响：社会，经济甚至卫生。例如，信息传播会导致不同人群之间的仇恨，从而使社会分散影响其反应或导致消极的习惯，从而有助于大流行的传播。相反，可靠，可信赖的信息以及希望和团结的信息可用于控制大流行，建立安全网并帮助促进复原力和抗脆弱性。我们根据对来自该社会网络中活动的社交图进行分析，提出了一个框架来表征Twitter中的领导者。中心度度量标准用于标识相关节点，这些节点进一步根据Twitter管理的用户参数来表征。然后，我们评估领导者集群的结果拓扑。尽管此工具可用于监视个人，但我们建议将其作为建设性应用程序的基础，以使用户能够对网络的集体行为和信息传播产生积极影响。

利用用户信任和移动性的

电子健康敏感数据分发

原文标题：

E-Health Sensitive Data Dissemination Exploiting Trust and Mobility of Users

地址：

http://arxiv.org/abs/2005.07296

作者：

Agnaldo Batista, Michele Nogueira, Aldri Santos

摘要：电子医疗服务处理大量敏感数据，需要可靠性和保密性。新技术的出现将电子医疗服务推向了传统护理机构之外的持续医疗服务领域。这造成了不确定和不可靠的条件，从而带来了控制敏感用户数据分发的挑战。然后，在需要快速响应的情况下（例如，心脏骤停），敏感数据的传播存在差距。这使网络有义务在用户移动性，动态网络拓扑以及设备之间的偶尔交互下提供可靠的敏感数据分发。在本文中，我们提出了STEALTH，该系统利用社会信任和感兴趣的社区来应对这些挑战。隐身遵循两个步骤：聚类和传播。首先，STEALTH根据用户的兴趣对设备进行分组，形成兴趣社区。医疗紧迫性启动了第二个过程，根据设备之间的信任级别，STEALTH会将用户敏感数据分发到属于特定社区的设备。仿真结果表明，STEALTH确保将数据分发给可以为高效服务做出贡献的人员。STEALTH在访问敏感数据方面的可靠性高达97.14％，最大延迟为170 ms，在紧急情况下的可用性高达100％。

改造中国的燃煤电厂

带来的汞有关的健康收益

原文标题：

Mercury-related health benefits from retrofitting coal-fired power plants in China

地址：

http://arxiv.org/abs/2005.07346

作者：

Jiashuo Li, Sili Zhou, Wendong Wei, Jianchuan Qi, Yumeng Li, Bin Chen, Ning Zhang, Dabo Guan, Haoqi Qian, Xiaohui Wu, Jiawen Miao, Long Chen, Sai Liang, Kuishuang Feng

摘要：中国已在燃煤电厂（CFPP）中实施了改造措施，以通过小机组停工（SUS），安装空气污染控制装置（APCD）和提高发电效率（PGE）来减少空气污染。这些措施减少的剧毒汞排放及其对健康的影响尚未得到很好的研究。为了完善缓解措施，我们结合中国工厂的汞排放清单和中国汞风险源追踪模型，通过在中国的“十二五”规划期间通过改进措施评估了减少汞排放的健康益处。我们发现，这些措施减少了23.5吨汞排放（约占2010年CFPP排放的1/5），防止了每只胎儿的智商（IQ）下降0.0021点，并避免了114人死于致命性心脏病。CFPP的关闭和APCD的安装主导了这些优势。省级卫生福利主要归因于其他地区汞减少。我们还证明了在选择汞控制设备时，不仅要考虑人类健康的影响，而且要考虑减少汞的排放。这项研究还表明，汞控制策略应考虑各种因素，例如CFPP的位置，人口密度以及总Hg（THg）和Hg2 +的减少之间的权衡。

创新事业的成功与

产品质量的关系不大

原文标题：

Success in creative careers depends little on product quality

地址：

http://arxiv.org/abs/2005.07349

作者：

M.V. Simkin

摘要：Janosov，Battiston和Sinatra在最近的文章中报告说，他们将创意职业中的才能和运气分开。它们建立在Sinatra等人先前的工作（引入Q模型）的基础上。在该模型下，文化的不同元素的普及是两个因素的产物：一个随机因素和一个Q因子或人才。后者是固定的，但会随机分配给不同的人。通过这种方式，他们解释了一些人如何能够持续产生高影响力的作品。他们从关于他们作品受欢迎程度的统计数据中提取了不同科学家，作家和电影制作人的Q因子。但是，他们在他们的文章中勉强声明书和电影的受欢迎程度和质量等级之间几乎没有相关性（相关系数为0.022和0.15）。我分析了原始Q因子文章的数据，并获得了基于引文的Q因子与仅获得0.19诺贝尔奖的相关性。我还简要回顾了一些其他实验，这些实验发现文化产品的受欢迎程度和质量之间存在微弱甚至有时是负面的关系。我得出的结论是，如果存在与高Q因子相关联的能力，那么它应该是营销能力，而不是生产更高质量产品的能力。亚诺索夫

预测精神障碍在线

社区中的用户情绪

原文标题：

Predicting User Emotional Tone in Mental Disorder Online Communities

地址：

http://arxiv.org/abs/2005.07473

作者：

Bárbara Silveira, Fabricio Murai, Ana Paula Couto da Silva

摘要：在线社会网络已成为患有精神疾病的人们之间交流，分享痛苦时刻并寻求支持的重要媒介。在这里，我们分析Reddit的讨论如何帮助改善用户的健康状况。使用用户出版物的情绪基调作为其情绪状态的主体，我们发现状态变化与他在给定社区中的互动之间的关系。我们观察到，负面文章的作者在进行讨论后通常会发表更多正面评论。其次，我们基于最先进的嵌入技术和RNN构建模型，以预测情绪变化。我们表明，有可能以较高的准确性预测精神障碍在线社区的用户对这些平台中经历的交互的反应。我们的模型可以协助卫生保健专业人员提倡的干预措施，为患有精神疾病的人们提供支持。

综述：使用动态图神经

网络的动态网络基础和建模

原文标题：

Foundations and modelling of dynamic networks using Dynamic Graph Neural Networks: A survey

地址：

http://arxiv.org/abs/2005.07496

作者：

Joakim Skarding, Bogdan Gabrys, Katarzyna Musial

摘要：动态网络被广泛用于各个领域，包括社会网络分析，推荐系统和流行病学。将复杂的网络表示为随时间变化的结构允许网络模型不仅利用结构，而且利用时间模式。但是，由于动态网络文献源于不同领域，并且使用了不一致的术语，因此导航非常困难。同时，图神经网络（GNN）近年来由于其在一系列网络科学任务（例如链路预测和节点分类）中表现出色的能力而受到了广泛关注。尽管图神经网络很流行并且具有动态网络模型的公认优势，但很少有人关注动态网络的图神经网络。我们旨在提供使动态网络神秘化，引入动态图神经网络（DGNN）并吸引具有网络科学或数据科学背景的研究人员的综述。我们的贡献是：（i）全面的动态网络分类法；（ii）动态图神经网络的调查；（iii）动态图神经网络如何用于动态链路预测的概述。

语言变化不是中性的空间证据

原文标题：

Spatial evidence that language change is not neutral

地址：

http://arxiv.org/abs/2005.07553

作者：

James Burridge, Tamsin Blaxter

摘要：遗传和语言演化的中性理论认为，变体的相对频率通过随机漂移而演化。中性演化仍然是语言变化的一个可能的无效模型。在本文中，我们通过考虑语言调查中观察到的地理模式来提供针对中立假设的证据。我们将说话者建模为嵌入空间的Hopfield网络中的神经元，类似于统计物理学的经典二维晶格模型之一。模型的通用性类别取决于神经元激活函数的形式，该函数编码说话者的学习行为。我们将英语方言调查生成的地图作为网络样本。最大似然分析以及真实地图和模拟地图之间的空间自相关性比较表明，这些地图更可能属于一致性驱动的Ising类，在该类中，界面受表面张力驱动，而不是中性Voter类，其中它们是由噪音驱动的。

能源和交通领域的

共同转型的三个阶段

原文标题：

Three stages in the co-transformation of the energy and mobility sector

地址：

http://arxiv.org/abs/2005.07571

作者：

Simon Morgenthaler, Justus Dünzen, Ingo Stadler, Dirk Witthaut

摘要：风能和太阳能等可再生能源在效率，成本和可用性方面已取得了显著发展，但是系统集成仍然是一个挑战。要实现完全可再生的电力供应，将需要大规模的存储技术和灵活的用户来克服长期的低发电量。同时，必须使其他领域（如交通和工业）电气化，以替代化石燃料。沼气发电是一项很有前途的技术，因为它可以利用现有基础设施实现大规模的能量存储和扇区耦合。在这项工作中，我们分析了德国电力，交通运输和工业部门的共同转型，同时考虑了到2038年为止逐步淘汰煤炭的最新决定。我们评估了可再生能源的容量，存储容量以及系统成本和相关排放在开源框架OSeMOSYS中使用具有高技术和时间分辨率的技术经济优化模型。我们发现，由于排放差距的减小和煤的逐步淘汰，驱动了三个相当不同的转变阶段。到2030年，太阳能将得到极大的扩展，然后到2040年，煤将主要由化石天然气替代。此后，排放上限变得非常具有挑战性，因此，所有灵活性选项都将大大扩展：存储，缩减和灵活的沼气发电。

基于真实数据的

Facebook Prophet算法

在成功销售预测中的应用

原文标题：

Application of Facebook’s Prophet Algorithm for Successful Sales Forecasting Based on Real-world Data

地址：

http://arxiv.org/abs/2005.07575

作者：

Emir Zunic, Kemal Korjenic, Kerim Hodzic, Dzenana Donko

摘要：本文提出了一个框架，该框架能够准确地预测零售行业的未来销售额，并根据预测可靠性的预期水平对产品组合进行分类。所提议的框架将对Facebook的Prophet算法和回测策略非常有用，该框架将对零售行业中的任何公司都非常有用。在波斯尼亚和黑塞哥维那最大的零售公司之一的生产环境中通过实验获得的实际销售预测基准数据用于评估框架并展示其在实际用例场景中的功能。

复杂社会与法律的增长

原文标题：

Complex Societies and the Growth of the Law

地址：

http://arxiv.org/abs/2005.07646

作者：

Daniel Martin Katz, Corinna Coupette, Janis Beckedorf, Dirk Hartung

摘要：关于法律演变的最受欢迎的叙述之一是其规模和复杂性的不断增长。我们对两个工业化国家的联邦立法进行了定量确认，在过去的两年半中，德国和美国的法律有了令人印象深刻的扩展。我们将25年的立法建模为多维的，随时间演变的文档网络，我们使用网络科学和自然语言处理方法研究了这一发展的来源。为了进行跨国比较，我们将美国和德国的立法材料重组为反映法律主题的分组。我们表明，在两个司法管辖区中，法律增长的主要推动力是福利国家的扩张，而税收国家的扩张则是其后盾。

分析Twitter上流行词与

城市词典活动之间的时间关系

原文标题：

Analyzing Temporal Relationships between Trending Terms on Twitter and Urban Dictionary Activity

地址：

http://arxiv.org/abs/2005.07655

作者：

Steven R. Wilson, Walid Magdy, Barbara McGillivray, Gareth Tyson

摘要：作为在线的，众包的，开放式英语语词典，Urban Dictionary平台包含大量的观点，笑话以及术语，短语，首字母缩写等等的定义。但是，目前尚不清楚该平台上的活动与网络上其他地方发生的较大对话（例如，在更大，更流行的社交媒体平台上进行的讨论）如何相关。在这项研究中，我们研究了“城市词典”上的时间活动趋势，并首次分析了该活动与主要社会网络（Twitter）上讨论的内容之间的关系。通过收集整个《城市词典》以及七年来的大量推文样本，我们探索了《城市词典》中定义和搜索的单词和短语与Twitter上谈论的内容之间的联系。通过一系列互相关计算，我们确定了“城市词典”活动密切反映Twitter上发生的较大交谈的情况。然后，我们分析与Twitter上的讨论有更强联系的术语类型，发现与Twitter正相关的城市词典活动以与模因，受欢迎的公众人物和离线事件相关的术语为中心。最后，我们探讨了术语在Twitter上流行的时间段与Urban Dictionary上相应活动之间的关系，揭示了对于当前在Twitter上流行的术语，新定义更有可能添加到Urban Dictionary中。

COVID-19期间

Twitter活动的因果模型

原文标题：

Causal Modeling of Twitter Activity During COVID-19

地址：

http://arxiv.org/abs/2005.07952

作者：

Oguzhan Gencoglu, Mathias Gruber

摘要：了解公众关注和感知的特征是在不良健康事件中适当管理危机的必要先决条件。在诸如COVID-19之类的大流行中，这一点尤为重要，因为风险管理的主要责任并不集中于单个机构，而是分散在整个社会中。尽管在COVID-19大流行期间有大量研究在描述性或预测性背景下使用Twitter数据，但尚未研究公众关注的因果模型。在这项研究中，我们提出了一种因果推理方法来发现和量化大流行特征（例如感染和死亡人数）与Twitter活动以及公众情绪之间的因果关系。我们的结果表明，提出的方法可以成功地捕获流行病学领域的知识，并确定影响公众关注和感知的变量。我们相信，我们的工作通过将引起公众关注的事件与引起公众关注的事件区分开来，为信息流行病学领域做出了贡献。

在部分封锁下维持经济：

以大流行为中心的方法

原文标题：

Sustaining the economy under partial lockdown: A pandemic centric approach

地址：

http://arxiv.org/abs/2005.08273

作者：

Saket Saurabh, Ayush Trivedi, Nithilaksh P. Lokesh, Bhagyashree Gaikwad

摘要：随着世界为遏制和控制新型冠状病毒的传播而斗争，各国正在采取严厉措施，从旅行和社交聚会的限制到全面封锁。封锁虽然可以有效控制病毒的传播，但会带来巨大的经济影响。在像印度这样的国家中，其人口的21.9％处于贫困线以下，因此封锁对大多数人口的生计产生直接影响。通过优化锁定策略，我们的方法符合减少人与人之间接触的医疗保健和州实践。我们建议恢复经济活动，同时防止医疗机构不堪重负。我们以SEIR动态模型对冠状病毒大流行进行建模，以SEIR动态模型作为一组具有一定种群的节点，并在完全锁定之前和之后分析模型输出。在无锁定情况下，人们愿意遵循的社会距离被建模为通过模仿Granovetter阈值模型而受到当前感染数量知识的影响。然后，我们使用NSGA-II优化算法提供为期十周的最佳锁定策略解决方案。尽管有许多研究着重于模拟COVID-19的传播，但我们的研究是在感染数量和经济运行之间取得平衡的少数尝试之一。

可持续发展的环境如何

减少2019冠状病毒的传播：

COVID-19感染扩散、污染工

业化、风能（可再生）之间的相互作用

原文标题：

How sustainable environments have reduced the diffusion of coronavirus disease 2019: the interaction between spread of COVID-19 infection, polluting industrialization, wind (renewable) energy

地址：

http://arxiv.org/abs/2005.08293

作者：

Mario Coccia

摘要：这项研究致力于解释空气污染与颗粒物排放，风能和能源以及COVID-19感染扩散之间的关系，从而为预防未来流行病的可持续政策提供见解。这里的统计分析着重于意大利的案例研究，意大利是确诊病例和死亡人数迅速增加的国家之一。结果揭示了两个主要发现：1）MW较高的地区，风速高且风能发电量高的城市中，感染COVID-19的人数和总死亡人数较低；2）腹地带（主要是那些与大型城市接壤的城市）的工业化程度高，风速低，生产清洁度较低的城市受感染的人数更多，死亡总数也更大。因此，污染工业化和可再生能源低的城市还必须考虑低风速和其他气候因素，这些因素会增加空气中的空气停滞，并在存在病毒制剂的情况下对公共健康造成潜在问题。此处的结果表明，仅通过医学，免疫学和微生物学的研究和实践，以及采取针对可持续发展的干预措施的积极策略，才能解决当前冠状病毒疾病的大流行和与COVID-19感染相似的未来流行病。总体而言，此研究必须得出结论，预防未来类似于COVID-19感染的流行病的策略还必须基于可持续性科学，以支持更高水平的可再生能源和清洁生产，以减少污染的工业化，从而决定冠状病毒疾病和其他感染在社会中传播的因素。

精细时间分辨率的流行病学动态

原文标题：

Epidemiological dynamics with fine temporal resolution

地址：

http://arxiv.org/abs/2005.08345

作者：

Yaroslav Ispolatov

摘要：为了更好地预测COVID-19流行病的传播动态，不仅重要的是调查本地和远程传染性接触网络，而且了解传染性和可检测症状的时间动态。在这里，我们提出了一种在个体的充分混合的群体中传播的感染模型，该模型通常对应于大规模流行病学网络中的一个节点。该模型使用考虑了感染持续时间的延迟方程，并基于实验得出的病毒载量，病毒脱落，严重性和症状可检测性的时间过程。我们表明，由于传染病的早期发作（据报道是同步发生的，甚至早于可检测到的症状发作的），对所有与被检测出的感染者接触的人进行追踪和立即检测可减少流行病的传播，医院的负担，以及死亡率。我们希望可以将这种更精确的节点动力学方法纳入复杂的大规模流行病学模型中，以提高预测的准确性和可信度。

何时解除锁定？使用隔室

高斯过程的全球COVID-19

情景规划和政策效果

原文标题：

When to Lift the Lockdown? Global COVID-19 Scenario Planning and Policy Effects using Compartmental Gaussian Processes

地址：

http://arxiv.org/abs/2005.08837

作者：

Zhaozhi Qian, Ahmed M. Alaa, Mihaela van der Schaar

摘要：2019年冠状病毒病（COVID-19）爆发已导致政府官员和政策制定者依靠数学分类模型来估计COVID-19患者数量的潜在规模，特别是在当地流行高峰期，以便进行遏制和预防。资源计划决策。现在，在许多受灾最严重的国家，流感大流行已经超过高峰，决策者们正在设法找出最好的政策，以逐步缓解封锁，恢复经济和社会活动，同时保护公众健康。在本文中，我们开发了一个模型来预测政府政策对COVID-19死亡人数的影响-所开发的模型（1）能够以数据驱动的方式灵活地处理模型遗失规范，（2）能够量化其预测中的不确定性，（3）能够捕获干预措施对这些预测的影响。我们的模型是贝叶斯模型：我们使用易感，暴露，感染和恢复状态（SEIR）模型作为对大流行曲线的先验置信度，然后使用高斯过程基于观测数据更新后验置信度。我们通过使用来自许多国家的全球数据来对先验数据进行校正，从而将政策对大流行病未来进程的影响纳入其中。

COVID-19大流行：依赖

流动性的SEIR模型，考虑

意大利、欧洲和美国未发现的病例

原文标题：

COVID-19 pandemic: a mobility-dependent SEIR model with undetected cases in Italy, Europe and US

地址：

http://arxiv.org/abs/2005.08882

作者：

Nicola Picchiotti, Monica Salvioli, Elena Zanardini, Francesco Missale

摘要：背景：2019年底冠状病毒病（COVID-19）的爆发在中国于2019年底出现，并在数周内在全球蔓延，达到大流行状态。中国和意大利，其次是其他国家，已经实施了严格的控制措施，包括完全封锁。此类措施的效果以及放松这些措施的最佳策略是主要的公共卫生问题。方法：考虑到特定地区未发现的病例，针对Google COVID-19社区出行报告数据的出行限制，以及经常采用的个人保护措施，我们引入了描述COVID-19大流行的SEIR隔间模型洗手或使用口罩。结果：该模型通过意大利地区，欧洲国家和美国的数据进行了实验验证，获得的拟合参数与以前的文献非常吻合。预测准确性判断的平均绝对百分比误差分析表明，我们的模型在12个区域中高度准确（46％），在7个区域中良好（27％），在7个区域中合理（27％）。对未发现病例的估计可以评估锁定后的不同情况，这对于公共卫生决策者至关重要。结论：根据测量或基于文献的参数进行校准和设计的建议模型已成功应用于所有已分析的场景，对感染个体总数的动态估计可以帮助规划旨在放松锁定措施的不同策略。

针对高接触人群停止SARS-CoV-2传播

原文标题：

Halting SARS-CoV-2 by Targeting High-Contact Individuals

地址：

http://arxiv.org/abs/2005.08907

作者：

Gianluca Manzo, Arnout van de Rijt

摘要：二十年前，网络科学家提出，可以通过针对少数高度联系的个体进行干预来有效地制止传染病。该策略能否有效抵抗通过物理邻近传播的疾病，例如当代的SARS-CoV-2？该策略的有效性主要取决于近距离接触中人与人之间的高变异性。我们分析了人口调查数据，这些数据确实表明，个人之间近距离接触的频率的特点是一小部分人报告近距离接触的频率很高。我们模拟了由于锁定而产生的经验接触分布的总体。模拟表明，针对一小部分高学历的个人，可以极大地改善收容能力。我们的结果进一步提出了识别高接触者的两种具体程序：熟人抽样和基于工作的目标。

印度COVID-19的动力学建模和分析

原文标题：

Dynamical modelling and analysis of COVID-19 in India

地址：

http://arxiv.org/abs/2005.08255

作者：

R. Gopal, V. K. Chandrasekar, M. Lakshmanan

摘要：我们认为，在中国武汉市冠状病毒爆发后，COVID-19在印度的大流行传播。我们通过在易感性（S），暴露性（E），感染性（I）和去除性流行的帮助下，使用流行病早期的官方报告数据来估计印度最初COVID-19感染者的传播率。（R）人口模型，即所谓的SEIR动力学模型。进行数值分析和模型验证，以使用有关感染人数的官方公共信息来校准系统参数，然后评估可能适用于印度的几种COVID -19方案。我们的发现提供了在不久的将来对疾病发生的估计，也证明了政府和个人为控制与大流行相关的紧急情况的影响和时间所做的努力的重要性。我们还特别强调收容过程中的个人反应。

在Twitter上表征COVID-19意识

原文标题：

Towards Characterizing the COVID-19 Awareness on Twitter

地址：

http://arxiv.org/abs/2005.08379

作者：

Muhammad Saad, Muhammad Hassan, Fareed Zaffar

摘要：冠状病毒（COVID-19）大流行极大地改变了我们的生活方式，因为我们通过社会隔离和检疫等预防措施来尽量减少传播。一个日益令人担忧的方面是指数疾病的传播与采取预防措施的延迟之间的差距。造成这种差距的原因是对这种疾病及其预防措施的认识不足。如今，社交媒体平台（即Twitter）经常用于提高人们对重大事件的意识，包括COVID-19。在本文中，我们通过分析受影响最严重国家的信息流，使用Twitter来表征公众对COVID-19的意识。为此，我们从受影响最严重的20个国家/地区收集了超过4.6万条趋势和6.22亿条推文，以研究1）与COVID-19相关的趋势的时间演变，2）这些趋势中的推文和重复主题，以及3）用户对预防措施的看法。我们的结果表明，大流行传播率较低的国家产生了大量的趋势和推文，以加快信息流并提高公众意识。我们还观察到，在那些国家中，与COVID-19相关的趋势是在案件数量急剧增加之前产生的，这表明人们先发制人地试图将潜在威胁通知用户。最后，我们注意到，在价差较低的国家，用户对COVID-19预防措施持积极态度。我们的测量和分析表明，有效的社交媒体使用可以影响公众行为，可以用来更好地应对未来的流行病。