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大流行的周期性封锁和经济活动;
对于面对SARS-CoV-2大流行的企业主的一个关键问题：什么时候可以重新开业？;
对媒体在Reddit和Wikipedia上报道COVID-19大流行的集体回应;
辛辛那提三州地区COVID-19大流行的建模与模拟;
雪上加霜：应对COVID-19的登机更改;
流行病从本地传播到全球的模型：以印度的COVID-19为例;
基于活动的接触网络规模和大城市地区的流行病传播;
长期护理设施是导致COVID-19死亡的危险因素;
根据劣质数据按年龄结构估算COVID-19 ICU需求;
印度Covid-19大流行控制策略的随机方法;
经济资源有限的系统中流行病导致的崩溃;
南非公众对COVID-19反应的提取和分类-社交媒体研究;
COVID-19扩大了研究中的性别差异;
DFraud3-无需冷启动的多组分欺诈检测;
当科学是博弈;
纳什强化学习对自适应垃圾邮件发送者的鲁棒检测;
通过Reshare级联模型分析和可视化在线用户的工具包;
G5：通用GRAPH-BERT，用于图到图的迁移和启示学习;
具有首选移动方向的剪刀石头布模型;
理解您的FATE：社交应用上用户参与度预测的友谊、行为和时间解释;
组建图的候选学院：启发式半监督学习框架;
使用吸收马尔可夫链理解灾难响应期间的信息流动力学;
地球上所有人类住区的精确制图、空间结构和分类;
探索鲁棒图覆盖问题的算法公平性;
COVID-19锁定期间北京交通的显著减少未能缓解雾霾污染：对减轻雾霾的启示;
异构考虑自我保护时对资源-流行病协同演化动力学的影响;
Covid-19退出策略的数据驱动模拟和优化;
使用对称性、凸性调整和债券价格解决群体免疫悖论;
荷兰公众对Twitter数据中政府COVID-19措施和公告的反应;
利他主义和焦虑感：英国和爱尔兰的Covid-19锁定期间参与在线社区支持计划（OCSI）;
通过序列资源分配进行动态流行病控制;
COVID-19传播的变化点质疑德国干预措施的有效性;
Twitter讨论隐私和监控：以COVID-19为例;

COVID-19大流行的

周期性封锁和经济活动

原文标题：

Cyclical lock-down and the economic activity along the pandemic of COVID-19

地址：

http://arxiv.org/abs/2006.06409

作者：

Fernando E. Cornes, Guillermo A. Frank, Claudio O. Dorso

摘要：研究集中在控制COVID-19广泛使用的开关协议上。该协议规定所有公民的工作时间为4天，然后锁定8天。我们进一步建议将人员分成经过开/关协议但随时间变化的较小群体。该程序有望使总体经济活动正常化。我们的结果表明，基于协议的协议和分为几类的协议都会减少感染者的数量。但是，出于经济原因，后者似乎更好。我们的仿真进一步表明，启动时间是成功实施的关键问题。

对于面对SARS-CoV-2大流行的

企业主的一个关键问题：

什么时候可以重新开业？

原文标题：

A key question to business owners facing SARS-CoV-2 pandemics: When to reopen my business?

地址：

http://arxiv.org/abs/2006.06416

作者：

Hongyu Miao, Qianmiao Gao, Han Feng, Chengxue Zhong, Pengwei Zhu, Liang Wu, Michael D. Swartz, Xi Luo, Stacia M. DeSantis, Dejian Lai, Cici Bauer, Adriana Pérez, David Lairson

摘要：冠状病毒（SARS-CoV-2）大流行的突然发作在全球210多个国家和地区造成了巨大的生命和经济损失。虽然必须采取自我保护措施，例如戴口罩，在适当的地方进行庇护以及隔离政策和策略，以遏制病毒传播，但由于企业关闭，美国成千上万人失去了工作。因此，如何在病毒仍在人群中传播的同时安全地重新开放经济已成为当选领导人和企业高管非常关注和重视的问题。在本研究中，从业务实体的角度出发，采用数学建模来同时量化利润产生和感染风险。具体而言，开发了一个常微分方程模型来表征疾病传播和感染风险。提出了一个代数方程式，以确定营业实体在重新开放后可以产生的净利润，并考虑到一些保护/隔离准则的相关成本。所有模型参数均基于各种数据和信息源进行了校准。进行了敏感性分析和案例研究，以说明该模型在实践中的使用。

对媒体在Reddit和Wikipedia上报道

COVID-19大流行的集体回应

原文标题：

Collective response to the media coverage of COVID-19 Pandemic on Reddit and Wikipedia

地址：

http://arxiv.org/abs/2006.06446

作者：

Nicolò Gozzi, Michele Tizzani, Michele Starnini, Fabio Ciulla, Daniela Paolotti, André Panisson, Nicola Perra

摘要：流行病暴发期间信息的暴露和消费可能会改变风险感知，触发行为变化，并最终影响疾病的发展。因此，通过主流媒体和公众反应传播地图信息至关重要。但是，我们对COVID-19大流行期间这种暴露反应动态的了解仍然有限。在本文中，我们提供了四个国家（意大利，英国，美国和加拿大）的媒体报道和在线集体关注COVID-19大流行的特征。为此，我们收集了一个异构数据集，包括由主流媒体发布的227,768个在线新闻文章和13,448个Youtube视频，在社交媒体平台Reddit上的107,898个用户帖子和3,829,309条评论，以及与COVID-19相关的Wikipedia页面的278,456,892次查看。我们的结果表明，公众关注程度（量化为用户在Reddit上的活动和在Wikipedia页面上的有效搜索）主要是由媒体报道推动的，并且迅速下降，而新闻曝光率和COVID-19发生率仍然很高。此外，通过使用无监督的动态主题建模方法，我们表明，尽管媒体和在线用户对不同主题的关注保持了良好的一致性，但他们的时间模式却出现了有趣的偏差。总体而言，我们的发现为解释公众对当前全球卫生突发事件的看法/反应提供了另一个关键，并提出了关于注意力饱和对集体意识，风险感知以及由此对行为改变趋势的影响的问题。

辛辛那提三州地区

COVID-19大流行的建模与模拟

原文标题：

Modeling and Simulation of COVID-19 Pandemic for Cincinnati Tri-State Area

地址：

http://arxiv.org/abs/2006.06021

作者：

Michael Rechtin, Vince Feldman, Sam Klare, Nathan Riddle, Rajnikant Sharma

摘要：在本文中，我们使用SIR模型来模拟辛辛那提三州地区的COVID-19大流行。我们建立了辛辛那提代表性的人口，其中包括到商店，学校，工作场所和去朋友之家的运动。使用此模型，我们模拟了隔离，返回工作和紧急购买的效果。我们表明，当人们返回工作场所时，将会出现第二波感染；而随着隔离措施的宣布，在商店中出现恐慌性购买时，感染数量将大大增加。

雪上加霜：应对COVID-19的登机更改

原文标题：

From Bad to Worse: Airline Boarding Changes in Response to COVID-19

地址：

http://arxiv.org/abs/2006.06403

作者：

T. Islam (1), M. Sadeghi Lahijani (2), A. Srinivasan (1), S. Namilae (3), A. Mubayi (4), M. Scotch (4) ((1) University of West Florida, (2) Florida State University, (3) Embry-Riddle Aeronautical University, (4) Arizona State University)

摘要：航空公司针对COVID-19大流行采取了从前到后的登机流程。其目的是希望减少乘客坐在座位上时靠近坐着的乘客的可能性。但是，我们先前关于飞机埃博拉病毒传播风险的研究表明，增加感染传染风险的驱动力是乘客聚集，同时等待其他人收起行李并坐下。在这项工作中，我们检查了新的登机流程是否导致感染传播的风险增加或减少。我们还将研究与不同登机流程相关的风险差异背后的原因。我们通过使用行人动态模拟新的登机流程并将其与替代方案进行比较来实现这一目标。我们的结果表明，与随机登机相比，从后到前登机的感染率大约翻了一番。与COVID-19爆发之前的典型登机流程相比，它也使暴露率增加了约50％。在保持中间座位空着的情况下，可以大大减少接触的风险，我们的结果表明，在这种情况下，不同的登机流程具有与占据中间座位相似的相对优势。我们显示出增加的暴露源于过道和就座乘客之间的接近程度。我们的结果表明，航空公司要么恢复了较早的登机流程，要么采用了更好的随机流程。

流行病从本地传播到全球的模型：

以印度的COVID-19为例

原文标题：

A model for the spread of an epidemic from local to global: A case study of COVID-19 in India

地址：

http://arxiv.org/abs/2006.06404

作者：

Buddhananda Banerjee, Pradumn Kumar Pandey, Bibhas Adhikari

摘要：在本文中，我们提出了COVID-19传播的流行病学模型。传播的动态基于人口中四个基本类别的人群：经过测试和感染，未经测试但受到感染，经过测试但未受到感染以及未经测试并且未受到感染。该模型基于人口扩散的两个动态水平：地方水平和全球水平。用数据和参数描述了本地水平的增长，其中包括COVID-19的测试统计数据，预防措施（例如全国范围内的封锁）以及人员在邻近地区的迁移。在印度的背景下，本地位置被视为地区，而跨地区的迁移或交通流量则是由感染了COVID-19的地区的人口传播网络的归一化边权重定义的。基于这种局部增长，对接受COVID-19阳性检测的人数进行了州水平的预测。此外，将本地位置视为州，对国家/地区级别进行了预测。使用网格搜索来确定模型参数的值，并在使用实际数据训练模型时最小化误差函数。这些预测是根据当前的测试统计数据以及州和国家/地区测试的某些线性和对数线性增长做出的。最后，表明如果在不久的将来可以通过某些因素线性增加或对数线性增加测试数量以及采取预防措施，则可以控制传播。这对于防止感染人数的急剧增长以及摆脱第二波大流行也很有必要。

基于活动的接触网络规模

和大城市地区的流行病传播

原文标题：

Activity-based contact network scaling and epidemic propagation in metropolitan areas

地址：

http://arxiv.org/abs/2006.06039

作者：

Nishant Kumar, Jimi B. Oke, Bat-hen Nahmias-Biran

摘要：鉴于城市化的发展和新出现的大流行威胁，需要更复杂的模型来了解疾病的传播并调查各种城市类型的干预策略的影响。我们介绍了一种完全机械化，基于活动且时空高度解析的流行病学模型，该模型利用了从大规模城市中的综合出行需求和供给模型获得的人员轨迹。为了模拟两个具有代表性的合成人口和出行方式的全面城市中的COVID-19演变，我们分析了基于活动的联系网络。我们观察到，在两个城市中，公交联系人都是无标度的，工作联系人是Weibull分布的，购物或休闲联系人是指数分布的。我们还调查了运输网络的影响，发现运输网络的移除会抑制疾病的传播，而工作对于高峰后疾病的传播也至关重要。我们的框架根据现有的病例和死亡率数据进行了验证，证明了跟踪和追踪的潜力，以及详细的社会人口统计学和流动性控制策略的流动性分析。

长期护理设施是导致

COVID-19死亡的危险因素

原文标题：

Long-Term Care Facilities as a Risk Factor for Death Due to COVID-19

地址：

http://arxiv.org/abs/2006.06410

作者：

Neil Gandal, Matan Yonas, Michal Feldman, Ady Pauzner, Avraham Tabbach

摘要：COVID-19死亡的很大一部分发生在长期护理机构的居民中。此现象有两个可能的原因。首先，这种环境的结构特征可能导致死亡。或者，这些设施中的人的健康状况可能比其他地方的人差，即使这些人不在这些设施中也可能会死亡。我们的研究结果表明，控制人口密度和老年人在人口中的百分比，人均长期护理床位数与COVID-19死亡率之间存在显著的正相关。这一发现为以下观点提供了支持：长期护理生活安排（老年人）是死于COVID-19的重要危险因素。

根据劣质数据按年龄结构

估算COVID-19 ICU需求

原文标题：

Age-structured estimation of COVID-19 ICU demand from low quality data

地址：

http://arxiv.org/abs/2006.06530

作者：

Rodrigo Veiga, Rodrigo Murta, Renato Vicente

摘要：我们从确诊病例中按照年龄结构概率对加重病例进行抽样，并使用ICU职业数据来查找子通知因子。然后采用对数拟合来预测COVID-19流行病的进展，并从已经到达这一阶段的地点获取高原情景。最后，通过子通知因子对发现的逻辑曲线进行校正，并进行采样以预测ICU病床的未来需求。

印度Covid-19

大流行控制策略的随机方法

原文标题：

Stochastic approach to study control strategies of Covid-19 pandemic in India

地址：

http://arxiv.org/abs/2006.06622

作者：

Athokpam Langlen Chanu, R.K. Brojen Singh

摘要：目前，印度是受Covid-19大流行影响最严重的国家之一。我们研究了印度Covid-19患者的公开数据，并分析了SEQIR模型的随机框架内隔离和社会隔离的可能影响，以说明大流行的控制策略。我们的模拟结果清楚地表明，应从大流行开始时的早期就保持适当的隔离和社会隔离，并应持续到隔离结束，以有效控制大流行。从这个角度来看，这要求将来有一种更符合社会纪律的生活方式。人口随机性在系统动力学中非常明显，在调节和控制大流行中起着至关重要的作用。

经济资源有限的系统中

流行病导致的崩溃

原文标题：

The Epidemic-Driven Collapse in a System with Limited Economic

Resource

地址：

http://arxiv.org/abs/2006.06642

作者：

S.P. Lukyanets, I.S. Gandzha, O.V. Kliushnychenko

摘要：我们考虑了由流行病造成的人口社会和经济崩溃的可能性。我们利用最简单的带有负反馈的玩具模型来研究人口中流行病的扩散动态，并且对某些正式资源（经济，金融等）具有相互影响。对于流行病的传播，我们使用简单的SIS模型，辅以最简单的方程式来求解资源的动态，其动态由活跃的劳动力资源决定。我们注意到，患者的特征康复率或恢复时间取决于卫生服务的成本，基本生活消费水平的成本，E 和某些正式资源的可得性。钱。由于服务成本是固定的，因此如果没有足够的个人，私人或集体财务资源 R E ，则该服务将终止，因此该服务将不存在。因此，我们假设恢复速率应具有激活字符 sim exp（-E / rho）。我们表明，根据流行病的传播速度和形式资源的可用性，系统可以恢复正常生活，可以克服压力或转移到另一个稳定但更“贫穷”的状态。否则，系统可能崩溃。当系统崩溃时，它可以通过许多准稳定状态，其动态特性类似于所谓的魔鬼阶梯。

南非公众对COVID-19

反应的提取和分类-社交媒体研究

原文标题：

Extracting and categorising the reactions to COVID-19 by the South African public — A social media study

地址：

http://arxiv.org/abs/2006.06336

作者：

Vukosi Marivate, Avashlin Moodley, Athandiwe Saba

摘要：社交媒体可用于在灾难期间提取讨论主题。鉴于COVID-19大流行对南非的影响，我们需要了解政府针对大流行而颁布的法律法规与社交媒体用户一直在进行的讨论主题形成的对比。在这项工作中，我们扩展了传统媒体通过使用由南非政府官员推动或针对南非政府官员的社交媒体讨论进行分析。在某些情况下，我们发现主题相似或不同。这些发现可以为在南非及其他地区的灾难环境下对社交媒体的进一步研究提供信息。

COVID-19扩大了研究中的性别差异

原文标题：

COVID-19 amplifies gender disparities in research

地址：

http://arxiv.org/abs/2006.06142

作者：

Goran Muric, Kristina Lerman, Emilio Ferrara

摘要：早期证据表明，妇女，包括女性研究人员，受 mbox COVID-19大流行的影响尤其严重，对她们的生产力产生负面影响。在这里，我们通过分析在大流行期间发表科学论文的男性和女性研究人员的比例来检验这一假设。我们使用来自生物医学预印本服务器和Springer-Nature期刊的数据表明，在控制了时间趋势之后，大流行期间出版的女性比例在各个学科和研究主题之间均显著下降。对于与COVID-19研究有关的生物医学论文，这种影响尤为明显。此外，通过对作者的从属关系进行地理编码，我们表明，即使贫穷国家在大流行之前的研究中性别差距较小，但贫穷国家的性别差距仍在加剧。我们的结果表明，像全球大流行这样的特殊事件如何进一步加剧研究中的性别不平等。我们的工作可以为更公正的科学评估方法提供参考，尤其是对于可能受到大流行影响不大的早期职业女性研究人员。

DFraud3-无需冷启动的多组分欺诈检测

原文标题：

DFraud3- Multi-Component Fraud Detection freeof Cold-start

地址：

http://arxiv.org/abs/2006.05718

作者：

Saeedreza Shehnepoor, Roberto Togneri, Wei Liu, Mohammed Bennamoun

摘要：欺诈审查检测是最近几年的热门研究课题。冷启动是一个特别新的重要问题，涉及检测系统无法识别新用户的真实性。最新的解决方案采用翻译知识图嵌入方法（TransE）来对审阅系统的组件之间的交互进行建模。但是，这些方法受到TransEin处理N-1关系的局限性和单一分类任务范围狭窄的限制，即仅检测欺诈者。在本文中，我们将评论系统建模为异构信息网络（HIN），该系统可对每个组件进行唯一表示，并通过聚集附近节点的特征对评论数据进行图归纳学习。具有图归纳的HIN有助于解决伪装问题（带有真实评论的欺诈者），当伪装问题与冷启动结合使用时，伪装问题变得更加严重，即具有真实第一评论的新欺诈者。在这项研究中，检测到欺诈审核或欺诈用户（欺诈者），而不是只关注一个组件，而是为每个组件学习矢量表示，从而实现多组件分类。换句话说，我们能够检测到欺诈评论，欺诈者和针对欺诈的项目，因此我们的方法名称为DFraud3。DFraud3证明，与Yelp上最先进的技术相比，其准确性提高了13％。

当科学是博弈

原文标题：

When Science is a Game

地址：

http://arxiv.org/abs/2006.05994

作者：

Simon DeDeo

摘要：当科学家在某个领域的发展中的某些时候玩博弈时会发生什么？我提供了一个这样的分析框架，它借鉴了历史学家约翰·休伊津加（Johan Huizinga）提供的博弈论。Huizinga为社交实践成为博弈提供了五个条件：自由参与，脱节，时间和竞技场的局限性，规则的有序创造以及紧张的存在。适用于科学实践的行为模式可以通过定量分析进行检验：学科之间严格的界限的出现，理论创造方面的漏洞的关闭，对期刊出版中某些创新的抵制以及科学家无法起诉同事的方式从事可疑的研究实践的人。

纳什强化学习对自适应

垃圾邮件发送者的鲁棒检测

原文标题：

Robust Detection of Adaptive Spammers by Nash Reinforcement Learning

地址：

http://arxiv.org/abs/2006.06069

作者：

Yingtong Dou, Guixiang Ma, Philip S. Yu, Sihong Xie

摘要：在线评论为客户提供产品评估以做出决策。不幸的是，专业的垃圾邮件发送者可以使用虚假评论（“垃圾邮件”）来操纵评估，他们已经通过适应已部署的检测器来学习越来越阴险而强大的垃圾邮件发送策略。垃圾邮件发送策略很难捕获，因为它们会随着时间变化迅速，垃圾邮件发送者和目标产品之间会有所不同，更重要的是，在大多数情况下，垃圾邮件发送策略仍然未知。此外，大多数现有的检测器专注于检测精度，这与保持产品评估的可信赖性的目标并不一致。为了解决这些挑战，我们制定了一个minimax博弈，其中垃圾邮件发送者和垃圾邮件检测者根据其实际目标相互竞争，而不仅仅是基于检测准确性。博弈的纳什均衡导致稳定的检测器，该检测器对任何混合检测策略均不可知。但是，该博弈没有封闭形式的解决方案，因此无法区分典型的基于梯度的算法。我们将博弈变成两个相互依赖的马尔可夫决策过程（MDP），以基于多武装匪徒和策略梯度进行有效的随机优化。我们使用各种最新的垃圾邮件和检测策略对三个大型评论数据集进行了实验，结果表明该优化算法可以可靠地找到一个均衡的检测器，该检测器可以有效地防止采用任何混合垃圾邮件策略的垃圾邮件发送者达到其实际目标。我们的代码可从https://github.com/YingtongDou/Nash-Detect获得。

通过Reshare级联模型分析

和可视化在线用户的工具包

原文标题：

A Toolkit for Analyzing and Visualizing Online Users via Reshare Cascade Modeling

地址：

http://arxiv.org/abs/2006.06167

作者：

Quyu Kong, Rohit Ram, Marian-Andrei Rizoiu

摘要：在线话语动力学建模是了解离线和在线信息传播以及紧急在线行为的核心活动。当前，在线社交媒体分析的从业人员（通常是社会，政治和传播科学家）与能够处理大量在线数据并检查在线用户及其行为的工具之间存在脱节。我们提供了两种工具，birdspotter和events，用于根据在线用户在转推级联中的参与度来分析在线用户。birdpotter提供了一个工具包，用于评估Twitter用户的社会影响力和僵尸网络。尽管它利用了诸如文本内容之类的推文的多模式信息，但通过使用自激过程对信息传播的时间动态进行建模，最终增加了用户度量。两种工具都是为具有广泛计算机专业知识的用户设计的，包括教程和详细文档。我们使用两个工具对在线用户行为进行端到端分析，说明了与COVID-19相关的主题数据集的案例研究。

G5：通用GRAPH-BERT，

用于图到图的迁移和启示学习

原文标题：

G5: A Universal GRAPH-BERT for Graph-to-Graph Transfer and Apocalypse Learning

地址：

http://arxiv.org/abs/2006.06183

作者：

Jiawei Zhang

摘要：最近的GRAPH-BERT模型引入了一种仅基于注意力机制来学习图表示的新方法。GRAPH-BERT提供了一个机会，可以在同一图数据集中的不同任务之间传递预训练的模型和学习的图表示形式。在本文中，我们将进一步研究通用GRAPH-BERT在不同图数据集之间进行图表示学习的图间转换，为简单起见，我们提出的模型也称为G5。学习G5以适应每个图数据源的不同输入和输出配置以及信息分布差异存在许多挑战。G5引入了可插拔的模型体系结构：（a）每个数据源将使用唯一的输入表示学习组件进行预处理；（b）每个输出应用程序任务还将具有特定的功能组件；（c）所有这些不同的输入和输出组件都将分别通过输入大小统一层和输出表示融合层与通用GRAPH-BERT核心组件结合。G5模型消除了跨图表示学习和传递的最后障碍。对于具有非常稀疏的训练数据的图源，在其他图上预先训练的G5模型仍可以通过必要的微调用于表示学习。此外，G5的体系结构还使我们能够学习数据源的监督功能分类器，而无需任何训练数据。该问题在本文中也称为“启示学习”任务。为了解决该问题，本文介绍了两种不同的标签推理策略，即跨源分类一致性最大化（CCCM）和跨源动态路由（CDR）。

具有首选移动方向的剪刀石头布模型

原文标题：

Rock-paper-scissors models with a preferred mobility direction

地址：

http://arxiv.org/abs/2006.06360

作者：

P.P. Avelino, B.F. de Oliveira, J.V.O. Silva

摘要：我们研究了使用非晶格随机模拟的修改后的空间随机Lotka-Volterra剪刀石头布模型的公式。在此模型中，一个物种优先沿特定方向移动-优先级别由噪声强度参数 eta in [0，1] （ eta = 0 和 eta = 1）控制分别对应于总偏好和无偏好）-而其他两个物种没有参照运动方向。我们从随机初始条件开始研究系统的行为，表明具有非对称迁移率的物种始终比其掠食者更具优势。我们还确定了噪声强度参数的最佳值，该值为该种类提供了最大的优势。最后，我们发现随着噪声水平的提高，个体的临界数量（在其之下绝种的可能性变得显著）降低了，因此表明，本文研究的优选迁移方向的添加不利于共存。

理解您的FATE：

社交应用上用户参与度预测的友谊、

行为和时间解释

原文标题：

Knowing your FATE: Friendship, Action and Temporal Explanations for User Engagement Prediction on Social Apps

地址：

http://arxiv.org/abs/2006.06427

作者：

Xianfeng Tang, Yozen Liu, Neil Shah, Xiaolin Shi, Prasenjit Mitra, Suhang Wang

摘要：近年来，随着社会网络应用程序（Apps）的快速增长和普及，了解用户参与度变得越来越重要，以便为将来的应用程序设计和开发提供有用的见解。尽管最近开创了一些有前途的神经建模方法来准确预测用户参与度，但不幸的是，其黑盒设计在模型可解释性方面受到限制。在本文中，我们研究了社会网络应用程序可解释的用户参与预测的新问题。首先，我们根据未来的指标期望，为各种业务场景提出灵活的用户参与度定义。接下来，我们设计一个端到端的神经框架FATE，该框架包含我们确定的影响用户参与度的三个关键因素，即友谊，用户行为和时间动态，以实现可解释的参与度预测。FATE基于基于张量的图神经网络（GNN），LSTM和混合注意机制，该机制允许（a）基于不同特征类别之间学习的权重进行预测性解释，（b）降低网络复杂度，以及（c）改善了预测准确性和训练/推理时间的性能。我们对Snapchat的两个大型数据集进行了广泛的实验，其中FATE的性能比最新方法高出 approx 10 ％，减少了 approx 20 ％的运行时间。我们还评估了FATE的解释，显示出强大的定量和定性性能。

组建图的候选学院：

启发式半监督学习框架

原文标题：

Forming an Electoral College for a Graph: a Heuristic Semi-supervised Learning Framework

地址：

http://arxiv.org/abs/2006.06469

作者：

Chen Li, Xutan Peng, Hao Peng, Jianxin Li, Lihong Wang, Philip S. Yu

摘要：最近，基于图的算法由于在半监督场景中取得了令人瞩目的成功而备受关注。为了获得更好的模型性能，以前的研究学习了如何变换输入图的拓扑。但是，这些工作仅专注于优化原始节点和边，而未探索增加现有数据的方向。在本文中，通过模拟图信号的生成过程，我们提出了一种新颖的启发式预处理技术，即ELectoral COllege（ELCO），该技术可自动扩展新的节点和边线以细化密集子图中的标签相似性。通过使用高质量的生成的标记数据大大扩展了原始训练集，我们的框架可以有效地使下游模型受益。为了证明ELCO的通用性和实用性，我们将其与流行的Graph Convolution Network和Graph Attention Network结合使用，以对三个标准数据集进行广泛的半监督学习评估。在所有经过测试的设置中，我们的方法将基本模型的平均分数提高了4个百分点，并且始终优于最新技术。请在https://github.com/RingBDStack/ELCO中找到我们的代码。

使用吸收马尔可夫链理解

灾难响应期间的信息流动力学

原文标题：

Understanding the Dynamics of Information Flow During Disaster Response Using Absorbing Markov Chains

地址：

http://arxiv.org/abs/2006.06510

作者：

Yitong Li, Wenying Ji

摘要：本文旨在得出一个定量模型，以评估信息流对联邦政府向社区提供援助的有效性的影响。该模型的核心是一个专门的吸收性马尔可夫链，该链对考虑社区与利益相关者之间的互动和信息流的不确定性而向社区提供联邦援助的过程进行了建模。基于该模型，计算社区满意度的概率以反映灾难响应过程的有效性。提供了一个说明性示例来演示派生模型的适用性和可解释性。实际上，该研究为政府利益相关者提供了可解释的见解，以评估信息流对其灾难响应过程的影响，从而可以确定关键利益相关者并采取有针对性的积极行动来增强灾难响应能力。

地球上所有人类住区的

精确制图、空间结构和分类

原文标题：

Precise mapping, spatial structure and classification of all the human settlements on Earth

地址：

http://arxiv.org/abs/2006.06584

作者：

Emanuele Strano, Filippo Simini, Marco De Nadai, Thomas Esch, Mattia Marconcini

摘要：地球上的人类住区（HSs）对所有自然和社会系统都有直接影响，但是关于地球上所有HS的位置和空间结构的详细和定量测量仍在争论中。我们在此提供《 2015年世界解决足迹》，前所未有的10 m分辨率的HS的全球空间清单，以及它们的覆盖范围，地理和形态的精确定量分析和空间模型。HSs估计覆盖了全球可耕地面积的1.47％，并且可以通过其与规模结构的偏离，将其分类为四种主要模式类型。一个基于分散和集中化城市化之间动态相互作用的最小空间模型，能够再现跨地区的所有定居模式。我们的数据集和沉降模型可用于改进全球土地使用变化以及人类土地使用周期和相互作用的建模，并最终可以增进我们对全球人类化过程和人为环境变化的理解。

探索鲁棒图覆盖问题的算法公平性

原文标题：

Exploring Algorithmic Fairness in Robust Graph Covering Problems

地址：

http://arxiv.org/abs/2006.06865

作者：

Aida Rahmattalabi, Phebe Vayanos, Anthony Fulginiti, Eric Rice, Bryan Wilder, Amulya Yadav, Milind Tambe

摘要：在算法进步的推动下，人工智能算法正越来越多地部署在面临无法预料的挑战和复杂社会影响的环境中。受AI驱动的，基于社会网络的自杀预防和滑坡风险管理干预措施在现实世界中的部署的启发，本文着重研究了涵盖受群体公平性约束影响的问题的稳健图。我们表明，在没有公平约束的情况下，用于鲁棒图覆盖问题的最新算法会导致节点覆盖率出现偏差：它们倾向于根据传统边化群体中的成员身份来区分个人（节点）。为了缓解此问题，我们提出了一种新颖的鲁棒图覆盖问题，该问题涉及具有组公平性约束的问题以及适用于实际情况的易于处理的近似方案。我们针对此问题对组公平价格（PoF）进行了形式化分析，表明不确定性会导致更大的PoF。我们在一些现实世界的社会网络上证明了我们的方法的有效性。与最新方法相比，我们的方法可产生竞争性的节点覆盖率，同时显著提高组公平性。

COVID-19锁定期间北京交通的

显著减少未能缓解雾霾污染：

对减轻雾霾的启示

原文标题：

Significant reduced traffic in Beijing failed to relieve haze pollution during the COVID-19 lockdown: implications for haze mitigation

地址：

http://arxiv.org/abs/2006.07297

作者：

Zhaofeng Lv (1), Xiaotong Wang (1), Fanyuan Deng (1), Qi Ying (2), Alexander T. Archibald (3), Roderic L. Jones (3), Yan Ding (4), Ying Cheng (5), Mingliang Fu (4), Ying Liu (5), Hanyang Man (1), Zhigang Xue (4), Kebin He (1), Jiming Hao (1), Huan Liu (1) ((1) State Key Joint Laboratory of ESPC, State Environmental Protection Key Laboratory of Sources and Control of Air Pollution Complex, International Joint Laboratory on Low Carbon Clean Energy Innovation, School of the Environment, Tsinghua University, China, (2) Zachry Department of Civil and Environmental Engineering, Texas A&M University, USA, (3) Centre for Atmospheric Science, Department of Chemistry, University of Cambridge, UK, (4) Chinese Research Academy of Environmental Sciences, (5) Beijing Transport Institute)

摘要：COVID-19疫情极大地限制了人类的活动并减少了主要的排放，特别是减少了城市道路车辆的主要排放，但与此同时，北京正经历着大流行的阴霾，这引起了公众对于为改善空气污染而实施的交通政策的有效性和有效性的关注。在这里，我们基于综合分析框架，探讨了COVID-19锁定之前和期间北京当地车辆排放与冬季雾霾之间的关系，该框架结合了实时道路排放清单，现场空气质量观测结果以及本地化的化学运输模型系统。我们发现，交通流量的减少在很大程度上受到大流行的影响，与VOC（53.1％，52.9 Mg /天）相比，NOx的减少量更高（75.9％，125.3 Mg /天）。出乎意料的是，我们的结果表明，车辆排放的NOx和VOC的减排不平衡导致市区的大气氧化能力显著提高，但由于前驱物不足，导致二次气溶胶的温和增加。但是，周围区域增强的氧化能力大大增加了具有相对丰富前体的次级粒子，这主要是造成锁定期北京雾霾的原因。我们的结果表明，由于细颗粒物和空气污染物排放的复杂非线性响应，北京的冬季雾霾对当地的汽车排放减少不敏感。我们建议减缓政策应着重于加快VOC和NH3的减排并同步控制区域排放源，以释放对当地交通排放控制的好处。

异构考虑自我保护时对资源–

流行病协同演化动力学的影响

原文标题：

Effects of heterogeneous self-protection awareness on resource-epidemic coevolution dynamics

地址：

http://arxiv.org/abs/2006.06935

作者：

Xiaolong Chen, Kai Gong, Ruijie Wang, Shimin Cai, Wei Wang

摘要：最近的研究表明，个体资源的分配对流行传播的动态有重大影响。在实际情况中，面对流行病爆发时，个人对自我保护的认识水平不同。为了研究异构自我意识分布对流行病动力学的影响，我们在本文中提出了一种资源-流行共演化模型。我们首先研究节点度和自我意识的异构分布对人工网络上流行病动态的影响。通过广泛的模拟，我们发现自我意识分布的异质性抑制了流行病的爆发，而程度分布的异质性则增强了流行病的传播。接下来，我们研究节点程度与自我意识之间的相关性如何影响流行病动态。结果表明，当相关性为正时，自我意识的异质性抑制了流行病的传播。同时，当存在显著的负相关时，自我意识的强异质或强同质分布不利于疾病抑制。我们发现自我意识的最佳异质性，可以最大程度地抑制疾病。进一步的研究表明，当相关性从最负变为最正时，流行阈值单调增加，并且发现了相关系数的临界值。当系数低于临界值时，存在自我意识的最佳异质性。否则，随着自我意识异质性的降低，流行阈值单调降低。最后，我们在四个典型的真实世界网络上验证了结果，发现真实世界网络上的结果与人工网络上的结果一致。

Covid-19退出策略的

数据驱动模拟和优化

原文标题：

Data-driven Simulation and Optimization for Covid-19 Exit Strategies

地址：

http://arxiv.org/abs/2006.07087

作者：

Salah Ghamizi, Renaud Rwemalika, Lisa Veiber, Maxime Cordy, Tegawende F. Bissyande, Mike Papadakis, Jacques Klein, Yves Le Traon

摘要：冠状病毒SARS-2的迅速传播是一个重大挑战，导致全世界几乎所有国家的政府采取严厉措施应对这一悲剧。这些措施中最主要的是整个国家和城市的大规模封锁，这不仅超出了其全球经济影响，还造成了人口内部某些深刻的社会和心理紧张局势。尽管已普遍采用了缓解措施（包括锁定措施），但决策者现在面临一个关键问题：如何以及何时取消缓解措施？要从大流行中恢复过来而又不冒新的爆发风险，确实需要精心计划的退出策略。传统上，退出策略依靠数学模型来预测公共卫生干预措施的效果。不幸的是，此类模型对通常基于经验法则设置的一些关键参数敏感。在本文中，我们建议使用实际的数据驱动模型来增强流行病学预测，这将学习对预测进行微调。不同的环境（例如，每个国家/地区）。因此，我们构建了一个流行病模拟和预测工具包，该工具包结合了对该疾病的流行病学参数的深度学习估计以预测病例和死亡，以及一种遗传算法组件，可在约束与目标之间寻求最佳的权衡/策略由决策者决定。在不同国家重现大流行的演变过程，我们通过实验表明，在75％的案例中，我们的方法所产生的预测错误率要比纯流行病学模型低得多，并且在未进行研究的国家/地区转移和测试学习成果时，R2得分达到95％。当用于预测时，此方法可提供对单个度量和策略的影响的可行见解。

使用对称性、凸性调整和

债券价格解决群体免疫悖论

原文标题：

Addressing the Herd Immunity Paradox Using Symmetry, Convexity Adjustments and Bond Prices

地址：

http://arxiv.org/abs/2006.07341

作者：

Peter Cotton

摘要：在恒定参数区室模型中，群体免疫的早期发作与早期生长的R值估计值不一致。为了解决这个难题，我们受到de Finetti定理的启发，并且我们展示了作为对称群轨道的元人口模型的等价类。我们通过混合随机SIR模型进行说明，其中可以从Vasicek的经典债券定价公式推断增长。这种方法利用了模型可观测对象的对称性，然后使用凸度调整来直接确定定位自然模型轨道所需的变化程度。凸度调整对于横截面比较也很有用。我们考虑了一些程式化的人口密度配置文件，并在给定另一区域的阈值感染知识的情况下，得出了易于使用的经验法则来估算一个区域的阈值感染水平。

荷兰公众对Twitter数据中

政府COVID-19措施和公告的反应

原文标题：

Dutch General Public Reaction on Governmental COVID-19 Measures and Announcements in Twitter Data

地址：

http://arxiv.org/abs/2006.07283

作者：

Shihan Wang, Marijn Schraagen, Erik Tjong Kim Sang, Mehdi Dastani

摘要：公众情绪（公众表达的观点，态度或感觉）是政府感兴趣的因素，因为它直接影响政策的实施。鉴于COVID-19危机具有前所未有的性质，因此对于政府措施和公告的公众情绪的最新报道至关重要。尽管“呆在家里”的政策使面对面的互动和采访变得充满挑战，但分析反映公众对政策措施的意见的实时Twitter数据是一种获取公众情绪的经济高效的方式。在本文中，我们从2020年2月荷兰COVID-19爆发开始使用Twitter API收集流数据，并跟踪荷兰公众对政府措施和公告的反应。我们提供过去四个月的推文频率和公众情绪的时间分析。在案例研究中，我们还确定了公众对荷兰戴口罩政策的态度。通过呈现这些初步结果，我们旨在为公众，科学家和政策制定者提供有关COVID-19的社交媒体讨论的可见性。数据收集和分析将随着时间的推移进行更新和扩展。

利他主义和焦虑感：

英国和爱尔兰的Covid-19锁定期间

参与在线社区支持计划（OCSI）

原文标题：

Altruism and anxiety: Engagement with online community support initiatives (OCSIs) during Covid-19 lockdown in the UK and Ireland

地址：

http://arxiv.org/abs/2006.07153

作者：

Camilla Elphick, Avelie Stuart, Richard Philpot, Zoe Walkington, Lara Frumkin, Min Zhang, Mark Levine, Blaine Price, Graham Pike, Bashar Nuseibeh, Arosha Bandara

摘要：考虑到在Covid-19锁定期间对心理健康的担忧，了解与在线Covid-19相关的资料如何影响情绪非常重要。在英国和爱尔兰，已经出现了在线社区支持计划（OCSI），以帮助人们管理生活。然而，人们如何参与这些活动或他们是否影响随后的情绪，人们所知甚少。我们进行了调查，以探讨英国和爱尔兰的人们如何与OCSI互动，发现70％的人这样做是为了提供支持（例如提供公司）。那些这样做的人报告说之后感觉非常平静，那些从事一般性关注（例如对反社会行为的回应）的人报告之后感觉更加焦虑，但是对于那些出于其他原因（例如分享经验或观点）。因此，出于无私的目的而与OCSI接触可能有助于使人感到镇定。

通过序列资源分配进行动态流行病控制

原文标题：

Dynamic Epidemic Control via Sequential Resource Allocation

地址：

http://arxiv.org/abs/2006.07199

作者：

Mathilde Fekom, Nicolas Vayatis, Argyris Kalogeratos

摘要：在动态资源分配（DRA）问题中，管理员必须向网络的节点分配有限数量的资源，以减少扩散过程（DP）（例如流行病）。在本文中，我们提出了一个多轮动态控制框架，该框架通过两个衍生模型来实现：受限和顺序DRA（RDRA，SDRA），该模型允许受限信息和对整个网络的访问，这与标准的全功能控制相反。信息和完全访问DRA模型。在每一轮干预中，管理员只能访问一小部分网络节点，前者同时访问，后者顺序访问。决策过程中的此顺序方面为动态DP控制提供了全新的视角，使这项工作首次将动态控制问题转换为一系列顺序选择问题。通过深入的SIS流行病模拟，我们在生成的和实际数据网络上比较了多轮方法与其他资源分配策略和几种顺序选择算法的性能。结果提供了有关所提出的针对现实生活问题的框架的效率和适用性的证据。

COVID-19传播的变化点

质疑德国干预措施的有效性

原文标题：

Change points in the spread of COVID-19 question the effectiveness of interventions in Germany

地址：

http://arxiv.org/abs/2006.07209

作者：

Thomas Wieland

摘要：这项研究试图评估针对德国SARS-CoV-2感染的非药物干预措施的有效性。使用根据官方病例数据估计的感染日期，估计感染和繁殖数量的指数增长模型，并就变化点进行调查。在3月初发现了明显的感染减少迹象，这可以归因于较小的干预措施和自愿的行为改变。后期干预的效果尚不清楚。措施的自由化并没有导致感染的增加。这些结果与先前对德国案件的研究相矛盾。该研究还显示了在评估干预措施方面的三个方法挑战：a）估计真实感染日期，b）几种指标的使用，以及c）测试量的影响。总之，大多数德国干预措施的有效性仍然值得怀疑。

Twitter讨论隐私和监控：

以COVID-19为例

原文标题：

Discussing Privacy and Surveillance on Twitter: A Case Study of COVID-19

地址：

http://arxiv.org/abs/2006.06815

作者：

Jayati Dev

摘要：技术具有独特的定位，可帮助我们分析大量信息，从而在广泛的公共卫生问题（例如持续发生的COVID-19大流行）中提供有价值的见解。实际上，诸如苹果和谷歌之类的信息技术公司最近已经推出了用于联系人追踪的工具，即能够处理位置数据以确定与可能的患者进行过接触的人员，以便遏制病毒的传播。尽管中国和新加坡已经成功地领导了这项工作，但越来越多的国家正在实施这样的监视系统，这对这种长期监视产生了潜在的隐私问题。例如，目前尚不清楚大流行后的信息会发生什么变化，因为人们更可能在全球危机期间共享其信息，而无需政府详细说明其数据政策。Twitter上的数字人种志（Digital Ethnography）在全球拥有超过3.3亿用户，美国大部分地区流行病的影响最为严重，这为人们提供了一个难得的机会，可以在相当自然的环境中了解公众对时事的实时看法。因此，在前所未有的公共卫生事件爆发期间，通过对Twitter数据和信息共享策略进行分析，可能会突出显示用户的隐私问题（如果存在）。这将使政府能够在突发卫生事件期间和之后保护其公民。