集智斑图最新论文栏目，关注复杂系统、网络科学、计算社会科学、统计物理等领域的前沿进展，每天即时更新相关顶刊论文，和最新ar Xiv预印本论文。

本文是对近期arXiv论文的汇总编译（by 彩云小译）。更多最新论文，请扫二维码获取。

核心速递

学习新技能是否有回报？揭示交叉技能的经济利益；
具有预测奖励的多智能体主动感知；
合作交流的数学理论；
YouTube 上的伪科学内容: 评估观看历史对推荐算法的影响；
节点属性和邻近性在图的半监督分类中的联合应用；
耦合张量-矩阵知识图嵌入用于新冠病毒再利用；
扩散-反应流行病模型的自适应网格细化和粗化；
状态图核的密度；
基于模型增强型强化学习的出租车随机路径优化；
社会泡沫与超级传播者: 超级树上传染过程的源识别；
评估社会网络结构对冠状病毒传播的影响: 一个广义的空间 SEIRD 模型新冠肺炎；

学习新技能是否有回报？

揭示交叉技能的经济利益

原文标题：

Does it Pay Off to Learn a New Skill? Revealing the Economic Benefits of Cross-Skilling

地址：

https://pattern.swarma.org/paper?id=90760506-14e7-11eb-aa7d-0242ac1a000c

作者：

Fabian Stephany

摘要：这项工作研究了从不同领域学习一项新技能的经济效益: 交叉技能。为了评估这一点，我们从4810个在线自由职业者的工作档案中构建了一个技能网络。基于这种技能网络，揭示了3,525种不同技能之间的关系，学习一种新技能的边际效应可以通过工人的工资计算出来。结果表明，学习一项新技能的附加经济价值在很大程度上取决于已经存在的技能组合，但是从不同领域获得一项技能往往是有益的。由于技术和社会变革正在快速重组工作的任务档案，这项研究的结果有助于阐明掌握新技术和设计个人培训途径所需的技能组合。这有助于提高就业能力和减少劳动力市场短缺。

具有预测奖励的

多智能体主动感知

原文标题：

Multi-agent active perception with prediction rewards

地址：

https://pattern.swarma.org/paper?id=18e771ae-14ed-11eb-aa7d-0242ac1a000c

作者：

Mikko Lauri,Frans A. Oliehoek

摘要：多智能体主动感知是一组智能体合作收集观测数据，计算隐含变量的联合估计。任务是分散的，联合估计只能在任务结束后通过融合所有代理的观测值来计算。目标是最大限度地提高估计的准确性。准确性通过集中的预测奖励被量化，该奖励由一个集中的决策者决定，他感知到任务结束后所有代理人收集的观察结果。在本文中，我们将多智能体的主动感知模型化为一个具有凸集中预测奖励的分散部分可观察马可夫决策过程。通过引入每个智能体的个体预测行为，将问题转化为具有分散预测奖励的标准 Dec-POMDP 算法。地方分权损失是有界的，我们给出了它为零时的一个充分条件。我们的结果允许应用任何 Dec-POMDP 解算法来解决多智能体主动感知问题，并使规划减少不确定性没有显式的联合估计计算。通过将标准 Dec-POMDP 算法应用于多智能体主动感知问题，我们证明了我们研究结果的经验有用性，表明在规划领域中可扩展性有所提高。

合作交流的数学理论

原文标题：

A mathematical theory of cooperative communication

地址：

https://pattern.swarma.org/paper?id=113ce506-14ed-11eb-aa7d-0242ac1a000c

作者：

Pei Wang,Junqi Wang,Pushpi Paranamana,Patrick Shafto

摘要：合作交流在人类认知理论、语言理论、发展理论、文化理论以及人机交互理论中占有重要地位。先前的合作通信模型本质上是算法模型，并没有阐明为什么合作可以产生有效的信念传递，以及由于代理之间信念的差异可能产生什么限制。通过与最优传输理论的联系，我们建立了一个合作通信的数学框架。我们推导了特殊情况下的先验模型，信念转移方案的统计解释，以及鲁棒性和不稳定性的证明。计算模拟支持和阐述我们的理论结果，并证明符合人类行为。研究结果表明，合作交流能够有效、稳健地进行信念传递，这是解释人类学习行为和改善人机交互所必需的。

YouTube 上的伪科学内容:

评估观看历史对推荐算法的影响

原文标题：

Pseudoscientific Content on YouTube: Assessing the Effects of Watch History on the Recommendation Algorithm

地址：

https://pattern.swarma.org/paper?id=8f0645c8-14e7-11eb-aa7d-0242ac1a000c

作者：

Kostantinos Papadamou,Savvas Zannettou,Jeremy Blackburn,Emiliano De Cristofaro,Gianluca Stringhini,Michael Sirivianos

摘要：已经彻底改变了人们发现和消费视频的方式，成为互联网用户的主要新闻来源之一。由于 YouTube 上的内容是由用户生成的，该平台特别容易受到错误信息和阴谋视频的攻击。更糟糕的是，YouTube 的推荐算法在无意中推广可疑内容时所扮演的角色并没有得到很好的理解，而且可能会使问题变得更糟。这可能会产生可怕的现实后果，尤其是当伪科学内容在关键时刻向用户推广时，例如在2019冠状病毒疾病流行期间。本文对 YouTube 上的伪科学错误信息进行了特征分析和检测。我们收集了6.6 k 的视频，内容涉及2019冠状病毒疾病、地球平面理论、反接种疫苗和反掩膜运动; 通过众包，我们把它们注释为伪科学、合法科学或无关紧要的东西。然后我们训练一个深度学习分类器来检测伪科学视频，准确率达到76.1% 。接下来，我们量化用户在平台各个部分(例如，用户主页、观看特定视频时的推荐视频或搜索结果)上对这些内容的接触程度，以及这些接触程度随用户观看历史的变化而变化。我们发现，当用户搜索特定主题时，YouTube 的推荐算法在推荐伪科学内容方面更加咄咄逼人，而这些推荐在用户主页上或积极观看伪科学视频时则不那么常见。最后，我们阐明了用户的观看历史对推荐视频类型的重要影响。

节点属性和邻近性在图的

半监督分类中的联合应用

原文标题：

Joint Use of Node Attributes and Proximity for Semi-Supervised Classification on Graphs

地址：

https://pattern.swarma.org/paper?id=8f0645c8-14e7-11eb-aa7d-0242ac1a000c

作者：

Arpit Merchant,Michael Mathioudakis

摘要：节点分类问题是根据图中某些节点的结构、节点属性和标签，推断出图中未知的节点标签。此任务的方法通常假设相邻节点具有相似的属性，因此，可以从其邻居的标签预测节点的标签。虽然这种同相性经常被观察到(例如，对于社会网络中的政治派别) ，但是这种假设可能不适用于任意的图形数据集和分类任务。事实上，共享相同标签的节点可能相邻但属性不同; 或者不相邻但属性相似。我们的目标是开发一种节点分类方法，可以灵活地适应一系列设置，其中标签与图结构或节点属性相关，或两者兼而有之。为此，我们提出了 JANE (联合使用 Attributes 和 Node Embeddings) : 一种新颖的原则性方法，它基于概率生成模型，权衡节点邻近性和属性相似性在预测标签中的作用。我们在各种图形数据集上的实验以及与标准基线的比较表明，JANE 展示了一种通用性和竞争性性能的卓越组合。

耦合张量-矩阵知识图嵌入

用于新冠病毒再利用

原文标题：

TeX-Graph: Coupled tensor-matrix knowledge-graph embedding for COVID-19 drug repurposing

地址：

https://pattern.swarma.org/paper?id=8a75c4ca-14e7-11eb-aa7d-0242ac1a000c

作者：

Charilaos I. Kanatsoulis,Nicholas D. Sidiropoulos

摘要：知识图(KGs)是一种强大的工具，可以将知识库中实体之间的关系行为编码。KGs 可以同时模拟多种不同类型的主谓宾关系和高阶关系。因此，他们提供了一个灵活的建模框架，这个框架已经应用到许多领域，包括生物学和药理学—- 最近，在与2019冠状病毒疾病的斗争中。从学习的角度来看，KG 建模的灵活性既是一件好事，也是一个挑战。本文提出了一种新的用于 KG 嵌入的耦合张量矩阵框架。我们利用张量分解工具来学习知识库中实体和关系的简明表示法，并利用这些表示法为2019冠状病毒疾病进行药物再利用。我们提出的框架是有原则的，优雅的，并达到100% 的改善最佳基线的2019冠状病毒疾病药物再利用任务使用最近开发的生物 KG。

扩散-反应流行病模型的

自适应网格细化和粗化

原文标题：

Adaptive Mesh Refinement and Coarsening for Diffusion-Reaction Epidemiological Models

地址：

https://pattern.swarma.org/paper?id=c2a097a4-14e6-11eb-aa7d-0242ac1a000c

作者：

Malú Grave,Alvaro L. G. A. Coutinho

摘要：2020年2019冠状病毒疾病的爆发引起了人们对传染病数学模型的兴趣。疾病传播可以模拟为分室模型，在这种模型中，被研究的人口被划分为若干分室，并假设从一个分室到另一个分室的传播的性质和时间速率。通常，它们是由常微分方程组(ODE’s)组成的。其中一类模型考虑易感人群、暴露人群、感染人群、康复人群和死亡人群的 SEIRD 模型。然而，这些模型并不总是考虑到个体从一个区域到另一个区域的移动。在这项工作中，我们将 SEIRD 房室模型的公式推广到偏微分方程的扩散-反应系统，以捕捉2019冠状病毒疾病的连续时空动态。由于病毒的传播不仅仅是通过扩散，我们在方程系统中引入了一个源项，代表从旅行回来的受感染的人。我们还增加了各向异性非均匀扩散的可能性。考虑到自适应网格细化和粗化，我们在一个开放的有限元库 texttt { libMesh }中实现了整个模型，该库为多物理学提供了一个框架。因此，该模型可以代表多个空间尺度，适应疾病动态的分辨率。我们用标准的 SEIRD 模型验证了我们的模型，并给出了几个例子，突出说明了当前模型的新功能。

状态图核的密度

原文标题：

Density of States Graph Kernels

地址：

https://pattern.swarma.org/paper?id=89d09b76-14e7-11eb-aa7d-0242ac1a000c

作者：

Leo Huang,Andrew Graven,David Bindel

摘要：图结构化数据的一个重要问题是如何量化图之间的相似性。图形核函数是用于此类任务的既定技术; 特别是那些基于随机游动和返回概率的函数，已被证明在从生物信息学到社交网络到计算机视觉等广泛应用中是有效的。然而，随机游动核一般都存在速度缓慢和摇摆不定的问题，导致游动过分强调局部图的拓扑结构，降低了全局结构的重要性。为了纠正这些问题，我们在更一般的状态密度框架下重新构造返回概率图核—- 这个框架使用光谱分析的镜头来揭示隐藏在光谱内部的图主题和属性—- 并使用我们的解释来构造可伸缩的、基于状态的复合密度的图核，这些核平衡了局部和全局信息，从而在一系列基准数据集上获得更高的分类准确度。

基于模型增强型强化学习的

出租车随机路径优化

原文标题：

Optimising Stochastic Routing for Taxi Fleets with Model Enhanced Reinforcement Learning

地址：

https://pattern.swarma.org/paper?id=c133c6a2-14e6-11eb-aa7d-0242ac1a000c

作者：

Shen Ren,Qianxiao Li,Liye Zhang,Zheng Qin,Bo Yang

摘要：未来的移动即用服务(Maas)应包括一个集成的叫车、街道叫车和拼车系统，以及针对实时、随机需求模式的优化智能车辆路由。考虑中小型道路网络的随机需求模式，我们的目标是优化大型车队的街道呼叫服务路由策略。提出了一种基于模型的车辆调度算法、一种高性能的无模型强化学习调度算法和一种结合了自顶向下方法和无模型强化学习调度算法优点的混合算法。我们设计了基于强化学习的路由算法，使用近端策略优化，结合内在奖励和外在奖励，在探索和开发之间取得平衡。在基于智能体的大规模微观仿真平台上，我们的无模型强化学习和混合算法在人工道路网络和基于社区的新加坡道路网络上都表现出了良好的性能，并且具有实际的需求，我们的混合算法可以显著加速无模型学习者的学习过程。

社会泡沫与超级传播者:

超级树上传染过程的源识别

原文标题：

Social Bubbles and Superspreaders: Source Identification for Contagion Processes on Hypertrees

地址：

https://pattern.swarma.org/paper?id=bd81621c-14e6-11eb-aa7d-0242ac1a000c

作者：

Sam Spencer,Lav R. Varshney

摘要：先前的工作已经表明，对于扩展星形网络上的传染过程(树的正好有一个度大于2的节点) ，有一个简单的，解析解的最大可能感染源的高度精确的近似值。在这里，我们将这个结果推广到一类超树，尽管在结构上有些类似，但是它提供了更丰富的表示空间。特别是，这种方法可用于估计病人零感染源，即使感染是通过大型群体聚会而不是人与人之间的传播传播的，而且是通过重叠程度不同的相互关联的社会泡沫传播的。在接触者追踪的情况下，这种估计器可用于确定本地爆发的源头，然后可用于正向追踪或进一步逆向追踪(以类似或其他方式)至上游源头。

评估社会网络结构

对冠状病毒传播的影响:

一个广义的空间 SEIRD 模型新冠肺炎

原文标题：

Assessing the Impact of Social Network Structure on the Diffusion of Coronavirus Disease (COVID-19): A Generalized Spatial SEIRD Model

地址：

https://pattern.swarma.org/paper?id=ba845484-14e6-11eb-aa7d-0242ac1a000c

作者：

Giorgio Fagiolo

摘要：本文研究了广义空间 SEIRD 模型中的流行病扩散问题，其中个体最初连接在一个社会或地理网络中。随着病毒在网络中传播，由于隔离措施和/或空间扩散政策，人与人之间相互作用的结构可能会随着时间内生变化。我通过模拟研究了共同进化过程的动态特性，动态地将疾病扩散和网络特性联系起来。结果表明，为了预测网络化人群中的流行病现象是如何演化的，仅仅关注初始相互作用结构的性质是不够的。事实上，网络结构和分室共享的共同演化强烈地塑造了传染病扩散的过程，特别是就其速度而言。此外，我还指出，空间距离政策的时机和特点可能会显著影响其有效性。