针对COVID-19的人工智能应用全景
原文标题： Mapping the Landscape of Artificial Intelligence Applications against COVID-19
地址： http://arxiv.org/abs/2003.11336
作者： Joseph Bullock, Alexandra (Sasha) Luccioni, Katherine Hoffmann Pham, Cynthia Sin Nga Lam, Miguel Luengo-Oroz
摘要： 由SARS-CoV-2病毒引起的疾病COVID-19已被世界卫生组织宣布为大流行病，截至2020年3月22日，已有294,000例病例。在本综述中，我们概述了使用机器学习和更广泛的人工智能的近期研究，以不同规模解决COVID-19危机的许多方面，包括其分子、医学和流行病学应用。最后，我们讨论了有希望的未来研究方向以及促进AI研究所需的工具和资源。
基于对中国四个疫情最严重地区和意大利五个疫情最严重地区的研究，冠状病毒疾病传播（COVID-19）与环境因素之间的关系的统计调查
原文标题： Statistical investigation of relationship between spread of coronavirus disease (COVID-19) and environmental factors based on study of four mostly affected places of China and five mostly affected places of Italy
地址： http://arxiv.org/abs/2003.11277
作者： Soumyabrata Bhattacharjee (Royal School of Engineering & Technology, Guwahati, Assam, India)
摘要： COVID-19是一种新型的冠状病毒疾病，由SARS-CoV-2病毒引起。它于2019年12月发现于中国，并迅速开始在国内传播。2019年12月31日，该病首次报告给世界卫生组织（WHO）中国驻国家代表处。从那时起，它已传播到全球大多数国家。然而，最近的趋势认为它会在夏季消失，这一趋势目前尚未得到适当的调查。考虑到潜伏期，本文研究了每日确诊COVID-19病例数与三个环境因素的关系，即最大相对湿度（RH_max）、最高温度（T_max）和最高风速（WS_max），对四个中国（北京，重庆，上海，武汉）和五个意大利（贝加莫，布雷西亚，克雷莫纳，洛迪，米兰）受影响最严重的地区进行了统计调查。研究发现，疫情与最大相对湿度和最高风速的关系几乎可以忽略，而与最高温度的关系在可以忽略至中度范围。
SEIR模型中COVID 19社区传播的管理策略
原文标题： Management strategies in a SEIR model of COVID 19 community spread
地址： http://arxiv.org/abs/2003.11150
作者： Anca Radulescu, Kieran Cavanagh
摘要： 2019年的新型冠状病毒感染（COVID 19）是国际关注的持续性公共卫生突发事件。尽管爆发是前所未有的全球威胁，但我们在COVID 19流行病学，传播动态，调查工具和管理方面的知识仍然存在巨大差距。从积极的一面来看，目前对流行病的了解足够多，可以建立数学预测模型。我们在这里构建和分析第一步：用传统的SEIR流行病模型拟合COVID 19的特定动态区室和流行病参数，因为它在年龄不同的社区中传播。我们分析了流行病课程的当前管理策略（旅行禁令，服务关闭和中断，社会疏远）。在当前质疑其可持续性的背景下，我们会生成预测并评估这些控制措施的效率。
关于意大利COVID-19流行病的一些数值观察
原文标题： Some numerical observations about the COVID-19 epidemic in Italy
地址： http://arxiv.org/abs/2003.11363
作者： Federico Zullo
摘要： 我们对意大利最近发生的COVID-19流行病的总数进行了一些数值观察。该分析非常简单，并且改编自著名的SIR模型。考虑具有两个参数的tanh公式。公式化了参数之间的多项式相关性，给出了新感染高峰期的上限。结论中讨论了结果。
哥伦比亚波哥大的人们发表了什么冠状病毒相关症状的帖子？
原文标题： What is the people posting about symptoms related to Coronavirus in Bogota, Colombia?
地址： http://arxiv.org/abs/2003.11159
作者： Josimar E. Chire Saire, Roberto C. Navarro
摘要： 在过去的几个月中，有关由世界卫生组织（WHO）发明的covid-19冠状病毒新突变的警报越来越多，对许多领域产生了影响：经济，卫生，政治等。由于许多国家的迅速扩张，世卫组织宣布这种情况为大流行病。同时，人们正在使用社会网络来表达他们的想法，感受或实验，因此，这些人是社交感应器，有助于分析城市中正在发生的事情。本文的目的是使用症状学方法中的文本挖掘技术来分析居住在波哥大半径为50 km的哥伦比亚人的出版物。结果支持对与covid19症状有关的哥伦比亚流行的理解。
交通网络中的流量优化过程
原文标题： Flow optimization process in a transportation network
地址： http://arxiv.org/abs/1810.06330
作者： Fabricio L. Forgerini, Orahcio F. de Sousa
摘要： 许多网络（例如运输，配送和交付网络）都对其设计进行了优化，以提高效率，降低成本，提高其预期功能的稳定性等。分发货物（例如电，水，煤气，电话和数据）的网络（互联网）或邮件，铁路和公路等服务就是运输网络的示例。最佳设计可修复网络体系结构，包括群集，学位分布，层次结构，社区结构和其他结构指标。这些网络是专为高效运输而设计的，最大限度地减少了运输时间和成本。各种运输网络都面临相同的问题：其渠道之间的交通拥堵。在这项工作中，我们考虑了运输网络模型，在该模型中，我们优化/最小化了网络中每个通道/链路的通量/电流的成本函数。我们针对此问题进行了模拟和分析研究，重点关注已使用通道的比例以及通过这些通道的流量分布。我们的结果表明，在初始瞬态之后，使用通道的比例保持恒定，并且值得注意的是，此结果不取决于晶格结构（2D，3D或远程连接）。对于高流量，将使用网络中的所有通道。另一方面，在小流量限制下，我们观察到一种新颖的行为，即所用通道的比例取决于流量的平方根。
惩罚背叛者和奖励合作者：人们是否区分性别？
原文标题： Punishing defectors and rewarding cooperators: Do people discriminate between genders?
地址： http://arxiv.org/abs/2003.11067
作者： Hélène Barcelo, Valerio Capraro
摘要： 当人们负责惩罚叛逃者或奖励合作者时，人们是否会区分男女？回答这个问题可能对性别平等产生深远的影响，因为合作行为是我们社会的基础，通常通过惩罚或奖励来实施。在本文中，我们报告了两个预先注册的实验，希望我们对此有所启发。研究1（N = 1,077）表明，当人们负责一次性射击公共物品博弈中的惩罚（奖励）叛逃者（合作者）时，人们不会对性别进行区分。在这项研究中，惩罚/奖励是通过询问参与者是否要为减少/增加叛逃者/合作者的收益而付出的代价来实现的。研究2（N = 253）将研究1扩展到一种不同的惩罚/奖励方法。要求参与者将叛逃者/合作者的行为评分为1到5星。在这种情况下，我们也发现人们没有性别差异。所有这些结果对于按性别划分样本都是有力的：在我们的上下文中，当男人或女人负责惩罚叛逃者或奖励合作者时，他们都不区分性别。
新度量显示图社区对脑电图假阳性的鲁棒性
原文标题： A Novel Metric Shows the Robustness of the Graph Communities to Brain-Tractography False-Positives
地址： http://arxiv.org/abs/2003.11075
作者： Juan Luis Villarreal-Haro, Alonso Ramirez-Manzanares, Juan Antonio Pichardo-Corpus
摘要： 我们研究了大脑连通性图中的大脑束摄影术误报的影响。用于分析的代表性输入数据库是参与者在ISMRM-2015术式挑战赛上获得的一组束图。我们提出了2个新颖的指标来对与已知的地面真相进行比较的一张图进行质量排序。这项研究的结果表明，图社区的估计对于连通性中的高估过高具有鲁棒性。
原文标题： Covid-19 Tweeting in English: Gender Differences
地址： http://arxiv.org/abs/2003.11090
作者： Mike Thelwall, Saheeda Thelwall
摘要： 2020年初，COVID-19成为对全球公共卫生的最紧迫威胁。在最近一段时间，政府对人口实行了部分自愿和部分强制性限制，以减缓病毒的传播，这是独一无二的。在这种情况下，公众的态度和行为对于降低死亡率至关重要。因此，分析有关该疾病的推文可能会深入了解公众反应，这可能有助于指导公共宣传运动。本文分析了2020年3月10日至23日有关COVID-19的3,038,026条英语推文。它着重于公众反应的一个相关方面：性别差异。结果表明，在家庭，社交距离和医疗保健方面，女性更可能发布有关该病毒的推文，而男性更可能发布有关体育活动取消，该病毒在全球的传播和政治反应的推文。因此，妇女似乎在直接维护人口安全的责任中所占比例过高。详细的结果可能有助于通知公众，并有助于了解病毒的传播。例如，在鼓励社会疏远的同时没有实施体育禁令可能会向男性发送混合信息。
大规模网络分析显示了受害和观察的作弊传播
原文标题： Large-scale network analysis reveals cheating spreads through victimization and observation
地址： http://arxiv.org/abs/2003.11139
作者： Ji Eun Kim, Milena Tsvetkova
摘要： 负面的八卦，欺诈或欺凌等反社会行为可能具有传染性，会在个人之间传播并通过社会网络荡漾。先前的实验研究表明，经历或观察到反社会行为的人更有可能反社会地表现。在这里，我们使用观察性研究区分受害和观察。我们对大型数字跟踪数据应用时态网络分析，以研究欺诈行为在在线博弈中的传播。我们分析了多人在线博弈PlayerUnknown’s Battlegrounds的1,146,941场比赛，其中多达100位玩家单独或成队对抗陌生人。我们确定了被玩家杀死或观察到作弊者的临时主题开始作弊，并评估了如果我们保留了团队和互动结构但假设了事件的替代序列，这些主题出现的程度。结果表明，只有经历和观察多次欺骗的人才可能存在社会传染。研究结果指出了针对性干预措施的策略，以阻止欺诈行为和反社会行为在在线社区，学校，组织和体育活动中的传播。
复杂系统的隐藏脆弱性——变化的后果，变化中的后果
原文标题： The Hidden Fragility of Complex Systems — Consequences of Change, Changing Consequences
地址： http://arxiv.org/abs/2003.11153
作者： James P. Crutchfield
摘要： 短期生存和对建立我们未来的巨大投入正在产生一种新的意想不到的后果-隐藏的脆弱性。这是人类创造的社会技术系统的复杂性和结构复杂性的直接影响。这是不可避免的。因此，挑战在于，我们对这些系统以及导致其构建的社会动态能有多少了解和预测？
量化实际网络流量中的有效信息交换
原文标题： Quantifying efficient information exchange in real network flows
地址： http://arxiv.org/abs/2003.11374
作者： Giulia Bertagnolli, Riccardo Gallotti, Manlio De Domenico
摘要： 网络科学能够对实际的互连系统进行有效的分析，其特征是拓扑结构和互连强度之间的复杂相互作用。众所周知，网络的拓扑会影响其对故障或攻击的恢复能力以及其功能。信息交换对于许多实际系统至关重要：互联网，交通网络和大脑是关键示例。尽管引入了用于分析网络流量的有效措施，即以加权连接为特征的拓扑，但在此我们显示它们无法捕获链路存在和链路权重的组合信息。在这封信中，我们提出了一种基于流量的物理估计器，该估计器可以针对每个加权网络进行计算，而与权重的大小和性质以及任何（缺失的）元数据无关。值得注意的是，结果表明，我们的估计器捕获了流量的异质性以及拓扑差异，并从包括运输，贸易，迁移和大脑网络在内的多个经验系统的渗滤分析获得了其补充信息。我们表明，切断最繁重的连接可能会提高系统的平均通信效率，因此，与直觉相反，稀疏网络不一定会降低效率。值得注意的是，我们的估算器可以比较来自不同领域的网络的通信效率，而不会因流量规模而产生可能的陷阱。
扩散作为病毒感染传播的第一个模型
原文标题： Diffusion as a First Model of Spread of Viral Infection
地址： http://arxiv.org/abs/2003.11449
作者： Paulo H. Acioli
摘要： 随着发展成为大流行，近几个月来，冠状病毒（COVID-19）的出现在2019年底成为主要新闻。在每个数学和物理课堂中，讲师都使用病例数的时间序列显示感染的指数增长。在本手稿中，我们提出了一种简单的传播过程作为传播感染的方式。该模型不如文献中的其他模型复杂，但是它可以捕获指数增长，并且可以根据迁移率（扩散常数），人口密度和传播概率进行解释。学生可以更改参数并确定增长率，并预测随时间变化的病例总数。还使学生有机会添加其他简单扩散模型中未考虑的因素。
BaitWatcher：一个轻量级的Web界面，用于检测不一致的新闻标题
原文标题： BaitWatcher: A lightweight web interface for the detection of incongruent news headlines
地址： http://arxiv.org/abs/2003.11459
作者： Kunwoo Park, Taegyun Kim, Seunghyun Yoon, Meeyoung Cha, Kyomin Jung
摘要： 在在线共享大量信息的数字环境中，新闻标题在新闻文章的选择和传播中起着至关重要的作用。一些新闻文章以夸大或误导性的标题吸引了观众的注意力。这项研究解决了 textit headline incongruity问题，其中新闻标题提出与相应文章的内容无关或相反的声明。我们提供 textit BaitWatcher，这是一个轻量级的Web界面，可引导读者在单击标题之前估算新闻文章中不一致的可能性。 BaitWatcher利用分层递归编码器，可以有效地学习新闻标题及其关联的正文的复杂文本表示形式。为了训练模型，我们构建了一个百万级新闻文章数据集，我们还将其发布以供更广泛的研究用途。基于焦点小组访谈的结果，我们讨论了开发可解释的AI主体对于设计更好的界面以减轻在线错误信息影响的重要性。
废弃核电厂环境影响的时空贝叶斯分析
原文标题： Space-time Bayesian analysis of the environmental impact of a dismissing nuclear power plant
地址： http://arxiv.org/abs/2003.11495
作者： Antonio Petraglia, Carmina Sirignano, Raffaele Buompane, Antonio D’Onofrio, Afonso Maria Esposito, Filippo Terrasi, Carlo Sabbarese
摘要： 本工作涉及过去二十年来在位于意大利南部并于1979年关闭的Garigliano核电厂（GNPP）周围的Garigliano河平原进行的三次战役的数据。此外，一些调查数据考虑到整个切尔诺贝利事故在八十年代举行。分析了土壤样品（尤其是137Cs和236U比活）的结果在空间和时间上的扩展。使用贝叶斯方法已经克服了与经典环境放射数据分析有关的一些问题（数值的非正态分布，少量采样点，多次比较以及数值小于最小可检测活动的存在） 。本文的研究范围包括三个方面：（1）介绍加里利亚诺平原上一次战役的数据； （2）将这些数据插入较大的时空帧中； （3）展示了如何使用贝叶斯方法将其应用于放射性环境调查，并利用战役数据强调其相对于其他方法的优势。结果表明：（i）在过去的几十年中没有新的贡献；（ii）GNPP周围地区的比活值与在其他更远地区获得的比活值一致；（iii）137Cs的有效损耗半衰期因子远低于放射性核素的半衰期。
人类财富演变：趋势与波动
原文标题： Human wealth evolution: trends and fluctuations
地址： http://arxiv.org/abs/2003.11502
作者： Paolo Sibani, Steen Rasmussen
摘要： 是否可以对人类财富历史进行因果描述？为了对此问题进行调查，我们引入了一个简单的因果关系模型，尽管该模型具有很强的聚集性，但前提是所观察到的财富增长主要由人类的合作努力驱动，而人类的合作努力的强度却随着财富的增加而增加。作为经验参考，我们使用时间序列描述了三个欧洲国家（英国，法国和瑞典）的八个世纪的人均年国内生产总值。该模型需要足够大的人口来应对破坏性事件，例如饥荒，流行病和战争，而不是破坏社会的基本运转。然后，可以用具有三个自由参数的常微分方程来描述财富的发展趋势。该解决方案具有有限的时间奇异性，这表明缺乏长期的可持续性。发生奇异的年份在一个公元2020年前后在一个国家与另一个国家之间略有变化。 1900年后缩减的GDP时间序列对于奇异点的产生产生了相似的值，因此可以预测一百多年前。从早期到公元1700年缩减GDP序列也会对奇异时间产生稳定一致的预测。 功率谱是针对跨越八个世纪的去趋势数据以及同一时期的前四个世纪和最后四个世纪获得的。所有谱都有一个整体特征，即功率随频率的平方成反比而下降。嵌入的峰让人想起经济文献中描述的周期，但也出现在时间序列上早于工业化。 GDP系列的背景波动被暂时解释为社会对破坏性随机事件的反应。例如重大发现之后的新经济活动以及战争和流行病
利用深度学习识别Twitter数据中的毒品使用
原文标题： Utilizing Deep Learning to Identify Drug Use on Twitter Data
地址： http://arxiv.org/abs/2003.11522
作者： Joseph Tassone, Peizhi Yan, Mackenzie Simpson, Chetan Mendhe, Vijay Mago, Salimur Choudhury
摘要： 社交媒体的收集和检查已成为研究用户心理活动和行为倾向的有用机制。通过分析收集到的Twitter数据，开发了用于对毒品相关推文进行分类的模型。使用与主题相关的关键词（例如语和吸毒方法），生成了一组推文。然后对潜在的候选对象进行预处理，得到3,696,150行的数据集。比较了多种方法的分类能力，包括支持向量机（SVM），XGBoost和基于卷积神经网络（CNN）的分类器。而不是简单的特征或属性分析，而是采用了深度学习方法来筛选和分析推文的语义。与其他方法相比，这两个基于CNN的分类器显示出最佳结果。第一个使用了2661个手动标记的样本进行了培训，而其他样本则包括最终生成的12142个样本的合成推文。准确性得分分别为76.35％和82.31％，AUC为0.90和0.91。此外，关联规则挖掘表明，通常提到的药物与经常使用的非法物质具有一定程度的对应性，证明了该系统的实用性。最后，合成生成的集合提供了更高的分数，提高了分类能力，并证明了该方法的价值。
社交物联网系统的自动服务发现
原文标题： Automated Service Discovery for Social Internet-of-Things Systems
地址： http://arxiv.org/abs/2003.11524
作者： Abdullah Khanfor, Hakim Ghazzai, Ye Yang, Mohammad Rafiqul Haider, Yehia Massoud
摘要： 在本文中，我们建议设计一个自动化的服务发现过程，以允许移动众包任务请求者从大型物联网（IoT）网络中选择一小组设备来执行其任务。为此，我们将大型物联网网络划分为几个虚拟社区，其成员共享牢固的社会物联网关系。研究了两种社区检测算法，即Louvain和顺序统计本地方法（OSLOM）算法，并将其应用于实际的IoT数据集，以形成不重叠和重叠的IoT设备组。之后，将执行基于自然语言过程（NLP）的方法来处理众包文本请求，并相应地找到能够有效完成任务的IoT设备列表。这是通过将NLP输出（例如应用程序类型，位置，所需的可信度）与检测到的不同社区进行匹配来执行的。所提出的方法有效地帮助自动化并减少了移动众包应用程序的服务发现过程和招聘过程。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在公众号“网络科学研究速递”和个人博客进行同步更新。
閱讀更多 網絡科學研究速遞 的文章
