COVID-19的地理扩散与Facebook度量的社会网络结构相关
原文标题： The geographic spread of COVID-19 correlates with structure of social networks as measured by Facebook
地址： http://arxiv.org/abs/2004.03055
作者： Theresa Kuchler, Dominic Russel, Johannes Stroebel
摘要： 我们使用来自Facebook的匿名和汇总数据来显示，与两个早期COVID-19“热点”（美国纽约州威彻斯特县和美国洛迪省）的社会联系更加紧密的地区，截至目前，已确认的COVID-19病例数量更多2020年3月30日。在控制了到热点的地理距离以及该地区的收入和人口密度之后，这些关系一直存在。这些结果表明，来自在线社会网络的数据可能对流行病学家和其他希望预测传染病（例如COVID-19）传播的人有用。
使用拓扑数据分析的球映射方法可视化英文Covid-19案例的演变
原文标题： Visualising the Evolution of English Covid-19 Cases with Topological Data Analysis Ball Mapper
地址： http://arxiv.org/abs/2004.03282
作者： Pawel Dlotko, Simon Rudkin
摘要： 通过数据可视化了解疾病传播的重点在于趋势和地图。这些虽然有用，但忽略了社区特征之间重要的多维交互。使用拓扑数据分析球映射器算法，我们构造了NUTS3级经济数据的抽象表示，在其上覆盖了英格兰Covid-19的确诊病例。通过这样做，我们可以了解疾病如何在不同的社会经济维度上传播。可以看出，特征空间中的某些区域已迅速达到最高感染水平，而其他在特征空间中附近的区域则没有显示出较大的感染增长。同样，我们看到在非常不同的区域出现了模式，需要更多的监视。在理解动态流行数据方面，对拓扑数据分析（尤其是Ball Mapper算法）做出了重要贡献。
Covid-19死亡率比较的问题
原文标题： On the problem of comparing Covid-19 fatality rates
地址： http://arxiv.org/abs/2004.03377
作者： Fabio Miletto Granozio
摘要： 了解Covid-19杀伤力及其因国家而异的情况对于支持政府选择适当的策略至关重要。在爆发过程中采用正确的指标来监测感染的致死性是至关重要的问题。即使我们只将注意力集中在确诊病例的子集上，这项工作也凸显了与时间相关的病例死亡率在多大程度上是误导性指标，可用来估计疾病爆发期间的死亡率。我们的分析证明，欧洲几个主要国家的最终病死率必将大大超过10％。讨论最多的是意大利与其他主要欧洲国家之间的致死率差异（除德国外）主要归因于意大利流行病的晚期。
发现COVID-19相关研究论文的关联
原文标题： Discovering associations in COVID-19 related research papers
地址： http://arxiv.org/abs/2004.03397
作者： Iztok Fister Jr., Karin Fister, Iztok Fister
摘要： COVID-19大流行已证明是全球性挑战。它证明了人类可能是多么脆弱。它还动员了来自不同科学和不同国家的研究人员，以寻找一种方法来对抗这种潜在的致命疾病。与此相符，我们的研究使用关联规则文本挖掘来分析与COVID-19和冠状病毒相关研究相关的论文摘要，以便一方面找到最有趣的单词，另一方面找到它们之间的关系。然后，一种称为信息制图的方法被用于从大量关联规则中提取结构化知识。在这些方法的基础上，我们的研究目的是展示研究人员在整个历史上如何应对类似的流行病/大流行病。
在某些州和整个印度评估21天锁定效应：COVID-19爆发的预测数学研究
原文标题： Assessment of 21 Days Lockdown Effect in Some States and Overall India: A Predictive Mathematical Study on COVID-19 Outbreak
地址： http://arxiv.org/abs/2004.03487
作者： Tridip Sardar, Sk Shahid Nadim, Joydev Chattopadhyay
摘要： 截至2020年4月6日，报告的COVID-19病例和死亡总数为4778和136。这是一个令人震惊的情况，因为印度人口众多，几天之内将进入COVID-19传播的第三阶段。在既没有有效的治疗方法也没有疫苗的情况下，并且对流行病学周期的理解不完全，预测性数学模型可以帮助探索COVID-19的传播和控制。在本研究中，我们考虑了一种新的COVID-19传播数学模型，该模型结合了有症状和无症状人群之间传播的锁定效应和变异性，而前者是该疾病的快速传播者。使用来自三个州（马哈拉施特拉邦，德里和特兰甘纳邦）和整个印度的每日COVID-19通报病例，我们根据减少病例和死亡人数评估了当前21天禁售期的效果。研究了不同锁定成功率的锁定效果。我们的结果表明，锁定21天不会对马哈拉施特拉邦和整个印度产生影响。此外，更高比例的COVID-19超级传播者的存在将使马哈拉施特拉邦的局势进一步恶化。但是，对于泰米尔纳德邦和德里，我们抱有一线希望，因为我们的预测表明，封锁将减少大量病例和死亡。在这两个位置。锁定的进一步扩大可能会将德里和泰米尔纳德邦置于一个舒适区。比较上述四个位置的估计参数样本，我们发现锁定效果与一个区域内有症状感染百分比之间存在相关性。我们的结果表明，在一个区域中较高百分比的有症状感染可导致因不同的锁定情况而导致的通报病例和死亡人数的大量减少。最后，我们建议印度政府控制COVID-19爆发。
基于确定性SEIR模型的COVID-19流行病模拟
原文标题： A simulation of a COVID-19 epidemic based on a deterministic SEIR model
地址： http://arxiv.org/abs/2004.03575
作者： José M. Carcione, Juan E. Santos, Claudio Bagaini, Jing Ba
摘要： 由新的冠状病毒引起的流行病已在意大利北部传播，传染率很高。我们实施SEIR模型来计算该流行病的感染人数和伤亡人数。该示例可以理想地考虑2月25日开始流行的意大利伦巴第大区的情况，但鉴于缺乏合适的数据和不同参数的不确定性，绝不尝试进行严格的案例研究，主要是家庭隔离和封锁的程度随时间的变化，最初暴露的个体和感染者的数量以及死亡率。首先，我们通过更改参数和初始条件来分析模型的结果。关于特定示例，结果随着可用数据的增加而演变。我们使用迄今为止的死亡人数（2020年4月7日）对模型进行校准。峰值出现在第40天（4月4日），当时迅速下降，最初的繁殖率R0 = 2.6，在22天时为2.08，在35天后时为0.7，表明房屋隔离和锁定的程度不同。流行结束时，死亡人数约为12000。为死者提供更好适应的潜伏期为5.16天，感染期为3.53天，死亡率为0.00057天基于报告的（官方）伤亡人数的值）。除了具体的例子之外，这项工作提出的分析还表明，使用隔离措施，社会隔离和对传播条件的了解有助于我们了解这一流行病的动态。因此，量化过程以验证隔离效果的重要性。
COVID-19大流行的在线集体注意力不同模式与未来病例数差异相关
原文标题： Divergent modes of online collective attention to the COVID-19 pandemic are associated with future caseload variance
地址： http://arxiv.org/abs/2004.03516
作者： David Rushing Dewhurst, Thayer Alshaabi, Michael V. Arnold, Joshua R. Minot, Christopher M. Danforth, Peter Sheridan Dodds
摘要： 使用从2019-09-01到2020-03-25撰写的10％随机推文样本，我们分析了Twitter上用来描述正在进行的COVID-19大流行的单词（1克）的动态行为。在24种语言中，我们发现了两种截然不同的动态机制：一种表现出对1月下旬首次冠状病毒爆发的集体关注的上升和随后的崩溃，另一种表现了3月与COVID-19相关的论述。按主要语言使用情况汇总国家/地区后，我们发现第一个动态状态的波动性与COVID-19新案例中的未来波动性相关，大约在三周后（平均22.7 pm 2.17天）。我们的结果表明，在社交媒体上监视与流行病学相关的词语的使用变化可能有助于预测疾病病例数的后续变化，但我们强调，我们当前的发现并非因果关系或必然具有预测意义
恐怖袭击后不同性别的行为发生变化
原文标题： Gender-specific behavior change following terror attacks
地址： http://arxiv.org/abs/2004.02957
作者： Jonas S. Juul, Laura Alessandretti, Jesper Dammeyer, Ingo Zettler, Sune Lehmann, Joachim Mathiesen
摘要： 恐怖分子利用暴力追求政治目标。恐怖往往给受害人带来严重后果，但仍然是一个悬而未决的问题，恐怖袭击如何影响普通民众。我们研究了受 7 不同恐怖袭击影响的城市居民的行为反应。我们将恐怖袭击发生后的头24小时内的实时移动通信模式与没有恐怖袭击发生的日子中的相应模式进行了比较。在平常的日子里，男性和女性参与者的活动模式不同。但是，在恐怖袭击之后，我们发现性别差异显著增加。有关恐怖袭击后公民行为反应模式的知识可能对袭击期间和袭击后的公众反应具有重要意义。
学术网的持久标识符的持久性
原文标题： On the Persistence of Persistent Identifiers of the Scholarly Web
地址： http://arxiv.org/abs/2004.03011
作者： Martin Klein, Lyudmila Balakireva
摘要： 就像网络上的任何其他资源一样，学术资源会随着时间的流逝而频繁消失或发生显著变化，因此受到参考腐烂的影响。数字对象标识符（DOI）可以持久地识别学术资源，并且已经成为引用它们的事实上的标准。我们通过分析DOI在网络上的分辨率来研究持久性的概念。我们对这些标识符的持久性有信心，部分原因是假设取消引用DOI会始终返回相同的响应，而不管我们使用哪种HTTP请求方法或从哪个网络环境发送请求。然而，我们的实验表明，根据我们的解释，持久性不是必须的。我们发现学术内容提供者对不同的请求方法和网络环境的响应不同，甚至改变了他们对同一DOI的响应。在本文中，我们介绍了定量分析的结果，旨在将这种令人不安的缺乏一致性告知学术交流界。
图距离和聚类
原文标题： Graph Distances and Clustering
地址： http://arxiv.org/abs/2004.03016
作者： Pierre Miasnikof, Alexander Y. Shestopaloff, Leonidas Pitsoulis, Yuri Lawryshyn
摘要： 从图聚类的角度出发，我们提出了基于共享连通性的顶点到顶点距离的定义。我们认为，共享更多连接的顶点比共享更少连接的顶点彼此靠近。我们的论文以广泛接受的观念为中心，即强簇由高水平的诱导子图密度形成，其中子图代表簇。我们认为这些簇是通过将在连通性上相似的顶点分组而形成的。在群集级别（诱导子图级别），我们的论文转化为较低的平均群集内距离。我们的定义不同于通常的最短距离测地距离。在本文中，我们从文献中比较了三种距离度量。我们的基准是在群集级别汇总（平均）后，每个度量对群集内密度的反映的准确性。我们对使用种植分区模型生成的合成图进行测试，该模型事先已知簇和簇内密度。我们检查平均群集内距离和群集内密度之间的相关性。我们的数值实验表明，如果对簇内的顶点对进行平均，Jaccard和Otsuka-Ochiai可以提供非常准确的密度度量。
电话通信网的统计特性
原文标题： Statistical properties of telephone communication network
地址： http://arxiv.org/abs/2004.03172
作者： V.M.Danilevskiy, V.V.Yanovsky
摘要： 本文考虑了电话用户的有向网络。可以将其描述为具有顶点的动态网络，该顶点对应于电话网络的用户，而新兴的方向性边对应于各个用户之间的连接。边的位置及其方向由相应顶点的呼入和呼出决定。本文的主题是电话网络用户的某些子集的连接的统计属性。由于它们的出现和消失，这种连接本质上是动态的。一天中在选定顶点发生的传出（或传入）连接数被用作主要特征。已经使用实验数据分析了这种网络的输出（或输入）连接（或呼叫）数量的分布密度。已经表明，这种在呼叫数量上的分布密度服从对数正态分布密度，这取决于两个参数。确定了确定对数正态分布密度的两个参数的值，即平均值和方差。已经讨论了在传入（或传出）连接数上出现对数正态分布密度的原因。还考虑了其他订户组的统计属性。特别是，已经选择了向电话网络的各个用户进行大量拨出呼叫的组来进行单独的研究。该组中创建和分发垃圾邮件的成员可以称为垃圾邮件发送者。已经表明，这些组（例如垃圾邮件发送者）在呼叫次数上也服从对数正态分布密度，但是它们的特征在于平均值和方差不同。
具有相关层的多关系稀疏网络最佳恢复条件的通用社区检测
原文标题： General Community Detection with Optimal Recovery Conditions for Multi-relational Sparse Networks with Dependent Layers
地址： http://arxiv.org/abs/2004.03480
作者： Sharmodeep Bhattacharyya, Shirshendu Chatterjee
摘要： 近年来，多层和多路网络已成为常见的网络数据集。我们考虑为特殊类型的多层网络（称为多关系网络）识别公共社区结构的问题。我们考虑了用于多关系网络的谱聚类方法的扩展，并提供了理论保证，即谱聚类方法能够从多层版本的随机模型和经度校正的块模型生成的多关系网络中一致地恢复社区结构，即使网络层之间也具有依赖性。结果表明，即使在多关系网络的各个层的网络结构都低于社区可检测性阈值的情况下，该方法也能在网络度参数的最佳条件下工作，以检测出误差比例消失的分类和分散社区结构。我们也通过仿真来增强理论结果的有效性。
日常出行行为的常规模式发现和异常检测
原文标题： Routine pattern discovery and anomaly detection in individual travel behavior
地址： http://arxiv.org/abs/2004.03481
作者： Lijun Sun, Xinyu Chen, Zhaocheng He, Luis F. Miranda-Moreno
摘要： 在个人旅行行为中发现模式并检测异常是研究和实践中的关键问题。在本文中，我们通过建立概率模型来建模单个时空旅行行为数据（例如，旅行记录和轨迹数据）来解决此问题。我们开发了二维潜在狄利克雷分配（LDA）模型来表征每个旅行者的时空旅行记录的生成机制。该模型为空间维度和时间维度分别引入了两个单独的因子矩阵，并在个体级别使用二维核心结构来有效地建模联合交互和复杂依存关系。该模型可以以无监督的方式从非常稀疏的旅行序列中有效地总结出在空间和时间维度上的旅行行为模式。通过这种方式，可以将复杂的旅行行为建模为代表性和可解释的时空模式的混合。通过将训练有素的模型应用于旅行者的未来/未知时空记录，我们可以使用困惑度对这些观察进行评分，从而检测出她的行为异常。我们在真实的车牌识别（LPR）数据集上证明了所提出的建模框架的有效性。结果证实了统计学习方法在稀疏个人旅行行为数据建模中的优势。这种类型的模式发现和异常检测应用程序可以为交通监控，执法和个人出行行为分析提供有用的见解。
异质性驾驶员在交通中的社会困境
原文标题： Social dilemma in traffic with heterogeneous drivers
地址： http://arxiv.org/abs/2004.03483
作者： Ricardo Simão, Lucas Wardil
摘要： 交通的悲剧类似于超车可能造成的公地悲剧。我们分析了由车辆的最小模型（Nagel和Schreckenberg提出的模型）对超车的影响，该模型具有两种类型的驾驶员：超车驾驶员和不驾驶员。我们表明，在某些情况下，超车是件好事，因为它可以增加道路通行能力并最大程度地减少驾驶员在道路上花费的平均时间。但是，如果不满足这些条件，则超车对所有人都有害。更具体地说，我们发现，如果随机减速的可能性较低，则在向拥挤交通过渡的附近会出现社会困境，这也可能在更现实的单车道模型中发生。造成社会困境的根本机制是超车返回车道时突然减速。我们分析了收益如何取决于总体策略的频率，得出的结论是，超车的驱动程序是叛逃者，而非超车的驱动程序是合作者，类似于公共博弈类悲剧中的策略。
几条主题推文足以实现有效的用户级立场检测
原文标题： A Few Topical Tweets are Enough for Effective User-Level Stance Detection
地址： http://arxiv.org/abs/2004.03485
作者： Younes Samih, Kareem Darwish
摘要： 立场检测需要确定用户相对于目标（例如实体，主题或声明）的位置。最近采用无监督分类的工作表明，对目标上有很多推文的语音Twitter用户执行姿态检测可以产生很高的准确性（+ 98％）。但是，这种方法对于声音较弱的用户可能效果不佳或完全失败，他们可能只编写了有关目标的几条推文。在本文中，我们使用两种方法解决此类用户的姿态检测问题。在第一种方法中，我们通过使用上下文嵌入来表示推文来改善用户级别的姿势检测，这些嵌入捕获上下文中单词的潜在含义。我们表明，该方法优于两个强基准，并且在八个有争议的主题上均达到了89.6％的准确性和91.3％的宏F度量。在第二种方法中，我们使用他们的Twitter时间轴推文来扩展给定用户的推文，然后对用户执行无监督分类，这需要将用户与训练集中的其他用户聚类。这种方法可达到95.6％的精度和93.1％的宏F量度。
基于网络渗流的城市道路网洪灾扩散模型
原文标题： A Network Percolation-based Contagion Model of Flood Propagation and Recession in Urban Road Networks
地址： http://arxiv.org/abs/2004.03552
作者： Chao Fan, Xiangqi Jiang, Ali Mostafavi
摘要： 在这项研究中，我们提出一种传染模型，作为一种简单而强大的数学方法，用于预测城市道路网络中洪水的起伏和衰退的空间扩散和时间演变。抵御洪水事件的城市道路网对于提供公共服务和应急响应至关重要。洪水在城市网络中的扩散是一个复杂的时空现象。本研究提出了一种数学传染模型，用于描述城市道路网络中洪水的时空扩散和衰退过程。在普通系统中，可以基于三个宏观特征捕获洪水在网络中的演变：洪水传播率（ beta ），洪水孵化率（ alpha ）和恢复率（ mu ）。与易感暴露传染恢复（SEIR）模型相似的微分方程。我们将洪水传染模型与网络渗透过程集成在一起，在该过程中，路段被淹的概率取决于附近路段被淹的程度。利用2017年哈维飓风期间哈里斯县道路洪水的高分辨率历史数据验证了该模型的应用。结果表明，该模型可以监测和预测一段时间内被洪水淹没的道路所占比例。此外，所提出的模型可以在大部分测试时间间隔内达到 90％的精度，并可以恢复被淹道路的空间分布。研究结果表明，所提出的数学传染模型具有巨大的潜力，可以支持应急管理人员，政府官员，公民，急救人员和其他决策者进行道路网的洪水预报。
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
