• 英国COVID-19封锁：对空气污染有什么影响;
• 计算疫情期间的风险增量以做出决策;
• 使用概率元胞自动机的COVID-19大流行计算模型;
• 启动推理增加了戴面罩以减慢COVID-19传播的意图;
• 遗传算法编程探视计划方案可以减少严格的COVID-19大流行人群锁定;
• SenWave：在COVID-19大流行中监测全球情绪;
• COVID-19期间奥地利社交媒体中的情绪仪表板;
• 几何、推理、复杂性和民主;
• 社会信任网络中的意见最大化;
• HPRA：使用资源分配的超边预测;
• 测量青少年的幸福感：朴素的数字痕迹与调查数据的对应;
• 自适应扩散下具有多个观测的谣言源检测;
• 局部谱图滤波器框架：统一框架、设计注意事项调查和数值比较;

英国COVID-19封锁：对空气污染有什么影响

原文标题： UK COVID-19 Lockdown: What are the impacts on air pollution

地址： http://arxiv.org/abs/2006.10785

作者： J.E. Higham, M.A. Green, C. Acosta Ramirez

摘要： 于2020年3月23日在英国实施的全国性“封锁”对英国的人为运动产生了重大影响。封闭工作场所以及对探亲访友施加限制，从根本上减少了道路上的交通流量。在这段简短的交流中，我们使用来自英国空气质量传感器的数据来量化锁定前后的空气污染趋势。虽然我们检测到二氧化氮的大幅下降达到了过去十年中未见的水平，但其他污染物的趋势却喜忧参半。这表明锁定对于环境有益的含义并不那么明显。

计算疫情期间的风险增量以做出决策

原文标题： Counting Risk Increments to Make Decisions During an Epidemic

地址： http://arxiv.org/abs/2006.11244

作者： Lucien Hardy

摘要： 我提出了一个智能手机应用程序，该程序可以使人们提前查看如果他们访问某个给定场所所面临的风险，从而使他们能够参与诸如COVID-19等流行病或大流行期间的自身安全管理。咖啡厅，适应度房，工作场所，公园…），此外，还可以跟踪任何特定日期或一周内此类风险的累积。这个想法可以作为计数点呈现给应用程序的用户。一点表示感染的某种恒定概率 p_ text point 。然后，该应用程序将以类似于卡路里计数应用程序的方式工作（而不是计算卡路里，我们计算的是被感染的概率增量）。政府可以根据其目标（使疾病得到控制，使基本工人能够工作，保护易受伤害的个人……）设定每个用户每天（或每周）可获得的最大建议点数。人们认为，这与其他提议的“杠杆”一起，将使政府能够逐步过渡到正常状态。我讨论了一个电路框架，其中各框之间有电线。在此框架中，导线代表可能的感染源，即个人和场所本身（通过留在场所的病原体沉积物）。方框表示这些来源的交互作用（当个人访问场地时）。该电路框架允许（i）计算访问场所的积分成本，以及（ii）概率接触跟踪。此处提出的积分系统可以通过添加允许用户参与决策的功能来补充现有的联系人跟踪应用程序。

使用概率元胞自动机的COVID-19大流行计算模型

原文标题： Computational model on COVID-19 Pandemic using Probabilistic Cellular Automata

地址： http://arxiv.org/abs/2006.11270

作者： Sayantari Ghosh, Saumik Bhattacharya

摘要： 由SARS-COV2引起的冠状病毒病（COVID-19）已成为大流行病。该疾病具有高度传染性，并且可能致命，引起全球公共卫生关注。为了控制COVID-19的传播，各国政府正在采取全国性干预措施，例如封锁，围堵和隔离，旅行限制，取消社交活动和广泛测试。为了了解这些措施对以数据驱动方式控制流行病的影响，我们提出了一种基于概率元胞自动机（PCA）的改进SEIQR模型。与模型相关的转换是由有关病毒的时间顺序，症状，发病机理和传播性的可用数据驱动的。通过争论基于格的模型可以捕获动态特征以及现有的波动，我们对该模型进行了严格的计算分析，以考虑施加于人们的社会疏离措施的空间动态。考虑到与缓解策略相关的概率行为方面，我们研究了考虑人口密度和测试效率等因素的模型。使用该模型，我们关注于不同国家的流行病动态数据的变异性，并指出了这些对比性观察背后的原因。据我们所知，这是首次使用PCA对COVID-19传播进行建模的尝试，它使我们能够了解感染传播的时空变化，并了解不同感染参数的贡献。

启动推理增加了戴面罩以减慢COVID-19传播的意图

原文标题： Priming reasoning increases intentions to wear a face covering to slow down COVID-19 transmission

地址： http://arxiv.org/abs/2006.11273

作者： Valerio Capraro, Hélène Barcelo

摘要： 寻找机制以促进使用口罩是COVID-19大流行反应第二阶段的基本条件，当时放宽了就地庇护所的规则，允许部分人口自由流通。在这里，我们报告了三项预先注册的研究（总N = 1,920），使用了居住在美国的异类样本，这些研究表明，激发人们“依靠他们的推理”而不是“依靠他们的情感”会大大增加他们的意图戴上脸罩。与基线相比，启动推理可促进佩戴面部遮盖物的意图，而启动情感则无明显作用。这些发现具有理论和实践意义。实际上，它们提供了一种简单且可扩展的干预措施，以促进戴口罩的意图。从理论上讲，他们从意图戴口罩的认知角度出发。

遗传算法编程探视计划方案可以减少严格的COVID-19大流行人群锁定

原文标题： Genetic Programming visitation scheduling solution can deliver a less austere COVID-19 pandemic population lockdown

地址： http://arxiv.org/abs/2006.10748

作者： Daniel Howard

摘要： 引入了一种计算方法，以最大程度地减少因大流行而遭受某种程度的封锁的人们的感染机会，就像2020年COVID-19大流行一样。人们使用移动电话或计算设备来请求前往他们需要或感兴趣的地方的旅行，表明一天中的艰难时刻：“早上”，“下午”，“夜晚”或“任何时候”，他们希望进行以下郊游时：以及想要参观的地方。人工智能方法是“基因编程”的一种变体，可以研究所有请求并针对此类访问分配特定的时间分配，从而最大程度地降低感染，住院和人员死亡的总体风险。提出了许多可供选择的计算方法，并进行了连续三天的1700多次就诊，涉及230多个不同年龄和背景健康水平的人的数值实验结果。引入了一种新颖的局部感染模型来讨论这些概念验证解决方案，并将其与巡回访问的知情时间安排进行比较。计算结果表明，死者和住院者大大减少了。这些预言很好地说明了使用精确的感染模型进行更现实的研究的目的，以测试在现实世界中的部署。驱动感染模型的输入是按分类类别划分的感染程度，例如，可能是通过对COVID-19进行人口测试或任何污染模型而得出的信息。计算中假设的分类类别是按年龄段划分的可能感染水平。

SenWave：在COVID-19大流行中监测全球情绪

原文标题： SenWave: Monitoring the Global Sentiments under the COVID-19 Pandemic

地址： http://arxiv.org/abs/2006.10842

作者： Qiang Yang, Hind Alamro, Somayah Albaradei, Adil Salhi, Xiaoting Lv, Changsheng Ma, Manal Alshehri, Inji Jaber, Faroug Tifratene, Wei Wang, Takashi Gojobori, Carlos M. Duarte, Xin Gao, Xiangliang Zhang

摘要： 自世界卫生组织（WHO）于2020年1月5日发出第一个警报以来，COVID-19已扩展到180多个国家和地区。截至2020年6月18日，目前总共有超过840万例病例，超过45万例相关死亡。这在全球范围内造成了巨大的经济损失和工作机会，并限制了全球58％的人口。在本文中，我们介绍了SenWave，这是一项新颖的情感分析工作，使用105+百万条收集的推文和微博消息来评估COVID-19大流行期间全球情感的兴衰。为了对面对全球健康危机时的感受进行细致的分析，我们在10种类别中注释了英语的1万条推文和阿拉伯语的1万条推文，包括乐观，感恩，同情，悲观，焦虑，悲伤、,恼，否定，官方报道，开玩笑。然后，我们利用称为“简单转换器”的集成转换器框架，通过对标记数据上的预训练语言模型进行微调来进行多标签情感分类。同时，为了进行更完整的分析，我们还将带注释的英语推文翻译成不同的语言（西班牙语，意大利语和法语），以生成训练数据以建立这些语言的情感分析模型。因此，SenWave在流行病的传播之后，以COVID-19上的六种不同语言（包括英语，西班牙语，法语，意大利语，阿拉伯语和中文）揭示了全球对话的气氛。对话显示出在所有国家中，随着时间的流逝，快速上升和缓慢下降的模式非常相似，并且在诸如畜群免疫策略等特殊话题上，全球性对话对此也产生了强烈的负面反应。总体而言，SenWave表明，随着时间的流逝，乐观和积极的情绪有所增加，这预示着人们共同寻求重新定位以改善COVID-19世界的愿望。

COVID-19期间奥地利社交媒体中的情绪仪表板

原文标题： Dashboard of sentiment in Austrian social media during COVID-19

地址： http://arxiv.org/abs/2006.11158

作者： Max Pellert, Jana Lasser, Hannah Metzler, David Garcia

摘要： 为了在COVID-19大流行期间实时跟踪奥地利人口的在线情感表达，我们使用来自三个不同数据源的数字迹线构建了一个自动更新的情感动态监测器。这使决策者和感兴趣的公众能够评估诸如在大流行期间对采取反措施的态度以及及早出现（精神）健康危机的问题。我们使用网络抓取和API访问来从新闻平台derstandard.at，Twitter和学生聊天平台中检索数据。我们记录工作流程的技术细节，以便为有兴趣在不同情况下构建类似工具的其他研究人员提供材料。自动化的文本分析使我们可以突出显示COVID-19期间与中性基准相比语言使用的变化。我们使用特殊的词云来形象化整体差异。从纵向上看，我们的时间序列显示出焦虑的高峰，这可能与一些事件和媒体报道有关。此外，我们发现愤怒明显减少。更改将持续很长时间（最长12周）。我们讨论了这些以及更多的模式，并将它们与集体情感的出现联系起来。可在此http URL下在线获得展示我们数据的交互式仪表板。我们的工作引起了媒体的关注，并且是奥地利国家图书馆收集的COVID-19资源网络存档的一部分。

几何、推理、复杂性和民主

原文标题： Geometry, Inference, Complexity, and Democracy

地址： http://arxiv.org/abs/2006.10879

作者： Jordan S. Ellenberg

摘要： 关于如何将美国人口划分为立法区的决定对选举结果产生了强大而尚未完全理解的影响。理解“公平区划”可能意味着什么的问题将数学，政治和法律推理交织在一起。但是直到最近几年，学术数学界才直接参与这一过程。我将报告该领域的最新进展，最新开发的数学工具如何影响实际的政治决策以及尚待完成的工作。这项调查代表了作者在2020年1月的联合数学会议的``当前事件公告”会议上演讲的内容。

社会信任网络中的意见最大化

原文标题： Opinion Maximization in Social Trust Networks

地址： http://arxiv.org/abs/2006.10961

作者： Pinghua Xu, Wenbin Hu, Jia Wu, Weiwei Liu

摘要： 社交媒体网站现在正成为产品促销或市场营销活动的非常重要的平台。因此，人们对确定一种方法来指导站点在预算有限的情况下对产品进行更积极的响应引起了广泛的兴趣。然而，由于两个原因，现有关于该主题的研究的实际意义受到限制。首先，大多数研究都在过于简化的网络中研究了该问题，其中一些重要的网络特征被忽略了。其次，在众多研究中，个人的意见被建模为两分状态（例如支持与否），但是，对于许多实际情况而言，此设置过于严格。在这项研究中，我们重点研究社会信任网络（STN），其具有先前研究中忽略的重要特征。我们针对STN推广了一个著名的连续价值意见动态模型，该模型与实际情况更加一致。随后，我们将两个新颖的问题形式化，以解决STN中的问题。此外，我们针对这两个问题开发了两种基于矩阵的方法，并在现实世界的数据集上进行了实验，以证明我们的方法的实用性。

HPRA：使用资源分配的超边预测

原文标题： HPRA: Hyperedge Prediction using Resource Allocation

地址： http://arxiv.org/abs/2006.11070

作者： Tarun Kumar, K Darwin, Srinivasan Parthasarathy, Balaraman Ravindran

摘要： 许多现实世界的系统都涉及高阶交互，因此需要复杂的模型，例如超图。例如，一篇研究文章可能有多个合作作者，因此，共同作者网络最好表示为一个超图。在这项工作中，我们专注于超边预测问题。这个问题在多个领域都有广泛的应用，例如预测社会网络中的新协作，发现代谢网络中的新化学反应等。尽管非常重要，但是超边预测问题并未得到足够的重视，主要是因为其固有的复杂。在具有 n 个节点的图中，潜在边的数量为 mathcal O（n ^ 2），而在超图中，潜在超边的数量为 mathcal O（2 ^ n）。为了避免在如此巨大的空间中搜索，当前的方法通过以下两种方式来限制原始问题。一类算法假设超图是 k 一致的。但是，许多现实世界的系统并不仅限于包含 k 组件的交互。因此，这些算法不适用于许多实际应用。第二类算法需要候选超边集，从中选择潜在的超边。在没有领域知识的情况下，候选集可能具有 mathcal O（2 ^ n）个可能的超边，这使此问题变得棘手。我们提出了HPRA-使用资源分配的超边预测，这是同类算法中的第一个算法，它克服了这些问题并预测了任何基数的超边，而无需使用任何候选超边集。 HPRA是一种基于相似度的方法，致力于资源分配过程的原理。除了恢复丢失的超边外，我们还证明了HPRA可以在各种超图中预测未来的超边。

测量青少年的幸福感：朴素的数字痕迹与调查数据的对应

原文标题： Measuring Adolescents’ Well-being: Correspondence of Naive Digital Traces to Survey Data

地址： http://arxiv.org/abs/2006.11176

作者： Elizaveta Sivak, Ivan Smirnov

摘要： 数字迹线通常被用来代替调查数据。但是，目前尚不清楚数字迹线是否真正对应于它们声称要测量的基于调查的特征，以及如何与之对应。本文研究了自我报告与高中生抑郁，焦虑，情绪，社交融合和睡眠的数字轨迹主体之间的相关性。该研究基于一个很小但丰富的多层数据集（N = 144）。该数据集包含在4个月内每天评估的情绪和睡眠指标，以及在两个时间点的调查指标以及来自俄罗斯最受欢迎的社交网站VK的在线活动信息。我们的分析表明：1）社交媒体帖子中表达的情绪与抑郁症相关；即，抑郁症症状更严重的青少年写的负面文章更多，2）深夜张贴表明睡眠较少，睡眠质量较差，3）在调查中被提名为朋友较少的学生，在VK及其朋友上的朋友较少帖子收到的“喜欢”次数减少。但是，这些相关性通常较弱。这些结果表明，数字化痕迹可以作为对青少年幸福感研究中调查数据的有用补充，而不是替代。这些调查和数字跟踪数据之间的相关性估计可以为将来对该主题的研究提供有用的指导。

自适应扩散下具有多个观测的谣言源检测

原文标题： Rumor source detection with multiple observations under adaptive diffusions

地址： http://arxiv.org/abs/2006.11211

作者： Miklos Z. Racz, Jacob Richey

摘要： 受匿名消息传递平台的推动，最近的工作引入了自适应扩散协议，该协议可以掩盖谣言的来源：可以访问“受感染”节点子图的“快照对手”不会比随机猜测来源的实体更好。节点。如果对手可以访问多个独立快照，会发生什么？当基础图是无限的 d -规则树时，我们研究这个问题。我们表明（1）在有两个独立快照的情况下，仍然可以采用弱形式的源混淆，但是（2）已经有了三个观测值，有一个简单的算法可以找到具有恒定概率的谣言源，而与自适应扩散无关协议。我们还描述了自适应扩散协议（在单个快照下）的本地扩散和源混淆之间的权衡。这些结果提出了有关在社会网络中传播信息时匿名性担保的鲁棒性的问题。

局部谱图滤波器框架：统一框架、设计注意事项调查和数值比较

原文标题： Localized Spectral Graph Filter Frames: A Unifying Framework, Survey of Design Considerations, and Numerical Comparison

地址： http://arxiv.org/abs/2006.11220

作者： David I Shuman

摘要： 将图上的数据表示为构建块信号的线性组合可以实现数据的高效，有见地的可视化或统计分析，并且这种表示形式在信号处理和机器学习任务中用作正则化程序非常有用。在过去的十年中，设计这样的积木信号集合（或更正式地说，是原子词典）来专门说明底层图结构以及任何可用的代表性训练信号，一直是研究的活跃领域。在本文中，我们调查了一类称为局部谱图滤波器框架的特定词典，其字典是通过将谱图样定位到图的不同区域而创建的。在展示了该类如何涵盖从谱图小波到图滤波器组的各种方法之后，我们将集中讨论两个主要问题，即如何设计谱滤波器以及如何选择模式所定位到的中心顶点。在整个过程中，我们强调计算有效的方法，这些方法可确保将所得的变换及其逆运算可应用于驻留在大型稀疏图上的数据。我们演示了这类转换方法如何用于信号处理任务（如降噪和非线性逼近），并为读者提供了在新的应用领域中尝试这些方法的代码。

声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://netsci.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。