• 部分观察的社会网络中结构和扩散的联合推断;
• 邻居很重要：在访问受限的社会网络中影响最大化;
• COVID-19对运输系统的初步影响：以美国疫情中心纽约都市圈为例;
• COVID-19大流行对美国纽约市和西雅图交通系统的影响;
• Twitter上的北美高等教育机构的复杂网络分析;
• 大流行期间的洪水疏散：处理复合危害的多目标框架;
• 在SEIR中纳入动态飞行网络以模拟人口之间的流动性;
• NASA天体物理学数据系统中的二阶算子;
• 多层人口亲社会行为的演变;
• 左翼和右翼，党派关系可预测受到错误信息影响的脆弱性;
• 使用呼叫数据记录和联系人跟踪的冠状病毒爆发的一种隐私保护且经济高效的控制方案;
• 带有极端主义者和温和派的Deffuant模型中的意见动态和共识形成;
• 会议论文集在研究评价中的重要性：一种评估会议影响的方法;
• 挖掘和建模运动数据中的复杂领先-跟随动态;
• COVID-19的非负矩阵和张量分解;
• 病毒传播与接触者追踪：两个相互竞争的传染过程;
• 相互依赖的扩散：相互影响的信念的社会传染;

部分观察的社会网络中结构和扩散的联合推断

原文标题： Joint Inference of Structure and Diffusion in Partially Observed Social Networks

地址： http://arxiv.org/abs/2010.01400

作者： Maryam Ramezani, Amirmohammad Ziaei, Hamid R. Rabiee

摘要： 在大型网络中访问完整数据通常是不可行的。因此，数据丢失的问题是现实世界社会网络的分析和建模中至关重要且不可避免的问题。但是，关于社会网络不同方面的大多数研究都没有考虑到这一限制。解决此问题的一种有效方法是恢复丢失的数据，作为预处理步骤。本文试图通过从部分观测到的数据中学习模型来从扩散网络和网络结构中推断出未观测到的数据。我们开发了一个称为“ DiffStru”的概率生成模型，以共同发现网络结构的隐藏链接和被忽略的扩散活动。该方法通过学习耦合的低维潜在因子，利用节点之间的链接与级联过程之间的相互关系。除了推断看不见的数据外，学习到的潜在因素还可以帮助解决网络分类问题，例如社区检测。在合成数据集和真实数据集上的仿真结果表明，该方法在链接预​​测和发现隐形社会行为的标识和感染时间方面具有出色的性能。

邻居很重要：在访问受限的社会网络中影响最大化

原文标题： Neighborhood Matters: Influence Maximization in Social Networks with Limited Access

地址： http://arxiv.org/abs/2010.01331

作者： Chen Feng, Luoyi Fu, Bo Jiang, Haisong Zhang, Xinbing Wang, Feilong Tang, Guihai Chen

摘要： 影响力最大化（IM）旨在通过向有影响力的用户提供折扣（称为播种）来最大化影响力的传播。在许多应用中，由于用户的隐私问题，压倒性的网络规模等，很难如人们所愿地将网络中的任何用户作为目标。相反，最初只有一小部分用户可以访问。这种访问限制将极大地影响影响力的传播，因为IM经常依赖于播种高级用户，由于社会网络的幂律结构，在这样小的子集中这种情况很少见。在本文中，我们尝试通过考虑种子和扩散不确定性的自适应方法来解决现实情况下的有限IM。具体来说，我们考虑细粒度的折扣，并假设用户概率性地接受折扣。扩散过程由独立的级联模型描述。为了克服访问限制，我们证明了邻居对期望值有较高程度的“设定式友谊悖论”（FP）现象，并提出了嵌入FP的两阶段播种模型，其中对邻居进行播种。在此基础上，为了进行比较，我们制定了非自适应情况和自适应情况，这两种情况都被证明是NP难的。在非自适应情况下，折扣是一次分配给所有用户。我们显示了影响传播w.r.t.的单调性折扣分配，并设计一个两阶段的协调下降框架来确定折扣分配。在自适应情况下，将根据对现有播种和扩散结果的观察顺序对用户进行播种。我们分两个阶段证明了影响扩散函数的自适应亚模量和亚模量。然后，提出了一系列具有恒定近似比的自适应贪婪算法。

COVID-19对运输系统的初步影响：以美国疫情中心纽约都市圈为例

原文标题： Initial Impacts of COVID-19 on Transportation Systems: A Case Study of the U.S. Epicenter, the New York Metropolitan Area

地址： http://arxiv.org/abs/2010.01168

作者： Jingqin Gao, Suzana Duran Bernardes, Zilin Bian, Kaan Ozbay, Shri Iyer

摘要： 2020年3月11日，新颖的冠状病毒COVID-19被世界卫生组织（WHO）确认为大流行病。进入COVID-19大流行一个月后，本白皮书着眼于COVID-19的初步影响在纽约都会区已成为美国冠状病毒震中的交通系统。

COVID-19大流行对美国纽约市和西雅图交通系统的影响

原文标题： The Effects of the COVID-19 Pandemic on Transportation Systems in New York City and Seattle, USA

地址： http://arxiv.org/abs/2010.01170

作者： Jingqin Gao, Jingxing Wang, Zilin Bian, Suzana Duran Bernardes, Yanyan Chen, Abhinav Bhattacharyya, Siva Soorya Muruga Thambiran, Kaan Ozbay, Shri Iyer, Xuegang (Jeff)Ban

摘要： 本文继续强调纽约市（NYC）的流动性和社交性趋势，并用来自华盛顿州西雅图的类似数据进行补充，这是美国受COVID-19影响最大的两个城市。西雅图可能会进一步复苏而非纽约市的大流行和随之而来的锁定，可能会为旅行方式的变化提供一些见解。最后，在取消封锁两个月后，我们讨论了中国城市的一些初步调查结果，以进一步了解复苏的未来。

Twitter上的北美高等教育机构的复杂网络分析

原文标题： Complex Network Analysis of North American Institutions of Higher Education on Twitter

地址： http://arxiv.org/abs/2010.01209

作者： Dmitry Zinoviev, Shana Cote, Robert Diaz

摘要： 北美高等教育机构（IHE）：大学，4年制和2年制学院以及商学院-大量出现，并在Twitter上关注。一个IHE Twitter帐户平均拥有20,000个订阅者。他们中的许多人遵循一个以上的IHE，从而有可能根据共同关注者的数量来构建IHE网络。在本文中，我们探索了Twitter上1,435个IHE的网络结构。我们发现了网络属性之间的显著相关性：各种中心性和聚类系数-以及IHE的属性，例如入学率，学费和宗教/种族/性别隶属关系。我们发现了与同构链接的网络的社区结构-这样，相似的追随者也会跟随相似的大学。此外，我们分析了追随者的自我描述，并确定了可以追溯到追随者的群体身份的十二个重叠主题。

大流行期间的洪水疏散：处理复合危害的多目标框架

原文标题： Flood Evacuation During Pandemic: A multi-objective Framework to Handle Compound Hazard

地址： http://arxiv.org/abs/2010.01386

作者： Shrabani S. Tripathy, Udit Bhatia, Mohit Mohanty, Subhankar Karmakar, Subimal Ghosh

摘要： 从受洪灾地区撤离人口是减轻洪灾危害的非结构性措施。为此目的使用的庇护所通常会在一段时间内容纳大量的避难者。大流行期间的洪水会造成复合危害。在这种情况下的疏散工作很难计划，因为在拥挤的庇护所中几乎不可能进行社会疏散。这导致了一个多目标问题，其目标相互冲突，即从容易发生洪灾的地区撤离的人数最多，而在避难所逗留结束时的感染人数却最少。就我们所知，这一问题尚待文献研究。在这里，我们开发了一个仿真优化框架，其中使用最大-最小方法处理多个目标。该模拟模型由扩展的易感暴露传染恢复易感性（SEIRS）模型组成。我们将该提议的模型应用于印度奥里萨邦易发洪水的贾加辛格普尔地区。我们发现，所提出的方法可以估算需要从易受洪水侵袭的单个村庄撤离的人员，以减少大流行期间的洪水危害。同时，这不会导致不受控制的新感染数量。所提出的方法可以推广到不同地区，并且可以为利益相关者提供一个框架，以管理灾害管理规划中相互冲突的目标并处理复合灾害。

在SEIR中纳入动态飞行网络以模拟人口之间的流动性

原文标题： Incorporating Dynamic Flight Network in SEIR to Model Mobility between Populations

地址： http://arxiv.org/abs/2010.01408

作者： Xiaoye Ding, Shenyang Huang, Abby Leung, Reihaneh Rabbany

摘要： 当前对COVID-19进行建模的工作通常基于标准间隔模型，例如SEIR及其变体。由于症状前和无症状的病例可以通过旅行在人群之间传播疾病，因此将人群之间的流动性纳入流行病学建模非常重要。在这项工作中，我们建议通过基于空中交通量和源头的测试阳性率来估计进口案例，从而修改常用的SEIR模型以说明动态飞行网络。此修改称为Flight-SEIR，可以启用1）。尽早发现由于输入的有症状和无症状病例引起的暴发，2）。更准确地估计复制数量和3）。评估旅行限制的影响以及取消这些措施的含义。鉴于我们的世界已经变得多么紧密，建议的Flight-SEIR在应对这种流行病和下一次流行病时至关重要。

NASA天体物理学数据系统中的二阶算子

原文标题： Second Order Operators in the NASA Astrophysics Data System

地址： http://arxiv.org/abs/2010.01418

作者： Michael J. Kurtz, Roman Chyla (for the ADS Team)

摘要： 二阶运算符（SOOs）是数据库函数，它们根据初始查询中返回的对象的属性形成辅助查询。他们可以提供强大的方法来研究复杂的多部分信息图。 NASA天体物理学数据系统（ADS）已实施了四个SOO，审阅，有用，趋势以及类似的SOO，它们使用了引文，参考，下载和摘要文本。本教程单独或结合其他功能详细描述了这些运算符。它适用于希望充分利用ADS数据库的科学家和其他人员。假定了ADS的基本知识。

多层人口亲社会行为的演变

原文标题： Evolution of prosocial behavior in multilayer populations

地址： http://arxiv.org/abs/2010.01433

作者： Qi Su, Alex McAvoy, Yoichiro Mori, Joshua B. Plotkin

摘要： 人类社会包括许多类型的社会关系。例如，朋友，家人，业务同事，在线联系人和宗教团体都可以为个人的社交生活做出贡献。个人在不同领域的行为可能会有所不同，但他们在一个领域的成功可能仍会在另一个领域取得成功。社会互动的不同但又相互联系的领域所造成的复杂性可能是社会中亲社会或自私行为的关键驱动力。在这里，我们使用多层网络研究这个问题，以对具有多个社交互动领域的人群进行建模。一个人可以出现在多个不同的层中，每个层具有不同的行为和环境。对于任何多层结构，我们都会提供有关所得行为动力学的数学结果。在结构的不同空间中，我们发现层之间的耦合倾向于促进亲社会行为。实际上，即使仅在每一层中都不利于亲社会，多层耦合也可以同时促进其在所有层中的扩散。我们将这些技术应用于六个现实世界的多层社会网络，范围从赞比亚社区中的社会情感和专业关系网络到一所大学内的在线和离线关系网络。我们的结果表明，社会互动的不同领域之间的耦合对于人类社会的亲社会传播至关重要。

左翼和右翼，党派关系可预测受到错误信息影响的脆弱性

原文标题： Right and left, partisanship predicts vulnerability to misinformation

地址： http://arxiv.org/abs/2010.01462

作者： Dimitar Nikolov, Alessandro Flammini, Filippo Menczer

摘要： 通过研究Twitter上的新闻共享行为，我们分析了党派关系，回声室和易受在线错误信息影响的关系。尽管我们的结果证实了先前的发现，即在线错误信息共享与右倾游击党派密切相关，但我们也发现了左倾使用者的趋势相似，尽管趋势较弱。由于用户的党派关系及其在党派回声室内的位置之间的相关性，这些类型的影响是混杂的。为了弄清它们的影响，我们进行了回归分析，发现对于左倾和右倾用户来说，错误信息的脆弱性受党派关系的影响最大。

使用呼叫数据记录和联系人跟踪的冠状病毒爆发的一种隐私保护且经济高效的控制方案

原文标题： A Privacy Preserved and Cost Efficient Control Scheme for Coronavirus Outbreak Using Call Data Record and Contact Tracing

地址： http://arxiv.org/abs/2010.01521

作者： Shibli Nisar, Syed Muhammad Ali Zuhaib, Abasin Ulasyar, Muhammad Tariq

摘要： 被世界卫生组织宣布为大流行的冠状病毒或COVID-19已给全世界人民的生命造成巨大损失。尽管科学家，研究人员和医生日以继夜地开发用于COVID-19的疫苗，但可能需要一两年的时间才能向世界提供安全有效的疫苗。在当前情况下，必须开发一种解决方案来控制或阻止病毒的传播。为此，提出了一种基于呼叫数据记录分析（CDRA）和联系人跟踪的新技术，可以有效控制冠状病毒的爆发。阳性冠状病毒患者可以通过CDRA和接触者追踪进行追踪。该技术可以跟踪患者经过的路径，并收集所有与患者见面的人的细胞编号。保持这群人的私密性，他们通过其细胞号进行联系，以便他们可以隔离自己，直到冠状病毒测试的结果到来为止。如果某人的测试结果在小组中呈阳性，则必须将其隔离，并对该人采用相同的CDRA和联系人跟踪程序。对COVID-19患者进行地理标记，如果患者违反隔离规定，则会发送警报。而且，提前告知公众避免患者走的路。这种具有成本效益的机制不仅能够控制冠状病毒的爆发，而且还有助于隔离患者的家中。

带有极端主义者和温和派的Deffuant模型中的意见动态和共识形成

原文标题： Opinion dynamics and consensus formation in a Deffuant model with extremists and moderates

地址： http://arxiv.org/abs/2010.01534

作者： Luca Marconi, Federico Cecconi

摘要： 在社会，行为和经济科学的不同学科中，基本的问题类别与对大量人口中个人意见存在的最终状态的预测有关。意见动态研究的主要方面与达成协议的可能性和所需的时间有关。总的来说，共识模型允许理解一组交互主体是否可以在以下几个选项中进行选择时达成共识：政治投票，观点，文化特征是它们的众所周知的例子。当选择的选项是意见，而可能达成的社会共识是意见协议时，意见动态模型则可以看作是共识模型的子集。此外，在人口众多的地区，直觉地找到温和派是很直观的，他们的观点不在政治观点范围的极端。由于他们的经验存在范围广泛，因此研究他们在舆论动态过程中的影响对于增强对大批人口政治舆论演变的理解非常重要。 Deffuant模型旨在研究共识形成，假设总体的观点分布是通过一系列随机的成对相遇而演变的。在这项工作中，我们努力扩展除极端主义者之外还存在温和派的经典Deffuant模型，以研究具有不同初始观点和参数配置的共识的出现。因此，我们评估了温和派在大批人的意见动态过程中对于共识形成的作用和重要性。我们显示，在模型参数的特定配置中，人口行为受到临界数量的温和因素的影响：当达到此阈值时，人口中的意见逐渐收敛

会议论文集在研究评价中的重要性：一种评估会议影响的方法

原文标题： The Importance of Conference Proceedings in Research Evaluation: a Methodology for Assessing Conference Impact

地址： http://arxiv.org/abs/2010.01540

作者： Dmitry Kochetkov, Aliaksandr Birukou, Anna Ermolayeva

摘要： 会议是进行科学交流的重要工具。在计算机科学等学科中，超过50％的原始研究结果在会议记录中发表。在这项研究中，我们分析了会议程序在各个学科中的作用，并提出了一种基于会议程序和Scimago Journal Rank（SJR）的研究评估的替代方法。研究的结果是一系列会议论文集，按与SJR期刊四分位数相似的方式，将Q1-Q4分为几个学科。该文献计量学驱动的排名与计算机科学中专家驱动的CORE排名的比较显示出62％的重叠，并且类别分布具有显著的平均排名相关性。此外，工程领域的38个会议论文集（占列表的45％）和计算机科学领域的23个论文集（占列表的32％）的SJR级别与这些领域中的前四分位数期刊相对应。这再次强调了会议在这些学科中的特殊重要性。

挖掘和建模运动数据中的复杂领先-跟随动态

原文标题： Mining and modeling complex leadership-followership dynamics of movement data

地址： http://arxiv.org/abs/2010.01587

作者： Chainarong Amornbunchornvej, Tanya Y. Berger-Wolf

摘要： 领导和追随者是包括人类在内的社会动物集体决策和组织的重要组成部分。本质上，领导者和追随者的关系是动态的，并随上下文或时间因素而变化。了解领导者和追随者的动态，例如领导者和追随者如何变化，出现或融合，可以使科学家对集体决策和总体行为有更多的了解。但是，仅给出单个活动的数据，就很难推断领导者和追随者的动态。在本文中，我们专注于挖掘和建模领导和跟随的频繁模式。我们将新的计算问题形式化，并提出一个可用于解决有关组移动的几个问题的框架。我们使用领导力推断框架mFLICA从运动数据集推断领导者及其派系的时间序列，然后提出一种方法来挖掘和建模领导力和跟随者动态的频繁模式。我们通过使用几个模拟数据集以及狒狒运动的真实世界数据集来评估我们框架的性能，以演示我们框架的应用。这些是新颖的计算问题，据我们所知，目前尚无可解决这些问题的可比方法。因此，我们修改并扩展了现有的领导力推理框架，以提供比较的基准。我们的框架在所有数据集中的表现均优于该基准。我们的框架为科学家提供了机会，以产生有关运动数据领导力动态的可检验的科学假设。

COVID-19的非负矩阵和张量分解

原文标题： On Nonnegative Matrix and Tensor Decompositions for COVID-19 Twitter Dynamics

地址： http://arxiv.org/abs/2010.01600

作者： Lara Kassab, Alona Kryshchenko, Hanbaek Lyu, Denali Molitor, Deanna Needell, Elizaveta Rebrova

摘要： 我们使用动态主题建模技术来分析与COVID-19大流行有关的Twitter数据，以了解主题及其随着时间的流行。使用四种方法学习主题：非负矩阵分解（NMF），非负CP张量分解（NCPD），在线NMF和在线NCPD。所考虑的所有方法都发现了与中国，社会疏远和美国总统特朗普有关的持续数周的主要话题。 2月初，有关中国的话题占据主导地位，然后让位于更为多样化的话题。我们观察到NCPD和在线NCPD可以检测到几天内流行的主题，例如韩国的爆发。但是，由NMF和在线NMF检测到的主题会持续较长的时间。我们的结果根据外部新闻来源进行了验证。

病毒传播与接触者追踪：两个相互竞争的传染过程

原文标题： Virus spread versus contact tracing: two competing contagion processes

地址： http://arxiv.org/abs/2010.01867

作者： Adriana Reyna-Lara, David Soriano-Paños, Sergio Gómez, Clara Granell, Joan T. Matamalas, Benjamin Steinegger, Alex Arenas, Jesús Gómez-Gardeñes

摘要： 在许多国家面临封锁以阻止COVID-19发病率曲线增长的封锁之后，是时候恢复社会和经济活动了。 SARS-CoV-2在空中的快速传播能力以及疫苗的缺乏，要求采取积极的收容措施，以避免传播链扩散。迄今为止，最好的策略是隔离诊断出的感染病例，从而防止进一步传播。该技术包括测试所有人群以进行诊断，跟踪感染者的接触并通过隔离所有这些病例进行治疗，即测试跟踪治疗（TTT）。更好地描述前者机制的综合作用的动力学过程是与病原体传播竞争，切断潜在的传染途径的传染过程。在这里，我们提出了一个隔离模型，将感染的动态与接触者追踪和病例隔离相结合。我们为有效病例复制数 cal R_c（t）开发了一个解析表达式，该表达式揭示了接触追踪在缓解和抑制流行病中的作用。我们表明，在感染传播和病例隔离之间需要权衡。如果隔离仅限于有症状的个体，则发病曲线可以变平但不能弯曲。但是，应用接触跟踪时，该策略会使曲线弯曲，从而导致疫情暴发的快速抑制。我们说明了这两种策略之间的质量差异，并确定了解释接触跟踪在急剧逆转原始流行曲线的上升趋势并导致其弯曲方面的有效性的因素。

相互依赖的扩散：相互影响的信念的社会传染

原文标题： Interdependent Diffusion: The social contagion of interacting beliefs

地址： http://arxiv.org/abs/2010.02188

作者： James P. Houghton

摘要： 社会传染是一种经过充分研究的现象，人们在其中采用自己相信自己的邻居所暴露的信念，然后将这些信念传给其他人。研究（和日常生活）表明，人们倾向于采用与他们已经持有的信念一致的信念。然而，学者们并不经常在他们的社会传染模型中考虑信仰之间的相互作用。相反，他们假设信念彼此独立地传播。这是无害的简化吗？还是消除信仰之间的相互依存关系会抑制重要的动力，并改变社会传染的结果？本文对独立和相互依赖的扩散进行了正面对比。模拟确定了当扩散物相互作用时出现的两个社会过程，并预测，由于相互依赖的扩散，将出现不受外部真理约束的世界观，并且在同质种群中将形成两极分化。受控实验室实验在120个人工社会网络中的2400名参与者中确认了这些预测。我得出的结论是，扩散剂之间独立性的假设并不像普遍存在的建议那样普遍适用。相反，扩散剂之间的相互依赖性可能既常见又有结果。

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。