• 使用移动蜂窝网络数据表征COVID-19期间的人员流动模式;
• 演化理论框架内复杂城市系统的空间动力学;
• 连续意见动力学模型中达成共识的方法：一项受颗粒气体物理学启发的研究;
• 症状前传播对接触网络中流行病传播的影响;
• 政治地理与代表性：宾夕法尼亚州分区的个案研究;
• 相关性鲁棒影响最大化;
• 通过谱嵌入和二次规划在图之间指定顶点;
• 使用Hawkes过程对社交媒体传播进行建模;
• 公平的虚拟会议日程安排：实现公平的参与者和演讲者满意度;
• 维基百科：挑战者的最好朋友？利用信息寻求行为模式来预测美国国会选举;
• 西班牙和印度的COVID-19：通过分析流行病学和社交媒体数据比较政策含义;
• 控制COVID-19：劳动力结构比锁定政策更重要;
• SIDARTHE流行病模型中学习的最优控制方法;
• 用Wikipedia数据估算类似流感症状的患病率的通用方法;
• 预测2016年美国大选前后互联网研究机构的Facebook和Instagram运动的参与度;

使用移动蜂窝网络数据表征COVID-19期间的人员流动模式

原文标题： Characterizing Human Mobility Patterns During COVID-19 using Cellular Network Data

地址： http://arxiv.org/abs/2010.14558

作者： Necati A. Ayan, Nilson L. Damasceno, Sushil Chaskar, Peron R. de Sousa, Arti Ramesh, Anand Seetharam, Antonio A. de A. Rocha

摘要： 在本文中，我们的目标是分析和比较围绕COVID-19大流行的锁定前，锁定期间和锁定后阶段的蜂窝网络使用情况数据，以理解和建模大流行期间的人员流动模式，并评估限制流动性。为此，我们与巴西主要的蜂窝网络提供商之一合作，并从2020年3月1日至2020年7月1日在里约热内卢及其郊区的所有用户收集和分析1400根天线的蜂窝网络连接我们的分析表明，在锁定阶段，蜂窝连接的总数减少到78％，然后随着锁定的缓解，蜂窝连接的总数增加到COVID之前时代的85％。我们观察到，随着越来越多的人在远程工作，天线发生了变化，占总流量的前10％，与里约市中心的天线建立连接的数量急剧减少，其他位置的天线取代了原来的位置。我们还观察到，尽管在锁定阶段每天有近40-45％的用户仅连接1根天线，表明没有移动性，但大约有4％的用户（即80K用户）连接了10根以上的天线，表明移动性非常高。最后，我们设计了一个交互式工具，以不同的粒度展示出流动模式，可以潜在地帮助人们和政府官员理解个人的流动性以及特定社区中COVID病例的数量。我们基于大规模数据的分析，推断和互动展示的出行方式可以推广到世界其他城市，并且有可能在将来设计更有效的大流行性管理措施。

演化理论框架内复杂城市系统的空间动力学

原文标题： Spatial dynamics of complex urban systems within an evolutionary theory frame

地址： http://arxiv.org/abs/2010.14890

作者： Juste Raimbault, Denise Pumain

摘要： 本章涉及城市系统的复杂性和空间动力学。城市规模的严重不平等以及限制城市增长的明显困难提出了空间规划的实际问题。在能源和原材料资源有限或流行病等可能的灾难性事件的新限制正在挑战城市的进一步扩张之时，重要的是巩固各种科学学科的理论以估计城市动态可在多大程度上进行修改。在简要回顾复杂性科学的新发展对城市理论的贡献的同时，我们首先主张城市理论的合理性。其次，我们将空间互动和演化路径依赖性视为城市实体总体行为的主要特征，从而发展了我们的原始方法。第三，我们通过试验在统一的经验数据集上校准的四个城市增长动态模型并在全球范围内进行比较，来检验基于城市系统演化论的这些原理。

连续意见动力学模型中达成共识的方法：一项受颗粒气体物理学启发的研究

原文标题： Approach to consensus in models of continuous-opinion dynamics: a study inspired by the physics of granular gases

地址： http://arxiv.org/abs/2010.14594

作者： Nagi Khalil

摘要： 提出并利用连续维动力学与一维颗粒气体的相似性进行研究。主体就像在Deffuant模型中一样进行交互，其中参数 alpha 控制着个人的可说服性。相互作用与两个直线上移动的谷物的碰撞规则相符，前提是可以确定意见和速度，其中 alpha 是所谓的正常恢复系数。从所有观点的概率密度的主方程开始，给出了系统达到共识的一般条件。更详细地研究了交互频率与相对意见的 beta 幂成比例的情况。结果表明，对主方程的平均场近似导致用于意见分布的玻尔兹曼动力学方程。在这种情况下，系统始终会达到共识，这可以看作是意见温度为零（意见分布宽度的量度）的方法。此外，系统的长期行为的特征是对Boltzmann方程的尺度解，其中所有时间相关性都通过温度发生。 beta = 0 的情况与Deffuant模型有关，并且在分析上可溶。标度分布是单峰的，并且独立于 alpha 。对于 beta> 0 ，在 | alpha | 的临界值以下，观点的分布是单峰的，在其之上有两个最大值的是多峰的。这意味着主体人在两极分化的同时可能会达成共识。在临界点附近，对于 | alpha | ge 0.4 ，观点的分布可以通过两个高斯分布的总和很好地近似。蒙特卡洛模拟与理论结果一致。

症状前传播对接触网络中流行病传播的影响

原文标题： Impact of Pre-symptomatic Transmission on Epidemic Spreading in Contact Networks

地址： http://arxiv.org/abs/2010.14598

作者： Bo Li, David Saad

摘要： 合并有症状前传播的传染病对监测，建模，预测和遏制具有挑战性。通过使用基于动态消息传递方法的分析框架，研究任意网络实例上的随机易感暴露-感染-恢复（SEIR）模型的变体，从而解决了此问题。与数值模拟相比，该框架以较低的计算成本提供了对静态网络和联系网络上扩展概率分布的良好估计。它促进了流行阈值的推导，这些阈值是区分参数制度的阶段边界，在这些制度范围内，可以有效地控制感染和不能控制感染。这些与最近的COVID-19大流行有关，通过拓扑结构（减少接触）和感染参数变化（例如，社交疏远和戴口罩）对不同的遏制策略具有明显的含义。我们的研究从数量上显示出使用繁殖数量作为预测某些拓扑中扩散率的方法的不足，有效的隔离如何减少严格的社会隔离措施的需求以及在隔离后长期无症状暴露的情况下进行大规模测试的重要性。有症状的个体不足以减轻传播。

政治地理与代表性：宾夕法尼亚州分区的个案研究

原文标题： Political Geography and Representation: A Case Study of Districting in Pennsylvania

地址： http://arxiv.org/abs/2010.14608

作者： Jonathan Rodden, Thomas Weighill

摘要： 本章详细介绍了一个州（宾夕法尼亚州）在最近投票模式方面的定性和定量分析。作者调查了政治地理对党派运动场的倾斜程度。他们特别仔细地研究了规模的作用。他们发现，党派中立的地图很少能按比例分配席位，而使地区规模变小往往会使得找到比例地图变得更加困难。这是《政治几何学》一章的预印本，该书即将出版，从各种科学学科的角度着眼于重新划分。

相关性鲁棒影响最大化

原文标题： Correlation Robust Influence Maximization

地址： http://arxiv.org/abs/2010.14620

作者： Louis Chen, Divya Padmanabhan, Chee Chin Lim, Karthik Natarajan

摘要： 我们为影响最大化问题提出了一种分布鲁棒模型。与经典的独立级联模型 citep kempe2003maximizing不同，该模型的扩散过程在对抗性上适合于种子集的选择。因此，我们不是在网络中所有影响关系都是独立的假设下进行优化，而是寻找一个种子集，该种子集在最差相关性（即“最坏情况，预期影响”）下的预期影响最大。我们表明，这种最坏情况的影响可以得到有效地计算，并且尽管优化是NP难的，但（ 1-1 / e ）近似保证成立。我们还分析了对手选择扩散过程的结构，并与已建立的模型进行了对比。除了关键的计算优势外，我们还强调了独立性假设可能会导致最优成本的程度，并提供了将对抗性模型和独立级联模型进行比较的数值实验的见解。

通过谱嵌入和二次规划在图之间指定顶点

原文标题： Vertex nomination between graphs via spectral embedding and quadratic programming

地址： http://arxiv.org/abs/2010.14622

作者： Runbing Zheng, Vince Lyzinski, Carey E. Priebe, Minh Tang

摘要： 给定一个网络和一个有趣的顶点（其身份仅部分已知）的子集，顶点提名问题将以这种方式对其余顶点进行排名，以使有趣的顶点位于列表的顶部。此问题的重要变体是多图设置中的顶点命名。给定两个图 G_1，G_2 ，它们具有共同的顶点和感兴趣的顶点 x 在G_1 中，我们希望对 G_2 的顶点进行排名，以使最类似于 x 的顶点位于顶部清单。当前的论文解决了这个问题，并提出了一种方法，该方法首先应用邻接谱图嵌入将图嵌入到一个公共的欧几里得空间中，然后解决一个惩罚线性分配问题以获得提名列表。由于图的谱嵌入仅在正交变换之前是唯一的，因此我们提出了两种方法来消除这种潜在的不可识别性。一种方法是基于正交Procrustes的，并且当两个图之间有足够的具有已知对应关系的顶点时适用。另一种方法使用自适应点集配准，并且适用于很少或不存在具有已知对应关系的顶点时。我们表明，在生成模型下，对于近似为低秩并可能具有成对边相关性的成对随机图，我们的提名方案导致了准确的提名。我们通过对合成数据进行仿真研究，对高中友谊网络的分析以及在Bing搜索引擎上网页之间的转换率的分析来说明算法的性能。

使用Hawkes过程对社交媒体传播进行建模

原文标题： Modeling social media contagion using Hawkes processes

地址： http://arxiv.org/abs/2010.14623

作者： Zbigniew Palmowski, Daria Puchalska

摘要： 当允许重复激活时，传播动态会出现在社会网络中。这种现象的一个有趣示例是转发级联，用户可以在其中转发具有公共帐户的其他人发布的内容。为了模拟这种行为，我们使用霍克斯自激过程。尽管需要校准模型，但要正确执行此操作。本文的主要目标是构建该模型估计的矩方法。关键步骤是基于确定霍克斯过程的产生者。我们也对真实数据进行数值分析。

公平的虚拟会议日程安排：实现公平的参与者和演讲者满意度

原文标题： On Fair Virtual Conference Scheduling: Achieving Equitable Participant and Speaker Satisfaction

地址： http://arxiv.org/abs/2010.14624

作者： Gourab K Patro, Abhijnan Chakraborty, Niloy Ganguly, Krishna P. Gummadi

摘要： （COVID-19）大流行引起的对旅行和社交聚会的限制促使大多数会议组织者将其活动在线转移。但是，与物理会议相比，虚拟会议在有效安排会议安排方面面临着挑战，要考虑到来自不同时区的与会者的可用性以及他们参加不同会议的兴趣。在这种情况下，会议组织者的自然目标是最大化某些全球福利指标，例如所有演讲中预期的总观众参与度。但是，我们表明，针对全球福利进行优化可能会导致时间表对利益相关者不公平，即，参与者和演讲者的个人效用可能非常不平等。为理解决公平问题，我们正式为参与者和演讲者定义了公平概念，并随后为他们和他们得出了适当的公平目标。我们表明，福利和公平目标可能会相互冲突，因此有必要在同时维护这些目标的同时保持这些目标之间的平衡。因此，我们提出了一个联合优化框架，该框架可使会议组织者设计能够在全球福利，参与者公平性和演讲者公平性目标之间取得平衡（即权衡取舍）的演讲时间表。我们表明，可以使用整数线性规划来解决优化问题，并通过经验评估这种联合优化方法在虚拟会议安排中的必要性和好处。

维基百科：挑战者的最好朋友？利用信息寻求行为模式来预测美国国会选举

原文标题： Wikipedia: A Challenger’s Best Friend? Utilising Information-seeking Behaviour Patterns to Predict US Congressional Elections

地址： http://arxiv.org/abs/2010.14627

作者： Hamza Salem, Fabian Stephany

摘要： 选举预测长期以来一直是政治学文献中的常青树。传统上，此类工作包括投票汇总，经济指标，党派隶属关系和竞选效果，以预测汇总投票结果。随着社会科学中在线生成数据的二次使用增加，研究人员已开始从广泛使用的基于Web的平台（如Facebook，Twitter，Google Trends和Wikipedia）中查询元数据，以校准预测模型。基于网络的平台为选民提供了检索与竞选活动有关的详细信息的方法，也为研究人员提供了研究竞选活动的流行性以及围绕其的公众情绪的手段。但是，过去的贡献常常忽略了常规选举变量和寻求信息行为模式之间的相互作用。在这项工作中，我们旨在通过考虑在职和挑战者运动之间的信息检索有何不同，以及候选候选人的生存能力和媒体报道对Wikipedia页面浏览量预测能力的影响，来统一传统方法和新颖方法。为了检验我们的假设，我们使用了2016年至2018年美国国会（参议院和众议院）选举的选举数据。我们证明，Wikipedia数据作为信息寻求行为模式的主体，对于预测成功的行为特别有用。资金充裕的挑战者，在媒体上报道的相对较少。通常，我们的发现强调了混合数据方法对计算社会科学中的预测分析的重要性。

西班牙和印度的COVID-19：通过分析流行病学和社交媒体数据比较政策含义

原文标题： COVID-19 in Spain and India: Comparing Policy Implications by Analyzing Epidemiological and Social Media Data

地址： http://arxiv.org/abs/2010.14628

作者： Parth Asawa, Manas Gaur, Kaushik Roy, Amit Sheth

摘要： COVID-19大流行迫使公共卫生专家制定应急政策以阻止感染的蔓延，包括部分/完全封锁之类的措施。这些政策的有效性随地理位置，人口分布以及实​​施的有效性而变化。因此，某些国家（例如台湾，海地）在控制疫情方面比其他国家（例如美国）更成功。对一个国家有效的公共卫生政策进行数据驱动的调查，将使其他国家的公共卫生专家可以决定未来的行动方案，以控制疾病和流行病的爆发。我们选择西班牙和印度来对某些因素相似的地区进行分析：（1）人口密度，（2）失业率，（3）旅游业和（4）生活质量。我们认为，从推特对话中获得的公民意识形态可以提供对政策合规性的见解，并适当地反映未来的案例预测。曲线显示新案例数量彼此不同时的一个里程碑被用来定义一个时间段，以提取与策略相关的推文，而策略相关子事件的因果网络中的概念则被用来生成概念云。在回归模型中使用情感评分来预测新病例的数量。我们看到，新的案例预测反映了Twitter的情绪，与触发子事件有意义地联系在一起，可以有效地比较西班牙和印度与政策相关的发现。

控制COVID-19：劳动力结构比锁定政策更重要

原文标题： Controlling COVID-19: Labor structure is more important than lockdown policy

地址： http://arxiv.org/abs/2010.14630

作者： Samuel Heroy, Isabella Loaiza, Alexander Pentland, Neave O’Clery

摘要： 世界各地的国家和城市都采取了前所未有的出行限制，以对抗COVID 19传输。在这里，我们利用自然实验，通过哥伦比亚的城市根据身份证号和性别实施了多种锁定政策，以分析这些政策对城市流动性的影响。使用手机数据，我们发现以公民被允许出门的天数衡量的本地锁定规则的严重性与行动不便的减少没有关系。取而代之的是，我们发现更大，更富裕的城市具有更正规和复杂的产业结构，其出行人数减少了更多。当他们的工作位于富裕或商业/工业正规化的街区时，通勤者更有可能留在家里。因此，我们的结果表明，城市的就业特征和在家办公的能力是减少流动性的主要决定因素。

SIDARTHE流行病模型中学习的最优控制方法

原文标题： An Optimal Control Approach to Learning in SIDARTHE Epidemic model

地址： http://arxiv.org/abs/2010.14878

作者： Andrea Zugarini, Enrico Meloni, Alessandro Betti, Andrea Panizza, Marco Corneli, Marco Gori

摘要： COVID-19疫情激起了人们对提出新颖的流行病学模型以预测流行病进程从而帮助规划有效控制策略的兴趣。特别是，为了正确地解释可用数据，很明显，人们必须超越大多数经典的流行病学模型，并考虑像最近提出的SIDARTHE一样对感染阶段进行更丰富描述的模型。学习这些模型的参数的问题至关重要，尤其是在假设它们是随时间变化的情况下，这进一步丰富了它们的有效性。在本文中，我们提出了一种从流行病数据中学习动态隔室模型的时变参数的通用方法。我们根据功能风险来表述问题，功能风险取决于通过动态系统的解决方案而获得的学习变量。然后，通过在适当的正则化函数上使用梯度流来解决所得的变数问题。我们预测了意大利和法国的流行趋势。结果表明，该模型提供了对所有可用数据的可靠且具有挑战性的预测，以及所选策略对时变参数的基本作用。

用Wikipedia数据估算类似流感症状的患病率的通用方法

原文标题： A general method for estimating the prevalence of Influenza-Like-Symptoms with Wikipedia data

地址： http://arxiv.org/abs/2010.14903

作者： Giovanni De Toni, Cristian Consonni, Alberto Montresor

摘要： 流行性感冒是一种急性呼吸道季节性疾病，它影响着全球数百万人，仅在欧洲就造成数千人死亡。能够以快速，可靠的方式估算疾病对特定国家/地区的影响，对于计划和组织有效的对策至关重要，现在可以利用网络搜索和访问等非常规数据源来实现这一对策。在这项研究中，我们展示了利用有关选定文章组和机器学习模型的Wikipedia页面浏览量的信息来获取四个欧洲国家（如意大利，德国，比利时和荷兰）流感样疾病发病率的准确估计的可行性。我们提出了一种新颖的语言不可知论方法，该方法基于个性化PageRank和CycleRank这两种算法，可以自动选择最相关的Wikipedia页面进行监视，而无需专家监督。然后，我们通过与先前的解决方案进行比较，展示了我们的模型如何能够获得最新的结果。

预测2016年美国大选前后互联网研究机构的Facebook和Instagram运动的参与度

原文标题： Predicting Engagement with the Internet Research Agency’s Facebook and Instagram Campaigns around the 2016 U.S. Presidential Election

地址： http://arxiv.org/abs/2010.14950

作者： Dimitra Liotsiou, Bharath Ganesh, Philip N. Howard

摘要： 俄罗斯互联网研究局（IRA）在2016年美国总统大选中进行的在线干预运动代表了数字时代民主选举轨迹的一个转折点。在2020年美国总统大选之前，IRA如何吸引美国听众？我们对IRA内容特征与2016年大选前后Facebook和Instagram上的用户参与之间的关系进行了首次深入分析。我们发现，针对右翼和非黑人边化群体的内容与Facebook和Instagram上的互动有着最强的积极联系，这与IRA运动在Twitter上的发现以及媒体先前的评论形成鲜明对比。较高的参与度与在2015-2017年后期发布信息有关，并且在两个平台上使用的文字更少，使用否定性用语，不包括Facebook上的链接以及在Instagram上使用的＃标签更少。与大多数参与相关的子受众和子问题在各个平台上有所不同。

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。