• 基于子图的网络形成模型;
• Regshock：金融网络中系统风险的交互式可视化分析;
• 隐私作为一种计划的行为：情境因素对隐私感知和计划的影响;
• 疫苗分发的平均场控制问题;
• 基于病毒载量的空间网络上流行病传播模型;
• Transformers模型与COVID-19信息疫情对抗;
• 考虑用户偏好的假新闻检测;
• 在时态网络模型中检测新的边类型;
• 使用基于名字的方法在推断种族时避免偏见;
• COVID-19爆发后，合并症患者的医疗保健习惯是否已更改；大数据公众情绪分析;
• 通过不完全合适的口罩空气传播病毒的统计模型;
• 利用传递性约束进行知识图谱中的实体匹配;
• 拉丁美洲背景下的公共秩序和交通网络;

基于子图的网络形成模型

原文标题： A Network Formation Model Based on Subgraphs

地址： http://arxiv.org/abs/1611.07658

作者： Arun G. Chandrasekhar, Matthew O. Jackson

摘要： 我们为网络形成的统计估计开发了新一类的随机图模型-子图生成模型（SUGM）-该模型允许链接中的大量相关性。生成各种子图（例如，链接，三角形，集团，星形），它们的并集导致网络。我们表明，所有SUGMs都可以识别，并且进一步建立在经验相关的情况下参数估计的一致性和渐近分布。我们显示，简单的四参数SUGM与四个标准模型（具有更多的维数）相比，在观察到的网络中与基本模式的匹配更为紧密：（i）随机块模型； （ii）具有节点级未观察到的异质性的模型； （iii）潜在空间模型； （iv）指数随机图。我们使用印度农村地区的网络通过几个应用程序进一步说明了该框架的价值。我们研究网络结构是否有助于加强风险分担，跨部门交互是否更可能是私人的，以及小额信贷的引入如何改变网络形成的诱因。我们还为相关随机变量开发了一个新的中心极限定理，这是证明我们的结果所必需的，并且具有独立的意义。

Regshock：金融网络中系统风险的交互式可视化分析

原文标题： Regshock: Interactive Visual Analytics of Systemic Risk in Financial Networks

地址： http://arxiv.org/abs/2104.11863

作者： Zhibin Niu, Junqi Wu, Dawei Cheng, Jiawan Zhang

摘要： 金融监管机构正在努力管理由于负面经济冲击而导致的系统性风险。预防性干预对于消除风险并帮助建立更具弹性的金融体系非常重要。尽管已经付出了巨大的努力来衡量多种风险的严重程度，理解传染行为和其他风险管理问题，但是仍然缺乏一个理论框架来揭示什么以及如何通过监管干预措施来减轻系统性风险。在这里，我们演示了regshock，这是一种实用的视觉分析方法，可支持对金融监管措施的探索和评估。我们提出了风险岛，这是一种前所未有的以风险为中心的可视化算法，可帮助发现风险模式，同时保留金融网络的拓扑结构。我们进一步提出regshock，这是一种基于模拟-干预-评估分析循环的新颖的视觉探索和评估方法，旨在为系统性风险缓解提供启发式外科手术干预能力。我们通过广泛的案例研究和专家评估来评估我们的方法。据我们所知，这是解决金融网络干预和降低风险的第一种实用的系统方法。我们经过验证的方法可能会改善金融专家的风险管理和控制能力。

隐私作为一种计划的行为：情境因素对隐私感知和计划的影响

原文标题： Privacy as a Planned Behavior: Effects of Situational Factors on Privacy Perceptions and Plans

地址： http://arxiv.org/abs/2104.11847

作者： A K M Nuhil Mehdy, Michael D. Ekstrand, Bart P. Knijnenburg, Hoda Mehrpouyan

摘要： 为理解决用户模型中的隐私感知和偏好并开发个性化的隐私系统，我们需要理解用户如何在各种情况下做出隐私决策。现有的关于隐私感知和行为的研究侧重于总体的隐私趋势，但是很少研究隐私决策中的特定于上下文的因素。我们根据计划行为理论（TPB）对Mechanical Turk（N = 401）进行了一项调查，以衡量用户对隐私因素和信息披露意图的感知如何受以下三种情景因素影响的假设情景：信息类型，收件人的角色和信任源。结果表明，主观规范与感知到的行为控制之间以及这些与情境隐私态度之间存在正相关关系；所有这三种构建体都与披露意图显著正相关。这些发现还表明，情境因素通过其对TPB结构的影响来预测参与者的隐私决定。

疫苗分发的平均场控制问题

原文标题： Mean field control problems for vaccine distribution

地址： http://arxiv.org/abs/2104.11887

作者： Wonjun Lee, Siting Liu, Wuchen Li, Stanley Osher

摘要： 随着COVID-19疫苗的发明，运输和分发对于控制大流行至关重要。在本文中，我们建立了一个空间域的均值变分问题，该问题通过疫苗分配的最佳运输策略来控制大流行的传播。在这里，我们将疫苗分配整合到先前论文arXiv：2006.01249中设计的均值SIR模型中。数值算例表明，所提出的模型为疫苗在空间域上的分布提供了实用的策略。

基于病毒载量的空间网络上流行病传播模型

原文标题： A viral load-based model for epidemic spread on spatial networks

地址： http://arxiv.org/abs/2104.12107

作者： Nadia Loy, Andrea Tosin

摘要： 在本文中，我们提出了在网络上传播传染病的玻尔兹曼型动力学模型。后者根据感兴趣的空间规模描述了国家，城市或地区之间的联系。疾病传播以个体的病毒载量来表示，并由他们之间的社会联系来介导，同时考虑到他们在网络节点上的位移。我们正式得出网络上个体的密度和平均病毒载量的流体动力学方程式，并分析这些数量的长期趋势，并特别强调爆发或根除感染的情况。通过数值测试，我们还研究了隔离措施（如隔离或局部锁定）对网络上疾病传播的影响。

Transformers模型与COVID-19信息疫情对抗

原文标题： Transformers to Fight the COVID-19 Infodemic

地址： http://arxiv.org/abs/2104.12201

作者： Lasitha Uyangodage, Tharindu Ranasinghe, Hansi Hettiarachchi

摘要： 虚假信息在社交媒体上的大量传播已成为全球性风险，尤其是在像COVID-19这样的全球大流行情况下。因此，错误的信息检测已成为近几个月来激增的研究主题。组织了NLP4IF-2021共同应对COVID-19信息流行病的共同任务，以加强对虚假信息检测的研究，在该研究中，要求参与者预测一条推文中与虚假信息有关的七个不同的二进制标签。共享任务以三种语言组织；阿拉伯文，保加利亚文和英文。在本文中，我们介绍了使用变压器解决任务目标的方法。总体而言，我们的方法在所有语言中的阿拉伯语平均F1得分为0.707，保加利亚语的平均F1得分为0.578，英语的平均F1得分为0.864，在所有语言中排名第四。

考虑用户偏好的假新闻检测

原文标题： User Preference-aware Fake News Detection

地址： http://arxiv.org/abs/2104.12259

作者： Yingtong Dou, Kai Shu, Congying Xia, Philip S. Yu, Lichao Sun

摘要： 虚假信息和假新闻近年来对个人和社会造成了不利影响，引起了对假新闻检测的广泛关注。现有的大多数虚假新闻检测算法都将重点放在挖掘新闻内容和/或周围的外来环境中，以发现欺骗性信号。而当用户决定传播或不传播假新闻时，用户的内生偏好就会被忽略。确认偏差理论已表明，当用户确认其现有信念/偏好时，其传播假新闻的可能性更高。用户的历史，社交活动（例如帖子）可提供有关用户对新闻的偏好的丰富信息，并具有促进假新闻检测的巨大潜力。但是，探索用户对伪造新闻检测的偏好的工作受到了一定的限制。因此，在本文中，我们研究了利用用户偏好进行虚假新闻检测的新问题。我们提出了一个新的框架UPFD，该框架通过联合内容和图建模从用户偏好中同时刻画各种信号。在真实数据集上的实验结果证明了所提出框架的有效性。我们发布了代码和数据，作为基于GNN的假新闻检测的基准：https：//github.com/safe-graph/GNN-FakeNews。

在时态网络模型中检测新的边类型

原文标题： Detecting new edge types in a temporal network model

地址： http://arxiv.org/abs/2104.12540

作者： Wenjie Jia, Manuel S. Mariani, Linyuan Lü, Tao Jiang

摘要： 代表自然界和社会中复杂系统的网络通常涉及多种交互类型。这些类型建议有关组件之间交互的基本信息，但是通常不会发现所有现有类型。因此，检测未发现的边类型对于加深我们对网络结构的理解至关重要。尽管先前的研究已经讨论了边标签检测问题，但我们仍然缺乏有效的方法来发现先前未检测到的边类型。在这里，我们开发了一种有效的技术，可以利用新型的时间网络模型来检测网络中未发现的新边类型。分析和数值结果均表明，当模型网络的时间参数接近无穷大时，我们的方法的预测精度是完美的。此外，我们发现，当时间有限时，我们的方法仍比基线准确得多。

使用基于名字的方法在推断种族时避免偏见

原文标题： Avoiding bias when inferring race using name-based approaches

地址： http://arxiv.org/abs/2104.12553

作者： Diego Kozlowski, Dakota S. Murray, Alexis Bell, Will Hulsey, Vincent Larivière, Thema Monroe-White, Cassidy R. Sugimoto

摘要： 学术界的种族差异是一个公认的问题。对基于种族的系统性不平等的定量理解是朝着更加公平的研究体系迈出的重要一步。但是，由于缺乏健壮的种族消歧算法，很少对此主题进行大规模分析。识别作者信息通常不包括作者的种族。因此，需要使用一种算法，使用关于作者的已知信息，即他们的名字，来推断他们的感知种族。然而，与其他算法一样，如果不仔细考虑，种族推理过程可能会产生偏差。当研究的重点是对基于种族的不平等的理解时，这种偏见会破坏调查的目标，并可能使不平等长期存在。本文的目的是评估由基于名称的种族推理所使用的不同方法所带来的偏见。我们使用来自美国人口普查和抵押贷款申请的信息来推断Web of Science中美国作者姓名的种族。我们估计使用给定名称和姓氏，阈值或连续分布以及归因的影响。我们的结果表明，基于名称的推理的有效性因种族和种族而异，并且阈值法低估了黑人作者，而高估了白人作者。我们最后提出了避免潜在偏见的建议。本文填补了一个重要的研究空白，这将允许对科学中的种族差异进行更系统和公正的研究。

COVID-19爆发后，合并症患者的医疗保健习惯是否已更改；大数据公众情绪分析

原文标题： Whether the Health Care Practices For the Patients With Comorbidities Have Changed After the Outbreak of COVID-19; Big Data Public Sentiment Analysis

地址： http://arxiv.org/abs/2104.12559

作者： Bilal Ahmad, Sun Jun

摘要： 在SARS-CoV-2大流行之后，它影响了世界各地的卫生保健实践。初步研究表明，合并症患者对该SARS-CoV-2感染较脆弱。他们建议推迟对癌症患者的常规治疗。但是，很少有荟萃分析提示证据不足以证明癌症患者对COVID-19脆弱的主张，并且他们不赞成搁置计划中的程序。最近的研究表明，医学专业人员根据其能力，正在改变有关如何明智地管理适用的治疗资源以对抗这种重要感染的常规做法。这是另一项研究，揭示了癌症患者在这一大流行年中对医疗保健实践的看法如何变化的观点？他们对自己的治疗满意吗？为了达到这个目的，我们从Twitter收集了6万多条相关的推文，以分析全球癌症患者的情绪。我们的发现表明，在COVID-19爆发后，有关癌症及其治疗的争论激增。与否定的（24.3）相比，大多数推文是合理的（52.6％）。我们开发了极性和主观性分布，以更好地识别情绪中的积极性/消极性。结果表明，正极鸣叫的极性范围在0到0.5范围内。这意味着推文中的趋势不是那么积极，但肯定不是消极的。这是少量的统计证据，可支持如何接受自然语言处理（NLP）以更好地实时理解患者的行为，并且可以帮助医疗专业人员做出更好的决策来组织癌症的常规治疗耐心。

通过不完全合适的口罩空气传播病毒的统计模型

原文标题： Statistical Modeling of Airborne Virus Transmission Through Imperfectly Fitted Face Masks

地址： http://arxiv.org/abs/2104.12571

作者： Sebastian Lotter, Lukas Brand, Maximilian Schäfer, and Robert Schober

摘要： 严重急性呼吸系统综合症冠状病毒2（SARS-CoV-2）大流行对全球公共卫生，社会和经济的迅速崛起和灾难性影响，迫切需要理解对病毒传播至关重要的途径。无症状SARS-CoV-2感染者传播的机载病毒被认为是SARS-CoV-2传播的主要诱因，在许多国家，社会上的疏远和在公众中佩戴口罩已被作为对策。但是，尚无用于SARS-CoV-2机载传播的综合风险评估框架，其中包含有关通过口罩过滤传染性气溶胶（IAs）的现实假设。尤其是，在大多数机载病毒传播的端到端模型中，可以忽略的是，IAs通过不完全贴合的口罩的随机传播取决于佩戴者呼吸的动力学。在本文中，我们考虑了在室内环境中，空气传播的病毒是从感染但无症状的人传播到健康的人，而这两个人都戴着不正确佩戴的口罩。通过将端到端病毒传播构建为分子通信（MC）系统，我们获得了受健康人吸入的IA数量的统计描述，该IA受两个人的口罩各自配置的影响。我们证明，呼气和吸入气流的动力学对口罩对IAs的随机过滤有重大影响。此外，我们表明感染者的口罩的贴合度可以极大地影响感染的可能性。我们得出的结论是，提出的MC模型可以为对抗SARS-CoV-2的传播提供有价值的评估工具，因为它涵盖了传播过程的随机性，并且能够进行超出统计平均值的全面风险分析。

利用传递性约束进行知识图谱中的实体匹配

原文标题： Exploiting Transitivity Constraints for Entity Matching in Knowledge Graphs

地址： http://arxiv.org/abs/2104.12589

作者： Jurian Baas, Mehdi Dastani, Ad Feelders

摘要： 知识图中的实体匹配的目标是使用某种相似性度量来标识引用相同真实世界对象的实体。实体匹配的结果可以看作是一组解释为“相同-关联”关系的实体对。但是，所标识的对对可能无法满足某些结构特性，尤其是传递性，这是从“相同”关系中预期的。在这项工作中，我们表明对已确定的实体对集合进行临时性的传递性强制执行（即采用传递性闭包）可能会大大降低精度。因此，我们提出一种方法，该方法从给定的相似性度量开始，生成一组被标识为引用相同真实世界对象的实体对，并应用集群编辑算法来强制传递性，而无需添加许多虚假链接，从而导致总体改进的性能。

拉丁美洲背景下的公共秩序和交通网络

原文标题： Public disorder and transport networks in the Latin American Context

地址： http://arxiv.org/abs/2104.12659

作者： Carlos Cartes, Toby P. Davies

摘要： 我们提出了Davies等人的扩展。模型，用于描述2011年的伦敦骚乱。这一新增功能使我们可以考虑城市中潜在的骚乱人口的长途跋涉。这可以通过引入公共交通网络来实现，该网络可以改变人口与可能的目标之间的感知旅行距离。使用这种更笼统的公式，我们将该模型应用于典型的Griffin和Ford人口分布模式，以描述大多数拉丁美洲大城市的总体特征。造成直接后果的是，部分普通居民进行长途旅行的可能性使偏远地区更容易遭受暴动，因为与城市其他地区相比，偏僻地区更容易到达。这些区域最终使部分警察部队更容易控制最终的混乱。造成这种结果的原因是，运输网络将骚乱变成了高度局部化和激烈的事件。他们正在吸引一支庞大的警察特遣队，这些特警随后将消灭该市其他地区剩余的骚乱活动。因此，在城市中建立有效的交通网络可有效减少控制公共秩序所需的警察队伍的数量。我们必须指出，这个结果只有在满足命令部队的模型要求时才有效：可以根据需要迅速添加额外的警察特遣队，并且这些部队可以完全自由地在城市中移动。

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。