• 使用对 YouTube 频道中用户注意力的观察来预测新闻媒体报道的真实性;
• 控制社会网络动态中的隔离作为边形成博弈;
• MEDIC：用于灾害图像分类的多任务学习数据集;
• 伊朗作者撤回的论文：原因、期刊、时间滞后、隶属关系、合作;
• 监测 COVID-19 追踪接触者的最佳测试策略;
• 使用众包报告和细粒度交通数据通过机器学习方法预测道路洪水风险;
• 1900 年以来美国城乡道路网络演变;

使用对 YouTube 频道中用户注意力的观察来预测新闻媒体报道的真实性

原文标题： Predicting the Factuality of Reporting of News Media Using Observations About User Attention in Their YouTube Channels

地址： http://arxiv.org/abs/2108.12519

作者： Krasimira Bozhanova, Yoan Dinkov, Ivan Koychev, Maria Castaldo, Tommaso Venturini, Preslav Nakov

摘要： 我们提出了一个新颖的框架，通过研究用户在 YouTube 频道中的注意力周期来预测新闻媒体报道的真实性。特别是，我们设计了一组丰富的特征，这些特征源自视频的观看次数、喜欢、不喜欢和评论数量的时间演变，然后我们将其聚合到频道级别。我们为该任务开发并发布了一个数据集，其中包含用户对 489 家新闻媒体的 YouTube 频道关注度的观察结果。我们的实验证明了对最先进的文本表示的互补性和相当大的改进。

控制社会网络动态中的隔离作为边形成博弈

原文标题： Controlling Segregation in Social Network Dynamics as an Edge Formation Game

地址： http://arxiv.org/abs/2108.12741

作者： Rui Luo, Buddhika Nettasinghe, Vikram Krishnamurthy

摘要： 本文研究通过外生激励控制社会网络中的隔离。我们在有向图上构建边形成博弈。用户（节点）根据效用函数选择其形成社区间或社区内边的概率，该效用函数反映了同质性（偏好与属于同一组的个人联系）与偏好获得外生激励。用户做出的相互联系的决定决定了社会网络的演变。我们探索了一种算法推荐机制，其中效用函数中的外生激励基于弱关系，它激励用户跨社区连接并减轻隔离。这种设置导致了一个具有独特纳什均衡的子模块博弈。在数值模拟中，我们探索了所提出的模型如何在各种环境下控制社会网络中的隔离和回声室。

MEDIC：用于灾害图像分类的多任务学习数据集

原文标题： MEDIC: A Multi-Task Learning Dataset for Disaster Image Classification

地址： http://arxiv.org/abs/2108.12828

作者： Firoj Alam, Tanvirul Alam, Md. Arid Hasan, Abul Hasnat, Muhammad Imran, Ferda Ofli

摘要： 最近在灾害信息学方面的研究展示了人工智能在基于社交媒体内容（文本和图像）的自然灾害后挽救人类生命和苦难的实用且重要的用例。虽然使用文本取得了显著进展，但对利用图像的研究仍然相对不足。为了推进基于图像的方法，我们提出了 MEDIC（可在：https://crisisnlp.qcri.org/medic/index.html 获得），这是最大的用于人道主义响应的社交媒体图像分类数据集，由 71,198 张图像组成多任务学习设置中的四个不同任务。这是同类中的第一个数据集：社交媒体图像、灾难响应和多任务学习研究。该数据集的一个重要特性是其对多任务学习的研究做出贡献的巨大潜力，最近机器学习社区对此非常感兴趣，并在记忆力、推理速度、性能和泛化能力方面取得了显著成果。因此，所提出的数据集是推进基于图像的灾害管理和多任务机器学习研究的重要资源。

伊朗作者撤回的论文：原因、期刊、时间滞后、隶属关系、合作

原文标题： Retracted papers by Iranian authors: Causes, journals, time lags, affiliations, collaborations

地址： http://arxiv.org/abs/2108.12837

作者： Ali Ghorbi, Mohsen Fazeli-Varzaneh, Erfan Ghaderi-Azad, Marcel Ausloos, Marcin Kozak

摘要： 本研究旨在分析 2001 年至 2019 年在 Scopus 数据库中索引的 343 篇撤稿通知，这些通知与至少一位隶属于伊朗机构的作者（合着）撰写的科学文章相关。为了确定撤回的原因，我们将此数据库与 Retraction Watch 中的数据库合并。数据使用 Excel 2016 和 IBM-SPSS 24.0 版进行分析，并使用 VOSviewer 软件进行可视化。大多数撤稿是由于虚假同行评审（95 次撤稿）和抄袭（90 次）。从发表到撤稿的平均时间为 591 天。因重复发表而被撤稿的论文出现最大时滞（约3000天）；最短时间滞后（少于 100 天）是由于“不明原因”而被撤回的论文（其中大部分是会议论文）。多达 48 篇（14%）被撤回的论文发表在两个医学期刊上：肿瘤生物学（25 篇论文）和诊断病理学（23 篇论文）。从机构的角度来看，伊斯兰阿扎德大学是不光彩的领导者，贡献了超过一半（53.1%）的撤稿论文。在 343 篇撤稿通知中，64 篇论文涉及与主要来自亚洲和欧洲国家的研究人员的国际合作；马来西亚的撤稿最多（22 篇论文）。由于大多数撤稿是由于虚假同行评审和抄袭，同行评审系统似乎是提交/发表过程的一个薄弱环节；如果改进，撤回的数量可能会因为编辑控制的增加而下降。

监测 COVID-19 追踪接触者的最佳测试策略

原文标题： Optimal testing strategies to monitor COVID-19 traced contacts

地址： http://arxiv.org/abs/2108.12938

作者： Patricio Foncea, Susana Mondschein, Marcelo Olivares

摘要： 隔离已确定的密切接触者对于在症状出现前和无症状病例中降低传播率和避免继发感染风险至关重要。这种接触者追踪策略减轻传播的有效性对隔离的遵守情况很敏感，隔离时间越长，或在接种疫苗的人群中（风险感知降低），这种情况可能会越低。本研究开发了一种模拟模型，用于评估接触者追踪策略，该模型基于暴露后对已识别接触者的顺序测试，作为隔离的替代方案，其中接触者仅在通过阳性测试确认后才被隔离。该分析考虑了不同数量和类型的测试（PCR 和侧流抗原测试 (LFA)），以确定具有成本效益的测试政策，考虑到不同水平的测试能力，最大限度地减少暴露后的预期感染天数。该分析表明，即使是有限数量的测试也可以有效降低继发感染风险：两次 LFA 测试（具有最佳时机）可避免传染性，与 14 天隔离具有 90% 的依从性相当；添加第三个测试（PCR 或 LFA）可达到 95% 隔离遵守的效率。这些结果对于接触者的暴露日期是可靠的，这表明在难以实施严格隔离的环境中，简单的测试规则可以有效地改善接触者追踪。

使用众包报告和细粒度交通数据通过机器学习方法预测道路洪水风险

原文标题： Predicting Road Flooding Risk with Machine Learning Approaches Using Crowdsourced Reports and Fine-grained Traffic Data

地址： http://arxiv.org/abs/2108.13265

作者： Faxi Yuan, William Mobley, Hamed Farahmand, Yuanchang Xu, Russell Blessing, Ali Mostafavi, Samuel D. Brody

摘要： 本研究的目的是使用机器学习模型根据地形、水文和时间降水特征预测道路洪水风险。路网洪水状态的预测性洪水监测在社区减灾、准备和响应活动中起着至关重要的作用。与道路淹没估计相关的现有研究要么缺乏用于模型验证的观测道路淹没数据，要么主要侧重于基于洪水地图的道路淹没暴露评估。本研究通过使用众包和细粒度交通数据作为道路淹没指标，并使用地形、水文和时间降水特征作为预测变量来解决这一限制。然后对两个基于树的机器学习模型（随机森林和 AdaBoost）进行了测试和训练，以预测德克萨斯州哈里斯县 2017 年飓风哈维和 2019 年热带风暴伊梅尔达背景下的道路洪水。飓风哈维的研究结果表明，降水是预测道路洪水易感性的最重要特征，并且在两种风暴情况下，地形特征比水文特征更重要。随机森林和 AdaBoost 模型的 AUC 分数相对较高（Harvey 分别为 0.860 和 0.810，Imelda 分别为 0.790 和 0.720），随机森林模型在这两种情况下都表现更好。随机森林模型对 Harvey 表现出稳定的性能，而对 Imelda 则表现出显著差异。本研究在道路层面的预测性洪水风险图方面推进了智能洪水恢复的新兴领域。例如，此类模型可以帮助受影响的社区和应急管理机构制定更好的准备和响应策略，并在极端天气事件发生时提高对道路淹没可能性的态势感知。

1900 年以来美国城乡道路网络演变

原文标题： Road Network Evolution in the Urban and Rural United States Since 1900

地址： http://arxiv.org/abs/2108.13407

作者： Keith Burghardt, Johannes Uhl, Kristina Lerman, Stefan Leyk

摘要： 我们研究了人类住区调节污染和拥堵以及经济发展的一个关键组成部分：道路及其在城市、城镇和村庄的扩张。我们对 1900 年以来美国 850 多个城市和农村县的道路网络的分析揭示了城市内部和美国本土道路结构的显著差异。尽管这些网络的演变存在差异，但存在共性：较新的道路往往变得不太像网格。这些结果在城乡连续体中持续存在，因此不仅仅是城市增长的产物。这些发现说明了城乡规划政策的必要性，包括对新发展趋势的批判性评估。

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。