使用休息事件网络的动物日常活动模式分析;机器人检测技术方法的比较研究及其与Twitter上Covid-19话语相关的应用;使用大地理社会数据分析理解大型事件期间集体的人类运动动力学;具有经济增长和财富分配的广义资产交换模型的仿真;具有经济增长和财富分配的资产交换模型的平均场理论;COVID-19患病率和死亡率趋势：一年回顾;统计学习文化演化中的共轭分布规律;加尔各答社会不平等指数和可能的社会常数的极限值;机器学习预测投票倾向;航空可持续气候轨迹的模拟和评估;内生网络上的博弈;意大利2015—2020年的死亡率统计分析，并与COVID-19大流行报告的伤亡人数进行了比较;基于异构图的深度学习用于生物医学网络链路预测;使用休息事件网络的动物日常活动模式分析

原文标题： Animal daily mobility patterns analysis using resting event networks

地址：

作者： Maxime Lenormand, Hervé Pella, Hervé Capra

摘要： 表征动物的运动方式对于增进我们对动物行为的理解并从而制定适当的保护策略至关重要。近年来，追踪方法的最新进展为这种研究提供了便利，而这种研究仅在几年前还没有在实践中进行，这使研究人员能够以前所未有的时空分辨率研究动物运动。然而，从时空轨迹识别和提取模式仍然是一个普遍的问题，与许多应用相关。在这里，我们依靠休息事件网络的概念来识别动物时空轨迹中日常活动模式的存在。我们通过分析一条大水峰河中几种鱼类的时空轨迹来说明我们的方法。

机器人检测技术方法的比较研究及其与Twitter上Covid-19话语相关的应用

原文标题： A comparative study of Bot Detection techniques methods with an application related to Covid-19 discourse on Twitter

地址：

作者： Marzia Antenore, Jose M. Camacho-Rodriguez, Emanuele Panizzi

摘要： 在在线社会网络（OSN）成为我们生活的一部分的时代，机器人检测是必不可少的资产。随着Covid-19大流行，危机中的这项任务变得尤为重要，因为Covid-19大流行时，社交机器人的扩散风险很高，从而可能产生错误信息。为理解决此问题，已比较了使用数据选择在Twitter上自动检测社交机器人的不同方法。用于详细说明漫游器检测模型的技术包括利用功能作为推文元数据或Twitter帐户的数字指纹。此外，使用最适合任务范围的机器人检测技术，分析了Covid-19大流行最初几个月的不同时期在推文中存在的机器人。此外，这项工作还包括有关机器人和人类话语的各个方面的分析，例如情感或主题标签的使用。

使用大地理社会数据分析理解大型事件期间集体的人类运动动力学

原文标题： Understanding collective human movement dynamics during large-scale events using big geosocial data analytics

地址：

作者： Junchuan Fan, Kathleen Stewart

摘要： 随着信息和通信技术的飞速发展，许多研究人员已经采用了来自私人数据供应商的替代数据源来研究人类运动对大规模自然或社会事件的响应。地理参考推文等大的地理社会数据是公开可用的，并且会随着现实事件的发生而动态变化，从而更可能刻画实时的情绪和人口反应。但是，精确定位的地理社会数据很少，而且偏向城市人口中心。在这项研究中，我们开发了一个大的地理社会数据分析框架，以提取人类运动动态以响应来自公开可用的地理参考推文中的大规模事件。该框架包括一个两阶段的数据收集模块，该模块以更具针对性的方式收集数据，以减轻地理参考推文的数据稀缺性问题。此外，采用可变带宽核密度估计（VB-KDE）方法融合不同空间尺度的地理参考信息，进一步增强了地理参考推文中人体运动动力学的信号。为了纠正地理参考推文的采样偏差，我们根据人口调整了不同空间单位（例如县，州）的推文数量。为了证明所提出的分析框架的性能，我们选择了一个在美国全国范围内发生的天文学事件，即2017年美国大食事件作为示例事件，并研究了响应此事件的人体运动动力学。但是，此分析框架可以轻松地应用于其他类型的大规模事件，例如飓风或地震。

具有经济增长和财富分配的广义资产交换模型的仿真

原文标题： Simulation of a generalized asset exchange model with economic growth and wealth distribution

地址：

作者： Kang K. L. Liu, N. Lubbers, W. Klein, J. Tobochnik, B. M. Boghosian, Harvey Gould

摘要： 基于主体人的财富不平等的Yard-Sale模型被概括为包含指数经济增长及其分布。经济增长的分布是不均匀的，由每个主体的财富和参数 lambda 决定。我们的数值结果表明，该模型的临界点在 lambda = 1 到 lambda <1 的阶段具有经济流动性和所有主体的指数增长之间，而在 lambda geq的非平稳阶段之间1美元，凝聚财富，没有流动性。我们定义了系统的能量，并表明对于 lambda <1 ，可以认为系统处于热力学平衡状态。我们对各种临界指数的估计与均值场理论相符（请参见下文）。指数不遵循通常的尺度定律，除非在接近过渡时将我们称为Ginzburg参数的参数组合保持固定。该模型说明，如果经济增长的分布并不太有利于富人，那么穷人和富人都会从经济增长中受益。这项工作和随附的理论论文有助于理解均衡统计力学方法是否可以应用于经济系统。

具有经济增长和财富分配的资产交换模型的平均场理论

原文标题： Mean-field theory of an asset exchange model with economic growth and wealth distribution

地址：

作者： W. Klein, N. Lubbers, Kang K. L. Liu, T. Khouw, Harvey Gould

摘要： 我们开发了由Kang等人介绍的增长，交换和分配（GED）模型的均值理论。 （前文）准确地描述了主体人 N 接近无穷大的极限中的相变。 GED模型是Yard-Sale模型的推广，在该模型中，由经济增长所增加的额外财富根据主体商的财富以参数 lambda 确定的方式非均等地分配给主体商。数字显示该模型在λ= 1时具有相变，其特征在于临界指数和临界减速。我们对GED模型的平均场处理正确地预测了相变的存在，临界减慢，临界指数的值，并引入了一种能量，其概率满足 lambda <1 的玻尔兹曼分布，这意味着系统处于热力学平衡状态，即 N to infty 。我们表明，通过将 lambda 更改为固定值 N 而获得的临界指数的值不满足通常的尺度定律，但是如果参数组合（我们称为Ginzburg参数）可以满足尺度要求，大于1，并且保持不变。我们讨论了我们的结果可能对理解经济系统以及加性和乘性噪声系统中平均场限制的微妙性质可能产生的影响。

COVID-19患病率和死亡率趋势：一年回顾

原文标题： Trends in COVID-19 prevalence and mortality: a year in review

地址：

作者： Nick James, Max Menzies

摘要： 本文介绍了新的方法来研究整个2020年最严重的50个国家中COVID-19病例和死亡的变化动态。首先，我们分析了滚动死亡率的轨迹和转折点，以理解该病在什么时候最致命。我们演示了死亡率轨迹的五个特征类别，并确定了随着时间推移死亡率趋势的结构相似性。接下来，我们介绍一类 emph virulence矩阵，以研究全球范围内COVID-19病例的演变和死亡。最后，我们引入 emph 三向不一致分析来从三个属性方面确定异常国家：国家的COVID-19病例，死亡人数和人类发展指数。我们证明这三个指标中最异常的国家是巴基斯坦，美国和阿拉伯联合酋长国。

统计学习文化演化中的共轭分布规律

原文标题： Conjugate Distribution Law in Cultural Evolution via Statistical Learning

地址：

作者： Eita Nakamura

摘要： 现在人们认为，表征智能行为的许多文化特征是通过统计学习传播的，从而促使我们研究其对文化演化的后果。我们进行了大规模的音乐数据分析，并观察到音乐产品的各种统计参数遵循beta分布和其他共轭分布。我们构建了一个包含统计学习的简单的文化演化模型，并通过分析表明，在存在斜传递的情况下，共轭分布可以在平衡时出现。结果表明，文化特征的人口水平分布如何取决于个人的文化生产生成模型（共轭分布定律），并为文化演变和社会学习的理论和实验研究打开了有趣的可能性。

加尔各答社会不平等指数和可能的社会常数的极限值

原文标题： Limiting Value of the Kolkata Index for Social Inequality and a Possible Social Constant

地址：

作者： Asim Ghosh, Bikas K Chakrabarti

摘要： 根据从Lorenz函数的一般形式获得的基尼和加尔各答社会不平等指数的某些分析结构性质，以及对个别作者（包括诺贝尔奖获得者）的引文统计的更多新观察，我们作出以下推测：在竞争激烈的市场，大学或战争中，约有14％的人或文件或社会冲突往往会赢得或吸引或造成约86％的财富，引文或死亡。这是帕累托经济法（一个多世纪以来）（80到20多美元）的修正形式（由于各种福利和其他策略，今天不可见），并给出了社会（不平等）常数的普遍价值（0.86美元）或数字。

机器学习预测投票倾向

原文标题： Predicting Propensity to Vote with Machine Learning

地址：

作者： Rebecca D. pollard, Sara M. Pollard, Scott Streit

摘要： 我们证明了机器学习可以从个人过去的行为和属性推断个人投票倾向的能力。这对于将选民进行微观定位，选民教育和投票（GOVT）运动很有用。自1940年代后期以来，政治学家开发了越来越先进的技术来估算选举结果。两项先前的研究类似地使用机器学习来预测未来的个人投票行为。我们使用TensorFlow构建了机器学习环境，获得了2004年至2018年的投票数据，然后进行了三个实验。我们显示出Matthews相关系数为0.39的积极结果。

航空可持续气候轨迹的模拟和评估

原文标题： Simulation and evaluation of sustainable climate trajectories for aviation

地址：

作者： Thomas Planès, Scott Delbecq, Valérie Pommier-Budinger, Emmanuel Bénard

摘要： 2019年，航空业占世界CO2排放量的2.6％以及凝结尾迹等额外的气候影响。像所有工业部门一样，航空部门必须采取措施减少其对气候的影响。本文着重于航空业的气候情景模拟和评估。为此目的，已经开发了一种专用工具（“气候和航空-可持续轨迹”的CAST）。该工具采用了一种适用于航空的方法，该方法使用了碳预算的概念和主要作用杠杆的模型，例如空中交通流量，减少飞机能耗或能源脱碳。这些模型基于历史数据的趋势预测或文献的假设。本文使用CAST进行了几种情景分析，并得出了一些结论。例如，根据ATAG（航空运输行动小组）承诺进行的情景建模表明，航空将消耗世界碳预算的2.9％至3.5％，将全球变暖限制在2°C至6.5％之间。 1.5℃时为8.1％。此外，提出了一些说明性方案。通过将2.6％的碳预算分配给航空业，可以看出，当空中交通的年增长率在-1.8％和+ 2.6％之间变化时，航空运输与+2 deg C航迹兼容，具体取决于考虑技术改进。然而，在+ 1.5°C的轨迹的情况下，必须大幅度降低增长率。最后，包括非CO2效应在内的分析迫使强调实施缓解凝结尾迹的特定策略。

内生网络上的博弈

原文标题： Games on Endogenous Networks

地址：

作者： Benjamin Golub, Evan Sadler

摘要： 我们研究的网络博弈中，玩家既可以相互创造溢出效应，又可以选择与谁建立联系。内在的结果既包括战略行动（例如努力程度），也包括发生溢出的网络。我们介绍了扩展标准方法的框架和两个解决方案概念-动作中的Nash平衡和链接中的成对（Nash）稳定性。我们的主要结果表明，在激励的适当单调性假设下，稳定网络采用简单形式。我们的中心条件关系到行动和联系是否是战略的补充或替代，以及联系是产生正收益还是负收益溢出效应。我们运用我们的模型来理解竞争地位的后果，运用微观发现的匹配模型来假设派系的形成，并解释经验性发现，这些发现会凸显团队设计的意想不到的结果。

意大利2015—2020年的死亡率统计分析，并与COVID-19大流行报告的伤亡人数进行了比较

原文标题： A statistical analysis of death rates in Italy for the years 2015—2020 and a comparison with the casualties reported for the COVID-19 pandemic

地址：

作者： Gianluca Bonifazi, Luca Lista, Dario Menasce, Mauro Mezzetto, Alberto Oliva, Daniele Pedrini, Roberto Spighi, Antonio Zoccoli

摘要： 我们分析了意大利国家统计局（ISTAT）发布的2015年1月1日至2020年9月30日期间意大利的人员伤亡数据。数据显示出明显的正弦曲线行为，其拟合度可以很好地减去意大利的伤亡基线趋势，并具有与冬季流感流行和夏季炎热时期相对应的死亡率过剩。尽管这些峰的形状是对称的，但与COVID-19大流行一致的峰却是不对称的，而且更为明显。我们将前者与高斯函数拟合，将后者与Gompertz函数拟合，以量化伤亡人数，所有超额死亡原因的持续时间和位置。数据拟合的整体质量非常好。我们讨论了意大利不同年龄段和不同性别的伤亡趋势。最后，我们将ISTAT报告的数据减去人员伤亡与意大利民防部（DPC）报告的相对于直接归因于COVID-19的死亡相比，进行了比较，并讨论了差异。

基于异构图的深度学习用于生物医学网络链路预测

原文标题： Heterogeneous Graph based Deep Learning for Biomedical Network Link Prediction

地址：

作者： Jinjiang Guo, Jie Li, Dawei Leng, Lurong Pan

摘要： 随着新兴的实验技术的发展，多尺度的生物医学知识网络也在不断扩展。链路预测越来越多地被使用，尤其是在双向生物医学网络中。我们提出了一种图神经网络（GNN）方法，即基于图对的链路预测模型（GPLP），用于仅基于生物医学网络的拓扑交互信息来预测它们。在GPLP中，将从已知网络交互矩阵中提取的1跳子图用于预测丢失的链接。为了评估我们的方法，使用了三种异构的生物医学网络，即NIH Tox21的药物-靶标相互作用网络（DTI），化合物-蛋白质相互作用网络（CPI）和化合物-病毒抑制网络（CVI）。在5倍交叉验证中，我们提出的GPLP方法明显优于最新基准。此外，还通过不同的网络不完整性来测试鲁棒性。我们的方法在其他生物医学网络中具有潜在的应用。

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。本系列在公众号“网络科学研究速递”（netsci）和个人博客进行同步更新。