城市结构对COVID-19传播的影响;建模复杂系统中随时间变化的交互：分数驱动动力学Ising模型;稠密随机网络的谱密度和维格纳定律的分解;复杂网络中物理流的伪达尔文演化;作为引文聚类的主题链接到高被引文献：以国际关系研究为例;公共采购活动的尺度行为;基于异构信息网络的冷启动用户跨域保险推荐系统;句法依存距离的最优性;演化的考虑用户和上下文的推荐系统;流行病控制的智能测试和选择性隔离;社会影响力对人群智慧的模糊作用：一种分析方法;深入的行为理解和使用：行为信息学方法;为微型出行共享系统开发新颖的众包业务模型：方法和初步结果;具有非平凡初始条件的临界SIR动力学中的流行病高原;抑郁，滥用药物或提供信息：COVID-19爆发期间新闻曝光的知识感知研究;城市结构对COVID-19传播的影响

原文标题： Impact of urban structure on COVID-19 spread

地址：

作者： Javier Aguilar, Aleix Bassolas, Gourab Ghoshal, Surendra Hazarie, Alec Kirkley, Mattia Mazzoli, Sandro Meloni, Sayat Mimar, Vincenzo Nicosia, Jose J. Ramasco, Adam Sadilek

摘要： 持续的COVID-19大流行已造成大规模的全球危机。先前的研究表明，人类的流动性是病毒传播的关键因素之一。的确，在一个互联的星球上，国家和大洲之间的长距离空中，陆地和海上运输实现了快速的全球传播，随后在人口稠密的城市通勤旅行促进了这种增长。尽管早期出行限制会导致疾病延误传播，但如果疾病的潜伏期较长或无症状传播，则其效用会大大降低。鉴于缺乏疫苗，公共卫生官员主要依靠非药物干预措施，包括社会疏远措施，宵禁和在家中待命。在这里，我们研究了城市组织对其对疾病传播的敏感性以及对干预措施的接受程度的影响。可以根据城市在紧凑分层和分散分散之间的谱中的移动性来对城市进行分类。我们的结果表明，尽管等级城市更容易受到流行病的迅速传播，但其组织使出行限制非常有效。相反，蔓延的城市的特征是初始传播速度要慢得多，但对交通限制的反应较弱。这些发现在全球范围内分布于不同地理位置和规模的城市中。通过隔间模型对在城市地区传播的COVID-19的模拟，证实了我们的经验测量。这些结果表明，在较脆弱的城市中投入资源用于早期监测和及时的临时干预措施，可能最有助于遏制和减少当前和未来大流行的影响。

建模复杂系统中随时间变化的交互：分数驱动动力学Ising模型

原文标题： Modelling time-varying interactions in complex systems: the Score Driven Kinetic Ising Model

地址：

作者： Carlo Campajola, Domenico Di Gangi, Fabrizio Lillo, Daniele Tantari

摘要： 我们使用分数驱动方法介绍了动力学Ising模型的一般化，该模型允许从时间序列数据中对时变参数进行有效的估计和过滤。我们证明了这种方法可以克服参数估计中的系统误差，并且对于研究相互作用强度不是在时间上恒定的相互作用变量的复杂系统很有用：特别是我们建议对数据中的噪声量进行量化预测的可靠性，以及在观察到的动力学中区分内生性较高或较低的时期，即在确定观测结果的实现中相互作用或多或少相关时。我们将我们的方法论应用于三种不同的财务环境，以展示一些实际的应用，重点是预测股票的高频波动，在市场极端事件期间测量其内在成分以及分析新闻发布者周围交易者的战略行为。我们在金融系统上发现了有趣的结果，并且鉴于Ising模型在多个领域中的广泛使用，我们相信我们的方法可以有效地适应各种设置，从神经科学到社会科学和机器学习。

稠密随机网络的谱密度和维格纳定律的分解

原文标题： The spectral density of dense random networks and the breakdown of the Wigner law

地址：

作者： Fernando L. Metz, Jeferson D. Silva

摘要： 尽管对随机网络的谱进行了很长时间的研究，但网络拓扑结构对网络谱密集极限的影响仍然知之甚少。通过考虑具有四个不同程度分布的网络的配置模型，我们表明，密集随机网络的邻接矩阵的谱密度由程度波动的强度决定。特别是，具有指数级分布的密集网络的特征值分布由一个简单的方程控制，从中我们发现谱密度的对数奇异性。我们还推导了特征值分布的四阶矩与次数分布的方差之间的关系，这为分解密集随机网络的Wigner定律提供了充分的条件。基于相同的关系，我们提出了在稠密极限内谱密度的不同普遍行为的分类方案。我们的理论发现应导致对图上定义的模型的平均场行为的新颖见解。

复杂网络中物理流的伪达尔文演化

原文标题： Pseudo-Darwinian evolution of physical flows in complex networks

地址：

作者： Geoffroy Berthelot, Liubov Tupikina, Min-Yeong Kang, Bernard Sapoval, Denis S. Grebenkov

摘要： 复杂传输网络的演进是根据三种链接删除策略进行研究的：随机，故意攻击和“伪达尔文式”策略。在每个演化步骤中，并针对选定的策略，分别删除一个随机选择的链接，或携带最强通量的链接，或具有最弱通量的链接。我们研究网络结构以及随机选择的源极和漏极节点之间的总通量如何演变。我们发现总通量的幂律普遍减小，然后突然的运输崩溃。崩溃时间显示为由初始网络中每个节点的平均链接数确定，突出了此网络属性对于确保安全可靠的传输以防止随机故障，故意攻击和维护成本优化的重要性。

作为引文聚类的主题链接到高被引文献：以国际关系研究为例

原文标题： Topics as Clusters of Citation Links to Highly Cited Sources: The Case of Research on International Relations

地址：

作者： Frank Havemann

摘要： 继亨利·斯莫尔（Henry Small）进行共引分析的方法之后，被高引用的资源被视为研究前沿的概念符号。但是我不是共同引用的资源，而是对引文链接进行了聚类，引文链接是文献计量学研究中主题上异质最少的元素。为了获得代表以概念为特征的主题的群集，我将链接群集限制为引文链接，这些引用链接指向高引用来源。政治-科学子领域（国际关系）中的论文及其在2006-2015年期间被引用最多的300篇文献之间的引文链接簇是通过局部模因算法构建的。它在与集群相对应的成本格局中找到局部极小值，这些极小值可以普遍地相互重叠。获得的群集与网络的其余部分很好地分离，但是可能具有次优的内聚性。通过应用一种在链接集中构造核心-外围结构的算法，可以找到主题的内聚核心。在此方法论论文中，我仅讨论10年期后半段的一些最初的聚类结果。

公共采购活动的尺度行为

原文标题： Scaling Behavior of Public Procurement Activity

地址：

作者： António Curado, Bruno Damásio, Sara Encarnação, Cristian Candia, Flávio L. Pinheiro

摘要： 公共采购占经合组织国家支出的很大一部分。因此，期望政府和公共机构尽可能有效地执行它们。但是，缺乏使不同规模的机构之间的采购活动进行适当比较的方法，这对政策制定者和学者构成了挑战。在这里，我们使用《城市比例法》文献中的方法研究了2011年至2018年间278美元的葡萄牙市政当局中的公共采购活动。我们发现公共支出的规模与人口规模呈次线性关系，表明随着城市人口的增加，公共支出的规模经济。在按合同类型（即“工程”，“商品”和“服务”）分解后，尺度行为仍然存在。此外，使用代表与比例尺定律偏差的比例尺调整指标，我们可以描述区域集团之间不同的采购活动模式。因此，基于采购活动的相似性，我们获得了新的市政地方特征。最后，我们显示了规模调整指标与几个区域经济指标相关的信息价值。这些结果为决策者提供了进行比较分析的更适当依据，从而构成了一个定量研究地方公共支出的框架。

基于异构信息网络的冷启动用户跨域保险推荐系统

原文标题： A Heterogeneous Information Network based Cross Domain Insurance Recommendation System for Cold Start Users

地址：

作者： Ye Bi, Liqiang Song, Mengqiu Yao, Zhenyu Wu, Jianming Wang, Jing Xiao

摘要： 互联网正在改变世界，适应互联网销售趋势将为传统保险公司带来收入。在线保险仍处于发展的早期阶段，冷启动问题（潜在客户）是最大的挑战之一。在传统的电子商务领域中，已经研究了几种跨域推荐（CDR）方法来基于冷启动用户在其他域中的偏好来推断其偏好。但是，由于域特定的属性，这些CDR方法无法直接应用于保险域。在本文中，我们为冷启动用户提出了一个称为基于异构信息网络的跨域保险推荐（HCDIR）系统的新颖框架。具体来说，我们首先尝试在源域和目标域中学习更有效的用户和项目潜在功能。在源域中，我们采用门控循环单元（GRU）来模块用户动态兴趣。在目标领域，鉴于保险产品的复杂性和数据稀疏性问题，我们基于来自平安金冠家的数据构建了一个保险异构信息网络（IHIN），该IHIN将用户，主体商，保险产品和保险产品属性连接在一起，从而为我们提供了更丰富的信息。然后，我们采用三级（关系，节点和语义）注意力聚合来获取用户和保险产品的表示形式。在获得重叠用户的潜在特征后，通过多层感知器（MLP）学习两个域之间的特征映射。我们将HCDIR应用到Jinguanjia数据集上，并显示HCDIR明显优于最新解决方案。

句法依存距离的最优性

原文标题： The optimality of syntactic dependency distances

地址：

作者： Ramon Ferrer-i-Cancho, Carlos Gómez-Rodríguez, Juan Luis Esteban, Lluís Alemany-Puig

摘要： 人们经常说，人类语言和其他生物系统一样，都受到削减成本的压力的影响，但是到什么程度呢？尝试通过最佳化分数来量化语言的最佳化程度的尝试很少，并且主要集中在英语上。在这里，我们将句子的词序最优化问题重现为在空间网络中的优化问题，在该空间网络中，顶点是词，圆弧表示句法依存关系，而空间由句子中词的线性次序定义。我们引入一个新分数来量化认知压力，以减少句子中链接单词之间的距离。对代表19个语言家族的93种语言的句子进行的分析表明，一半的语言被优化为70％或更多。该分数表明在少数几种语言中距离并没有显著减少，并证实了两个理论预测，即更长的句子得到了更好的优化，并且距离比短句子中的偶然性所期望的更长。我们根据语言的优化程度提出了一种新的语言分级结构。新分数的统计优势要求重新评估语言中依存距离随时间的演变以及依存距离与语言能力之间的关系。最后，分数设计背后的原理可以扩展，以在更大的维度上开发更有效的拓扑距离或物理距离归一化。

演化的考虑用户和上下文的推荐系统

原文标题： Evolving Context-Aware Recommender Systems With Users in Mind

地址：

作者： Amit Livne, Eliad Shem Tov, Adir Solomon, Achiya Elyasaf, Bracha Shapira, Lior Rokach

摘要： 上下文感知推荐系统（CARS）对用户上下文进行感知和分析，以提供个性化服务。可以从传感器驱动上下文信息，以提高建议的准确性。然而，从用户的角度来看，生成准确的建议不足以构成有用的系统，因为某些上下文信息可能会导致不同的问题，例如耗尽用户的电池，隐私问题等等。添加高维上下文信息可能会增加模型的维数和稀疏度。先前的研究建议通过使用领域知识选择最合适的上下文信息来减少上下文信息的数量。另一种解决方案是将其压缩到更密集的潜在空间中，从而破坏向用户解释推荐项的能力，并损害用户的信任。在本文中，我们提出了一种选择上下文信息的低维子集并将其明确纳入CARS的方法。具体而言，我们提出了一种基于遗传算法（GA）的新颖特征选择算法，该算法优于SOTA降维CARS算法，提高了建议的准确性和可解释性，并允许控制用户方面，例如隐私和电池消费。此外，我们通过学习多个深层上下文感知模型并在其上应用堆栈技术，来利用在演化过程中生成的顶级子集，从而在保留显式空间的同时提高了准确性。我们在由智能手机驱动的两个高维上下文感知数据集上评估了我们的方法。对我们的结果进行的经验分析证实，我们提出的方法优于SOTA CARS模型，同时提高了用户的透明度和可解释性。

流行病控制的智能测试和选择性隔离

原文标题： Smart Testing and Selective Quarantine for the Control of Epidemics

地址：

作者： Matthias Pezzutto, Nicolas Bono Rossello, Luca Schenato, Emanuele Garone

摘要： 本文基于以下观察结果：在流行病期间，必须测试哪些人的选择对选择性限制措施的有效性具有重要影响。这个决策问题与最优传感器选择问题密切相关，这是控制工程中非常活跃的研究课题。本文的目的是提出一种策略，以明智地选择要测试的个人。主要思想是将流行病建模为随机动态系统，并根据某些最佳标准（例如，最大限度地减少未发现的无症状病例的可能性。每天，使用该现象的随机模型和前一天收集的信息来更新不同个体的感染概率。对一个由10000个人组成的封闭社区的仿真表明，与随机策略相比，所提出的技术与选择性限制政策相结合，可以减少疾病的传播，同时限制了被限制者的数量。

社会影响力对人群智慧的模糊作用：一种分析方法

原文标题： The ambiguous role of social influence on the wisdom of crowds: An analytic approach

地址：

作者： Pavlin Mavrodiev, Frank Schweitzer

摘要： “人群的智慧”是指这样的现象，即一组人对给定问题的平均意见可能非常接近真实答案。它需要很大的群体意见多样性，但是集体错误，即平均意见和真实价值之间的差异，必须很小。我们考虑一种随机的意见动态，个体可以根据他人的意见（社会影响力 alpha ）来改变他们的意见，但在某种程度上也坚持其最初的意见（个人信念 beta ）。然后，我们得出集体误差和群体多样性动态的解析表达式。我们分析它们的长期行为，以确定两个参数（ alpha， beta）和初始意见分布对人群智慧的影响。这使我们可以量化社会影响力的模棱两可的作用：只有当最初的集体误差很大时，它才有助于提高人群的智慧，但在大多数情况下，它会使结果恶化。在这些情况下，个人的信念仍然可以提高群众的智慧，因为它可以减轻社会影响力的影响。

深入的行为理解和使用：行为信息学方法

原文标题： In-Depth Behavior Understanding and Use: The Behavior Informatics Approach

地址：

作者： Longbing Cao

摘要： 对人类行为的深入分析已被公认为是公开内部驱动力，原因和对企业处理许多挑战性问题的影响的重要手段。虚拟组织中的行为建模和分析是一个开放领域。传统的行为建模主要从行为科学和社会科学的角度依赖定性方法。所谓的行为分析实际上是基于人类的人口统计和业务使用数据，其中在日常收集的交易数据中隐藏了面向行为的元素。结果，深入检查本地行为意图，生命周期以及对复杂问题和业务问题的影响是无效的，甚至是不可能的。我们提出行为信息学（BI）的方法，以通过从源数据到行为数据的转换来支持显式和定量的行为参与，并进一步进行行为模式和影响的真实分析。 BI由关键组件组成，包括行为表示，行为数据构建，行为影响分析，行为模式分析，行为模拟以及行为表示和行为使用。我们讨论了行为的概念和抽象的行为模型，以及BI的研究任务，过程和理论基础。大量的实验表明，BI可以通过发现更深入，更有益的模式，从而对行为进行更深入的了解，来极大地补充现有的经验和特定手段。 BI为增强物理和虚拟组织中行为的定量，正式和系统建模和分析创造了新的方向和手段。

为微型出行共享系统开发新颖的众包业务模型：方法和初步结果

原文标题： Developing a Novel Crowdsourcing Business Model for Micro-Mobility Ride-Sharing Systems: Methodology and Preliminary Results

地址：

作者： Mohammed Elhenawy, MD Mostafizur Rahman Komol, Huthaifa I. Ashqar, Mohammed Hamad Almannaa, Mahmoud Masoud, Hesham A. Rakha, Andry Rakotonirainy

摘要： 微型出行共享是一种新兴技术，可在不影响环境的情况下提供前往交通系统的通道。需要进行大量研究，以确保微型出行共享能够更好地满足用户需求。在这项研究中，我们提出了一种新型的微动乘车共享系统的商业模式，该系统将众包轻型电动车，如电动踏板车和电动自行车。这个新模型由三个实体组成，即供应商，客户和管理方，管理方负责接收，出租，预订和与所提供资源的需求匹配。提议的模型有可能允许供应商定义其私人电动踏板车/电动自行车的位置以及可以租用的时间段，使其与特定需求相匹配，然后为供应商提供机会以获取他们的电动踏板车/电动自行车已租用，并在租用期结束时返回到同一地点（附近）。管理方将需要使电动踏板车/电动自行车满足一系列的租赁需求，而最后一个需求是在租赁期开始时非常接近电动踏板车/电动自行车的初始位置的目的地。提出的模型的一个潜在优势是，它将充电和维护工作转移给了众多供应商。

具有非平凡初始条件的临界SIR动力学中的流行病高原

原文标题： Epidemic plateau in critical SIR dynamics with non-trivial initial conditions

地址：

作者： Filippo Radicchi, Ginestra Bianconi

摘要： 一些国家实施的遏制措施以抑制COVID-19的传播，导致该流行病的速度下降，其特征是每日感染的时间序列在较长时间内趋于平稳。我们证明了这种动态模式与关键的易感性感染去除（SIR）动力学兼容。在对关键SIR模型的传统分析中，关键动态机制是从单个受感染节点开始的。但是，对持续进行的流行病采取遏制措施的效果是，使系统进入临界状态，大量受感染的个体可能会大量感染。我们描述了这种非平凡的开始条件如何影响SIR模型的关键行为。我们对该模型进行了理论上和大规模的数值研究。我们表明，预期的爆发规模是受感染个体初始数量的增加函数，而预期的爆发持续时间是受感染个体初始数量的非单调函数。同样，我们精确地描述了在具有非平凡初始条件的关键SIR动力学中，与爆发的大小和持续时间相关的波动幅度。波动远未达到平均值，因此波动远大于平均值，因此表明平稳时间序列的预测可能特别具有挑战性。

抑郁，滥用药物或提供信息：COVID-19爆发期间新闻曝光的知识感知研究

原文标题： Depressive, Drug Abusive, or Informative: Knowledge-aware Study of News Exposure during COVID-19 Outbreak

地址：

作者： Amanuel Alambo, Manas Gaur, Krishnaprasad Thirunarayan

摘要： COVID-19大流行对全世界人民的生活造成了严重的不利影响。 COVID-19加剧了整个社区的抑郁症，并由于禁闭导致个人孤立而导致滥用毒品的现象增多。此外，除了向公众提供丰富的信息外，在新闻广播，发表的文章和社交媒体上的信息共享方面，不断的媒体报道COVID-19危机对压力水平产生了不希望的滚雪球效应（进一步加剧了抑郁症和毒品使用），因为未来不确定。在本立场文件中，我们提出了一个新颖的框架，用于评估美国不同州的抑郁，药物滥用和潜在新闻内容的时空性主题进展。我们的框架采用基于注意力的转移学习技术，将在社交媒体领域学习的知识应用于媒体曝光的目标领域。为了从Web上的流新闻内容中提取与COVID-19通信有关的新闻文章，我们使用神经语义解析和背景知识库，这些步骤称为语义过滤。我们从变压器（BERT）模型的双向编码器表示形式的三个变体中获得了有希望的初步结果。我们将我们的发现与美国精神卫生组织的一份报告进行了比较，结果表明，经过微调的BERT模型的性能优于香草BERT。我们的研究可以通过对COVID-19及其区域影响提供切实可行的见解，从而使流行病学家受益。此外，我们的解决方案可以集成到最终用户应用程序中，从而根据在抑郁，药物滥用和信息量方面的情绪基调为用户量身定制新闻。

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。