本文摘要：神经网络的图结构;路径同源性和含时网络;通过Openstreetmap数据探索都会形态：可视化先容;随机主体网络中信誉驱动的决议;Argo Lite：浏览器中的开源交互图探索和可视化;波哥大发作COVID-19期间流动性和社会经济状况的变化;模拟渐进式社会意识、封锁和人为迁移对盛行病动态的影响;OFFER：网络表现学习的模体维度框架;基于顺序遗传算法概率元胞自念头的数据驱动COVID-19动力学的明白;来自多导联心电图数据的多重递归网络;使用动态流传结构增强社交媒体中的谣言

神经网络的图结构;路径同源性和含时网络;通过Openstreetmap数据探索都会形态：可视化先容;随机主体网络中信誉驱动的决议;Argo Lite：浏览器中的开源交互图探索和可视化;波哥大发作COVID-19期间流动性和社会经济状况的变化;模拟渐进式社会意识、封锁和人为迁移对盛行病动态的影响;OFFER：网络表现学习的模体维度框架;基于顺序遗传算法概率元胞自念头的数据驱动COVID-19动力学的明白;来自多导联心电图数据的多重递归网络;使用动态流传结构增强社交媒体中的谣言检测;COVID-19大盛行期间欧洲Twitter消息的跨语言情感分析;隐私智能：在线社会网络上的图像共享综述;随机图中的谱种植和反驳难度、可着色性和社区;在COVID-19盛行期间的美国多尺度动态人员流动数据集;Twitter互动分析3月至7月Covid-19在非洲加纳的影响;在大盛行中寄予希望：在冠状病毒仍在激增的同时，南美的心理困扰正在缓解吗？;神经网络的图结构原文标题： Graph Structure of Neural Networks地址： http://arxiv.org/abs/2007.06559作者： Jiaxuan You, Jure Leskovec, Kaiming He, Saining Xie摘要： 神经网络通常表现为神经元之间的毗连图。可是，只管已被广泛使用，但现在对神经网络的图结构与其预测性能之间的关系知之甚少。在这里，我们系统地研究了神经网络的图结构如何影响其预测性能。为此，我们开发了一种新的基于图的神经网络表现形式，称为关系图，其中神经网络盘算的各个层对应于沿图结构的各轮消息交流。

使用这种表现，我们讲明：（1）关系图的“最佳点”导致神经网络的预测性能大大提高； （2）神经网络的性能约莫是其关系图的聚类系数宁静均路径长度的平滑函数； （3）我们的发现在许多差别的任务和数据集上是一致的； （4）可以有效地识别最佳点； （5）体现最佳的神经网络具有令人惊讶的类似于真实生物神经网络的图结构。我们的事情为神经体系结构的设计和对神经网络的一般明白开发了新的偏向。路径同源性和含时网络原文标题： Path homology and temporal networks地址： http://arxiv.org/abs/2008.11885作者： Samir Chowdhury, Steve Huntsman, Matvey Yutin摘要： 我们提出了一种盘算简朴图的路径同源性的算法，并使用它来对种种小图举行拓扑分析，以分析庞大的时态网络，这些庞大的时空网络展示了作为基础模体的图。分析的有向图包罗所有有向图，有向无环图和直至一定数量的极点的无向图，以及一些特殊结构的情况。

使用来自此分析的信息，我们确定了三个时间网络的维度在 2 中有助于路径同源性的小图，并将这些图与网络行为相关联。我们得出结论，路径同源性可以提供对时态网络结构的洞察力，反之亦然。通过Openstreetmap数据探索都会形态：可视化先容原文标题： Exploring Urban Form Through Openstreetmap Data: A Visual Introduction地址： http://arxiv.org/abs/2008.12142作者： Geoff Boeing摘要： 本章先容OpenStreetMap-一个众包的全球舆图项目和地理空间数据存储库-以说明它在快速轻松地分析和可视化已构建情况中的计划和设计效果方面的有用性。

它演示了OSMnx工具箱，该工具箱可从OpenStreetMap自动下载，建模，分析和可视化空间大数据。我们通过可视化方法-包罗图-地面图和极坐标直方图-以盘算方式探索世界各地街道网络和修建物中的模式和设置，这些方法有助于将都会庞大性压缩成可明白的人工产物，以反映人类对修建情况的体验。无处不在的都会数据和盘算可以从定量和定性的角度开发新的都会形态分析。随机主体网络中信誉驱动的决议原文标题： Reputation-driven Decision-making in Networks of Stochastic Agents地址： http://arxiv.org/abs/2008.11791作者： David Maoujoud, Gavin Rens摘要： 本文研究了涉及自利主体网络的多主体系统。

我们提出了一个马尔可夫决议历程派生的框架，称为RepNet-MDP，该框架适用于主体信誉是主体之间交互的主要驱动力的领域。基本原理基于RepNet-POMDP的原理，这是Rens等人开发的框架。在2018年推出，但仅思量完全可视察的情况即可解决其数学上的纷歧致之处，并减轻其难处置惩罚性。

此外，我们使用在线学习算法来查找RepNet-MDP的近似解决方案。在一系列实验中，讲明RepNet主体能够使自己的行为适应网络其余主体的已往行为和可靠性。

最后，我们的事情确定了该框架在当前形式上的局限性，从而阻止了它的主体在他们不是主要到场者的情况下学习。Argo Lite：浏览器中的开源交互图探索和可视化原文标题： Argo Lite: Open-Source Interactive Graph Exploration and Visualization in Browsers地址： http://arxiv.org/abs/2008.11844作者： Siwei Li, Zhiyan Zhou, Anish Upadhayay, Omar Shaikh, Scott Freitas, Haekyu Park, Zijie J. Wang, Susanta Routray, Matthew Hull, Duen Horng Chau摘要： 图数据已变得越来越普遍。可视化它们可以资助人们更好地明白实体之间的关系。

不幸的是，现有的图可视化工具主要是为单人桌面使用而设计的，为基于交互式Web的探索和在线协作分析提供了有限的支持。为相识决这些问题，我们开发了Argo Lite，这是一种新的浏览器内交互式图浏览和可视化工具。Argo Lite使用户可以将交互式图可视化公布并共享为URL和嵌入式Web窗口小部件。用户可以通过添加更多相枢纽点来逐步浏览图，例如，被引文网络中感兴趣的论文所引用或引用的被高度引用的论文。

Argo Lite使用WebGL举行高性能渲染，可跨设备宁静台事情。Argo Lite已被佐治亚理工学院的数据和视觉分析课程的1,000多名学生使用。Argo Lite可以作为有价值的开源工具，用于推进多个CIKM研究领域，从数据表现到信息系统的界面等等。

波哥大发作COVID-19期间流动性和社会经济状况的变化原文标题： Changes in mobility and socioeconomic conditions in Bogota city during the COVID-19 outbreak地址： http://arxiv.org/abs/2008.11850作者： Marco Dueñas, Mercedes Campi, Luis Olmos摘要： 我们分析了旨在淘汰COVID-19在哥伦比亚波哥大的扩散的停止措施实施后的流动性变化。我们对大盛行之前和期间的流动网络举行了表征，并分析了其在2020年1月至2020年7月之间的演变和变化。

然后，我们将视察到的流动性变化与社会经济状况联系起来，预计出引力模型以评估社会经济状况对流动性的影响。我们视察到出行趋势总体上有所下降，可是在锁定之后，都会差别区域之间的总体连通性仍然存在，反映出出行网络的弹性。我们发现，对锁定政策的反映取决于社会经济条件。

大盛行之前，具有较好社会经济条件的人口显示出较高的流动性。自封锁以来，流动性总体下降，但社会经济状况较差的人口流动性下降较少。我们得出结论，得出政策寄义。

模拟渐进式社会意识、封锁和人为迁移对盛行病动态的影响原文标题： Modelling the influence of progressive social awareness, lockdown and anthropogenic migration on the dynamics of an epidemic地址： http://arxiv.org/abs/2008.11962作者： R. Bhattacharyya, Partha Konar摘要： 基本的易感熏染恢复（SIR）模型已扩展为包罗渐进式社会意识，封锁和人为迁移的影响。发现社会意识可以通过降低基本繁殖率 R_0 来有效停止流传。

有趣的是，与一个反映较慢的社会相比，在可以更快地接纳该意识的社会中发现了这种意识更为有效。本文还将死亡率分数与临床恢复分数离开，并实验在没有社会意识存在和存在的情况下，模拟锁定的效果。

可以看出，封锁的错开出口不仅在经济上有益，而且有助于停止熏染的伸张。此外，发现具有渐进式社会意识的交织退出计谋是最有效的干预措施。本文还探讨了在两个区域情况下人为迁移对盛行病动态的影响。盘算得出差别区域中差别馏分的差别演化。

这样的模型可以利便地将大区域划分为较小的子区域，以举行不成比例的锁定，或者从一个区域退出。在印度配景下，使用与SARS-COV-2病原体一致的参数举行盘算。OFFER：网络表现学习的模体维度框架原文标题： OFFER: A Motif Dimensional Framework for Network Representation Learning地址： http://arxiv.org/abs/2008.12010作者： Shuo Yu, Feng Xia, Jin Xu, Zhikui Chen, Ivan Lee摘要： 为了更好地表现多元关系，本文研究了用于高阶图学习的母题维框架。

通过OFFER可以提高图学习的效率。提出的框架主要旨在加速和改善高阶图学习效果。我们从网络主题的维度应用加速历程。

详细地，对节点和边的精化度分两个阶段举行：（1）使用节点的模体度对网络的毗邻矩阵举行精化。（2）在学习历程中使用边的模体度来细化过渡概率矩阵。为了评估所提出框架的效率，对四种盛行的网络表现算法举行了修改和检查。

通过评估OFFER的性能，链路预测效果和聚类效果均讲明，使用OFFER增强的图表现学习算法始终以更高的效率优于原始算法。基于顺序遗传算法概率元胞自念头的数据驱动COVID-19动力学的明白原文标题： A Data-driven Understanding of COVID-19 Dynamics Using Sequential Genetic Algorithm Based Probabilistic Cellular Automata地址： http://arxiv.org/abs/2008.12020作者： Sayantari Ghosh, Saumik Bhattacharya摘要： COVID-19大盛行严重影响着全球数十亿人的生活。纵然接纳了大规模的掩护措施，例如在全国规模内封锁，终止国际航班服务，举行严格的测试等，熏染的流传仍在稳定增长，造成数千人死亡和严重的社会经济危机。因此，确定这种熏染流传动态的主要因素对于最小化COVID-19和任何未来大盛行的影响和寿命至关重要。

在这项事情中，已经接纳了基于概率元胞自念头的方法来模拟许多差别国家的熏染动态。这项研究提出，对于这种感染病流传的准确数据驱动的建模，元胞自念头提供了一个精彩的平台，并带有一个顺序遗传算法，可以有效地预计动力学参数。据我们所知，这是首次实验通过遗传算法使用优化的元胞自念头来明白息争释COVID-19数据。已经证明，所提出的方法可以同时灵活且结实，而且可以用于通过系统的参数预计来建模日常运动病例，熏染人数和死亡总数。

已经对来自差别大洲的40个国家的COVID-19统计数据举行了详尽的分析，由于人口和社会经济因素的影响，熏染流传的时间差异显着差别。已经建设了该模型的实质性预测能力，并得出了这种盛行病动态中关键到场者的结论。来自多导联心电图数据的多重递归网络原文标题： Multiplex Recurrence Networks from multi-lead ECG data地址： http://arxiv.org/abs/2008.12049作者： Sneha Kachhara, G. Ambika摘要： 我们提出了一种使用多重递归网络（MRN）框架分析多导联心电图数据的综合方法。

我们探索它们的层内和层间拓扑特征如何描画潜在的时空动力学的重复模式中的细微变化。我们从康健病例的ECG数据中发现MRNs具有更高的互信息性，而且相互之间的信息高度一致，且各个水平漫衍之间的差异较小。在疾病的情况下，可以看到各层之间相似性的特定怀抱存在显著差异。在与局部异常相关的疾病（例如束支传导阻滞）的情况下，连贯性受影响最大。

我们注意到，使用所有措施举行全面分析以得出针对特定疾病的模式很是重要。我们的方法很是通用，因此可以应用于从高度庞大的系统获得多变量或多通道数据的任何其他领域。使用动态流传结构增强社交媒体中的谣言检测原文标题： Enhancing Rumor Detection in Social Media Using Dynamic Propagation Structures地址： http://arxiv.org/abs/2008.12154作者： Shuai Wang, Qingchao Kong, Yuqi Wang, Lei Wang摘要： 诸如Facebook和Twitter之类的社交媒体已成为信息流传的最重要渠道之一。然而，这些社交媒体平台经常被滥用来散布谣言，这带来了严重的社会问题，因此，迫切需要自动谣言检测技术。

现有的关于谣言检测的事情更多地集中在文本特征的使用上，可是扩散结构自己可以在识别谣言中提供关键的流传信息。以前思量结构信息的作品仅使用有限的流传结构。而且，很少有相关研究思量扩散结构的动态演化。

为相识决这些问题，在本文中，我们提出了一种使用动态流传结构（NM-DPS）的神经模型来对社交媒体中的谣言举行检测。首先，我们提出了一种分区方法来对流传结构的动态演化举行建模，然后使用基于时间关注的神经模型来学习动态结构的表现。最后，我们将结构表现和内容特征融合到一个统一的框架中，以举行有效的谣言检测。

在两个真实世界的社交媒体数据集上的实验效果证明晰动态流传结构信息的显著性以及我们提出的方法在描画动态结构方面的有效性。COVID-19大盛行期间欧洲Twitter消息的跨语言情感分析原文标题： Cross-language sentiment analysis of European Twitter messages duringthe COVID-19 pandemic地址： http://arxiv.org/abs/2008.12172作者： Anna Kruspe, Matthias Häberle, Iona Kuhn, Xiao Xiang Zhu摘要： 在危机期间，社交媒体数据可能是很是重要的信息泉源。用户生成的消息在此期间为人们的思想提供了一个窗口，使我们能够洞悉他们的情绪和看法。

由于此类信息的数量众多，因此有可能对人口规模的生长举行大规模分析。在本文中，我们分析了在欧洲COVID-19大盛行期间头几个月收集到的Twitter消息（推文）的情绪。

这是使用神经网络实现的，该网络使用多语言句子嵌入举行情感分析。我们按泉源国将效果离开，并将其时间生长与这些国家中的事件相关联。这使我们能够研究这种情况对人们情绪的影响。例如，我们看到锁定通知与险些所有被观察国家的情绪恶化相关，这种情绪在短时间内即可恢复。

隐私智能：在线社会网络上的图像共享综述原文标题： Privacy Intelligence: A Survey on Image Sharing on Online Social Networks地址： http://arxiv.org/abs/2008.12199作者： Chi Liu, Tianqing Zhu, Jun Zhang, Wanlei Zhou摘要： 在线社会网络（OSN）上的图像共享已成为日常社交运动中不行或缺的一部门，但同时也导致隐私入侵风险增加。最近盛行的OSN服务泄漏了图像，并使用高级算法（例如DeepFake）滥用了小我私家照片，这促使民众重新思考在OSN上共享图像时的小我私家隐私需求。

可是，OSN图像共享自己相对比力庞大，而且现在在实践中用于治理隐私的系统很是艰苦，但却无法提供个性化，准确且灵活的隐私掩护。效果，需要用于隐私友好的OSN图像共享的越发智能的情况。为了填补空缺，我们对“隐私情报”解决方案举行了系统的观察，针对与OSN图像共享相关的现代隐私问题。详细来说，我们提出了一个基于OSN图像共享整个生命周期的高级分析框架，以解决该跨学科领域面临的种种隐私问题息争决方案。

该框架分为三个主要阶段：当地治理，在线治理和社交履历。在每个阶段，我们确定典型的与共享相关的用户行为，由这些行为发生的隐私问题，并审查具有代表性的智能解决方案。效果分析形貌了用于闭环隐私治理的智能隐私增强链。

我们还将讨论每个阶段以及可公然获得的数据集中存在的挑战和未来偏向。随机图中的谱种植和反驳难度、可着色性和社区原文标题： Spectral Planting and the Hardness of Refuting Cuts, Colorability, and Communities in Random Graphs地址： http://arxiv.org/abs/2008.12237作者： Afonso S. Bandeira, Jess Banks, Dmitriy Kunisky, Cristopher Moore, Alexander S. Wein摘要： 我们研究有效地驳倒图的k-可着色性，或等效地证明其色数下限的问题。我们在稀疏随机正则图中给出了该问题的平均情况下盘算难度的形式化证据，显示了简朴谱证书的最优性。

该证据接纳盘算上平静的种植形式：我们结构了一个d-正则图漫衍，该图的色数比随机匀称绘制的典型正则图小得多，同时提供了证据讲明这两个漫衍在大种别上是无法区分的算法。我们将效果推广到更普遍的问题，即证明最大k截距的上限。

这种平静的种植是通过将种植的结构（例如着色或切块）对图谱的影响最小化来实现的。详细而言，种植的结构正好对应于毗邻矩阵的特征向量。

这制止了随机矩阵理论的推出效应，并延迟了在谱或局部统计数据中可见种植的点。为了进一步说明这一点，我们对该问题的高斯模拟给出了相似的效果：尖峰模型的一个平静版本，在该模型中，我们植入了一个特征空间，而不是添加一个通用的低秩扰动。

我们区分两种漫衍的盘算难度的证据是基于三种差别的启发式方法：信念流传的稳定性，局部统计条理结构和低度似然比。值得关注的是，我们的效果包罗多尖峰矩阵模型的低度似然比的通用界限，以及对随机块模型的革新的低度分析。在COVID-19盛行期间的美国多尺度动态人员流动数据集原文标题： Multiscale Dynamic Human Mobility Flow Dataset in the U.S. during the COVID-19 Epidemic地址： http://arxiv.org/abs/2008.12238作者： Yuhao Kang, Song Gao, Yunlei Liang, Mingxiao Li, Jinmeng Rao, Jake Kruse摘要： 在大盛行期间，相识动态的人类流动性变化和差别地理尺度上的空间相互作用模式对于监视和权衡非药物干预措施（例如，在家下订单）的影响至关重要。在此数据形貌符中，我们引入了整个美国的多尺度动态人员流动数据集，其数据始于2020年3月1日。

通太过析数百万匿名移动电话用户到各个地方的会见轨迹，逐日和每周的动态泉源-到目的地（OD）的人口流量是在三个地理尺度上举行盘算，汇总和推断的：人口普查区，县和州。我们的流动流数据集与公然可用的数据源之间具有高度相关性，这讲明所发生数据的可靠性。如此高的时空分辨率的人类流动性数据集随着时间的推移在差别的地理尺度上可能有助于监测盛行病的流传动态，为公共卫生政策提供信息，并加深我们对前所未有的公共卫生危机下人类行为变化的相识。

实时生成的O-D流开放数据可以支持许多其他社会感知和运输应用。Twitter互动分析3月至7月Covid-19在非洲加纳的影响原文标题： Twitter Interaction to Analyze Covid-19 Impact in Ghana, Africa from March to July地址： http://arxiv.org/abs/2008.12277作者： Josimar Chire Saire, Kobby Panford-Quainoo摘要： 新型冠状病毒COVID-19已影响到旅游，商业，教育等世界各地。

像每个国家一样，全球大盛行对加纳也发生了类似的影响。在此期间，该国公民使用社会网络作为平台来查找和流传有关感染病的信息，并分享他们自己的看法和看法。

在这项研究中，我们使用文本挖掘从社会网络Twitter收集的数据中得出看法。我们对数据的探索使我们相识了2020年3月至2020年7月在加纳的大阿克拉地域提出的最频繁的话题。我们视察到，该社会网络的用户到场度最初在3月份较高，但从4月至7月有所下降。

原因可能是在该国宣布该疾病后，最初的震惊使人们对这种情况越发适应。我们还在用户的这些推文中找到了某些词语，使我们能够相识其时的小我私家情感和心理状态。在大盛行中寄予希望：在冠状病毒仍在激增的同时，南美的心理困扰正在缓解吗？原文标题： Hope Amid of a Pandemic: Is Psychological Distress Alleviating in South America while Coronavirus is still on Surge?地址： http://arxiv.org/abs/2008.12289作者： Josimar Chire-Saire, Khalid Mahmood摘要： 停止2020年7月31日，COVID-19大盛行已陈诉病例凌驾1700万，造成667,000多人死亡。

岂论经济状况如何的国家都屈服于这种大盛行。冠状病毒的发作给生活的许多方面（包罗康健，经济，行动自由）带来了负面影响。

为了防止发作，已经接纳了许多计谋。一些国家以全面封锁的形式举行了严重切除，而另一些国家则接纳了应对大盛行的温和方法，例如大规模检测，克制大规模的公共聚会会议，限制国际旅行。

由于经济和医疗保健支持不足，南美主要接纳了锁定计谋。由于人与人之间的社交互动主要受锁定的影响，因此心理困扰例如据称，焦虑，压力，恐惧正在严重影响南尤物口。

本文旨在探讨封锁对南美所有西班牙语国家首都人民心理方面的影响。我们使用信息盛行病学方法，通过使用凌驾3300万个提要的大规模Twitter数据集，来相识人们在这种连续的冠状病毒大盛行期间的互动情况。我们的效果令人惊讶：在大盛行开始时，人们体现出强烈的情绪（即焦虑，担忧，恐惧），只管随着更多努力病例并造成更多死亡而使实际大盛行恶化，但这种情绪却随着时间而下降。

这使我们推测南尤物口正在适应这种盛行病，从而改善了整体的心理困扰。声明：Arxiv文章摘要版权归论文原作者所有，机械翻译后由本人举行校正整理，未经同意请勿随意转载。本系列在民众号“网络科学研究速递”（netsci）和小我私家博客举行同步更新。

本文关键词：Arxiv,网络,科学,论文,摘要,17篇,2020-08-28,亚博体彩手机网页版

本文来源：亚博体彩手机网页版-www.antt.com.cn