网络扰动:最大程度地消除社会网络中的分歧和两极分化 | 网络科学论文速递13篇

本文由机器翻译,仅供参考,感兴趣请查阅论文原文核心速递网络扰动:最大程度地消除社会网络中的分歧和两极分化;交通网络及其对经济发展的意义;使用在线搜索追踪COVID-19;COVID-19流行病的时空传播;预测意大利COVID-19爆发的最终结果;封闭环境中行人

本文由机器翻译,仅供参考,感兴趣请查阅论文原文

核心速递

  • 网络扰动:最大程度地消除社会网络中的分歧和两极分化;

  • 交通网络及其对经济发展的意义;

  • 使用在线搜索追踪COVID-19;
  • COVID-19流行病的时空传播;
  • 预测意大利COVID-19爆发的最终结果;
  • 封闭环境中行人动力学和疾病传染的耦合动力学理论方法;
  • 注意背后:基于深度强化学习的自动车辆控制系统中的后门攻击;
  • 走向点对点能源市场:概述;
  • 使用复杂网络分析建模希腊道路运输网络;
  • 作为复杂网络的通勤现象:希腊案例;
  • 具有基线相关性的新型Twitter情绪分析模型,可提高金融市场的预测效率;
  • 社交媒体时代大脑中的社会反馈处理如何塑造集体意见过程;
  • 参与度与多样性的联系:来自Spotify现场实验的证据;

网络扰动:最大程度地消除

社会网络中的分歧和两极分化

原文标题:Network disruption: maximizing disagreement and polarization in social networks地址:http://arxiv.org/abs/2003.08377作者:Mayee Chen, Miklos Z. Racz摘要:近年来,错误信息的传播显著增加,这一现象已被Facebook和Twitter等社交媒体加速和放大。尽管一些行为者散布错误信息以推动特定议程,但也有广泛的文献记载,其他行为者旨在通过增加网络中的分歧和两极分化从而破坏社会稳定来简单地破坏网络。流行的社会网络也容易受到大规模攻击。基于这种现实,我们引入了一种简单的网络中断模型,在这种模型中,敌手可以接管社会网络中有限数量的用户个人资料,目的是最大程度地消除网络中的分歧和/或两极分化。我们在理论上和经验上都研究了该模型。我们表明,对手将始终将被接管的档案的观点改变为极端,以最大程度地破坏市场。我们还证明,对手在接管的用户个人资料数量上最多可以线性地增加分歧/两极分化。此外,我们在合成网络和现实世界(Reddit和Twitter)数据集上针对对手的几种自然算法进行了详细的经验研究。这些表明,即使是简单,简单的启发式方法(例如针对目标中间人)也可以有效地破坏网络,从而导致分歧/两极分化的大幅增加。因此,通过对手的视角来研究网络中断问题就凸显了问题的严重性。

交通网络及其对经济发展的意义

原文标题:Transportation networks and their significance to economic development地址:http://arxiv.org/abs/2003.08094作者:Dimitrios Tsiotas, Martha Geraki, Spyros Niavis摘要:本文试图强调运输在希腊经济发展中的重要性,尤其是运输基础设施和运输网络的重要性,这表明固定的结构化资本覆盖了整个希腊。为此目的,对纵向和跨部门统计数据进行了一系列基本宏观经济衡量和指标的检查。此外,该研究试图强调构成运输网络概念的结构和功能方面,并强调在相关研究中必须共同考虑它们的必要性。本文研究的运输网络是希腊公路(GRN),铁路(GRAN),海运(GMN)和航空运输网络(GAN),并从其几何形状和技术特征以及他们的历史,交通和政治框架。为了对希腊运输网络的重要性进行实证评估,构建了计量经济学模型,该模型将希腊地区的福利水平表示为其运输基础设施和社会经济环境的多元函数。本文的进一步目的是从宏观上突出与交通基础设施和网络研究有关的所有方面。

使用在线搜索追踪COVID-19

原文标题:Tracking COVID-19 using online search地址:作者:Vasileios Lampos, Simon Moura, Elad Yom-Tov, Ingemar J. Cox, Rachel McKendry, Michael Edelstein摘要:在线搜索数据通常用于监控流感等传染病的流行。先前的工作集中在开发监督模型,这类模型可以使用历史综合监控报告形式的真实数据来训练机器学习模型。但是,就准确性和时间跨度而言,没有足够的数据来应用这种方法来监测由新型冠状病毒(SARS-CoV-2)引起的新兴COVID-19传染病大流行。因此,应寻求无监督或半监督的解决方案。最近的结果表明,可以将基于在线搜索的流感类疾病模型迁移应用到目标国家,而无需将真实数据用于目标位置。迁移模型的准确性取决于通过迁移学习方法针对目标位置明智地选择搜索查询及其相应权重。在这项工作中,我们将与以前的发现比较,并尝试通过以下方式建立COVID-19的无监督模型:(i)谨慎选择涉及英国公共卫生确定的相关症状的搜索查询,(ii)根据所报告的感染COVID-19的人群的发病率对其加权。最后,由于在线搜索也可能由关注而不是感染驱动,我们设计了一种初步方法,旨在通过结合已确认的COVID-19病例的新闻媒体信号来最大程度地减少信号的这一部分。文章报告了英国,英国,美国,加拿大,澳大利亚和希腊的结果。

COVID-19流行病的时空传播

原文标题:Spatio-temporal propagation of COVID-19 epidemics地址:作者:Bnaya Gross, Zhiguo Zheng, Shiyan Liu, Xiaoqi Chen, Alon Sela, Jianxin Li, Daqing Li, Shlomo Havlin摘要:自2019年12月以来,被称为COVID-19的新冠状病毒正在迅速传播。在没有任何疫苗接种或药物的情况下,控制它的手段仅限于检疫和社会隔离。在这里,我们研究了COVID-19病毒在中国的时空传播并将其与其他全球位置进行比较。我们的结果表明,该疾病的传播与湖北人口的迁徙高度相关,类似于人类迁徙的特征。我们的结果还表明,该疾病在中国城市的传播具有两个阶段的过程。在早期,几天之内,城市中的感染率几乎是恒定的,这可能是由于在观察到感染迹象之前缺乏检测感染者的方法;在后来,由于隔离,其感染率呈指数级下降。这两个阶段可以解释中国与世界其他地方之间的传播之间的显著差异。尽管大多数中国城市进行控制导致疾病恶化的减轻,但在其他世界范围内由于控制不力情况仍在恶化。

预测意大利COVID-19爆发的最终结果

原文标题:Predicting the ultimate outcome of the COVID-19 outbreak in Italy地址:作者:Gabor Vattay摘要:在COVID-19爆发期间,至关重要的是要监控政府在流行过程中采取的措施的有效性。在这里,我们表明意大利已经收集了足够的数据来预测该过程的结果。我们表明,使用适当的度量标准,湖北省和意大利的数据具有惊人的相似性,这使我们能够在过程结束之前计算出预期的确诊病例数和死亡人数。随着每天新产生数据的加入,我们的预测将有所改善,这有助于做出进一步的公共决策。该方法基于逻辑增长方程的数据分析,从宏观层面描述过程。在撰写本文时,意大利的死亡人数预计将为6000,并且这场危机在2020年4月15日之前结束。

封闭环境中行人动力学和

疾病传染的耦合动力学理论方法

原文标题:Coupling kinetic theory approaches for pedestrian dynamics and disease contagion in a confined environment地址:作者:Daewa Kim, Annalisa Quaini摘要:这项工作的目的是研究在一个封闭环境中的中等规模人群中传播的传染病。为此,我们考虑采用动力学理论方法对有界域中的人群动力学进行建模,并将其耦合至动力学方程式以对传染进行建模。一个人与其他行人和环境之间的互动是通过使用博弈论工具进行建模的。行人动力学模型可以权衡两种相互竞争的行为:寻找较不拥挤的区域和在恐慌情况下无意识地跟随水流的趋势。系统中的每个人都有一个受其邻居影响的传染程度。对于耦合问题的数值解,我们提出了一种数值算法,该算法在每个时间步都解决一个人群动力学问题和一个传染问题,即两者之间没有任何重复。我们测试了涉及少数人群穿过走廊的问题的耦合模型。

注意背后:基于深度强化学习的

自动车辆控制系统中的后门攻击

原文标题:Watch your back: Backdoor Attacks in Deep Reinforcement Learning-based Autonomous Vehicle Control Systems作者:Yue Wang, Esha Sarkar, Michail Maniatakos, Saif Eddin Jabari摘要:具有基于深度强化学习(DRL)的控制器的无人驾驶汽车(AV)用于减少交通拥堵。经过如此深层神经网络训练的AV容易受到基于机器学习的攻击。在这项工作中,我们探索了在标准交通场景中基于DRL的前级处理器的后门程序。在真实观察期间,AV表现出减少拥堵的预期操作,但是当出现一组特定的观察时,可以触发AV减速以引起拥堵(拥塞攻击)或加速并撞向前方车辆(保险攻击)。。视音频设备中的这些后门可能被设计为对人类生命构成严重威胁。

走向点对点能源市场:概述

Towards Peer-to-Peer Energy Market: an Overview作者:Ramon Christen, Luca Mazzola, Alexander Denzler摘要:本文提供了关于分散式生产者数量不断增加的能源市场的现状的概述。在概述了现状所带来的限制之后,引入了对等(P2P)能源市场可能的多层体系结构。讨论了作为微电网一部分的本地生产和本地消费的基本方面。讨论并激发了与权力下放有关的角色变化和一些激励模型。为了使读者有一种感觉,下面说明一种典型的P2P解决方案。还向读者介绍了交易的相关元素,例如智能合约和电网稳定性。由于这项工作仍在进行中,许多悬而未决的问题仍在讨论中,并将在下一阶段的研究中予以解决。

使用复杂网络分析建模希腊道路运输网络

原文标题:Modeling of the Greek road transportation network using complex network analysis地址:作者:Dimitrios Tsiotas摘要:本文通过应用复杂网络分析(CNA)和经验方法研究了区域间希腊公路网(GRN)。该研究旨在提取GRN拓扑所固有的社会经济信息,并解释该道路网络为服务和促进区域发展提供的方式。分析表明,GRN的拓扑结构受到空间约束,具有格状特征。此外,GRN的结构由重力模式描述,在这里人口较多的地方享有更大的功能,其对地区的解释说明了通过道路建设进行区域发展所表达的基本模式。该研究还揭示了都市与非都市(不包括阿提卡和塞萨洛尼基)之间的一些有趣的矛盾。总体而言,本文重点介绍了在空间网络(尤其是交通运输系统)的建模中使用复杂网络分析的有效性,并促进了网络范式在空间和区域研究中的使用。

作为复杂网络的通勤现象:希腊案例

原文标题:The commuting phenomenon as a complex network: The case of Greece作者:Dimitrios Tsiotas, Konstantinos Raptopoulos摘要:本文通过使用复杂网络分析的方法和方法以及经验技术来研究希腊的区域间通勤网络(GRN)。该研究旨在检测通勤现象的结构特征,这些特征由陆路运输基础设施的功能配置,并解释该网络如何服务和促进区域发展。在实证分析中,建立了通勤人数的多元线性回归模型,该模型基于术语网络的概念框架,旨在促进跨学科对话。分析突出显示了空间限制对网络结构的影响,提供了有关最近修建并影响了国家交通能力的主要道路运输基础设施项目的信息,并概述了描述通勤现象的引力模式,这表明高人口城市吸引他们边界内的大量通勤活动,这一事实有助于减少他们的外出通勤,从而提高他们的入境生产率。总体而言,本文强调了复杂网络分析在空间尤其是交通网络建模中的有效性,并促进了网络范式在空间和区域研究中的使用。原文标题:A Novel Twitter Sentiment Analysis Model with Baseline Correlation for Financial Market Prediction with Improved Efficiency地址:Xinyi Guo, Jinfeng Li摘要:与基于封闭式基金折价(CEFD)的传统投资者计量经济学模型相比,基于Twitter情绪评分(TSS)提出了一种新颖的社会网络情绪分析模型,用于实时预测未来股市价格FTSE 100 。提出的TSS模型具有一种新的基线相关方法,该方法不仅展现出不错的预测准确性,而且还减轻了计算负担,并且无需历史数据即可快速做出决策。使用R进行多项式回归,分类建模和基于词典的情感分析。使用建议的基准准则,所获得的TSS可以通过15个时间样本(30个工作小时)以67.22%的精度提前预测未来的股市趋势,而无需参考TSS历史数据或市场数据。具体而言,发现TSS对上升市场的预测性能远优于下降市场的预测性能。在逻辑回归和线性判别分析下,TSS预测未来市场上升趋势的准确性达到97.87%。

社交媒体时代大脑中的社会

反馈处理如何塑造集体意见过程

原文标题:How social feedback processing in the brain shapes collective opinion processes in the era of social media地址:作者:Sven Banisch, Felix Gaisbauer, Eckehard Olbrich摘要:有某些意见的团体通过什么机制来赢得公众的声音并迫使其他持不同意见的团体保持沉默?社交媒体如何发挥作用?利用最近对社会反馈处理的神经科学见解,我们开发了一种理论模型来解决这些问题。该模型捕获了舆论沉默理论的螺旋形描述的现象,为其提供了基于机制的基础,并通过这种方式可以更全面地了解不同的群体结构如何与集体舆论表达的不同制度相关。如果少数派作为一个凝聚的整体,那么即使是多数派也可能被压制为沉默。拟议的社会反馈理论框架(SFT)强调了社会学理论的必要性,以了解社会和认知神经科学中发现的社会层面含义。

参与度与多样性的联系:

来自Spotify现场实验的证据

原文标题:The Engagement-Diversity Connection: Evidence from a Field Experiment on Spotify作者:David Holtz, Benjamin Carterette, Praveen Chandar, Zahra Nazari, Henriette Cramer, Sinan Aral摘要:个性化推荐是增加还是减少人们消费的内容的多样性仍然未知。我们提供了Spotify上随机试验的结果,该试验测试了个性化建议对消费多样性的影响。在实验中,为控制和治疗使用者提供了播客建议,其唯一目的是增加播客消费。根据他们的音乐收听历史对治疗用户的推荐进行个性化设置,而向对照用户推荐其人群中用户的热门播客。我们发现,平均而言,该处理使播客流增加了28.90%。但是,该处理还使播客流的平均个人级别多样性降低了11.51%,并且使播客流的总体多样性提高了5.96%,这表明个性化推荐有可能创建在不同行业内同质的消费模式用户,这是反映巴尔干化的模式。当仅对推荐进行优化以提高消费量时,我们的结果提供了“参与度-多样性权衡”的证据:个性化推荐会增加用户的参与度,但它们也会影响消费内容的多样性。消费多样性的这种变化会影响用户的保留率和生命周期价值,并影响内容制作者的最佳策略。我们还观察到证据,表明我们的治疗方法影响了Spotify应用程序部分的流,而不受实验的直接影响,这表明暴露于个性化推荐可能会影响用户有机消费的内容。我们认为,这些发现突出表明,学者和从业人员有必要继续投资明确考虑建议内容多样性的个性化方法。

近期网络科学论文速递

集智俱乐部QQ群|877391004

商务合作及投稿转载|swarma@swarma.org

加入“没有围墙的研究所”

让苹果砸得更猛烈些吧!

评论