使用时变相遇网络模拟公共交通中的流行病传播;
集中式和分布式隔离策略及其对COVID-19大流行动态的影响;
地理学和人口统计学之间：Covid-19的关键相互依赖性和退出机制;
英国COVID-19流行病的通用概率模型和非均质性问题;
流行病的传播与GDP有关吗？可视化COVID-19在中国大陆的分布;
测量COVID-19现实世界忧虑数据集的情绪;
用逆流行病学评估预防性检疫的影响;
通过测量时间依赖的加倍时间评估Covid-19遏制的效率;
全球COVID-19传播的非药物干预措施的情景分析;
绘制应对COVID-19的美国县级流动模式变化;
CovidSens：基于可靠社会感知的COVID-19传播风险预警系统的愿景;
信息寻求对本地COVID-19病例新闻响应：来自Internet搜索数据的证据;
短事件间隔时间控制着含时网络上的流行病传播;
COVID-19上的大型阿拉伯语Twitter数据集;
能源政策法案生效后，由于夏令时造成的交通事故增加一倍;
通过自然语言处理和机器学习增强分布式同行评审;
极端主义意识形态是一个复杂的传染病：极右翼激进主义在美国2005-2017年间的蔓延;
超高层建筑疏散性能决定因素的实验研究;
在不同个体的功能性大脑网络中检测动态社区结构：多层方法;
对亚洲移民态度的网络分析;
使用社区的马尔可夫分配推断随机块模型;
可观察性会增强对道德框架的敏感性吗？评估基于声誉的道德偏好账户;
PANDORA对话：Reddit上的个性和人口统计;
暴力音乐与暴力和音乐：伦敦的说唱和暴力犯罪;
多重网络的启发式链路预测;
使用时变相遇网络模拟公共交通中的流行病传播
原文标题： Modeling Epidemic Spreading through Public Transit using Time-Varying Encounter Network
地址： http://arxiv.org/abs/2004.04602
作者： Baichuan Mo, Kairui Feng, Yu Shen, Clarence Tam, Daqing Li, Yafeng Yin, Jinhua Zhao
摘要： 公共交通（PT）网络中的乘客联系可以成为传染病传播的关键媒介。本文提出了一个时变加权的PT遭遇网络，以通过PT系统对传染病的传播进行建模。还考虑了地方和全球层面的社会活动联系。我们选择了2019年冠状病毒病（COVID-19）的流行病学特征以及来自新加坡的智能卡数据作为案例研究，以在大城市水平上说明该模型。推导了可扩展的轻量级理论框架，以捕获时变和异构的网络结构，从而能够以较低的计算成本在整个人口级别上解决问题。评估了公共卫生和运输方面的不同控制策略。我们发现人们的预防行为是控制流行病传播的最有效措施之一。从运输方面看，公交路线的部分封闭有助于减缓速度，但不能完全遏制流行病的蔓延。使用智能卡数据识别“有影响力的乘客”并及早隔离它们，也可以有效地减少流行病的传播。
集中式和分布式隔离策略及其对COVID-19大流行动态的影响
原文标题： Centralized and decentralized isolation strategies and their impact on the COVID-19 pandemic dynamics
地址： http://arxiv.org/abs/2004.04222
作者： Alexandru Topirceanu, Mihai Udrescu, Radu Marculescu
摘要： 由于各种社会网络促成的人类互动，传染病正在蔓延。因此，当新的病原体（例如SARS-CoV-2）引起暴发时，非药物隔离策略（例如，社会疏远）是破坏其传播的唯一可能反应。为此，我们介绍了新的流行病模型（SICARS），并比较了集中式（C），分散式（D）和组合（C + D）的社会疏远策略，并分析了它们控制COVID-19动态的效率。异构复杂网络。我们的分析表明，集中化的社会距离对于最大程度地减少大流行的传播是必要的。单独使用分散策略不足，但是与集中策略结合使用时效果最好。实际上，（C + D）是缓解网络超级扩展器并将最高节点度降低到其初始值的10％以下时最有效的隔离策略。我们的结果还表明，更强的社会距离，例如减少75％的社会纽带，可以使C隔离，75％的D隔离和87％（C + D）隔离的爆发减少75％战略。最后，我们研究了主动隔离策略与被动隔离策略的影响，以及延迟执行策略。我们发现，对大流行的反应性反应效率较低，将隔离措施的采用推迟一个月以上（因为该地区爆发疫情）会产生令人震惊的效果；因此，我们的研究有助于了解COVID-19大流行的时空分布。我们相信我们的调查具有很高的社会相关性，因为它们可以帮助您了解不同程度的社会距离如何可以大大降低峰值感染率。这样可以使COVID-19大流行在较长的一段时间内更容易理解和控制。
地理学和人口统计学之间：Covid-19的关键相互依赖性和退出机制
原文标题： Between Geography and Demography: key Interdependencies and Exit Mechanisms for Covid-19
地址： http://arxiv.org/abs/2004.04608
作者： Antonio Scala, Andrea Flori, Alessandro Spelta, Emanuele Brugnoli, Matteo Cinelli, Walter Quattrociocchi, Fabio Pammolli
摘要： 我们开发了一个极简主义的隔间模型来分析Covid-19爆发期间意大利的行动不便政策。我们的发现表明，早期锁定几乎无法及时改变该流行病的时间：此外，超出锁定强度的临界值后，似乎已平息的流行病在解除限制后得以完全恢复。我们通过在模型中引入异质性来研究对锁定方案和退出策略的影响。特别是，我们将意大利地区视为独立的行政实体，在其中发生了不同年龄段的社会互动。我们发现，由于流动性矩阵的稀疏性，一旦爆发开始，流行病就会在不同地区独立发展。而且，在流行病开始之后，与其他地区接触的影响很快就变得无关紧要了。稀疏性可能是造成不同区域之间观察到的延迟的原因。类似的论点适用于世界/国家场景。我们还发现，忽视社会交往的结构可能会严重低估锁定后的影响。但是，基于年龄段的策略可以通过较温和的策略来帮助缓解反弹效果。最后，我们指出，通过提供关键参数对非医学流行病缓解策略的影响的描述，可以将这些结果推广到该特定模型之外。
英国COVID-19流行病的通用概率模型和非均质性问题
原文标题： Generic probabilistic modelling and non-homogeneity issues for the UK epidemic of COVID-19
地址： http://arxiv.org/abs/2004.01991
作者： Anatoly Zhigljavsky, Roger Whitaker, Ivan Fesenko, Kobi Kremnizer, Jack Noonan, Paul Harper, Jonathan Gillard, Thomas Woolley, Daniel Gartner, Jasmine Grimsley, Edilson de Arruda, Val Fedorov, Tom Crick MBE
摘要： 冠状病毒COVID-19主要通过社会接触在整个人群中传播。为了评估潜在的广泛蔓延，应对相关的不确定性并告知缓解措施，更准确，更可靠的建模对于决策至关重要。我们提供了一种灵活的建模方法，可以提高获得洞察力的准确性。我们用它来分析与英国COVID-19情况有关的不同情况。我们提出了一种随机模型，该模型捕获了人口成员之间传染的内在概率性质。我们模型的计算性质意味着可以轻松地纳入空间限制（例如，社区和区域），不同年龄段的易感性以及其他因素（例如病史）。我们分析了英国COVID-19局势的各种可能情况。我们的模型对参数的微小变化具有鲁棒性，并且能够灵活地应对不同的情况。这种方法超越了通过易感性，感染和恢复（SIR）的固定周期来表示流行病传播的惯例。需要强调的是，与我们的模型不同，标准SIR类型的模型不够灵活，也不是随机的，因此应格外小心。我们的模型允许将异质性和内在的不确定性结合在一起。由于缺乏经过验证的数据，我们通过使用其他相关来源的参数（包括与基于SIR的模型中的参数达成的平均（均值）一致性）来校准模型，从而获得见解。
流行病的传播与GDP有关吗？可视化COVID-19在中国大陆的分布
原文标题： Is the epidemic spread related to GDP? Visualizing the distribution of COVID-19 in Chinese Mainland
地址： http://arxiv.org/abs/2004.04387
作者： Yi Zhang (1,3), Hanwen Tian (1), Yinglong Zhang (2), Yiping Chen (3) ((1) College of Geography and Environmental Science, Northwest Normal University, China, (2) Zhejiang Provincial Institute of Communications Planning, Design & Research Co., Ltd., China, (3) Institute of Earth Environment, Chinese Academy of Sciences, China)
摘要： 2019年12月，在中国湖北省武汉市检测到COVID-19。在春节旅行热潮期间，SARS-CoV-2迅速与人们一起传播到整个中国大陆。截至2020年2月19日，中国大陆已报告74576例确诊的COVID-19病例。哪种城市的确诊病例更多，GDP与确诊病例之间是否有关系？在这项研究中，我们探索了县级COVID-19确诊病例与GDP之间的关系，发现二者之间存在正相关关系。这一发现警告说，高流行地区在发生疫情暴发时应付出更多的预防和控制努力，因为它们比附近的其他地区面临更大的风险。
测量COVID-19现实世界忧虑数据集的情绪
原文标题： Measuring Emotions in the COVID-19 Real World Worry Dataset
地址： http://arxiv.org/abs/2004.04225
作者： Bennett Kleinberg, Isabelle van der Vegt, Maximilian Mozes
摘要： COVID-19大流行对世界各地的社会和经济产生了巨大影响。随着各种锁定措施和社会疏远措施的到位，大量了解情绪反应变得很重要。在本文中，我们介绍了第一个对COVID-19的情绪反应的地面事实数据集。我们要求参与者表明自己的情绪并用文字表达，并创建了5,000文本（2,500短+ 2500长文本）的真实世界担忧数据集。我们的分析表明，情绪反应与语言措施相关。主题建模进一步表明，英国人担心自己的家庭和经济状况。 Tweet大小的文本起到了团结的作用，而较长的文本则可以减轻人们的担忧和担忧。使用预测建模方法，我们能够从参与者实际值的14％以内估算参与者的情感反应。我们鼓励其他人使用数据集并改善我们如何使用自动化方法来了解情绪反应和对紧急问题的担忧。
用逆流行病学评估预防性检疫的影响
原文标题： Estimating the impact of preventive quarantine with reverse epidemiology
地址： http://arxiv.org/abs/2004.04153
作者： Jacopo Grilli, Matteo Marsili, Guido Sanguinetti
摘要： 可以通过将分区模型的参数拟合到经验数据，然后使用说明特定措施的修改后的参数来运行模型，从而估算缓解措施或控制措施对流行病的影响。由于偏差或数据可用性不足以及参数估计值不稳定，因此该方法具有一些缺点。在这里，我们采取相反的方法-我们称之为逆流行病学。给定数据，我们及时向后重建了联系网络的集合，并且我们评估了措施对传染过程具体实现的影响。该方法是可靠的，因为它仅取决于描述一个人内疾病发展的参数（例如潜伏时间），而不取决于描述流行病在人群中传播的参数。使用这种方法，我们评估了预防性隔离对意大利Covid-19持续爆发的影响。这提供了在给定时间实施预防性检疫可以避免多少感染的估计。
通过测量时间依赖的加倍时间评估Covid-19遏制的效率
原文标题： Efficiency of Covid-19 Containment by Measuring Time Dependent Doubling Time
地址： http://arxiv.org/abs/2004.04604
作者： Antonio Bianconi, Augusto Marcelli, Gaetano Campi, Andrea Perali
摘要： 尽管最近已对Covid-19流行病采取了不同的收容措施，但仍无法定量地评估其效率。我们在此处显示，大流行倍增时间Td（t）的时间演变是对使用现代技术与传统的“停停停停”策略进行锁定，案例查找，移动跟踪（LFT）策略的效率的可靠度量。我们已经能够验证倍增时间Td（t）的时间演变以及每个策略的特定特征的理论预测。最成功的遏制政策达到最低的s因子，即被捕政权下的指数增长倍增时间的特征时间。韩国，中国，意大利和美国分别达到s = 5、6、10、18。结果清楚地表明，LFT遏制政策已能够降低Covid-19大流行性圆顶的强度和时间宽度，从而减少了死亡人数和经济损失。
全球COVID-19传播的非药物干预措施的情景分析
原文标题： Scenario analysis of non-pharmaceutical interventions on global COVID-19 transmissions
地址： http://arxiv.org/abs/2004.04529
作者： Xiaohui Chen, Ziyi Qiu
摘要： 本文介绍了动态面板SIR（DP-SIR）模型，利用来自全球9个国家的面板数据来研究非药物干预（NPI）对COVID-19传播动力学的影响。通过构建具有不同NPI组合的情景，我们的经验发现表明，各国可以通过实行停课，戴口罩和集中检疫来避免锁定政策，从而在控制COVID-19感染上取得相似的结果。我们的结果还表明，自2020年4月4日起，某些国家（如美国和新加坡）可能需要采取其他非营利机构措施，以更有效地控制疾病传播，而其他国家可能会谨慎考虑逐步取消某些非营利机构以减轻疾病的传播。整体经济成本。
绘制应对COVID-19的美国县级流动模式变化
原文标题： Mapping county-level mobility pattern changes in the United States in response to COVID-19
地址： http://arxiv.org/abs/2004.04544
作者： Song Gao, Jinmeng Rao, Yuhao Kang, Yunlei Liang, Jake Kruse
摘要： 为了遏制冠状病毒病（COVID-19）大流行，应对COVID-19爆发的一种非药物流行病控制措施是通过（物理）社会距离降低SARS-COV-2在人群中的传播速度。在国家科学基金会（NSF）的支持下，开发了一个交互式的基于Web的地图绘制平台，该平台提供了有关不同县和州人民对社会疏远准则的反应的及时定量信息。它整合了地理信息系统（GIS）和每日更新的人类移动性统计模式，这些模式是从美国县级的大规模匿名和汇总智能手机位置大数据得出的，旨在提高公众的风险意识，支持政府决策制作，并帮助增强社区对COVID-19爆发的反应。
CovidSens：基于可靠社会感知的COVID-19传播风险预警系统的愿景
原文标题： CovidSens: A Vision on Reliable Social Sensing based Risk Alerting Systems for COVID-19 Spread
地址： http://arxiv.org/abs/2004.04565
作者： Md Tahmid Rashid, Dong Wang
摘要： 随着2019年冠状病毒疾病（COVID-19）的大流行激增，传播有关该疾病的准确及时的信息已变得内在重要。由于互联网连接和智能设备无处不在，社交传感正在成为一种动态传感范例，可以收集来自在线用户的实时观察结果。在此愿景文件中，我们提出了CovidSens，这是一种基于社会感知的风险预警系统，旨在将COVID-19的传播范围告知公众。 CovidSens概念的灵感来自于最近的两项观察：1）人们一直通过在线社交媒体积极分享他们的健康状况和COVID-19的经验，以及2）官方警告渠道和新闻机构比报告其观察结果的人们要慢和社交媒体上有关COVID-19的经验。我们预计将利用社交媒体用户生成的帖子建立一个前所未有的机会，以建立一个实时分析系统来收集和传播COVID-19传播的重要信息。具体来说，CovidSens的愿景试图回答以下问题：如何跟踪COVID-19的传播？如何在社交媒体上流行的谣言和错误信息的共存中提取有关疾病的可靠信息？如何及时，有效地向公众通报疫情的最新情况，并提醒他们做好准备？在此愿景文件中，我们讨论了CovidSens的作用，并确定了在实施可靠的基于社会感知的风险预警系统中的潜在挑战。我们设想源自多种学科的方法（例如估计理论，机器学习，约束优化）可以有效应对挑战。最后，我们概述了CovidSens未来工作的一些研究方向。
信息寻求对本地COVID-19病例新闻响应：来自Internet搜索数据的证据
原文标题： Information Seeking Responses to News of Local COVID-19 Cases: Evidence from Internet Search Data
地址： http://arxiv.org/abs/2004.04591
作者： Ana I. Bento, Thuy Nguyen, Coady Wing, Felipe Lozano-Rojas, Yong-Yeol Ahn, Kosali Simon
摘要： 新型冠状病毒（COVID-19）爆发是全球性大流行，在许多国家（包括在美国每个州都报告确诊病例的国家）中，有社区流通。这种大流行的过程将在很大程度上取决于政府如何制定及时的政策，传播信息，最重要的是，公众如何对它们做出反应。在这里，我们研究了一个州对第一份COVID-19案例公开公告的信息寻求响应。通过使用事件研究框架，我们表明，这样的消息立即增加了人们对危机的集体关注，但是，尽管最初的公告采取了越来越强的措施，但关注的提升是短暂的。我们发现人们通过立即搜索有关COVID-19的信息来回应其状态中的COVID-19的第一个报告，该信息通过搜索冠状病毒，冠状病毒症状和洗手液来衡量。另一方面，搜索有关社区级政策（例如检疫，学校停课，检测）或个人健康策略（例如口罩，杂货店送货，非处方药）的信息似乎不会立即触发第一份报告。这些研究结果令人鼓舞，因为我们的研究阶段还处于流行阶段的初期，而更详尽的政策应对措施尚未成为公众讨论的一部分。进一步的分析将跟踪对随后的公共信息流的响应方式的演变。
短事件间隔时间控制着含时网络上的流行病传播
原文标题： Small inter-event times govern epidemic spreading on temporal networks
地址： http://arxiv.org/abs/1911.04040
作者： Naoki Masuda, Petter Holme
摘要： 就像人类和动物互动网络的程度一样，互动之间的时间分布通常是右偏和胖尾的。这两种分布都强烈影响流行病动态，但是，正如我们在这封信中所显示的，原因是完全不同的。尽管高度的尾部对于促进流行病至关重要，但控制事件流行的时间是小的事件间隔时间。我们在不同类型的网络上，针对不同版本的敏感感染恢复模型，以分析和数值方式研究了这种影响。
COVID-19上的大型阿拉伯语Twitter数据集
原文标题： Large Arabic Twitter Dataset on COVID-19
地址： http://arxiv.org/abs/2004.04315
作者： Sarah Alqurashi, Ahmad Alhindi, Eisa Alanazi
摘要： 2019年冠状病毒病（COVID-19）于2019年12月下旬在中国出现，目前正在全球范围内迅速传播。在撰写本文时，全球确诊病例已超过100万，死亡人数超过75,000。许多国家实施了严格的社会隔离政策，以遏制病毒的传播。这改变了数以千万计的人们的日常生活，并敦促人们例如通过诸如Twitter之类的在线社交媒体网站将其讨论在线上转。在这项工作中，我们描述了自2020年3月1日以来我们一直在收集的COVID-19上的第一个阿拉伯语推文数据集。该数据集将帮助研究人员和政策制定者研究与大流行有关的不同社会问题。与行为改变，信息共享，错误信息和谣言传播有关的许多其他任务也可以进行分析。
能源政策法案生效后，由于夏令时造成的交通事故增加一倍
原文标题： Traffic accident increase attributed to Daylight Saving Time doubled after Energy Policy Act
地址： http://arxiv.org/abs/2004.04156
作者： José María Martín-Olalla
摘要： 2020年1月30日，Current Biology发布了报告“夏令时对交通事故风险的急性影响的时序生物学评估” doi：https：//doi.org/10.1016/j.cub.2019.12.045，Fritz等人等人指出，由于夏令时春季过渡，致命交通事故风险在美国增加了6％。这份手稿是1000字的对应词，表明报告的大部分风险来自2007年《能源政策法》规定的过渡日期。
通过自然语言处理和机器学习增强分布式同行评审
原文标题： Distributed peer review enhanced with natural language processing and machine learning
地址： http://arxiv.org/abs/2004.04165
作者： Wolfgang E. Kerzendorf, Ferdinando Patat, Dominic Bordelon, Glenn van de Ven, Tyler A. Pritchard
摘要： 尽管古代科学家经常有顾客来资助他们的工作，但对资源分配提案的同行评审是现代科学的基础。一种非常普遍的方法是，提案由赠款机构提名的一小组专家评估（由于后勤和资金限制）。专家小组讨论过程引入了几个问题-最值得注意的是：1）在选择小组时引入了偏见。 2）专家必须阅读大量建议。分布式同行评审承诺通过在提议者之间分配评审任务来缓解上述问题。每个提议者都有有限数量的提议要审查和排名。我们介绍了在欧洲南部天文台运行机器学习增强型分布式同行评审过程以分配望远镜时间的实验结果。在这项工作中，我们证明了统计学上的分布式同行评审与“传统”评审小组相同，我们的机器学习算法可以预测成功率很高的评审员的专业知识，并且我们发现资历和评审员的专业知识对审核质量。参与社区获得了普遍的好评（使用匿名反馈机制）。
极端主义意识形态是一个复杂的传染病：极右翼激进主义在美国2005-2017年间的蔓延
原文标题： Extremist ideology as a complex contagion: the spread of far-right radicalization in the United States between 2005-2017
地址： http://arxiv.org/abs/2004.04265
作者： Mason Youngblood
摘要： 极右翼极端主义暴力活动的增加，引起了公众对美国激进主义蔓延的关注。先前的研究表明，激进的人会因各种环境（或地方性）因素而不稳定，暴露于极端主义意识形态，随后被其社区成员强化。这样，激进主义的蔓延可能会通过社会传染过程来进行，在该过程中，极端主义意识形态的行为就像复杂的传染一样，需要多次曝光才能被采用。在这项研究中，我将一种流行病学方法（称为二元时空强度建模）应用于2005年至2017年期间暴露于美国的416名极右翼极端分子的数据。结果表明，美国的极右激进主义模式与复杂的传染过程一致，在传播过程中需要加强。社交媒体的使用和团体成员身份都促进了极端主义思想的传播，这表明在线组织和实体组织仍然是极右翼运动的主要招募工具。此外，我发现了一些流行因素，例如贫困，这些因素增加了特定地区激演化的可能性。未来的研究应调查如何有效实施特定干预措施，例如与战斗宣传有关的在线反叙事，以减轻极右翼极端主义在美国的蔓延。
超高层建筑疏散性能决定因素的实验研究
原文标题： Experimental study on determinants of the evacuation performance in the super-high rise building
地址： http://arxiv.org/abs/2004.04310
作者： Fang Zhiming, Gao Huisheng, Huang Zhongyi, Ye Rui, Li Xiaolian, Xu Qingfeng, Xu Xingpeng, Huang Nan
摘要： 楼梯间是超高层建筑人员紧急疏散的主要途径，因此根据实验数据揭示楼梯间的运动特性，是控制超高层建筑疏散过程，确保人员安全的基础。人群。在这里，垂直高度为583 m的上海中心大厦进行了疏散实验，这是世界上第二高的建筑物。结果表明，行人会根据目标高度距离为自己设置一个“合适的速度”，而距离越远，步行者的“合适的速度”就越低。有证据表明，行驶高度增加9.63％的参与者花费的疏散时间延长了16.39％，但是在每组参与者中，速度并不会随着移动距离的增加而降低。此外，楼梯间的拥挤决定了行人是否可以达到“合适的速度”，在相同的情况下，女性或老年人的“适合速度”小于男性或年轻人。对不同群体，性别和年龄的局部速度和垂直速度进行分类和分析。提出了一种新的人群密度测量方法，并给出了超高层建筑中速度密度关系的基本图。这些结果可为应急疏散设施的设计和超高层建筑应急预案的制定提供基础数据。
在不同个体的功能性大脑网络中检测动态社区结构：多层方法
原文标题： Detecting Dynamic Community Structure in Functional Brain Networks Across Individuals: A Multilayer Apporach
地址： http://arxiv.org/abs/2004.04362
作者： Chee-Ming Ting, S. Balqis Samdin, Meini Tang, Hernando Ombao
摘要： 我们提出了一个统一的统计框架，用于描述大脑功能网络的社区结构，该结构捕获了个体之间的变异以及随时间的演变。现有的社区检测方法仅关注动态网络的单主题分析。而最近对多主题分析的扩展仅限于静态网络。为了克服这些局限性，我们提出了一个多主体，马尔可夫切换随机障碍模型（MSS-SBM），以识别一群人的大脑社区组织中与状态相关的变化。我们首先制定了SBM的多层扩展来描述时间相关的多主体脑网络。我们开发了一种适合多层SBM的新颖程序，该程序建立在多层模块化最大化的基础上，可以同时揭示所有层（对象）的公共社区分区。通过使用动态马尔可夫切换过程进行扩充，我们提出的方法能够捕获关于主题之间的社区间交互以及它们之间的变化点的一组不同的重复性时间状态。仿真显示，MSS-SBM可以准确地恢复社区并跟踪多层网络上的动态社区状况。在任务功能磁共振成像中的应用揭示了有意义的非分类性大脑社区主题，例如在群体水平上的核心-外围结构，与语言理解和运动功能相关，表明它们在复杂信息整合中的假定作用。我们的方法检测到因任务需求变化而引起的模块化连接的动态重新配置，并确定了跨不同任务条件的社区内和社区间连接的独特配置文件。所提出的多层网络表示提供了一种原理方法来检测跨受试者的大脑网络中的同步，动态模块化。
对亚洲移民态度的网络分析
原文标题： Network Analysis of Attitudes towards Immigrants in Asia
地址： http://arxiv.org/abs/2004.04367
作者： Rachael Kei Kawasaki, Yuichi Ikeda
摘要： 这项研究建立了对东亚和东南亚移民的跨国态度，将其作为一个符号加权的国家二模网络，并对各种政治问题或决定因素作出了评价。然后将该网络投影到两个单模网络中，一个是国家，另一个是决定因素，并且应用了社区检测方法。本文旨在弥补当前对移民态度的研究中的两个缺陷：1）在这个移民不断增长的地区，亚洲缺乏跨国研究； 2）尽管存在着一些不确定性，但研究人员倾向于将决定因素视为不相关。评价反应相互依存的性质。结果表明，样本中的九个国家是一个凝聚力集团，其态度决定因素的相似之处大于差异。采取了模型化的方法来确定对移民态度的八个决定因素，即对独立性和社会依赖性的看法，群体认同，绝对或相对道德取向，对民主，科学和技术的态度，偏见和污名以及与宗教有关的两个决定因素。但是，与文献综述相比，该调查的结果得出了一些令人惊讶的结果。首先，尽管在欧洲模式中教育具有强大而一致的预测能力，但教育并未被视为对移民态度的重要决定因素。其次，偏见似乎部分地是由宗教引起的，尤其是在宗教认同和对上帝的信仰中。群体认同和偏见似乎也有关联，尽管只是微弱的关系。最后，焦虑症出现在与社会规范相关的类别中，表明对移民的恐惧与对他人行为的期望密切相关。
使用社区的马尔可夫分配推断随机块模型
原文标题： Inference in the Stochastic Block Model with a Markovian assignment of the communities
地址： http://arxiv.org/abs/2004.04402
作者： Quentin Duchemin (LAMA)
摘要： 当图的节点的社区被分配以马尔可夫动力学时，我们解决了随机块模型（SBM）中的社区检测问题。为了恢复节点的分区，我们采用[11]中提出的宽松的K-means SDP程序。我们在框架中确定了相关的信噪比（SNR），并证明了误分类误差相对于该SNR呈指数级衰减。我们提供了模型参数的无穷范数一致估计，并且我们通过SBM文献的经典度制度来讨论我们的结果。 MSC 2010主题分类：主要68Q32；次级68R10、90C35。
可观察性会增强对道德框架的敏感性吗？评估基于声誉的道德偏好账户
原文标题： Does observability amplify sensitivity to moral frames? Evaluating a reputation-based account of moral preferences
地址： http://arxiv.org/abs/2004.04408
作者： Valerio Capraro, Jillian J. Jordan, Ben M. Tappin
摘要： 越来越多的工作表明，人们对涉及亲社会的经济博弈中的道德框架敏感，表明人们对做“正确的事情”持有道德上的偏好。是什么引起了这些偏好？在这里，我们评估了基于信誉的帐户的解释能力，该解释力建议人们对道德框架做出反应，因为他们被激励在他人眼中看起来很好。在两个预先注册的实验中（总计N = 3,610），我们调查了声誉激励是否会放大对取景效果的敏感性。两个实验都操纵（i）是使用道德框架还是中立框架来描述权衡博弈（参与者在优先考虑平等或效率之间进行选择）和（ii）权衡博弈选择在随后的社交伙伴中是否可观察到信任博弈。我们发现，框架效应对声誉激励相对不敏感：可观察性并未显著扩大对道德框架的敏感性。但是，我们的结果与可观察性具有一定放大作用的可能性并不一致。从数量上讲，当决策是私有的时，观察到的框架效果是可观察到的74％。这些结果表明，道德框架可以利用相对内在化的道德偏好，并且通过使他人能够观察到道德框架的行为，道德框架促进社会主义的能力可能不会得到很大增强。
PANDORA对话：Reddit上的个性和人口统计
原文标题： PANDORA Talks: Personality and Demographics on Reddit
地址： http://arxiv.org/abs/2004.04460
作者： Matej Gjurković, Mladen Karan, Iva Vukojević, Mihaela Bošnjak, Jan Šnajder
摘要： 人格和人口统计学是社会科学中的重要变量，而在自然语言处理中，它们可以帮助理解和消除社会偏见。但是，同时具有个性和人口标签的数据集很少。为了解决这个问题，我们展示了PANDORA，这是Reddit评论的第一个大规模数据集，其中标记了三个人格模型（包括公认的Big 5模型）和人口统计信息（年龄，性别和位置），超过1万名用户。我们在三个实验中展示了此数据集的实用性，其中我们利用了来自其他人格模型的更容易获得的数据来预测5大特质，分析了由心理人口统计学变量引起的性别分类偏差，并进行了基于验证性和探索性分析的关于心理学理论。最后，我们介绍了所有个性和人口统计变量的基准预测模型。
暴力音乐与暴力和音乐：伦敦的说唱和暴力犯罪
原文标题： Violent music vs violence and music: Drill rap and violent crime in London
地址： http://arxiv.org/abs/2004.04598
作者： Bennett Kleinberg, Paul McFarlane
摘要： 当前从社交媒体平台（例如YouTube）上删除演练音乐视频的政策仍存在争议，因为这有可能将演说和暴力的共同出现与两者的因果链相混淆。从经验上讲，我们重新审视以下问题：是否有证据支持将钻探音乐和帮派暴力联系在一起的推测。我们提供了新的经验见解，表明：i）随时间推移，钻探音乐歌词没有变得更加消极，如果它们变得更加积极； ii）个别演艺人员的情感轨迹与演艺类型中的其他艺术家相似，并且iii）与伦敦记录的三种警察记录的暴力犯罪数据相比，演艺音乐与现实生活暴力之间没有有意义的关系。我们建议新工作的思路，以帮助围绕该问题建立急需的证据。
多重网络的启发式链路预测
原文标题： Heuristics for Link Prediction in Multiplex Networks
地址： http://arxiv.org/abs/2004.04704
作者： Robert E. Tillman, Vamsi K. Potluru, Jiahao Chen, Prashant Reddy, Manuela Veloso
摘要： 链路预测，或推断实体之间将来或缺少的连接，是网络分析中经过充分研究的问题。在具有单一连接类型的普通网络中，存在许多启发式算法用于链路预测。但是，在多路网络或具有多种连接类型的网络中的链路预测不是一个很好理解的问题。我们提出了一个简单的，可解释的新颖的通用框架和三个启发式方法，用于多路网络链路预测，并利用了许多现实世界网络中存在的丰富连接类型相关结构。我们进一步根据与鄂尔多斯-仁伊随机图重叠的链接数得出用于确定何时使用其他连接类型的理论阈值。通过在模拟和现实世界中的科学协作，运输和全球贸易网络中进行的实验，我们证明了所提出的启发式方法在连接类型相关性结构丰富的情况下表现出更高的性能，并且明显优于单一连接类型的普通网络的基线启发式方法。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，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”和个人博客进行同步更新。
