Arxiv网络科学论文摘要14篇(2020-11-10) 测试语义和结构对推荐准确性

测试语义和结构对推荐准确性和多样性的影响;
平均环路影响的概念作为反馈优势分析的系统性度量;
识别外国游客旅行路径中的宏观特征;
活动驱动网络上的自发行为改变和疾病复发;
COVID-19的Google趋势分析;
使用基于上下文的Twitter嵌入来检测COVID-19的新出现症状;
向量差方程，亚随机矩阵和减少流行病传播的多网络设计;
MM-COVID：用于打击COVID-19的多语言和多维数据库;
戴口罩对病毒传播的影响分析：对COVID-19的影响;
流行病规模分布中的有限大小尺度与双重随机变量和影子矩;
引用动态的SIR流行病模型;
欧洲地区的三角研究与创新合作;
多层网络中的恢复耦合;
表征增长网络的度分布头部;

测试语义和结构对推荐准确性和多样性的影响原文标题： Testing the Impact of Semantics and Structure on Recommendation Accuracy and Diversity
地址：
作者： Pedro Ramaciotti Morales, Lionel Tabourier, Rapha?l Fournier-S’niehotta
摘要：异构信息网络（HIN）形式非常灵活，可以启用复杂的推荐模型。我们评估了HIN的不同部分对建议的准确性和多样性的影响，然后研究这些影响是否仅是由于网络中编码的语义内容所致。我们使用基于网络结构并且更适合于HIN形式主义的最近提议的多样性度量。最后，我们随机调整HIN某些部分的边，以使网络从其语义内容中清空，同时保持其结构相对不受影响。我们表明，在网络数据中编码的语义内容对于推荐系统的性能具有有限的重要性，并且该结构至关重要。
平均环路影响的概念作为反馈优势分析的系统性度量原文标题： The Concept of Average Loop Impact as a System-Wide Measure of Feedback Dominance Analysis
地址：
作者： John Hayward
摘要：在系统动力学中，环路影响的概念衡量反馈环路对环路中存量行为的曲率的影响（Hayward＆Boswell ， 2014）。它是环路施加到存量上的加速度的比率度量，也可以被认为是环路中相邻存量之间施加的力的比率度量（Hayward＆Roach ， 2017）。这样， n次冲击描述了n个库存的循环。循环影响用于检查存量行为中的循环优势区域。有时，提出完整系统而不是单个库存的优势分析很有帮助。本文介绍了平均环路影响的概念，以探索这种系统范围内的环路优势分析。
识别外国游客旅行路径中的宏观特征原文标题： Identifying macroscopic features in foreign visitor travel pathways
地址：
作者： Tatsuro Kawamoto, Ryutaro Hashimoto
摘要：人们通常将人类出行方式研究为网络，其中将出发点和目的地点编码为节点，并将两点之间的旅行频率记录为加权边。但是，由于旅行者经常访问构成路径的多个目的地，因此与仅基于成对频率的方法相比，合并路径统计信息的分析有望提供更多信息。因此，在这项研究中，我们应用了一个高阶网络表示框架，以从日本的外国访客路径中识别出特征性旅行模式。我们希望本文的结果主要可用于旅游业的营销研究。
活动驱动网络上的自发行为改变和疾病复发原文标题： Self-initiated behavioural change and disease resurgence on activity-driven networks
地址：
作者： Nicolò Gozzi, Martina Scudeler, Daniela Paolotti, Andrea Baronchelli, Nicola Perra
摘要：我们考虑的人群经历了第一波感染，被强有力的，自上而下的政府限制打断了，并且没有形成有效的免疫力来预防第二波感染（即死灰复燃）。随着限制的解除，个人会调整自己的社交行为以最大程度地降低感染风险。我们考虑两种情况。首先，个人减少了对其他人群的整体社交活动。在第二种情况下，他们在较小的同龄人社区中维持正常的社交活动（即社交泡沫），同时减少了与其他人群的社交互动。在这两种情况下，我们都考虑了社会活动与行为变化之间可能的相关性，例如反映了某些职业的社会维度。我们考虑在活动驱动的网络上展开的易感感染恢复的流行病模型来对这些情况进行建模。大量的分析和数值结果表明， i）少数不改变行为的非常活跃的个体可能会使绝大多数人口的努力无效，并且ii）正常社会活动的不完善的社会泡沫可能不如全面减少社会影响有效。互动。
COVID-19的Google趋势分析原文标题： Google Trends Analysis of COVID-19
地址：
作者： Hoang Long Nguyen, Zhenhe Pan, Hashim Abu-gellban, Fang Jin, Yuanlin Zhang
摘要：世界卫生组织（WHO）宣布3月11日发生COVID-19大流行病，因为在几个国家和地区有118K病例。自从预计案件的增长有助于政府采取棘手的决定以减轻本国的封锁命令以来，许多研究人员致力于预测已确认的案件数量。这些命令帮助了几个失业的人，并支持了受到严重影响的企业。我们的研究旨在调查Google搜索趋势与新型冠状病毒（COVID-19）在全球各个国家之间的传播之间的关系，以预测病例数。我们根据世界卫生组织报告的确诊病例数对相关Google搜索趋势的关键字进行相关分析。之后，我们应用了多种机器学习技术（多元线性回归，非负整数回归，深度神经网络），根据历史数据和混合数据（Google搜索趋势）预测了全球确诊病例的数量。我们的结果表明，谷歌搜索趋势与报告的确诊案例数量高度相关，其中深度学习方法的表现优于其他预测技术。我们认为，这不仅是预测COVID-19确诊病例的有前途的方法，而且是与Google相关趋势相关的类似预测问题的预测方法。