本文摘要：再探随机冲浪：泛化PageRank的远程传输模型;信任与可靠的演化;大规模异构学术网络中名称消歧的成对学习;离散数据的高效鲁棒性证书：用于图、图像等工具的思量稀疏的随机平滑;在Altmetrics大型数据中使用推特情感;节点和边上事件间时间的同时重尾漫衍的生成模型;通过随意互连最大化多层网络中的代数连通性;Twitter网上气候变化话语中的情感极化;关于气候变化的南北极化推文;概率湍流散度：一种用于比力重尾种别漫衍的可调同观点工具;黑市驱动的在线媒体冲突：一项综述;COVI

再探随机冲浪：泛化PageRank的远程传输模型;信任与可靠的演化;大规模异构学术网络中名称消歧的成对学习;离散数据的高效鲁棒性证书：用于图、图像等工具的思量稀疏的随机平滑;在Altmetrics大型数据中使用推特情感;节点和边上事件间时间的同时重尾漫衍的生成模型;通过随意互连最大化多层网络中的代数连通性;Twitter网上气候变化话语中的情感极化;关于气候变化的南北极化推文;概率湍流散度：一种用于比力重尾种别漫衍的可调同观点工具;黑市驱动的在线媒体冲突：一项综述;COVID-19流传的分析、建模和表现：以印度为例;社交媒体上的时间心理康健动态;CheckThat 2020的QMUL-SDS：使用带有数字表达式的增强型CT-BERT确定COVID-19 Tweet检查的准确性;都会形态发生简朴模型的比力;Match4Rec：一种基于双向编码器匹配任务的新型推荐算法;碳约束的未来能源系统中的氢渗透和燃料电池汽车的部署;南非数据不足是否可以解释其早期SARS-CoV-2岑岭？;偏见动态：当妖怪在细节中;COVID-19期间与网络欺凌相关的Twitter讨论的变换点分析;破坏都会交通;再探随机冲浪：泛化PageRank的远程传输模型原文标题： Random Surfing Revisited: Generalizing PageRank’s Teleportation Model地址： http://arxiv.org/abs/2008.12916作者： Athanasios N. Nikolakopoulos摘要： 我们重新审视Random Surfer模型，着重研究其经常被忽视的“运输”组件，并先容NCDawareRank；一种新颖的排名框架，旨在使用网络元信息及其高阶结构组织的各个方面，以保留PageRank的数学结构和有吸引力的盘算特性的方式。对所提出模型的严格理论探索展现了富厚的数学属性，这些属性在鲁棒性，可盘算性以及建模灵活性和表达性方面都带来了显着的利益。一组在实际事情网络上举行的实验验证了NCDawareRank的理论预测特性，并展示了其作为网络中心度怀抱的有效性。

信任与可靠的演化原文标题： The evolution of trust and trustworthiness地址： http://arxiv.org/abs/2008.12948作者： Aanjaneya Kumar, Valerio Capraro, Matjaz Perc摘要： 信任和可靠是连续的社会和经济互动的基础，也是互助，公正，老实以及甚至许多其他形式的亲社会和道品德为的基础。可是，信任会带来风险，建设可信赖的声誉需要支付努力。那么信任和可信赖度是如何生长的，它们在什么条件下蓬勃生长呢？为了找到谜底，我们使用信任博弈来实现信任和可信赖性，并将信任者的投资和受托人的投资回报作为两个关键参数。

我们在差别的网络（包罗完整的网络，随机的和无标度的网络）上研究了这款博弈，而且混淆水平很高。我们讲明，除了一种情况外，网络结构对信任和可信赖度的演变险些没有影响。详细而言，对于充实混淆的种群，晶格，随机和无标度的网络，我们发现信任永远不会演化，而可信度则凭据博弈参数和更新动态而以一定的概率演化。

仅对于具有度非归一化动力学的无标度网络，我们找到了信任演化而可信度却不演化的参数值，以及信任与可信度都演化的值。最后，我们讨论了可能导致信任生长的机制，并概述了未来事情的偏向。大规模异构学术网络中名称消歧的成对学习原文标题： Pairwise Learning for Name Disambiguation in Large-Scale Heterogeneous Academic Networks地址： http://arxiv.org/abs/2008.13099作者： Qingyun Sun, Hao Peng, Jianxin Li, Senzhang Wang, Xiangyu Dong, Liangxuan Zhao, Philip S. Yu, Lifang He摘要： 名称歧义消除旨在识别具有相同名称的唯一作者。现有的名称歧义消除方法总是使用作者属性来增强歧义消除效果。

可是，某些具有歧视性的作者属性（例如，电子邮件和附属关系）可能会因结业或跳槽而发生变化，这将导致同一位作者的论文在数字图书馆中的分散。只管这些属性可能会更改，可是作者的合著者和研究主题不会随时间而频繁更改，这意味着一段时间内的论文在学术网络中具有相似的文本和关联信息。

受此想法启发，我们引入了基于多视图注意力的成对递归神经网络（ projtitle），以解决名称歧义化问题。我们凭据具有区分性的作者属性将论文分为多个小块，同一作者的块将凭据 projtitle的成对分类效果举行合并。projtitle将异构图嵌入学习和成对相似性学习组合到一个框架中。

除了属性和结构信息之外， projtitle还通过元路径使用语义信息并以归纳方式生成节点表现形式，该表现形式可扩展至大型图。此外，接纳语义级此外关注机制来融合多个基于元路径的表现。由两个RNN组成的伪暹罗网络以公布时间顺序的两个纸序列作为输入，并输出它们的相似性。

在两个真实世界的数据集上的效果讲明，我们的框架在名称消歧任务上的性能有了显著且连续的改善。还证明晰 projtitle可以在少量训练数据下体现良好，而且在差别研究领域中具有更好的泛化能力。

离散数据的高效鲁棒性证书：用于图、图像等工具的思量稀疏的随机平滑原文标题： Efficient Robustness Certificates for Discrete Data: Sparsity-Aware Randomized Smoothing for Graphs, Images and More地址： http://arxiv.org/abs/2008.12952作者： Aleksandar Bojchevski, Johannes Klicpera, Stephan Günnemann摘要： 验证离散数据模型的鲁棒性的现有技术或者仅适用于一小类模型，或者以效率或精密性为价格而通用的技术。此外，正如我们的发现所讲明的那样，它们并没有思量输入中的稀疏性，这对于获得非平凡的担保通常是必不行少的。我们提出了一种基于随机平滑框架的模型不行知证书，该框架包罗了较早的事情，而且精密，高效且具有稀疏性。

它的盘算庞大度不取决于离散种别的数量或输入的维度（例如，图巨细），因此具有很高的可伸缩性。我们展示了我们的方法在种种模型，数据集和任务上的有效性-特别强调了它在Graph Neural Networks中的使用。

到现在为止，由于离散和非i.d.，很难为GNN获得可证明的保证。图数据的性质。我们的方法可以验证任何GNN并处置惩罚对图结构和节点属性的扰动。

在Altmetrics大型数据中使用推特情感原文标题： Exploiting Tweet Sentiments in Altmetrics Large-Scale Data地址： http://arxiv.org/abs/2008.13023作者： Saeed-Ul Hassan, Naif Radi Aljohani, Usman Iqbal Tarar, Iqra Safder, Raheem Sarwar, Salem Alelyani, Raheel Nawaz摘要： 本文旨在使用科学文献（特别是推文）上的社交交流来分析社交媒体用户对研究领域内出书物的看法。首先，我们使用SentiStrength工具（使用新建立的词典术语举行了扩展）来分类与Altmetric.com提供的1,083,535个出书物相关的6,482,260条推文的情绪。然后，我们提出基于谐波均值的统计量度，以使用正负情绪得分和频率指标来生成专门的词典。

接下来，我们在领域级此外情感分析中接纳新颖的文章级别总结方法，以评估Twitter上社交媒体用户对科学文献的看法。最后，我们提出并接纳一种基于方面的分析方法来挖掘用户与本文各个方面相关的表达，例如其标题，摘要，方法，结论或效果部门的推文。我们讲明研究社区对各自领域体现出差别的看法。对文章方面的按领域分配的分析讲明，在医学，经济学，商业与决议科学中，tweet方面集中在效果部门。

相反，物理与天文学，质料科学和盘算机科学的这些方面则集中在方法论部门。总体而言，该研究有助于我们相识科学界对科学文献的在线社会交流的情感。

详细而言，这种细粒度的分析可以资助研究社区改善与科学文章的社交媒体交流，从而有效地流传其科学发现并进一步增加其社会影响力。节点和边上事件间时间的同时重尾漫衍的生成模型原文标题： Generative models of simultaneously heavy-tailed distributions of inter-event times on nodes and edges地址： http://arxiv.org/abs/2008.13034作者： E. Fonseca dos Reis, A. Li, N. Masuda摘要： 代表人类运动的离散事件以及其他类型事件之间的距离通常听从重尾漫衍，而且已经深入研究了它们对网络上的团体动力学（如感染历程）的影响。

文献支持这种重尾漫衍在与网络中的单个节点和单个边都相关的事件间时间中存在。可是，同时存在节点和边的事件间时间的重尾漫衍是不平凡的现象，其起源难以捉摸。

在本研究中，我们提出了一个生成模型及其变体来解释这种现象。我们假设每个节点凭据一连时间的两状态马尔可夫历程在高运动状态和低运动状态之间独立过渡，而且对于主模型，当且仅当两者都发生时，边上的事件发生率很高边的末了节点处于高运动状态。换句话说，只有当两个节点都喜欢与其他节点交互时，两个节点才会频繁交互。该模型为单个节点和边生成事件间时间的漫衍，类似于某些尺度上的重尾漫衍。

它还在一连的事件间时间中发生正相关，这是对人类运动的履历数据的另一种气势派头化视察。我们希望我们的建模框架为研究非泊松事件序列驱动的时态网络的动力学提供有用的基准。

通过随意互连最大化多层网络中的代数连通性原文标题： Maximizing the algebraic connectivity in multilayer networks with arbitrary interconnections地址： http://arxiv.org/abs/2008.13036作者： Ali Tavasoli, Ehsan Ardjmand, Heman Shakeri摘要： 拉普拉斯矩阵的第二个最小特征值在表征许多网络特性时具有决议性作用，被称为代数连通性。在本文中，我们通太过配预算允许的互连权重同时允许任意互连，来研究最大化多层网络中的代数毗连性的问题。

对于低于阈值的预算，我们确定了最大代数毗连的上限，该上限与互连模式无关，而且可以满足一定的纪律性条件。为了在没有剖析解的区域中提供有效的数值方法，我们将问题投射到一个凸框架中，该凸框架从多个角度探讨该问题，尤其是将其转换为易于解释且与最佳扩散阶段相关的图嵌入问题。允许任意互连需要多个过渡区域，相对于一对一互连情况，扩散阶段将越发多样化。

当对互连模式没有限制时，我们得出几个分析效果，这些效果通过单个Fiedler向量来表征最佳权重。我们使用代数连通性的比率和层巨细来解释效果。最后，我们使用每一层的Fiedler向量分量，通过贪婪启发法研究有限数量的互连链接的放置。

Twitter网上气候变化话语中的情感极化原文标题： Affective Polarization in Online Climate Change Discourse on Twitter地址： http://arxiv.org/abs/2008.13051作者： Aman Tyagi, Joshua Uyheng, Kathleen M. Carley摘要： 在线社交媒体已成为组织差别社会文化和政治主题的重要平台。广泛的奖学金讨论了如何将人们分为类似回声室的人群。可是，缺乏与量化两个竞争团体之间的敌对交流或“情感偏见”有关的事情。

本文提出了一种基于网络的系统方法，用于检查在线对话中的情感极化。此外，我们将我们的框架应用于有关气候变化的100周Twitter讨论中。我们发现，对于那些相信（信徒）相信气候变化的人为原因的人，气候变化的拒绝者（不信者）比反之亦然。此外，与信徒相比，在更敌对的星期中，不信者会使用更多与自然灾害相关的单词和标签。

这些发现对研究在线话语中的情感南北极分化具有重要意义，尤其是在气候变化问题上。最后，我们在日益重要的气候变化流传研究的配景下讨论我们的发现。关于气候变化的南北极化推文原文标题： Polarizing Tweets on Climate Change地址： http://arxiv.org/abs/2008.13054作者： Aman Tyagi, Matthew Babcock, Kathleen M. Carley, Douglas C. Sicker摘要： 我们先容了一个框架，用于分析两个相互竞争的Twitter用户组之间的对话，一个用户相信气候变化的人为原因（信徒），另一个则怀疑（Twitter）。作为案例研究，我们在波兰卡托维兹举行的团结国气候变化大会-COP24（2018）期间使用了与气候变化相关的推文。

我们发现，不信者和信徒在他们的小组中比在其他小组中攀谈更多。不信者比信徒更是如此。Disbeliever信息更多地集中在攻击那些相信人为气候变化原因的人。另一方面，“信奉者”的信息集中在应对气候变化的呼吁上。

我们发现，在“不信者”和“信徒”中，类似机械人的帐户同样活跃，而且与“信徒”差别，“不信者”从大量新闻源获取新闻。概率湍流散度：一种用于比力重尾种别漫衍的可调同观点工具原文标题： Probability-turbulence divergence: A tunable allotaxonometric instrument for comparing heavy-tailed categorical distributions地址： http://arxiv.org/abs/2008.13078作者： P. S. Dodds, J. R. Minot, M. V. Arnold, T. Alshaabi, J. L. Adams, D. R. Dewhurst, A. J. Reagan, C. M. Danforth摘要： 现实世界中的庞大系统通常包罗许多差别类型的元素以及元素之间的更多类型的网络交互。

当类型的相对品貌可以很好地丈量时，我们进一步视察到类型频率的重尾分类漫衍。为了比力两个系统或系统自己在差别时间点的类型频率漫衍-异位滴定法的一个方面-可以使用很大规模的概率差异。在这里，我们先容并探索“概率-湍流散度”，这是一种用于比力归一化分类频率漫衍的可调，直接且可解释的工具。我们在品级湍流发散（RTD）之后对概率湍流发散（PTD）举行建模。

只管概率湍流发散比秩湍流发散在应用上受到更多限制，但它对类型频率的变化越发敏感。我们建设了等渗线描记器以显示概率湍流，并联合了一种在视觉上容纳“排他类型”的零概率的方法，“排他类型”是仅泛起在一个系统中的类型。

我们将对来自文学，社交媒体和生态学的示例漫衍举行比力。我们展示了概率湍流散度如何显式地或在功效上归纳综合了许多现有的距离和怀抱，包罗作为特殊情况的 L ^ （p） 范数，S o rensen-Dice系数（ F_1 统计信息）和赫林格距离。我们讨论了与R ‘e nyi和Tsallis的广义熵以及生态学的多样性指数（或希尔数）的相似性。

我们以关于优化秩和和或湍流散度调优的未解决问题的思想作为竣事。黑市驱动的在线媒体冲突：一项综述原文标题： Blackmarket-driven Collusion on Online Media: A Survey地址： http://arxiv.org/abs/2008.13102作者： Hridoy Sankar Dutta, Tanmoy Chakraborty摘要： 在线媒体平台使用户能够与小我私家，组织联系并分享他们的想法。除了连通性之外，这些平台还具有多种用途-教育，促销，更新，认识等。因此，如今在网络媒体中提高小我私家声誉（又称社交增长）至关重要，尤其是对于那些寻找时机的企业主和运动司理而言提高他们的宣传和销售。

获得社会增长的自然方法是一项繁琐的任务，从而导致缔造不公正的方法来人为地提高小我私家声誉。几个在线黑市服务已经开发了蓬勃生长的生态系统，提供了有利可图的优惠，以吸引内容公布者在网上公然其内容。

这些服务的运作方式使媒体政府不注意其大多数无机运动，而且黑市服务的客户不太可能被发现。我们将这种在在线媒体上提高社会声誉的不公正方式称为勾通。这项观察是首次实验为读者提供有关识别和分析黑市驱动的在线媒体同谋的最新研究的全面概述。我们对问题举行了概述，对相关问题和观点举行了界说，对提出的方法举行了分类，对可公然获得的数据集和在线工具举行了形貌，并讨论了悬而未决的问题。

我们认为，同谋实体检测是异常检测和网络宁静研究中一个新兴的主题，当前观察将为读者提供迄今为止易于使用的，全面的方法，工具和资源清单，以供检测和发现。分析在线媒体上的勾通实体。COVID-19流传的分析、建模和表现：以印度为例原文标题： Analysis, Modeling, and Representation of COVID-19 Spread: A Case Study on India地址： http://arxiv.org/abs/2008.13116作者： Rahul Mishra, Hari Prabhat Gupta, Tanima Dutta摘要： 冠状病毒的发作是地球上整小我私家类面临的最具挑战性的大盛行之一。隔离熏染者和保持社会距离等技术是对COVID-19盛行病的唯一预防措施。

对数据有限的受熏染人数的实际预计是数据科学家面临的不确定的问题。现有文献中有许多技术用于预测盛行病和感染病的连续时间，包罗繁殖数，病死率等。本文提供了一个案例研究，涉及与盛行病（例如COVID-19）相关的数据的分析，建模和表现的差别技术。

我们进一步提出了一种用于预计特定区域中熏染流传状态的算法。这项事情还提出了一种算法，用于从易感性感染和恢复模型中预计盛行病的竣事时间。最后，本文提供了实证和数据分析，以研究流传概率，接触率，感染性和易感性对盛行病流传的影响。社交媒体上的时间心理康健动态原文标题： Temporal Mental Health Dynamics on Social Media地址： http://arxiv.org/abs/2008.13121作者： Tom Tabak, Matthew Purver摘要： 我们形貌了一组用于建设时间性心理康健动力学系统的实验。

我们使用现有方法对来自社交媒体平台的心理康健数据举行远程羁系，并以案例研究的形式在全球COVID-19大盛行期间部署该系统。只管这项任务具有挑战性，但我们还是取得了令人鼓舞的效果，无论是对全球大盛行的影响是明确的，还是对全球大盛行的圣诞节抑郁现象的表示，都获得了文献的支持。我们提出了一种方法，以提供对时态心理康健动态的洞察力，以用于战略决议。CheckThat 2020的QMUL-SDS：使用带有数字表达式的增强型CT-BERT确定COVID-19 Tweet检查的准确性原文标题： QMUL-SDS at CheckThat! 2020: Determining COVID-19 Tweet Check-Worthiness Using an Enhanced CT-BERT with Numeric Expressions地址： http://arxiv.org/abs/2008.13160作者： Rabab Alkhalifa, Theodore Yoong, Elena Kochkina, Arkaitz Zubiaga, Maria Liakata摘要： 本文先容了QMUL-SDS团队对CLEF 2020 CheckThat任务1的到场！共享任务。

这项任务的目的是确定有关COVID-19的推文的可检查性，以识别需要确定事实的推文并确定其优先级。总体目的是进一步支持正在举行的努力，以掩护民众免受假新闻的侵害，并资助人们找到可靠的信息。我们形貌和分析我们提交的效果。

我们展示了使用带有数字表达式的COVID-Twitter-BERT（CT-BERT）增强的CNN可以有效地提高基线效果的性能。我们还显示了有关其他主题的谣言训练数据增强的效果。我们最好的系统在任务中排名第四，其令人鼓舞的效果讲明未来有革新效果的潜力。都会形态发生简朴模型的比力原文标题： A comparison of simple models for urban morphogenesis地址： http://arxiv.org/abs/2008.13277作者： Juste Raimbault摘要： 都会区域内人口或运动的空间漫衍，或介观尺度上的都会形式，是多重反抗历程的效果。

我们在本文中提出了基准测试差别的都会形态发生模型，以系统比力它们可以发生的都会形态。包罗差别类型的方法，例如反映扩散模型，基于重力的模型和相关的渗滤。应用多样性搜索算法，通过比力世界规模内都会地域的履历值，我们预计了每个模型在都会形态指标空间内的可行空间。

我们发现了差别类型流程的互补性，主张接纳多种都会模型。Match4Rec：一种基于双向编码器匹配任务的新型推荐算法原文标题： Match4Rec: A Novel Recommendation Algorithm Based on Bidirectional Encoder Representation with Matching Task地址： http://arxiv.org/abs/2008.13345作者： Lingxiao Zhang, Jiangpeng Yan, Yujiu Yang, Xiu Li摘要： 在有效的推荐系统中，准确表征用户的兴趣至关重要。顺序推荐器系统可以从一连的用户项目交互和动态用户的偏好中学习强大的用户隐藏表现。为了分析此类顺序数据，通例方法主要包罗马尔可夫链（MC）和递归神经网络（RNN）。

迩来，自注意力机制和双向体系结构的使用已引起广泛关注。可是，在以前的事情中仍然存在一个主要限制，即它们仅在行为序列中划分对用户的主要目的举行建模和局部建模，而且它们缺乏用户整体顺序行为的全局表现。为相识决此限制，我们提出了一种新颖的双向顺序推荐算法，该算法通过对匹配任务的附加监视将用户的当地目的与全局偏好集成在一起。在双向编码器的训练历程中，我们将遮罩任务与匹配任务联合在一起。

还引入了一种新的样品生产方法来减轻掩膜噪声的影响。我们提出的模型不仅可以从用户的行为序列中学习双向语义，而且可以显式地生成用户表现形式来描画用户的全局偏好。

大量的履历研究讲明，我们的方法大大优于种种最新模型碳约束的未来能源系统中的氢渗透和燃料电池汽车的部署原文标题： Hydrogen Penetration and Fuel Cell Vehicle Deployment in the Carbon Constrained Future Energy System地址： http://arxiv.org/abs/2008.13414作者： Andrew Chapman, Dinh Hoa Nguyen, Hadi Farabi-As, Kenshi Itaoka, Katsuhiko Hirose, Yasumasa Fujii摘要： 这项研究详细先容了一个全球模型的效果，该模型预计了到2050年氢在碳约束能源系统中的渗透率。着眼于最小和最大渗透率情景，对全球燃料电池汽车（FCV）的使用举行了观察，并意识到了最佳的经济效益。在日本的案例研究中，在全球规模内部署和利益相关者的偏好。

该模型在数学上被公式化为一个很是大规模的线性优化问题，旨在使系统成本（包罗发电类型，燃料成本，转换成本和碳减排成本）最小化，但要受每个国家二氧化碳减排的约束。效果讲明，到2050年，氢能满足全球能源消耗需求的约0.8％至2％，其中都会燃气和交通运输将成为重要的用例。乘用车燃料电池汽车和氢气巴士险些占据了所有以氢为基础的运输行业，到2050年将在全球部署约1.2亿辆燃料电池汽车。

氢气生产依赖化石燃料，而经合组织国家是净入口国，尤其是日本，其净入口量为100 ％入口案例。为了支撑化石燃料的氢气生产，在预计会有大量FCV时，需要大量的碳捕集与封存（CCS）。利益相关者的到场讲明对FCV的部署持乐观态度，而确定的政策问题包罗未来大规模能源系统投资的须要性以及可再生能源技术和电解槽技术和经济可行性的快速进步。

南非数据不足是否可以解释其早期SARS-CoV-2岑岭？原文标题： Could Deficiencies in South African Data Be the Explanation for Its Early SARS-CoV-2 Peak?地址： http://arxiv.org/abs/2008.13521作者： S. J. Childs摘要： 与先前对封锁机制的分析所预测的阈值相比，SARS-CoV-2大盛行到达峰值的时间很早。最利便的解释是，某些外部因素改变了基本再现数的值 rrm 0 ；对此肯定有争论。

只管如此，其他因素也可能起作用。这项研究试图将观察到的峰值与锁定机制所预测的阈值举行和谐，该锁定机制与其时有效的锁定机制相似。

它思量了数据中两个差别的假设错误的影响：第一个是乘数因素低估了熏染的真实水平，第二个是人口中未被察觉的，已有的免疫部门。只管已经讲明，仅通过这两种现象，就肯定有可能使视察到的早期峰与视察到的峰一样极端，但该值必须相当高。无论如何，这种现象都是微不足道的。

另有一个不行制止的事实，即熏染的早期岑岭与 r rm 0 的相当深刻的变化同时发生。在所有预期的数据缺乏情况下。偏见动态：当妖怪在细节中原文标题： Biased Opinion Dynamics: When the Devil Is in the Details地址： http://arxiv.org/abs/2008.13589作者： Aris Anagnostopoulos, Luca Becchetti, Emilio Cruciani, Francesco Pasquale, Sara Rizzo摘要： 当存在对两种可能的看法之一的偏见时，我们研究多主体网络中的看法动态。

例如，反映现状与优越的选择。从所有主体共享代体现状的初始意见开始，系统逐步生长。在每个步骤中，随机选择的一个主体以某种概率 alpha 采取上级看法，而且以概率 1- alpha 遵循潜在的更新规则，以凭据其邻人持有的看法修改其看法。

我们分析了两个众所周知的更新规则（多数和投票者）下效果历程的收敛性。我们提出的框架展示了一个富厚的结构，在拓扑和基础更新规则之间没有显着的相互作用。

例如，对于voter规则，我们讲明收敛速度与底层拓扑没有显著相关性，而在多数规则下，图片完全改变了，而多数规则对网络密度发生负面影响。我们认为，我们提出的模型同时简朴，富厚且模块化，能够在统一的情况中对偏见，潜在的舆论动态和社会结构之间的相互作用举行数学表征。COVID-19期间与网络欺凌相关的Twitter讨论的变换点分析原文标题： Change-Point Analysis of Cyberbullying-Related Twitter Discussions During COVID-19地址： http://arxiv.org/abs/2008.13613作者： Sanchari Das, Andrew Kim, Sayar Karmakar摘要： 由于COVID-19的发作，用户越来越多地转向在线服务。

还发现社交媒体使用量增加，导致怀疑这也增加了网络欺凌行为。在这项开端事情中，我们探索了由于盛行病和高社交媒体使用率而导致网络欺凌事件增加的可能性。为了评估这种趋势，我们收集了2020年1月1日至2020年6月7日之间公布的454,046个与网络欺凌相关的公共推文。我们将包罗多个关键字的推文汇总到其逐日计数中。

我们的分析讲明，大多数这些关键字最多存在一个统计上有意义的变换点，这些变换点主要位于3月底左右。险些所有这些变换点时间位置都可以归因于COVID-19，该数据通过对Twitter上的讨论举行分析，证实了我们最初的假设，即网络欺凌行为有所增加。破坏都会交通原文标题： Cracking urban mobility地址： http://arxiv.org/abs/2008.13644作者： H. A. Carmona, A. W. T. de Noronha, A. A. Moreira, N. A. M. Araujo, J. S. Andrade Jr摘要： 评估门路网络的弹性有助于改善现有基础设施并设计新的基础设施。在这里，我们应用最佳路径裂痕模型（OPC）来研究门路网络的流动性，并为都会流动性的恢复提出新的主体。

与静态方法相反，OPC将重新路由的动态思量为对交通拥堵的响应。准确地说，是在能够使系统瓦解的最佳起点-目的路径的最懦弱部门模拟一系列故障（裂纹）。我们对综合和真实门路网络的研究效果讲明，它们的杂乱水平，单向路段的分数和空间相关性会严重影响交通拥堵的懦弱性。

通过将OPC应用于波士顿市中心和曼哈顿，我们发现波士顿比曼哈顿懦弱得多。这与波士顿在平均交通浪费时间最多的美国多数市区中压倒一切这一事实是吻合的。此外，我们的分析讲明，这种差异的泉源来自每个门路网络的内在空间相关性。

最后，我们认为，由于其全球影响力，OPC识别出的最重要的裂痕可用于查明门路网络中潜在的小门路变换和结构变化，从而能够显著改善都会交通。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：买球的app,Arxiv,网络,科学,论文,摘要,21篇,2020-09-01,再探

本文来源：买球的app-www.darenge.com