用于社会推荐的自监视多通道超图卷积网络;超网络：从偏序集到几何;区块链社会网络中的社区检测;缓解COVID-19大盛行影响的最佳干预计谋;关于COVID-19疫苗的典型叙述：Reddit版本的大盛行故事;只管COVID重复发作，但运输中的CO _2 排放仍然很高;COVID-19大盛行期间疾病事件的时间聚类;通过强化学习将公交车最佳地分配到公交车站;人工智能在COVID-19社交隔离期间的情绪-语义趋势和人的情绪检测;剖析模因魔术：明白图像模因中的病毒性指标;用于社区检测的多层聚类技术;从Z世代，千禧一代到婴儿潮一代：COVID-19大盛行期间在家事情的形象;ExpFinder：集成N-gram向量空间模型和mu CO-HITS的集成专家查找模型;国会大厦暴乱：Twitter和Parler的比力研究;社会凝聚力与任务凝聚力：演化博弈论研究;从噪声中分散争议：结构极化怀抱的比力和归一化;灾黎营中太阳能-柴油混淆动力微型电网的潜力：以卢旺达Nyabiheke灾黎营为例;最高法院引证的生成动态：使用新的统计网络模型举行分析;高阶网络上的突发袒露会导致非线性熏染核;用于社会推荐的自监视多通道超图卷积网络原文标题： Self-Supervised Multi-Channel Hypergraph Convolutional Network for Social Recommendation地址： http://arxiv.org/abs/2101.06448作者： Junliang Yu, Hongzhi Yin, Jundong Li, Qinyong Wang, Nguyen Quoc Viet Hung, Xiangliang Zhang摘要： 社交关系通常用于提高推荐质量，大多数现有的社交推荐模型使用成对关系来挖掘潜在的用户偏好。可是，用户之间的实际交互很是庞大，而且用户关系可能是高级的。

Hypergraph提供了一种自然的方式来为庞大的高阶关系建模，而其社交推荐的潜力尚未获得充实挖掘。在本文中，我们填补了这一空缺，并提出了一种多通道超图卷积网络，以通过使用高阶用户关系来增强社会推荐。从技术上讲，网络中的每个通道都对超图举行编码，该超图通过超图卷积来形貌常见的高阶用户关系模式。

通过汇总通过多个渠道学习到的嵌入，我们获得了全面的用户表现形式以生成推荐效果。可是，聚合操作也可能会掩盖差别类型的高阶毗连信息的固有特性。为了弥补累积的损失，我们将自我监视学习创新地集成到超图卷积网络的训练中，以重新获得连通性信息。在多个真实世界数据集上的实验效果讲明，所提出的模型优于SOTA方法，而且消融研究证明晰多通道设置和自我监视任务的有效性。

超网络：从偏序集到几何原文标题： Hypernetworks: From Posets to Geometry地址： http://arxiv.org/abs/2101.06429作者： Emil Saucan摘要： 我们证明超网络可以看作是姿势，而姿势自己又自然地解释为简朴复形，因此具有固有的曲率观点，即Forman Ricci曲率，它与Euler特性密切相关。简朴复合体。这种方法受E. Bloch的启发，使我们能够将简朴庞大结构规范地关联到有向或无向的超网络。特别是，这大大简化了我们先前提出的几何持久同源性方法。

区块链社会网络中的社区检测原文标题： Community Detection in Blockchain Social Networks地址： http://arxiv.org/abs/2101.06406作者： Sissi Xiaoxiao Wu, Zixian Wu, Shihui Chen, Gangqiang Li, Shengli Zhang摘要： 在这项事情中，我们思量了区块链网络中的社区检测。我们专门以比特币网络和以太坊网络为两个示例，其中社区检测以差别的方式发挥作用。对于比特币网络，我们修改了传统的社区检测方法，并将其应用于生意业务社会网络，以聚类具有相似特征的用户。

另一方面，对于以太坊网络，我们基于智能合约生意业务界说了双向社交图。一种新颖的社区检测算法，专门针对图表上的低秩信号而设计，可以资助基于用户令牌订阅找到用户的社区。

基于这些效果，设计了两种计谋来向同一社区中的那些用户交付链上广告。我们在真实数据上实现提出的算法。通过接纳革新的聚类算法，比特币网络中的社区效果与已经向民众宣布的博彩网站社区的真实性基本一致。同时，我们在真实的以太坊数据上运行建议的计谋，可视化效果并在Ropsten测试网上实现广告投放。

缓解COVID-19大盛行影响的最佳干预计谋原文标题： Optimal intervention strategies to mitigate the COVID-19 pandemic effects地址： http://arxiv.org/abs/2101.06282作者： Andreas Kasis, Stelios Timotheou, Nima Monshizadeh, Marios Polycarpou摘要： 现在，世界各国政府都面临着选择合适的干预计谋以应对COVID-19大盛行的影响的任务。这是一项极富挑战性的任务，因为严厉的措施可能会导致经济瓦解，而宽松的战略可能会导致高死亡人数。

因此，我们思量了制定干预计谋以减轻COVID-19大盛行的影响的问题，该计谋优化了死亡人数与社会经济成本之间的权衡。我们证明医疗保健能力和测试率在很大水平上影响最佳干预计谋。

此外，我们提出了一种方法，该方法可以通过少量计谋和政策更改实现靠近最优的实用计谋。特别是，我们提供了工具来决议应执行哪些政策以及政府何时应更改为其他政策。最后，我们思量所出现的效果如何受到初始繁殖数量和熏染死亡率的不确定性的影响，并证明当接纳更严格的计谋时，参数不确定性的影响更大。

关于COVID-19疫苗的典型叙述：Reddit版本的大盛行故事原文标题： Characterizing Discourse about COVID-19 Vaccines: A Reddit Version of the Pandemic Story地址： http://arxiv.org/abs/2101.06321作者： Wei Wu, Hanjia Lyu, Jiebo Luo摘要： 自COVID-19大盛行发作以来已经一年了。好消息是，一些制造商开发的疫苗正在全球规模内努力分发。

可是，随着越来越多的疫苗可供民众使用，与疫苗相关的种种担忧成为可能阻碍民众接种疫苗的主要障碍。思量到这些问题的庞大性及其潜在危害，本研究旨在提供一个清晰的认识，以明白差别人群在谈论COVID-19疫苗时，尤其是在Reddit上活跃的疫苗时所关注的问题。

通过将LDA和LIWC运用定量和定性比力的联合所发生的看法来表征相关话语，从而实现了这一目的。观察效果包罗：1）在大盛行期间，以串谋理论为主导的Reddit评论所占比例凌驾了其他任何话题； 2）每个子目录都有自己的用户群，因此公布在一个子目录中的信息可能无法到达其他子目录中的信息； 3）由于用户的关注因时间和子需求而异，因此必须凭据特定需求调整相同计谋。

这项研究的效果讲明，在设计有效的相同和免疫计划历程中，挑战与机缘并存。只管COVID重复发作，但运输中的CO _2 排放仍然很高原文标题： Transportation CO$_2$ emissions stayed high despite recurrent COVID outbreaks地址： http://arxiv.org/abs/2101.06450作者： Yilong Wang, Zhu Deng, Philippe Ciais, Zhu Liu, Steven J. Davis, Pierre Gentine, Thomas Lauvaux, Quansheng Ge摘要： 在2020年上半年运输相关的CO _2 排放急剧下降然后反弹之后，今年秋天的第二次COVID-19浪潮进一步淘汰了排放量，但幅度不那么大。在这里，我们使用逐日排放量的近实时估算来探索2020年人类行为和限制政策的差异。COVID-19大盛行期间疾病事件的时间聚类原文标题： Temporal Clustering of Disorder Events During the COVID-19 Pandemic地址： http://arxiv.org/abs/2101.06458作者： Gian Maria Campedelli, Maria Rita D’Orsogna摘要： COVID-19大盛行引发了多种公共卫生，社会经济和机构危机。

为减慢病毒的流传而接纳的措施在政府和公民之间造成了很大的压力，引发了社会动荡和反政府示威的浪潮。通过重点研究事件发生数量最多的三个国家（印度，以色列和墨西哥），我们研究了由“ COVID-19 Disorder Tracker”倡议所记载的与大盛行性疾病相关的事件的时间性质。通过对数据流举行泊松和霍克斯历程拟合，我们发现在这三个国家中，无序事件是相互依存和自引发的。

地理聚类在国家以下各级确认了这些特征，讲明全国性的杂乱随着中尺度自激模式的融合而泛起。在盘算国家以下集群之间事件的相关性时，在国家之间视察到相当大的多样性；这些都是在特定的政治，社会和地理特征的配景下讨论的。以色列是领土最紧凑的地域，在大规模的抗议运动中，由于政府的封锁而举行了协调，在事件发生后，以色列体现出最大的反映力和最短的影响力，而且在全国规模内体现最强。在从未强制执行完整锁定数令的墨西哥，反映性和全国同步性最低。

我们的事情突显了政府必须促进当地信息运动，以确保生计和病毒停止政策不被认为是相互排挤的。通过强化学习将公交车最佳地分配到公交车站原文标题： Optimal assignment of buses to bus stops in a loop by reinforcement learning地址： http://arxiv.org/abs/2101.06464作者： Luca Vismara, Lock Yue Chew, Vee-Liem Saw摘要： 总线系统涉及庞大的总线-总线和总线-搭客交互。

我们研究了将公交车分配到公交车站以最大水平地淘汰搭客的平均期待时间W的问题。提出了两种特殊相互作用的分析理论：正常情况下，所有公交车都从每个公交车站上车，而新型公交车则是非交互公交车的不相交子集服务于公交车站的不相交子集。我们的公式允许在所检查的两种情况下准确盘算一般回路的W。与通例巴士相比，我们出现了高速巴士的W改善情况。

从我们的理论中可以得出有用的看法：1）所需的巴士数量最少； 2）将拥挤的公交车站分成两个拥挤的公交车站，这通常会增加W对于通例公交车，3）更改搭客的目的地和公交车站的位置不会影响W。在第二部门中，我们引入了强化学习平台，该平台克服了我们的分析方法的局限性，以寻求公交车在公交车站之间的更好分配与以前的案例相比，允许在总线之间举行任何可能的交互，从而释放出新颖的应急计谋。

我们基于从南洋理工大学的穿梭巴士系统收集的数据，将此工具应用于一个简朴的玩具模型和三个以履历为依据的巴士环路。在简化模型中，我们视察到一种无法预料的计谋，该计谋无法用我们的数学公式举行分析，而且显示出杂乱的行为。在三种基于履历的情况下，可能的设置约莫为10 ^ 11、10 ^ 11和10 ^ 20，因此无法接纳蛮力方法。与通例巴士相比，我们的算法将W降低了12％至32％，与快速巴士相比，将W降低了12％至29％。

该工具具有实际应用价值，因为它独立于总线回路的特定特性而事情。人工智能在COVID-19社交隔离期间的情绪-语义趋势和人的情绪检测原文标题： Artificial Intelligence for Emotion-Semantic Trending and People Emotion Detection During COVID-19 Social Isolation地址： http://arxiv.org/abs/2101.06484作者： Hamed Jelodar, Rita Orji, Stan Matwin, Swarna Weerasinghe, Oladapo Oyebode, Yongli Wang摘要： 使用诸如Twitter之类的社交媒体平台，本文为隔离工具中的情绪检测提供了有效的框架。尽早发现情绪感受及其趋势有助于实施实时的干预计谋。鉴于隔离期间对早期情绪变化征兆举行医学诊断的局限性，人工智能模型提供了展现早期征兆，症状和逐步生长趋势的有效机制。

本文先容的方法的新颖性是文本数据处置惩罚的多任务方法框架，基于用于情感检测和趋势检测的Plutchik / Ekman方法，被实现为有意义的情感检测和分析的管道。我们对框架和试验系统举行评估。

效果证实了所提出的框架对COVID-19推文的主题趋势和情绪检测的有效性。我们的发现讲明，“居家”限制导致人们在推特上表达负面和正面的情感语义。与待在家里有关的宁静问题的语义趋势在28天内迅速下降，而且与朋侪弥留和隔离生活有关的负面情绪在某些天内有所增加。

这些发现有可能通过监视被隔离人员的情感趋势来影响公共卫生政策的决议。这里先容的框架有潜力通过用作在线情绪检测工具套件来协助举行此类监视。

剖析模因魔术：明白图像模因中的病毒性指标原文标题： Dissecting the Meme Magic: Understanding Indicators of Virality in Image Memes地址： http://arxiv.org/abs/2101.06535作者： Chen Ling, Ihab AbuHilal, Jeremy Blackburn, Emiliano De Cristofaro, Savvas Zannettou, Gianluca Stringhini摘要： 只管图像模因饰演着越来越重要的角色，但我们对可能使模因在社交媒体上流行一时的元素还没有足够的明白。在本文中，我们研究了哪些视觉元素在构图，主题和目的受众这三个维度上将社交媒体上高度流传的图像模因与那些未被重新共享的图像模因加以区分。借鉴艺术理论，心理学，市场营销和神经科学方面的研究，我们开发了一个代码簿来表征图像模因，并用其注释从4chan政治上不正确的收集的100个图像模因。

一方面，我们发现高病毒性模因更可能使用特写量表，包罗人物并包罗正面或负面情绪。另一方面，没有出现寓目者可以关注的清晰主题的图像模因或包罗长文本的图像模因不太可能被用户重新共享。我们训练机械学习模型来区分可能流传的图像模因和不太可能被重新共享的图像模因，从而在我们的数据集上获得0.866的AUC。

我们还讲明，通过我们的模型识别出的病毒性指标也可以资助表征主流在线社会网络上公布的最具病毒性的模因，因为我们的分类器能够预测2016年在Twitter和Reddit上公布的20种最受接待的图像模因中的19种。和2018年。总体而言，我们的分析展现了在线上具有病毒性和非病毒性视觉内容特征的指标，并为开发更好的技术来建立或调治更可能引起观众注意的内容奠基了基础。

用于社区检测的多层聚类技术原文标题： A multilevel clustering technique for community detection地址： http://arxiv.org/abs/2101.06551作者： Isa Inuwa-Dutse, Mark Liptrott, Yannis Korkontzelos摘要： 网络是由许多社区组成的，即具有更强关系，具有奇特和重叠属性的节点和边集。出于种种原因，社区检测至关重要，例如，充当网络的功效单元，可以描画节点之间的当地交互。社区的形式和类型多种多样，从生物学到技术诱导的不等。

作为技术引发的社区，Twitter和Facebook等社交媒体网络毗连了众多的差别用户，从而形成了高度毗连且动态的生态系统。只管已经提出了许多算法来检测Twitter上具有社会凝聚力的社区，可是挖掘和相关任务仍然具有挑战性。这项研究提出了一种基于可伸缩框架的新颖检测方法，以识别网络中的相关社区。

我们提出了一种多条理的聚类技术（MCT），该技术使用结构和文本信息来识别称为微观世界的当地社区。对基准模型和数据集的实验评估证明晰该方法的有效性。

这项研究为检测社会网络中的凝聚力社区提供了新的维度。该方法为形貌底层社区如何在Twitter上生长和行为提供了更好的明白和清晰度。从应用法式的角度来看，识别这些社区可以更好地为推荐提供依据，另有其他利益。

从Z世代，千禧一代到婴儿潮一代：COVID-19大盛行期间在家事情的形象原文标题： From Gen Z, Millennials, to Babyboomers: Portraits of Working from Home during the COVID-19 Pandemic地址： http://arxiv.org/abs/2101.06762作者： Ziyu Xiong, Pin Li, Hanjia Lyu, Jiebo Luo摘要： 自2020年3月以来，由于COVID-19确诊病例的迅速增加，全国规模内的公司开始在家事情（WFH），以试图防止冠状病毒流传并从大盛行中拯救经济。许多组织举行了观察，以明白人们对WFH的看法。

可是，由于观察的样本量有限，而且随着时间的推移主题不停变化，因此，我们使用Twitter数据举行了大规模的社交媒体研究，以描绘对WFH有正面/负面看法的差别群体。我们执行普通的最小二乘回归，以观察关于WFH的情绪与用户特征（包罗性别，年事，种族，家庭收入中位数和人口密度）之间的关系。

为了更好地明白民众舆论，我们使用潜在的Dirichlet分配来提取主题并发现推文内容如何与人们的态度相关。这些发现提供了关于WFH的情感随用户特征而变化的证据。

此外，内容分析展现了情感上的细微差异，并展现了与WFH相关的差异。ExpFinder：集成N-gram向量空间模型和mu CO-HITS的集成专家查找模型原文标题： ExpFinder: An Ensemble Expert Finding Model Integrating N-gram Vector Space Model and mu CO-HITS地址： http://arxiv.org/abs/2101.06821作者： Yong-Bin Kang, Hung Du, Abdur Rahim Mohammad Forkan, Prem Prakash Jayaraman, Amir Aryani, Timos Sellis (Fellow, IEEE)摘要： 寻找专家在推动乐成的互助并加速高质量的研究开发和创新中起着至关重要的作用。可是，科学出书物和数字专业知识数据的快速增长使寻找合适的专家成为一个具有挑战性的问题。现有的寻找给定主题的专家的方法可以归类为基于向量空间模型，文档语言模型和基于图的模型的信息检索技术。

在本文中，我们提出 ExpFinder ，这是一种用于专家发现的新集成模型，该模型集成了新颖的 N -gram向量空间模型（表现为 n VSM）和基于图的模型，表现为如 mu CO-HITS ，这是CO-HITS算法的建议变体。n VSM的关键是对 N -gram词使用最新的逆文档频率加权方法，而 ExpFinder 将 n VSM合并到 mu CO-HITS 中实现专家发现。与六个差别的专家发现模型相比，我们对来自学术领域的四个差别数据集举行了全面评估 ExpFinder。

评估效果讲明， ExpFinder 是一种很是有效的专家发现模型，在所有比力模型中的体现都大大凌驾19％至160.2％。国会大厦暴乱：Twitter和Parler的比力研究原文标题： Capitol (Pat)riots: A comparative study of Twitter and Parler地址： http://arxiv.org/abs/2101.06914作者： Hitkul, Avinash Prabhu, Dipanwita Guhathakurta, Jivitesh jain, Mallika Subramanian, Manvith Reddy, Shradha Sehgal, Tanvi Karandikar, Amogh Gulati, Udit Arora, Rajiv Ratn Shah, Ponnurangam Kumaraguru摘要： 2021年1月6日，一群右翼守旧派袭击了美国国会山，打断了代表2020年总统选举效果的国会集会。运动开始后，与骚乱有关的帖子立刻在社交媒体上盛行起来。脱颖而出的社交媒体平台是支持社交媒体平台Parler的免费演讲。

它被认为是筹谋和讨论暴乱的平台。我们的陈诉显示了骚乱期间Parler和Twitter上的趋势内容之间的对比。我们凭据趋势标签从两个平台收集数据，并凭据所讨论的主题，谁在平台上活跃的人以及两个平台上生成的内容的有机水平举行比力。

只管Twitter上的盛行趋势对事件发生了强烈的反感，并呼吁接纳行动攻击骚乱者和煽动者，但Parler的内容具有强烈的守旧性叙事，呼应了类似于袭击暴民的选民欺诈看法。与Twitter相比，我们还发现Parler上的流量利用比例过高。社会凝聚力与任务凝聚力：演化博弈论研究原文标题： Social cohesion V.S. task cohesion: An evolutionary game theory study地址： http://arxiv.org/abs/2101.06961作者： Xinglong Qu, Shun Kurokawa, The Anh Han摘要： 本文运用演化博弈论的方法，研究了社会凝聚力和任务凝聚力在促进群体互动互助生长中的区别。

玩家到场公益博弈，而且如果发生太多叛逃，则可以脱离他们的团队。社会凝聚力和任务凝聚力都可能阻止玩家脱离。

较高的社会凝聚力会提高玩家对逃避行为的容忍度，而任务凝聚力则与她已往的团队体现相关。有了更高的任务凝聚力，不满足的玩家更有可能参考历史记载，而且如果她已往感应满足的话，仍会留在她的团队中。

我们的效果讲明，社会凝聚力倒霉于互助的生长，而任务凝聚力则有助于互助的生长。这是因为社会凝聚力阻碍了条件分散机制，可是任务凝聚力提高了通常容易堕落的互助社群体的稳健性。我们还将讨论凝聚力的其他潜在方面，以及如何通过我们的建模研究它们。

总体而言，我们的分析通过研究群体动力学为群体凝聚力与群体绩效之间的关系提供了新颖的看法，并提出了演化博弈论在该领域的进一步应用。从噪声中分散争议：结构极化怀抱的比力和归一化原文标题： Separating Controversy from Noise: Comparison and Normalization of Structural Polarization Measures地址： http://arxiv.org/abs/2101.07009作者： Ali Salloum, Ted Hsuan Yun Chen, Mikko Kivelä摘要： 量化南北极分化的数量对于明白和研究政治和社会系统中的政治南北极分化至关重要。

通过纯粹检查社会网络的结构，通常使用几种方法来丈量社会网络中的极化。我们分析了八种这样的方法，效果讲明，纵然对于密度和度漫衍与典型的现实世界网络相似的随机网络，它们都可以发生较高的极化评分。

此外，一些方法对极化基团的度数漫衍和相对巨细敏感。我们建议对现有分数举行归一化，并建议分数应通过的最少测试集，以使其适合于将极化网络与随机噪声分散。在203个网络的分类任务中举行尺度化后，分数的性能提高了38％-220％。

此外，我们发现方法的选择不如归一化那么重要，在此之后，大多数方法的性能要比归一化之前的最佳方法更好。这项事情为严格评估和比力结构极化方法的特征和性能提供了可能性。灾黎营中太阳能-柴油混淆动力微型电网的潜力：以卢旺达Nyabiheke灾黎营为例原文标题： The potential for solar-diesel hybrid mini-grids in refugee camps: A case study of Nyabiheke camp, Rwanda地址： http://arxiv.org/abs/2101.07040作者： Javier Baranda Alonso, Philip Sandwell, Jenny Nelson摘要： 灾黎营中的电力会见通常仅限于人道主义机构的关键操作，而且通常由化石燃料发电机提供动力。我们研究了优化的完全可再生能源和柴油混淆微型电网设计可通过取代柴油使用而在人道主义情况中提供的经济和情况效益。

思量到卢旺达Nyabiheke灾黎营的案例研究，我们发现这些利益是可观的，节约的用度高达总成本的32％，排放量的83％，成本接纳期为0.9至6.2年。只管它们的成本结构差别，但我们发现，与现有的柴油系统相比，系统的所有混淆动力级别均可节约成本和排放。我们着重先容建模工具如何促进系统的引入和逐步扩展，以及如作甚当地的运营提供参考。

这项研究讲明，财政资源，情况目的和行动时间表将如何在个案基础上影响人道主义行为者最适当的系统设计。最高法院引证的生成动态：使用新的统计网络模型举行分析原文标题： Generative Dynamics of Supreme Court Citations: Analysis with a New Statistical Network Model地址： http://arxiv.org/abs/2101.07197作者： Christian S. Schmid, Ted Hsuan Yun Chen, Bruce A. Desmarais摘要： 美国最高法院多数意见的重要性和影响力很大水平上来自于意见作为未来意见先例的作用。越来越多的文献试图通过研究最高法院的案例引用方式来明白是什么促使以看法为先例。我们提出了有关最高法院引证的现有事情的两个限制。

首先，二元引用通常在分析之前汇总到案例级别。其次，引用被视为独立泛起。我们提出了一种方法来研究最高法院意见之间在二进条理上的引用（作为网络），从而克服了这些限制。

这种方法-引文指数随机图模型（我们为其提供了用户友好的软件）-使研究人员能够思量案例特征和庞大的网络依赖形式对引文形成的影响。然后，我们分析了一个网络，其中包罗1950年至2015年之间讯断的所有最高法院案件。我们找到了依赖法式的证据，包罗对等，及物性和受接待度。

依存关系的影响在统计学上和外在协变量的影响一样重要，这讲明最高法院引文的模型应既包罗案例特征的影响，又应包罗已往引文的结构。高阶网络上的突发袒露会导致非线性熏染核原文标题： Bursty exposure on higher-order networks leads to nonlinear infection kernels地址： http://arxiv.org/abs/2101.07229作者： Guillaume St-Onge, Hanlin Sun, Antoine Allard, Laurent Hébert-Dufresne, Ginestra Bianconi摘要： 在特定情况中配合放置小我私家是在社会网络上袒露于感染病的重要前提。尺度的盛行病模型无法通过以下方式描画这种情况的潜在庞大性：（1）忽略了通常在事情场所，饭馆和家庭等情况中发生的联系的超图结构； （2）假设接触被熏染的接触者与熏染的风险之间存在线性关系。在这里，我们使用超图模型来涵盖差别情况的异质性以及这些情况中小我私家到场的异质性。

我们发现，突然袒露在情况中会导致受熏染的到场者数量与熏染风险之间存在非线性关系。这使我们可以基于非线性熏染内核和阈值模型来毗连庞大的感染病。

然后，我们证明晰通例的盛行病知识如何随着不一连的过渡，超指数扩散和滞后现象的泛起而瓦解。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。

本文来源：E星体育官方网站入口-www.cdbxdm.com