超图中超边的局部几何及其在社会网络中的应用;揭穿网络谣言;广义中心性汇总和排他式中心性;Election2020：有关2020年美国总统大选的第一个公开Twitter数据集;基于电报社交网络人格特质分析的推荐系统;通过加权Tweet的特征在Twitter中进行事件检测;DIETERpy：具有内生可再生能源的调度和投资评估工具的Python框架;在流行病中保护弱势群体：一种数值方法;遏制大流行：非药物干预和“第二波”;超图中超边的局部几何及其在社会网络中的应用原文标题： A local geometry of hyperedges in hypergraphs, and its applications to social networks地址： http://arxiv.org/abs/2010.00994作者： Dong Quan Ngoc Nguyen, Lin Xing摘要： 在社会网络产生的许多现实世界数据集中，数据点之间存在隐藏的高阶关系，而这些关系无法使用图建模来刻画。使用超图的更一般概念来建模此类社会网络是很自然的。在本文中，我们介绍了一种新的超图局部超几何图，它可以刻画数据点之间的更高阶关系。此外，基于这种新的几何结构，我们还引入了新的方法-超图中的最近邻方法-用于分析社会学产生的数据集。揭穿网络谣言原文标题： Debunking Rumors in Networks地址： http://arxiv.org/abs/2010.01018作者： Luca P. Merlino, Paolo Pin, Nicole Tabasso摘要： 我们研究了社会网络中真假消息（谣言）的传播。听到消息后，个人可能会相信，不相信或通过昂贵的验证将其揭穿。每当真理在稳定状态下生存时，谣言也是如此。只要增加同质或验证费用，在线社交就会加剧相对谣言的传播。我们的模型强调，与谣言作斗争的成功政策会增加个人进行验证的动机。广义中心性汇总和排他式中心性原文标题： Generalized Centrality Aggregation and Exclusive Centrality地址： http://arxiv.org/abs/2010.01019作者： Mostafa Haghir Chehreghani摘要： 有几个应用受益于中心性定义，该定义适用于顶点集而不是单个顶点。但是，现有的定义可能无法帮助我们回答几个网络分析问题。在本文中，我们研究了将单个顶点的中心性概括到由这些顶点组成的集合的中心性的概括。特别地，我们提出互斥介数中心性中心性，定义为恰好经过集合中一个顶点的最短路径的数量，并讨论了这对于确定网络的正确中心如何有用。我们用数学公式表述了排他介数中心性中心性和集合中心性的现有概念之间的关系，并使用这种关系提出了一种计算排他介数中心性中心性的精确算法。由于通常对于大型现实网络而言，要计算准确的中心度得分通常很难，因此，我们还提出了近似算法来估计互斥中心度。最后，我们评估了几个实际网络上互斥中心性计算的经验效率。此外，我们根据经验研究排他性介数中心性中心性与现有集合中心性概念之间的相关性。Election2020：有关2020年美国总统大选的第一个公开Twitter数据集原文标题： #Election2020: The First Public Twitter Dataset on the 2020 US Presidential Election地址： http://arxiv.org/abs/2010.00600作者： Emily Chen, Ashok Deb, Emilio Ferrara摘要： 民主政治言论的完整性是保证自由公正选举的核心。由于社交媒体经常决定与政治有关的讨论的语气和趋势，因此能够学习在线聊天至关重要，尤其是在即将举行的重要投票活动中，例如即将到来的2020年11月3日，美国总统选举。对社交媒体数据的有限访问通常是阻碍，阻碍或减慢进度的首要障碍，最终是我们对在线政治言论的理解。为缓解此问题并尝试增强计算社会科学研究社区的能力，我们决定公开发布大规模的，纵向的美国政治和选举相关推文数据集。我们已经收集了一年多的多语言数据集，其中包含数亿条推文，并跟踪了2019年至2020年之间所有重要的美国政治趋势，演员和事件。实时追踪小岛两边的所有总统竞选人。之后，它将重点放在总统和副总统候选人上。我们的数据集发布经过精心整理，记录在案，并将每周一次不断更新，直到2020年11月3日及以后。我们希望学术界，计算机新闻工作者和研究从业人员都将利用我们的数据集来研究相关的科学和社会问题，包括错误信息，信息操纵，干扰和在线政治言论失真等普遍存在的问题。最近在美国和世界范围内发生的选举事件。我们的数据集可在以下网址获得：https：//github.com/echen102/us-pres-elections-2020基于电报社交网络人格特质分析的推荐系统原文标题： A Recommender System based on the analysis of personality traits in Telegram social network地址： http://arxiv.org/abs/2010.00643作者： Mohammad Javad Shayegan, Mohadese Valizadeh摘要： 访问人们的人格特质一直是一项艰巨的任务。另一方面，基于行为数据获得人格特质是人类日益增长的兴趣之一。大量研究表明，人们在社会网络上花费大量时间，并表现出在网络空间中产生某些人格模式的行为。 Telegram是在某些国家（包括伊朗）受到广泛欢迎的社会网络之一。这项研究的基础是根据用户在Telegram上的行为自动识别其个性。为此，提取来自电报组用户的消息，然后根据NEO个性清单对每个成员的个性特征进行识别。为了进行人格分析，本研究采用了三种方法，包括：余弦相似度，贝叶斯和MLP算法。最后，本研究提供了一种推荐器系统，该系统使用余弦相似度算法根据提取的个性探索和推荐相关的电报频道给会员。结果表明，基于提出的个性分析，推荐系统的满意率为65.42％。通过加权Tweet的特征在Twitter中进行事件检测原文标题： Event Detection in Twitter by Weighting Tweet’s Features地址： http://arxiv.org/abs/2010.00665作者： Parinaz Rahimizadeh, Mohammad Javad Shayegan摘要： 近年来，人们在社会网络上花费大量时间。他们将社会网络用作评论个人或公共事件的地方。因此，每天在这些网络中生成并共享大量信息。使用如此大量的信息可以帮助当局准确及时地对事件做出反应。在这项研究中，调查的社会网络是Twitter。这项研究的主要思想是根据推文的某些特征来区分它们。这项研究旨在通过加权推文的三个属性来调查事件检测的性能。包括关注者计数，转发数和用户位置。结果表明，该方法的平均执行时间和事件检测的精度分别比基本方法提高了27％和31％。这项研究的另一个结果是能够检测出所提出方法中的所有事件（包括热点事件和次要事件）。DIETERpy：具有内生可再生能源的调度和投资评估工具的Python框架原文标题： DIETERpy: a Python framework for The Dispatch and Investment Evaluation Tool with Endogenous Renewables地址： http://arxiv.org/abs/2010.00883作者： Carlos Gaete-Morales, Martin Kittel, Alexander Roth, Wolf-Peter Schill, Alexander Zerrahn摘要： DIETER是一种开放源代码的电力行业模型，旨在分析可变的可再生能源比例很高的未来环境。它最大程度地降低了总体系统成本，包括各种发电，存储和扇区耦合选项的固定成本和可变成本。在这里，我们介绍基于通用代数建模系统（GAMS）编写的现有模型版本构建的DIETERpy，并使用Python框架对其进行增强。这结合了Python在数据预处理和后处理方面的灵活性以及GAMS中简单的代数公式以及高效求解器的使用。 DIETERpy还提供了基于浏览器的图用户界面。新框架的设计使其易于访问，因为它使用户能够运行模型，更改其配置并定义许多方案，而无需更深入地了解GAMS。代码，数据和手册可在公共存储库中获得许可，以提高透明度和可重复性。在流行病中保护弱势群体：一种数值方法原文标题： Shielding the vulnerable in an epidemic: a numerical approach地址： http://arxiv.org/abs/2010.00959作者： Guus Balkema摘要： 通过将人群分为两类，即弱势群体和健康人群，并采用不同的锁定制度，可以降低Covid-19的死亡人数。现在有四个参数代替一个再现编号。这些使量化社会疏远措施的效果成为可能。对于两种类型的人群，流行病有一个简单的随机模型。除了这两个类别中的弱势群体和适合人群的数量以及初始感染人数之外，运行两个类型的Reed-Frost模型仅需要四个复制参数。该程序简单快捷。在PC上，只需花不到五分钟的时间，就可以对美国规模的人口进行十万次的流行病模拟。流行病是非线性过程。结果可能违反直觉。被传染性健康人群感染的脆弱人群的平均人数是两种人群中流行病的关键参数。直观地讲，该参数应该很小。然而，仿真表明，即使该参数很小，死亡人数也可能比没有屏蔽时的死亡人数要高。在某些情况下，增加参数的值可能会减少死亡人数。这篇文章解决了我们直觉中的这些盲点。遏制大流行：非药物干预和“第二波”原文标题： Containing a pandemic: Nonpharmaceutical interventions and the “second wave”地址： http://arxiv.org/abs/2010.00962作者： Michael te Vrugt, Jens Bickmann, Raphael Wittkowski摘要： 为了应对全球范围内冠状病毒疾病COVID-19的爆发，已实施了各种非药物干预措施，例如口罩和社会疏远。需要仔细评估这种遏制策略的效果，以避免超过社会和经济成本以及大流行的危险“第二波”。在这项工作中，我们结合了最新开发的动力密度泛函理论模型和具有滞后作用的扩展SIRD模型，以使用实际参数研究各种措施和策略的效果。根据干预阈值，发现具有不同数量的停机和死亡的多个阶段。时空模拟提供了第二波动力学的进一步见解。我们的结果对于公共卫生政策至关重要。声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，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”（netsci）和个人博客进行同步更新。