原文标题： Graph Agnostic Estimators with Staggered Rollout Designs under Network Interference
地址： http://arxiv.org/abs/2205.14552
作者： Mayleen Cortez, Matthew Eichhorn, Christina Lee Yu
摘要： 随机实验被广泛用于估计各个领域的因果效应。然而，经典的因果推理方法依赖于网络干扰违反的关键独立性假设，当一个人的治疗影响其他人的结果时。所有现有的方法都需要至少对网络有大致的理解，而这些知识可能不可用且收集起来成本很高。我们考虑估计总治疗效果 (TTE) 的任务，或当整个人群接受治疗与整个人群未接受治疗时结果之间的平均差异。通过利用交错的推出设计，其中逐渐对个体的随机子集进行处理，只要网络干扰效应被限制在低-个人邻居之间的互动程度。我们得出了估计器方差的界限，并且我们在实验中表明，我们的估计器在模拟数据的基线上表现良好。我们理论贡献的核心是交错展开观测和多项式外推之间的联系。
原文标题： Exploiting neighborhood interference with low order interactions under unit randomized design
地址： http://arxiv.org/abs/2208.05553
作者： Mayleen Cortez, Matthew Eichhorn, Christina Lee Yu
摘要： 网络干扰（个人的结果受到其社会网络中那些人的治疗分配的影响）在许多现实世界的环境中普遍存在。然而，它对估计因果效应提出了挑战。我们考虑估计总治疗效果 (TTE) 的任务，或在网络干扰下每个人都接受治疗与没有人接受治疗时人群平均结果之间的差异。在伯努利随机设计下，当网络干扰效应受限于个体邻居之间的低阶交互时，我们利用网络结构的知识为 TTE 提供无偏估计。除了有界度之外，我们对图不做任何假设，从而允许可能不容易聚类的连接良好的网络。我们得出了估计量方差的界限，并在模拟实验中表明，与 TTE 的标准估计量相比，它表现良好。我们的估计器对于不混杂假设下的观测数据也很有用。
原文标题： Top Gear or Black Mirror: Inferring Political Leaning From Non-Political Content
地址： http://arxiv.org/abs/2208.05662
作者： Ahmet Kurnaz, Scott A. Hale
摘要： 极化和回声室通常在选举等明确的政治事件的背景下进行研究，很少有学术研究在非政治背景下研究政治团体的混合。在非政治背景下研究政治极化的一个主要障碍是政治倾向（即左倾与右倾）通常是未知的。尽管如此，众所周知，政治倾向与许多导致诸如“喝拿铁的自由主义者”等刻板印象的生活方式选择相关（有时非常强烈）。我们开发了一个机器学习分类器，以从非政治文本以及用户在社交媒体上关注的帐户中推断出政治倾向。我们使用在 Twitter 上共享的 Voter Advice Application 结果作为我们的基本事实，并在 Twitter 数据集上训练和测试我们的分类器，该数据集包含每个用户在删除任何带有政治文本的推文后的 3,200 条最新推文。我们正确分类了大多数用户的政治倾向（F1 分数范围从 0.70 到 0.85，具体取决于覆盖范围）。我们发现政治活动水平与我们的分类结果之间没有关系。我们将我们的分类器应用于英国新闻共享的案例研究，发现一般来说，政治新闻的共享表现出明显的左右分歧，而体育新闻则没有。
原文标题： Entropy rate of random walks on complex networks under stochastic resetting
地址： http://arxiv.org/abs/2208.05665
作者： Yating Wang, Hanshuang Chen
摘要： 近年来，随机重置下的随机过程引起了很多关注，并作为随机动力学的非平凡且有趣的静态和动态特征的例证。在本文中，我们旨在解决离散时间马尔可夫过程中随机重置如何影响熵率，并探索重置对随机过程的混合特性的非平凡影响。特别是，我们考虑在复杂网络上重置随机游走，并将熵率计算为重置概率的函数。有趣的是，我们发现熵率可以表现出对重置概率的非单调依赖性。存在熵率达到最大值的最优重置概率。我们还表明，最大熵率可以大于相同拓扑上的最大熵随机游走。我们的研究提供了随机重置对非平衡统计物理学的新的重要影响。
原文标题： Dynamics of cold random hyperbolic graphs with link persistence
地址： http://arxiv.org/abs/2208.05693
作者： Sofoclis Zambirinis, Harrison Hartle, Fragkiskos Papadopoulos
摘要： 我们考虑并分析了具有链接持久性的随机双曲图的动态模型。在模型中，连接和断开都可以从当前快照传播到下一个快照，概率为 (0, 1)。否则，以 1-omega 的概率，根据随机双曲图模型重新建立连接。我们表明，虽然持续概率 omega 影响接触和相互接触分布的平均值，但它不影响这些分布的尾部，这些分布的尾部随着不依赖于 omega 的指数而衰减。我们还考虑了真实时间网络的示例，并表明所考虑的模型可以充分再现它们的几个动态特性。我们的结果促进了我们对时间网络的真实建模和链接持久性的影响的理解。
原文标题： Higher-order components in hypergraphs
地址： http://arxiv.org/abs/2208.05718
作者： Jung-Ho Kim, K.-I. Goh
摘要： 超图中组件的“顺序”可以根据超边之间的公共节点的数量来定义。我们发现迄今为止在很大程度上未被注意到的高阶组件 (HOC) 普遍存在于现实世界的超图中，但它们的随机对应物具有非常不同的 HOC 配置文件。为了理解 HOC 的影响，我们提出了一种新颖的随机超图模型，通过引入在超图成过程中共同作用的节点子组的概念，该模型具有可解析计算的巨型 HOC。使用模型和真实世界的超图，我们确认巨型 HOC 的存在可以显著影响高阶传染动力学。
原文标题： Machine learning in front of statistical methods for prediction spread SARS-CoV-2 in Colombia
地址： http://arxiv.org/abs/2208.05910
作者： A. Estupiñán, J. Acuña, A. Rodriguez, A. Ayala, C. Estupiñán, Ramon E. R. Gonzalez, D. A. Triana-Camacho, K. L. Cristiano-Rodríguez
摘要： 使用诸如易感暴露感染去除 (SEIR)、逻辑回归 (LR) 和称为多项式回归方法的机器学习方法等数学模型对哥伦比亚的 COVID-19 疾病进行了分析研究。先前的分析是在 550 天的时间线上对每天的病例数、死亡人数、感染人数和接触病毒的人数进行的。此外，它使感染传播的拟合详细说明了传播误差较低且存在统计偏差的最有效和最佳方法。最后，提出了四种不同的预防方案来评估与疾病相关的每个参数的比率。
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。
| 留言与评论（共有 0 条评论） “” |
