本文摘要：提前接纳针对COVID-19的停止措施的决议有多重要？

提前接纳针对COVID-19的停止措施的决议有多重要？;Covid-19模式转换对门路交通的影响;对希腊的COVID-19时间流传举行建模和预测：基于庞大网络界说的样条的探索性方法;人口密度和COVID-19的流传;美国COVID-19大盛行期间的人员流动趋势;讨论COVID-19锁定期间数字游戏对玩家福祉的影响;两级隔离模型;庞大的社会感染病导致多重网络的双稳态;缓解图神经网络在欺诈检测中的纷歧致性问题;图信号的特征向量中心性盲预计：逾越低通滤波;开放图基准：图上机械学习的数据集;社会网络中的情感悖论：为什么您的朋侪比您更努力？;随机网络中的信息流传;使用庞大网络分析课程计划;美国海内航空运输网络研究：2001年至2016年网络拓扑结构的时空演变和结实性;k核与庞大网络中的社区结构之间的相互作用;国家气象服务的未来是什么？;TRIPDECODER：凭据智能卡数据研究地铁系统的旅行时间属性和门路偏好;潜在星型拓扑对块Schelling模型的有趣影响;分数优先毗连无标度网络模型;学习地理上下文嵌入以举行通勤流量预测;提前接纳针对COVID-19的停止措施的决议有多重要？原文标题： How relevant is the decision of containment measures against COVID-19 applied ahead of time?地址： http://arxiv.org/abs/2005.01473作者： Eduardo L. Brugnago, Rafael M. da Silva, Cesar Manchein, Marcus W. Beims摘要： 研究列出了以下国家/地域停止2020年4月30日为止由新的冠状病毒发作确诊的受熏染个体的总数：比利时，巴西，英国和美国。在新熏染者发病率较低的最初阶段之后，视察到确诊病例数的幂律增加。对于每个国家，获得了差别的增长指数。

对于比利时，英国和美国等受熏染人数众多的国家而言，在幂律增长之后，靠近饱和状态时会获得奇特的行为。巴西仍处于幂律增长中。数据和预测的这种更新证实了有关病毒的幂律增长及其在世界上某些国家之间的强距离相关性的最新效果。

此外，我们证明实时行动是卫生组织在与COVID-19（由最近发现的冠状病毒引起的感染病）的斗争中拥有的最相关的非药理武器之一。我们研究了在三个差别的日期（即4月16日（早期），4月30日（当前），和5月14日（晚））应用改变社交距离和天天举行的检测以识别无症状的个体的逐日检测方法如何会滋扰确诊的COVID-19病例数。

效果讲明，必须接纳围堵措施才气使曲线变平，应尽快接纳措施。Covid-19模式转换对门路交通的影响原文标题： Impacts of Covid-19 mode shift on road traffic地址： http://arxiv.org/abs/2005.01610作者： Yue Hu, William Barbour, Samitha Samaranayake, Dan Work摘要： 本文受到以下问题的驱动：随着COVID-19大盛行之后社区的重新开放，交通方式的改变会导致交通状况比以前更差吗？这个问题可能至关重要，特别是如果许多人急于使用单人车辆。

为此，我们预计随着门路上汽车数量的增加，交通拥堵将如何增加，并确定最敏感的都会交通使用率下降。出行时间和出行方式共享来自美国人口普查局美国社区观察的数据，用于全美多数市地域。

BPR模型用于将平均旅行时间与搭车旅行的通勤者的预计人数联系起来。然后，如果过境和停车场用户的差别部门切换为单人使用车辆，我们将评估门路上增加的车辆数量，并凭据BPR模型陈诉最终的出行时间。这些情景预测，除非交通运输系统能够快速恢复宁静，高吞吐量的运营，否则交通运输量大的都会将面临极端交通的风险。

对希腊的COVID-19时间流传举行建模和预测：基于庞大网络界说的样条的探索性方法原文标题： Modeling and forecasting the COVID-19 temporal spread in Greece: an exploratory approach based on complex network defined splines地址： http://arxiv.org/abs/2005.01163作者： Konstantinos Demertzis, Dimitrios Tsiotas, Lykourgos Magafas摘要： 在COVID-19康健治理的庞大框架内，各国之间诊断测试的尺度，公共卫生资源和服务的可用性以及所应用的抗COVID-19政策之间存在差异，在世界规模内抗击该疾病的历程中，时间扩散的建模可以证明是有效的。本文对希腊的疾病演变举行了探索性的时间序列分析，现在提出了乐成治理COVID-19的乐成案例。所提出的方法建设在对时间序列中的毗连社区举行检测的最新观点上，并开发了一种新颖的样条回归模型，其中通过庞大网络中的社区检测来确定结向量。

总体而言，该研究为COVID-19研究做出了孝敬，它提出了无中断的已往数据和可靠的预测框架，从而可以促进对可用卫生资源的决议和治理。人口密度和COVID-19的流传原文标题： Lived population density and the spread of COVID-19地址： http://arxiv.org/abs/2005.01167作者： Dave Babbitt, Patrick Garland, Oliver Johnson摘要： 我们思量了COVID-19流传速度的差异，首先是在欧洲国家之间举行比力，其次是在美国各州之间举行比力。

我们讲明人口密度对病毒的流传速度有很小但重要的影响。可是，我们讲明，“居住人口密度”的丈量方法可以更好地解释流传速度的变化，从而获得了 R ^ 2 = 0.45 的收益，该丈量值反映了随机选择的人所感知的密度。我们讲明，基于发作时间在回归中添加其他怀抱可以将其增加到 R ^ 2 = 0.58。美国COVID-19大盛行期间的人员流动趋势原文标题： Human Mobility Trends during the COVID-19 Pandemic in the United States地址： http://arxiv.org/abs/2005.01215作者： Minha Lee, Jun Zhao, Qianqian Sun, Yixuan Pan, Weiyi Zhou, Chenfeng Xiong, Lei Zhang (Maryland Transportation Institute, Department of Civil and Environmental Engineering, University of Maryland, College Park, MD, USA)摘要： 今年3月，COVID-19被宣布为大盛行病，并继续威胁着民众康健。

这场全球性康健危机对日常运动施加了限制，使我们社会的每个部门都恶化了。明白民众对病毒的反映和非药物干预措施将以战略性方式反抗COVID-19。

我们旨在通过比力美国各地的逐日变化来提供人类出行趋势的切实证据。通过使用移动设备位置数据和与社会疏远相关的措施，可以视察到总体上的大规模公共出行。我们的研究捕捉了关于大盛行流传和非药物干预的时空异质性以及社会人口学变化。

在国家紧迫状态宣布之后，所有调整后的流动性指标都反映出公共运动淘汰。在所有州，留在家里的人口都在增加，而且在留在家里的序次变小后变得越发稳定。收入某人口密度组之间存在总体流动性异质性。民众一直在对本州已确认的病例做出努力反映，自愿更多地留在家中，而留在家中的订单稳定了变化。

该研究讲明，民众出行趋势切合政府敦促留在家里的信息。我们期望以数据为依据的分析能够提供综合的看法，并可以作为提高民众意识的证据，并因此在协助政策制定者的同时增强社会疏离的重要性。讨论COVID-19锁定期间数字游戏对玩家福祉的影响原文标题： Discussion of digital gaming’s impact on players’ well-being during the COVID-19 lockdown地址： http://arxiv.org/abs/2005.00594作者： Hiroko Oe摘要： 这项研究讨论了如何在限制人们运动的COVID-19锁定期间使用数字游戏来支持其用户的福祉并维持其身心康健。

研究综述了英语撰写并可以在在线数据库上会见的已出书学术文献，以开发关键知识和框架，以讨论如何在COVID-19锁定中提高人们的福祉。已经发现与虚拟社区中其他到场者的互动会对缺乏社会联系的人们的心理康健发生努力影响。还开发了一个针对COVID-19锁定的关键情况的进一步研究框架，因为这是一个紧迫问题，对我们的康健有庞大影响。

一些游戏服务提供商已努力重新设计适合的游戏法式锁定状态，这使玩家甚至可以在家享受体育磨炼。两级隔离模型原文标题： Two-level modeling of quarantine地址： http://arxiv.org/abs/2005.01505作者： Evgeniy Khain摘要： 盛行病的一连模型没有思量社会联系的潜在微观网络结构。在隔离期间，大多数人会大大淘汰其社交互动的数量，而其他人（例如杂货店的收银员）则天天继续保持数百个联系，因此这种缺陷变得越发严重。我们制定了一个两级隔离模型。

在微观层面上，我们以星状网络结构为模型模拟单个邻域。在介观水平上，将邻域放置在具有最近邻相互作用的二维晶格上。将建模效果与密歇根州（美国）多个县的COVID-19数据举行比力，并确定参数的相图。庞大的社会感染病导致多重网络的双稳态原文标题： Complex social contagion induces bistability on multiplex networks地址： http://arxiv.org/abs/2005.00664作者： Longzhao Liu, Xin Wang, Shaoting Tang, Zhiming Zheng摘要： 探索庞大的社会感染性，尤其是当袒露于多种泉源时的社会强化动力，对于明白当今庞大的团体行为的流传至关重要。

只管以前的事情只专注于单层网络，但多层加固的详细影响却是未知数，而多层加固是多个社会圈子中促进作用的特征。为此，我们将多层加固合并到多路网络上的无知扩散-无知（SIS）模型中。我们的理论分析联合了成对方法和均值场理论，而且与大规模拟真很是吻合。出乎意料的是，我们发现这种庞大的社会感染机制触发了双稳态现象的泛起，在这种情况下，灭绝和暴发状态并存。

此外，我们讲明双稳态区域的最终状态取决于接纳者的初始密度，其临界值随着感染性或多层增强质料的增加而降低。特别是，我们着重指出了社会感染病发作的两个可能条件：具有较大的感染性流传能力，或者具有较强的多层加固的接纳者的初始密度较大。我们的效果讲明，庞大的动力学机制发生了强大而不行忽视的影响，这为数字时代的流传行为提供了名贵的看法。缓解图神经网络在欺诈检测中的纷歧致性问题原文标题： Alleviating the Inconsistency Problem of Applying Graph Neural Network to Fraud Detection地址： http://arxiv.org/abs/2005.00625作者： Zhiwei Liu, Yingtong Dou, Philip S. Yu, Yutong Deng, Hao Peng摘要： 基于图的模型可以资助在线检测可疑欺诈。

由于图神经网络的生长，先前的研究事情提出了许多基于同构图或异构图的基于GNN的欺诈检测框架。这些事情遵循现有的GNN框架，方法是聚集邻人信息以学习节点嵌入，它基于以下假设：邻人共享相似的上下文，特征和关系。然而，险些不研究纷歧致问题，即，上下文纷歧致，特征纷歧致和关系纷歧致。

在本文中，我们将先容这些纷歧致之处，并设计一个新的GNN框架 mathsf GraphConsis ，以解决纷歧致问题：（1）对于上下文纷歧致，我们建议将上下文嵌入与节点特征联合起来，（2 ）对于特征纷歧致，我们设计一致性得分以过滤纷歧致的邻人并生成相应的采样概率，而且（3）对于关系纷歧致，我们学习与采样节点关联的关系注意权重。对四个数据集的履历分析讲明，纷歧致问题对于欺诈检测任务至关重要。大量的实验证明晰 mathsf GraphConsis 的有效性。

我们还公布了具有SOTA模型实现的基于GNN的欺诈检测工具箱。该代码位于 textcolor blue url https://github.com/safe-graph/DGFraud。图信号的特征向量中心性盲预计：逾越低通滤波原文标题： Blind Estimation of Eigenvector Centrality from Graph Signals: Beyond Low-pass Filtering地址： http://arxiv.org/abs/2005.00659作者： T. Mitchell Roddenberry, Santiago Segarra摘要： 本文形貌了仅从节点上的数据预计网络特征向量中心性的难题，即没有关于网络拓扑的信息。我们将此节点数据建模为通过将白噪声通过通用（纷歧定是低通）图滤波器生成的图信号。

使用图过滤器的谱特性，我们可以估算基础网络的毗邻矩阵的特征向量。为此，提出了一种简朴的选择算法，该算法在基本图滤波器的最小假设下选择信号协方差矩阵的正确特征向量。然后，我们先容了该算法的渐近和非渐近性能的理论特征，从而为中心度预计提供了样本庞大性界线，并展现了驱动这种庞大性的关键因素。

最后，我们通过在差别随机图模型上举行的一组数值实验说明晰已开发的看法。开放图基准：图上机械学习的数据集原文标题： Open Graph Benchmark: Datasets for Machine Learning on Graphs地址： http://arxiv.org/abs/2005.00687作者： Weihua Hu, Matthias Fey, Marinka Zitnik, Yuxiao Dong, Hongyu Ren, Bowen Liu, Michele Catasta, Jure Leskovec摘要： 我们先容了开放图谱基准（OGB），它是一组具有挑战性和现实意义的基准数据集，旨在促进可扩展，结实和可再现的图机学习（ML）研究。OGB数据集是大规模的，包罗多个重要的图ML任务，而且涵盖从社会和信息网络到生物网络，分子图和知识图的种种领域。

对于每个数据集，我们使用特定于应用法式的数据拆分和评估指标提供统一的评估协议。我们的实证研究展现了现有图方法在处置惩罚大型图和预测漫衍数据方面所面临的挑战。

OGB提供了一个自动的端到端图ML管道，该管道简化并尺度化了图数据加载，实验设置和模型评估的历程。OGB将定期更新，并接待社区的投入。

OGB数据集以及数据加载器和评估剧本可从https://ogb.stanford.edu获得。社会网络中的情感悖论：为什么您的朋侪比您更努力？原文标题： Sentiment Paradoxes in Social Networks: Why Your Friends Are More Positive Than You?地址： http://arxiv.org/abs/2005.00731作者： Xinyi Zhou, Shengmin Jin, Reza Zafarani摘要： 大多数人认为他们的朋侪比他们自己更努力，体现出情感悖论。心理学研究将此悖论归因于人类认知偏差。

为了明白这种现象，我们研究了社会网络中的情感悖论。我们的事情讲明，用户的社交关系（朋侪，追随者或关注者）确实（不仅只是虚幻地）比用户自己更努力。这主要是由于努力的用户拥有更多的朋侪。我们确定了从三合会到大型社区的差别网络级别上的五个情感悖论。

提供了履历和理论证据来验证这种情绪悖论的存在。通过观察情绪悖论与其他蓬勃的网络悖论之间的关系，即友谊悖论和运动悖论，我们发现用户情绪与其朋侪数量呈正相关，而与社交运动却很少。最后，我们演示了情绪悖论如何用于预测用户情绪。

随机网络中的信息流传原文标题： Information Propagation in Stochastic Networks地址： http://arxiv.org/abs/2005.00758作者： Peter Laszlo Juhasz摘要： 本文建设了一种基于随机网络的信息流传模型。该模型形貌了具有任意水平漫衍的互连网络中的信息流。网络毗连凭据独立的泊松历程流传信息。推导了一个概率微分方程系统，并通过数值求解了预期的吸收时间。

通过数值求解微分方程组，我们可以确定：-预期的知觉节点数与功效时间的关系;-每个特定时刻的知觉节点集的度漫衍-以及节点度之间的关系及其吸收时间。网络仿真证明晰效果的有效性。在无标度和Erd H os—R ‘enyi网络中分析了信息流传的特征。使用庞大网络分析课程计划原文标题： Analyzing course programmes using complex networks地址： http://arxiv.org/abs/2005.00906作者： Suzane F. Pinto, Ronan S. Ferreira摘要： 我们使用庞大网络的统计物理学工具分析了我们研究所工程学普通年级的课程。

自然地，课程法式是以网络形式结构的（时间依赖性和先决条件）。在这种方法中，每个法式中的每个主题都与一个节点相关联，该节点又通过表现一个主题的依赖关系的链接举行毗连，以相识差别学科中的另一个主题。由于课程法式是时间相关的结构，因此我们提出了一个简朴的模型来分配节点之间的链接，同时仅思量教学历程的两个要素：递归性和知识积累。由于我们已经知道这些课程，因此我们的目的是验证所提出的模型是否能够捕捉其特殊性，并确定在工程学学位的早期，差别顺序对学生学习的影响。

我们的模型可以用作协助构建更多跨学科课程的系统工具，从而在准确科学的本科早期学科之间做出明确的划定。美国海内航空运输网络研究：2001年至2016年网络拓扑结构的时空演变和结实性原文标题： A study of the U.S. domestic air transportation network: Temporal evolution of network topology and robustness from 2001 to 2016地址： http://arxiv.org/abs/2005.01101作者： Leonidas Siozos-Rousoulis, Dimitri Robert, Wouter Verbeke摘要： 美国航空运输网络（ATN）对于美国的灵活性和功效至关重要。

因此，有须要确保其毗连良好，高效且结实。只管对其拓扑举行了广泛的研究，但网络鲁棒性和容忍度的时间演变仍未获得充实探索。在本文中，凭据1996年至2016年的年度航班数据对美国海内ATN举行了时间研究，并使用网络分析技术检查了9/11事件之后的重组影响以及系统的当前状态。

盘算了中心度怀抱，以评估系统的拓扑及其全局稳定性。通过模拟目的攻击场景，使用节点删除方法来评估网络的容忍度。研究讲明，就效率和宁静性而言，9/11恐怖袭击引发了网络的大规模重组。

随着引入了新的机场和航线，空中交通获得了扩展。航空公司重新思量了战略并优化了运营，从而使网络得以迅速恢复并变得越发高效。宁静问题导致网络结实性的显著提高。

自2001年以来，由于网络的扩展，美国ATN的全球流量和拓扑特性一直在连续增长。另一方面，系统的鲁棒性没有显示出改善的趋势。研究效果讲明，只管该系统在极端情况下维持其运行水平的能力最近有所提高，但其对有向攻击的容忍度却有所下降。

所提出的方法可以应用于差别的网络级别或差别的运输网络，以提供系统毛病的总体信息。k核与庞大网络中的社区结构之间的相互作用原文标题： Interplay between k-core and community structure in complex networks地址： http://arxiv.org/abs/2005.01147作者： Irene Malvestio, Alessio Cardillo, Naoki Masuda摘要： 在最大的节点集中具有至少 k 个邻人的最大节点集中的网络组织（称为 k 焦点剖析）已用于研究种种现象。

研究讲明，最内层的 k 外壳中的节点在感染历程，共识的发生和系统的回复力中起着至关重要的作用。已知许多履历网络的 k -core剖析不能用单独的每个节点的水平或等效地用保留每个节点的水平的随机图模型（即设置模型）来解释。在这里，我们研究了一些履历网络以及一些随机对应网络的 k 焦点剖析，并研究了社区结构可以解释网络的 k -shell结构的水平。我们发现在随机化历程中保持社区结构对于生成其 k 焦点剖析靠近履历剖析的网络至关重要。

我们还强调，在某些网络中，最内里的 k 外壳中的节点集中到少数社区中。国家气象服务的未来是什么？原文标题： What is next for National Meteorological Services?地址： http://arxiv.org/abs/2005.01425作者： Alberto Arribas, Nial H. Robinson, Phil Evans摘要： 天气预报是上个世纪最大的科学技术成就之一。如今，国家气象局通常会发生对整个社会和许多经济部门发生重大努力影响的预报。

这项乐成与超级盘算的革新有着内在的联系，凭据摩尔定律，超级盘算的革新已增加了多个数量级，从而为模型庞大性和分辨率的提高奠基了基础。可是，有充实的理由相信我们可能已经走到了这条路的止境。技术不一连性和情况变化的联合意味着NMS面临着数十年来最高水平的不确定性和变化。

这带来了新的组织挑战，改变了NMS内部现有的权力和社会结构。已往履历过类似转型的其他行业的分析讲明，我们进入的厘革时期可能长达三十年，而且存在很大的风险，即天气行业的基础可能会发生重大变化。因此，NMS不仅要充实使用其资源，以充实使用当前技术生长趋势中不停淘汰的革新，还需要同时创新技术，以确保其在未来可以缔造价值。本文分析了国家气象局可用的战略选择。

TRIPDECODER：凭据智能卡数据研究地铁系统的旅行时间属性和门路偏好原文标题： TRIPDECODER: Study Travel Time Attributes and Route Preferences of Metro Systems from Smart Card Data地址： http://arxiv.org/abs/2005.01492作者： Xiancai Tian, Baihua Zheng, Yazhe Wang, Hsiao-Ting Huang, Chih-Chieh Hung摘要： 在本文中，我们的目的是恢复地铁系统内通勤者所走简直切门路，这些门路未被自动票价收集（AFC）系统捕捉，因此仍然是未知的。我们从战略上提出两项推理任务来处置惩罚恢复情况，一项推断每个旅行链接的旅行时间，这些旅行时间有助于地铁网络内任何旅行的总时长，另一项则凭据历史旅行记载和每个旅行时间来推断门路偏幸亏先前的推理任务中推断出的旅行链接。由于这两个推理任务具有相互关系，因此大多数现有事情同时执行这两个任务。

可是，我们的解决方案TripDecoder接纳了完全差别的方法。尽我们所知，TripDecoderis是第一个指出并充实使用地铁系统内有一些行程且只有一条实际门路可用的事实的模型。通过仅使用一条实际门路将那些行程记载作为行进时间的第一个推理任务的输入，并将推断出的行进时间作为第二个输入提供应第二个推理任务，从战略上分散了这两个推理任务，这不仅提高了准确性，而且有效地降低了两个推理任务的庞大性。凭据新加坡和台北的AFC系统捕捉的都会规模的实际旅行记载，举行了两个案例研究，以比力TripDecoder及其竞争对手的准确性和效率。

正如预期的那样，TripDecoder在两个数据集中均到达了最佳精度，而且还展示了其卓越的效率和可伸缩性。潜在星型拓扑对块Schelling模型的有趣影响原文标题： Intriguing effects of underlying star topology in Schelling’s model with blocks地址： http://arxiv.org/abs/2005.01504作者： Guifeng Su, Qi Xiong, Yi Zhang摘要： 我们在Schelling的分散模型中探索了潜在的恒星拓扑结构的有趣效果，即通过恒星空间拓扑实现全局优化。划分引入和不引入少量利他剂的情况下，均会对星形拓扑发生的重大结果举行理论分析和数值模拟。可以仅使用纯自我主义者对模型的团体效用举行优化，并通过潜在的星形拓扑实现最佳稳态。

更令人惊讶的是，一旦引入一定比例的利他主义者，平均效用就随着利他主义者的比例增加而逐渐降低。这与通常的具有网格拓扑的Schelling模型的效果形成了鲜明的对比。分数优先毗连无标度网络模型原文标题： The Fractional Preferential Attachment Scale-Free Network Model地址： http://arxiv.org/abs/2005.01512作者： Rafał Rak, Ewa Rak摘要： 自然界发生的许多网络具有两个通用属性：它们是在preferential Attachment历程中形成的，而且是无标度的。思量到这些特征，通过滋扰preferential Attachment的机制，我们提出了Barab’asi-Albert模型-“ Fractional Preferential Attachment”（FPA）无标度网络模型的推广-生成具有时间独立度漫衍 p（k） sim k ^ - gamma 的网络，度指数为 2 < gamma leq3 （其中 gamma = 3 对应于BA模型的典型值） ）。

在FPA模型中，控制网络属性的元素是 f 参数，其中 f in（0,1 rangle。凭据 f 参数的差别值，我们以数值方式研究统计属性。

我们研究了FPA网络的拓扑特性，例如度漫衍，度相关性（网络分类性），聚类系数，平均节点度，网络直径，平均最短路径长度和分形特征，并将获得的值与效果举行比力可以发现，凭据 f ，FPA模型生成的网络具有与现实网络类似的参数，而且，讲明 f 参数对 f 具有重要影响。以及生成的网络的度漫衍和度相关性，因此，FPA无标度网络模型可以作为现有网络模型的有趣替代方案。

岂论 f 的价值如何，FPA网络都不是分形的。学习地理上下文嵌入以举行通勤流量预测原文标题： Learning Geo-Contextual Embeddings for Commuting Flow Prediction地址： http://arxiv.org/abs/2005.01690作者： Zhicheng Liu, Fabio Miranda, Weiting Xiong, Junyan Yang, Qiao Wang, Claudio T. Silva摘要： 凭据基础设施和土地使用信息预测通勤流量对于都会计划和公共政策制定至关重要。可是，鉴于通勤流的庞大模式，这是一项困难的任务。

通例模型（例如引力模型）主要源自物理原理，并在需要思量许多因素的现实世界场景中受其预测能力的限制。同时，大多数现有的基于机械学习的方法都忽略了空间相关性，无法对四周区域的影响举行建模。为相识决这些问题，我们提出了地理上下文多任务嵌入学习器（GMEL），该模型可从地理上下文信息中捕捉空间相关性以举行通勤流量预测。

详细来说，我们首先构建一个包罗地理上下文信息的地理毗邻网络。然后，基于图注意力网络（GAT）的框架，提出了一种注意力机制，以捕捉空间相关性，并将地理上下文信息编码为嵌入空间。两个单独的GAT用于建模供需特征。

多任务学习框架用于引入更严格的限制并增强嵌入表现的有效性。最后，基于学习的嵌入训练梯度提升机，以预测通勤流量。我们使用来自纽约市的真实数据集评估了我们的模型，实验效果证明晰我们的建议相对于最新技术的有效性。

声明：Arxiv文章摘要版权归论文原作者所有，由本人举行翻译整理，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”和小我私家博客举行同步更新。

本文关键词：Arxiv,网络,科学,论文,摘要,21篇,2020-05-05,提前,博亚体育app下载官网

本文来源：博亚体育app下载官网-www.yeongkangwj.com