Influence maximization by rumor spreading on correlated networks through community identification
最大化信息传播的最小节点集的识别是网络科学中最相关的问题之一。本文提出了一种新的方法来寻找初始传播者的集合，以最大化复杂网络中的信息传播。我们评估了这种方法在互联网和验证度度相关性的传播动力学中起着至关重要的作用。仿真结果表明，我们的算法是统计相似的，关于平均规模的爆发，在现实世界中的网络的贪婪的方法。然而，我们的方法是更少的时间消耗比贪婪算法。
2019-11-08 cond-mat.stat-mech cs.SI physics.soc-ph
Conditions for viral influence spreading through multiplex correlated social networks
网络科学的一个基本问题是预测某些个人如何能够发起新的网络，以产生“新思想”。这些趋势的变化通常是由少数创新者引发的，他们通过“病毒式”影响力迅速将自己的想法强加于人，产生一系列追随者，将旧网络分割成一个新网络。典型的例子包括科学思想的兴起或社交媒体的突然变化，比如Facebook.com的兴起对Myspace.com的损害。这一过程在实践中是如何产生的，尚未得到最终证明。在这里，我们表明，维持病毒传播过程的一个条件是存在一个多重相关图与隐藏的“影响链接”。解析解预测渗滤相变，无论是突然的或连续的，其中网络被瓦解，通过病毒级联的追随者在经验数据。我们的模型预测了严格的条件，以维持一个大的病毒传播，通过缩放形式的局部关联函数之间的多层，我们也证实了经验。最终，该理论预测了从社会到金融系统和市场的一大类多重网络中病毒级联的条件。
2014-05-27 cs.SI physics.data-an physics.soc-ph
Synergistic epidemic spreading in correlated networks
研究了传染病传播中具有非线性协同效应的易感-感染-易感（SIS）模型的度相关效应。在一个平均场处理的协同SIS模型的双峰网络与可调度相关性，我们确定了一个不连续的过渡，是独立的度相关强度，除非协同作用是不存在的或非常弱。无论协同作用（不存在或存在），在模型中的正和负的程度相关性降低和提高的流行阈值，分别。对于具有强正度相关性的网络，平均场处理预测了稳态感染密度的两个不连续跳跃的出现。为了测试平均场处理，我们提供了本模型的近似主方程。我们定量地证实，近似的主方程不仅符合所有的定性预测的平均场治疗，但也相应的蒙特卡罗模拟。
2022-09-07 physics.soc-ph q-bio.PE
Direct, physically motivated derivation of triggering probabilities for spreading processes on generalized random networks
我们推导出一个一般表达式的概率全球传播开始从一个单一的感染种子的传染过程作用于广义的，相关的随机网络。我们采用了一个简单的概率参数，编码的扩散机制在一个直观的，物理的方式。我们使用我们的方法，直接和系统地获得触发概率的传染过程的随机网络家庭，包括二分随机网络的集合。我们发现的传染条件，相变到地方病状态的位置，从无病状态的扩展。
2015-06-30 cond-mat.dis-nn physics.soc-ph
Contagion dynamics in time-varying metapopulation networks with node's activity and attractiveness
本文提出一种活动性与吸引力相关的时变集合种群网络模型，研究了SIR疾病在不同相关网络上的传播及非药物干预措施的效果，发现相关性增加降低爆发阈值但抑制爆发规模，且不同干预策略在不同相关网络中有效性不同。
2023-11-23 physics.soc-ph
Generalized individual-based epidemic model for vulnerability assessment of correlated scale-free complex networks
许多复杂的网络表现出对流行病传播的脆弱性，这种脆弱性与病毒株以及网络特性有关。例如，网络的结构在流行病的传播中起着重要作用。此外，以前的流行病模型的属性需要复杂网络结构的先验知识，这意味着模型仅限于众所周知的网络结构。本文提出了一个新的基于连续时间马尔可夫链的流行病SIR模型，并将其推广到任何类型的网络。新模型能够评估网络中每个个体的状态。通过数学分析，我们证明了存在一个流行病阈值，低于该阈值，流行病不会在网络中传播。我们还表明，新的流行阈值是成反比的网络的谱半径。特别是，我们采用新的流行病模型作为一种新的措施，以评估网络的脆弱性，流行病的传播。新的衡量标准考虑了一种流行病可能拥有的所有可能的有效感染率。接下来，我们将该测度应用于相关网络，以评估离散和离散无标度网络的脆弱性。最后，我们通过大量的数值模拟验证了理论流行阈值的准确性。在测试网络的集合中，数值结果表明，离散无标度网络比离散无标度网络更容易受到流行病的传播。
2010-04-10 physics.soc-ph
Containing rumors spreading on correlated multiplex networks
在迅速发展的在线社交网络上，谣言泛滥，引起了来自多个方面的关注。个人可以通过多种渠道传播谣言，因为他们可以在多个平台上活跃。然而，目前还没有系统的理论研究，谣言包含动力学的多元化网络尚未进行。在这项研究中，我们提出了一个家庭的包含策略的基础上的度积$\mathcal{K}$的每个用户的多路复用网络。然后，我们开发了一个异构的边缘为基础的隔间理论来理解包含动态。仿真结果表明，优先屏蔽$\mathcal{K}$大的用户的策略可以显著降低谣言爆发的规模，并提高谣言爆发的阈值。此外，随着偏好强度和度异质性的增加，在异构复用网络上可以获得更好的性能。此外，考虑层间度相关性$r_s$，该策略在$r_s=-1$、$r_s=1$和$r_s=0$的复用网络上性能最好.相反，如果我们倾向于使用小的$\mathcal{K}$而不是大的$\mathcal{K}$来阻塞用户，那么在除了均匀度分布的不相关复用网络之外的大多数复用网络上，其包含性能将比随机阻塞用户的性能更差。我们发现，阻塞偏好对均匀度分布的不相关复用网络的包含结果没有影响。我们的理论分析可以很好地预测谣言包含的结果和性能差异，在所有的情况下研究。本研究对多重网络中谣言动力学的系统理论研究将为该问题的进一步研究提供启示。
2019-12-24 cs.SI physics.soc-ph
Emergence of Blind Areas in Information Spreading
最近，基于传染病的（疾病、信息等）在社交网络上的传播已经被广泛研究。在本文中，不同于传统的完全互动，我们提出了一个基于部分互动的传播模型，考虑到知情的个人只会传递信息的一小部分，他们的邻居由于在现实世界的社交网络的传输能力。对BA、ER、WS三种典型网络的仿真结果表明，网络的异质性与传播效率密切相关。另外，在传播过程中会出现一种特殊的现象，即网络被几个信息不可达的簇分隔开的\emph{Information Blind Areas}。此外，我们还发现，这种信息盲区的大小分布服从幂律分布，这与网站渗流的指数非常相似。分析表明，随着网络异质性的增加，扩散过程的临界值逐渐减小，这与随机选择的结果完全相反。而且，对于同一网络，后一过程的临界值也大于前一过程的临界值。这些发现对于深入理解网络属性对信息传播的影响具有一定的启示意义。
2013-10-17 cs.SI physics.soc-ph
Identification of highly susceptible individuals in complex networks
在传播过程中识别高易感个体对控制疫情具有重要意义。在本文中，我们探讨了易感性的人在易感染恢复（SIR）和谣言传播动力学。我们首先研究社区结构对人们易感性的影响。尽管在相同的感染率下，社区结构可以减少感染种群，但它不会确定性地影响节点的敏感性。我们发现个体的易感性对传播动力的选择是敏感的。对于SIR传播，由于敏感度与节点的影响力高度相关，因此拓扑指标k-shell可以更好地识别高度敏感的个体，优于度，介数中心性和PageRank。而在谣言传播模型中，节点的敏感性和影响力没有明显的相关性，度在所考虑的拓扑度量中表现最好。我们的发现强调了拓扑特征和传播机制在识别高度易感人群中的重要性。
2015-04-27 cs.SI physics.soc-ph
Eigenvector localization in real networks and its implications for epidemic spreading
邻接矩阵的谱特性，特别是它的最大特征值和相关的主特征向量，支配着复杂网络的许多结构和动力学特性。在这里，我们专注于本地化性质的主要特征向量在现实网络。我们发现，在大多数情况下，它是本地化的最大程度的节点（枢纽）及其最近的邻居所定义的星，或在密集连接的子图定义的最大$K$-核心的$K$-核心分解。主特征向量的局部化通常与最大特征值的值强相关，该最大特征值由相应局部化子图的局部特征值给出，但有时会出现不同的情况。我们还表明，简单的有针对性的免疫策略传染病传播是非常敏感的实际本地化设置。
2018-01-17 cs.SI physics.soc-ph
Exact solutions for social and biological contagion models on mixed directed and undirected, degree-correlated random networks
我们推导出的可能性，概率和预期规模的全球传播事件从一个单一的感染种子广泛收集的传染过程作用于随机网络的有向和无向边缘和任意度度的相关性。我们的工作扩展了以前的无向情况下的理论发展，我们提供了数值支持我们的研究结果，通过调查一类网络的例子，我们能够获得封闭形式的表达式。
2011-06-14 cond-mat.dis-nn cs.SI physics.soc-ph
May the Best Meme Win!: New Exploration of Competitive Epidemic Spreading over Arbitrary Multi-Layer Networks
本文将单病毒在任意图上传播的SIS传染病模型推广到两个互斥竞争病毒在具有类属结构的两层网络上传播的SI 1 SI 2S传染病模型，其中网络层代表病毒的不同传播路径.通过引入生存阈值和获胜阈值的概念，我们找到了确定病毒灭绝、互斥和共存的分析结果。此外，我们表明共存的可能性SIS型竞争性传播多层网络。我们不仅严格证明了共存的区域，我们通过网络层的中心节点的相互关系来量化它。层中心节点的重叠很少或没有重叠是共存的关键决定因素。具体来说，我们表明共存是不可能的，如果网络层是相同的，但可能的，如果网络层有不同的主导特征向量和节点度向量。例如，我们通过分析和数值计算表明，网络层的正相关性使病毒难以生存，而在网络层负相关的网络中，病毒的生存更容易，但要完全清除其他病毒则更困难。我们相信，我们的方法有很大的应用潜力，以更广泛的类的多病原体传播的多层和互连的网络。
2013-08-30 cs.SI physics.soc-ph
Quantifying echo chamber effects in information spreading over political communication networks
在线社交网络中的回音室，用户更喜欢只与意识形态一致的同龄人互动，被认为有助于错误信息的传播，并有助于激进的政治话语。在本文中，我们衡量回声室在政治通信网络上的信息传播现象的影响。挖掘1200万条Twitter消息，我们重建了一个网络，用户在其中交换与巴西前总统迪尔玛·罗塞夫弹劾案有关的意见。我们定义了一个连续的{政治立场}参数，独立于网络的结构，它允许量化网络的强连接组件中回声室的存在，反映在两个大小相似的社区中，对弹劾过程有相反的看法。通过简单的传播模型，我们表明，用户在传播他们生产的内容的能力，测量相关的传播性，强烈依赖于他们的态度。平均而言，表达支持弹劾情绪的用户能够向比表达反弹劾情绪的用户更多的受众发送信息。此外，用户的传播能力与受众的政治立场多样性有关。我们的方法可以用来识别回声室的存在及其在不同背景下的影响，并揭示允许打破回声室的机制。
2019-07-17 cs.SI physics.soc-ph
Epidemic Spreading and Aging in Temporal Networks with Memory
时变网络拓扑结构可以深刻地影响由它们介导的动力学过程。人们还知道，个体之间互动模式中的记忆效应会影响扩散和传播现象的发生。在本文中，我们分析了这两种成分对网络上流行病动力学的综合影响。在最近引入的具有记忆的活动驱动网络上，研究了易感染-易感染（SIS）和易感染-易感染-移除（SIR）模型。通过基于活动的平均场方法，我们推导出，在很长的时间限制，分析预测的流行阈值作为一个函数的参数描述的活动分布和记忆效应的强度。我们的研究结果表明，记忆降低了阈值，这是相同的SIS和SIR动态，因此有利于传染病传播。在长时间渐近状态下，理论计算与数值模拟结果完全一致。强的老化效应存在于前渐近制度和流行病的阈值深受流行病的开始时间的影响。我们详细讨论了依赖于模型的前渐近校正的起源，其理解可能允许相关的时间网络的流行病控制。
2018-12-19 cs.SI physics.soc-ph q-bio.PE
Generation of degree-correlated networks using copulas
复杂网络上的动态过程，如信息传播、创新扩散、连锁故障或传染病传播，都受到其底层拓扑结构的高度影响，例如，度-度相关性。在这里，我们引入连接的概念，以人为地生成随机网络与任意度分布和丰富的先验度度相关（或“关联”）结构。所提出的形式主义和相应的算法的准确性进行了数值验证。导出的网络集成可以系统地部署为适当的零模型，以揭示真实网络的拓扑结构与其上的动态之间的复杂相互作用。
2013-03-02 cs.SI math-ph math.MP
Optimal Allocation of Resources for Suppressing Epidemic Spreading on Networks
有效配置有限的医疗资源是控制网络流行病传播的关键。基于易感-感染-易感模型，在每个节点的治愈率与其医疗资源正相关的条件下，解决了如何最好地分配有限的资源以使患病率最小的优化问题.利用猝灭平均场理论和异质平均场（HMF）理论，证明了当每个节点的治愈率与其度成正比时，传染病的爆发将得到最大程度的抑制，在此条件下，有效感染率$λ$存在一个最大阈值$λ_c^{opt}=1/\left\langle k \right\rangle$，其中$\left\langle k \right\rangle$为底层网络的平均度.对于弱感染区域（$λ\gtrsimλ_c^{opt}$），本文将摄动理论与拉格朗日乘子法（LMM）相结合，导出了治愈率最优分配的解析表达式，并得到了相应的最小患病率。对于一般感染域（$λ>λ_c^{opt}$），利用HMF理论和LMM将高维优化问题转化为低维非线性方程组的数值求解。与直觉相反，在强感染区域，低度节点应比高度节点分配更多的医疗资源，以最大限度地降低患病率。最后，我们使用模拟退火来验证理论结果。
2017-02-26 physics.soc-ph q-bio.PE
Epidemic spreading on time-varying multiplex networks
社会互动在多个背景下分层，并受到复杂的时间动态。对社会系统的这两个特征的系统研究只是最近才开始的，这主要归功于多元和时变网络的发展。然而，这两个进展几乎是平行的，几乎没有重叠。因此，连接模式的多重性和时间性质之间的相互作用知之甚少。在这里，我们的目标是通过引入一个随时间变化的多路复用网络模型来解决这个限制。我们感兴趣的是如何描述这两个属性影响传染过程。为此，我们研究SIS流行病模型展开在可比的时间尺度方面的多重网络的演变。我们研究分析和数值的流行阈值之间的重叠，和功能，每一层的函数。我们发现，层之间的重叠显着降低了流行阈值，特别是当重叠节点的时间激活模式是正相关的。此外，当各层之间的平均连接性非常不同时，传染动力学由连接更密集的层的特征驱动。在这里，流行病阈值相当于单层图的阈值，并且在驱动传染的层中，疾病的影响与重叠无关。然而，在传播动力学受其影响很大的其他层中，情况并非如此。本文的结果为描述真实网络的性质及其对传染现象的影响提供了又一步
2018-08-11 cs.SI physics.soc-ph
Random degree-degree correlated networks
相关性可能会影响复杂网络上的传播过程。为了分析它们的效果，构建网络的集合是有用的，这些网络被约束为具有给定的结构度量值，例如度-度相关性$r$，在其他方面是随机的，并且保持度分布。这可以通过蒙特卡罗优化程序来完成。同时，当调谐$r$时，其它网络属性可能伴随地改变。然后，在这项工作中，我们分析，为$r$ -合奏，$r$的影响，如传递性，分支和特征长度，相关的调查时，这些网络上的传播现象。本分析是针对两种主要类型的度分布的网络进行的：要么围绕一个典型的度（具有指数有界渐近衰减）或广泛分布（具有幂律衰减）。相关界限和尺寸效应也进行了研究。
2013-04-08 cond-mat.stat-mech cs.SI physics.soc-ph
Non-Markovian temporal networks with auto- and cross-correlated link dynamics
我们周围的许多生物、社会和人造网络本质上都是动态的，它们的联系随着时间的推移而打开和关闭。这些网络的演化往往是非马尔可夫的，它们之间的动态联系是相互关联的。因此，为了准确地对这些网络进行建模，预测它们的演变，并了解信息和其他量如何在它们上面传播，关键是要包含链接之间的记忆和动态依赖性。本文介绍了一类基于离散自回归过程的时间网络模型。作为一个案例研究，我们集中在这个类中的一个特定的模型，生成一个指定的底层骨干的时间网络，并精确控制链接之间的动态依赖关系和他们的记忆的强度和长度。在这个网络模型中，每个链接的存在都受到其自身过去活动和其他链接过去活动的影响，如耦合矩阵所指定的，该耦合矩阵直接控制链接之间的因果关系和相关性。我们提出了一种估计模型参数的方法，以及如何处理异质性和随时间变化的模式，显示该模型如何允许更现实的描述现实世界的时间网络，也预测其演变。然后，我们调查的作用，记忆和相关性的链接动态的过程中发生的时间网络通过研究传播过程的速度，测量扩散达到平衡所需的时间。通过数值模拟和分析结果，我们能够分离的自相关性和邻居的相关性的链接动态的作用，显示扩散的速度是非单调依赖于记忆长度，相邻的链接之间的相关性可以加快传播过程，而自相关性减慢它。
2021-07-22 cond-mat.stat-mech math.PR physics.soc-ph
The role of centrality for the identification of influential spreaders in complex networks
网络中最有影响力的传播者的识别对于控制和理解系统的传播能力以及确保有效的信息传播（例如在谣言动态中）是重要的。最近的工作表明，有影响力的传播者的识别是不是独立的动态正在研究。例如，在分析社会传染或谣言传播时，关键的疾病传播者可能不一定是这样。此外，它已被证明，不同的度量（度，核心等）可能会识别不同的影响节点，即使是相同的动态过程，不同程度的准确性。在本文中，我们研究了九个中心性指标如何与构成不同合成和真实世界（空间和非空间）网络的节点的疾病和谣言传播能力相关。我们还提出了一个推广的随机游走可达性作为一个新的中心性措施，并推导出解析表达式，后者的措施，简单的网络配置。研究结果表明，在非空间网络中，$k$ -core和度中心性与传染病传播的相关性最强，而平均邻域度、贴近中心性和可达性与谣言动态的相关性最强.相反，对于空间网络，可达性度量在几乎所有情况下都优于其他中心性度量，无论考虑的是哪种动态。因此，我们分析的一个重要结果是，以前在合成随机网络中进行的研究不能推广到空间网络的情况。
2014-04-17 cs.SI physics.soc-ph
