Model of Opinion Spreading in Social Networks
我们提出了一个新的模型，它捕捉信息和意见传播之间的主要区别。在信息传播中，额外接触某些信息的影响很小。相反，当一个行动者接触到两个有意见的行动者时，他接受这个意见的可能性要比接触一个这样的行动者时高得多（J. Kleinberg称之为“0-1-2效应”）。在每个时间步中，如果一个参与者没有意见，我们随机选择2个他的网络邻居。如果他们中的一个有一个意见，演员采用的意见与一些低概率，如果两个-与较高的概率。在不同的现实世界社交网络和相似的随机无标度网络上模拟了意见传播。结果表明，小世界结构对临界点时间有着至关重要的影响.“0-1-2”效应导致行动者启动舆论传播能力的显著差异。根据他在网络中的拓扑位置，演员是一个影响者。
2011-06-05 cs.SI physics.soc-ph
Epidemic spreading driven by biased random walks
随机游走是在许多网络应用中发现的基本机制之一。研究了复杂网络上由有偏随机游动驱动的传染病传播动力学。在我们的传染病模型中，每次被感染的节点不断地通过有偏随机游走将一些被感染的数据包传播到它们的邻居节点，导致接收数据包的易感节点被感染。被感染的节点以固定的概率从感染中恢复。对模型和真实网络的仿真分析结果表明，随着感染节点的传递能力、节点平均度、节点度分布均匀性的增加，传染病传播的强度和范围都增大。此外，还存在相应的最优参数，使得感染节点瞬时拥有最大种群，传染病传播过程覆盖网络的最大部分。
2014-08-01 cs.SI physics.data-an physics.soc-ph
Spreading dynamics on small-world networks with connectivity fluctuations and correlations
传染病和计算机恶意软件通过人与计算机之间的接触网络在人与计算机之间传播。这些网络具有连通性涨落、连通性相关和小世界特性。在以前的工作[A。Vazquez，Phys. Rev. Lett. 96，038702（2006）]我已经证明了连通性波动与小世界性质一起导致了一种新的传播规律，其特征在于初始幂律增长，其指数由网络上的平均节点距离确定。在这里，我将这些结果扩展到考虑在真实网络中通常观察到的连接相关性的影响。我表明，constitutive和disconstitutive连接的相关性增强和减少，分别，这种传播规律的有效性范围。作为一个推论，我得到的区域的连接波动和程度的相关性，其特征在于没有一个流行病的阈值。这些结果与传染病、谣言和信息在人类中的传播以及计算机病毒、电子邮件蠕虫和恶作剧在计算机用户中的传播有关。
2006-09-28 cond-mat.dis-nn physics.soc-ph q-bio.PE
Probing models of information spreading in social networks
将信号处理分析应用于无标度网络中的信息传播。为了再现万维网中的信息传播分析得到的典型行为，我们使用了一个修改后的SIS模型，其中考虑到协同效应和有影响力的节点。该模型依赖于一个单一的自由参数，其特征在于扩展过程的记忆时间。我们表明，通过分形分析，它是可能的-从聚合容易访问的数据-获得信息的记忆时间的基本机制驱动的信息传播过程。
2014-08-28 cs.SI physics.soc-ph
Optimal interlayer structure for promoting spreading of SIS model in two-layer networks
现实世界的系统，从社会和生物到基础设施，都可以用多层网络来建模。促进多层网络中的传播动态可以大大促进电子广告和预测流行的科学出版物。在这项研究中，我们提出了一个策略，通过在两个孤立的网络之间添加一个互连的边缘，以促进易感-感染-易感模型的传播动力学。通过应用扰动方法的离散马尔可夫链的方法，我们得到一个指数，估计在互联网络的传播流行。该指数可以被解释为一个变种的Katz中心，其中的邻接矩阵被替换为一个加权矩阵的权重取决于扩散过程的动态信息。在一端及其邻域感染较少但在另一端感染程度较高的边将具有较大的权重。我们通过详尽地检查所有潜在的边缘，并证明性能是最佳的或接近最佳的小型网络上的建议策略的有效性。对于大型的合成网络和真实世界的网络，所提出的方法总是优于其他静态策略，如连接节点的最高程度或特征向量中心。
2019-08-09 cs.SI physics.soc-ph
Roles of Ties in Spreading
背景资料：在现实世界中控制全球性流行病和在人工世界中加速信息传播具有重要意义，引发了网络传播动力学研究的热潮。已经做出了很多努力来理解宏观统计的影响（例如，度分布和平均距离）和介观结构（例如，社区和富人俱乐部）对传播过程的关注，而对微观因素的关注较少。特别是，关系的作用尚未明确的学术界。方法/原理发现：每一个边缘是由它的强度，是完全基于本地拓扑结构定义的。根据加权的易感-感染-易感模型，通过调整边缘强度与传播能力的关系，分别优化稳态感染密度和传播速度。在6个真实网络上的实验表明，强连接有利于感染密度的增加，弱连接有利于感染速度的提高。通过与零模型的比较，进一步证明了这些发现的意义。结论/意义：实验结果表明，强连接和弱连接在传播动力学中起着不同的作用：前者扩大了感染密度，而后者加速了传播过程。该方法提供了一种定量的方法来揭示定性不同的作用，这可能会发现应用于分析许多网络动态过程的多个性能指标，如同步的同步性和收敛时间，吞吐量和交付时间的运输。
2012-03-31 cs.SI physics.soc-ph
Worldwide spreading of economic crisis
我们通过构建一个全球经济网络，并应用易感-感染-传播（SIR）传染病模型与可变的感染概率的危机蔓延。感染的可能性取决于两国之间经济关系的强度，以及目标国家的实力。据估计，起源于美国等大国的危机有可能像最近的危机一样蔓延到全球。令人惊讶的是，我们发现，比利时等国内生产总值低得多的国家也能够引发全球危机。使用{ \it k}-壳分解方法来量化（节点的）传播力，我们获得了作为经济网络中每个国家的传播者的“中心性”的度量。因此，我们根据它们所属的外壳对不同的国家进行排名，并找到12个最中心的国家。这些国家最有可能将危机扩散到全球。在这12个国家中，只有6个是大型经济体，其他6个是中小型经济体，这是无法预料的结果。此外，我们使用我们的模型来预测属于不同壳的国家的危机蔓延潜力，根据危机的严重程度。
2010-08-23 physics.soc-ph
Measuring node spreading power by expected cluster degree
节点影响力的传统度量，如度或介数，识别高度有影响力的节点，但在量化节点的传播能力时很少有用。这些节点是网络的绝大多数，也是新影响最有可能的入口点，无论是流行病还是新想法。最近的几个作品建议的度量路径计数的基础上。目前的工作建议，而不是使用预期数量的感染易感边缘，并表明，这种措施预测在离散时间，连续时间和竞争性的传播过程中模拟大型随机网络和现实世界的网络传播功率。应用于乌干达的公路网，它预测埃博拉不太可能构成大流行的威胁。
2012-09-26 cs.SI physics.soc-ph
Promoting information spreading by using contact memory
促进信息传播是网络科学界一个蓬勃发展的研究课题。然而，现有的关于促进信息传播的研究很少考虑到人类记忆在传播动力学中的重要作用。本文提出了一个复杂网络上的非马尔可夫信息传播模型，在这个模型中，每个被告知的节点利用邻居过去累积的联系次数的记忆来联系邻居。本文系统地研究了不相关结构网络和一组$22$真实网络上的信息传播动力学，发现了一种促进信息传播的有效接触策略，被通知的节点优先联系具有少量累积联系的邻居。根据有效的接触策略，在传播的早期阶段，度高的节点更有可能被选为接触邻居，而在传播的后期阶段，度小的节点优先被接触。我们还提出了一个平均场论来描述我们的模型，它定性地同意以及人工和现实世界的网络上的随机模拟。
2017-03-19 physics.soc-ph
Complex contagion process in spreading of online innovation
创新扩散可以被解释为一种受媒体和社会互动影响的社会传播现象。虽然这些机制已被确定的定量理论，其作用和相对重要性并没有完全理解，因为经验验证迄今为止一直受到阻碍，缺乏适当的数据。在这里，我们分析了一个数据集，记录了世界上最大的互联网协议语音服务的传播动态，以实证支持社会传染模型背后的假设。我们发现，自发的服务采用率是恒定的，通过社会影响力的概率是线性比例的分数采用邻居，服务终止率是时不变的，独立的同行的行为。通过实现检测到的扩散机制到一个动态的基于代理的模型，我们能够模拟在世界各地的几个国家的服务的采用动态。这种方法使我们能够对服务采用进行中期预测，并揭示创新传播动态与一个国家社会经济发展之间的依赖关系。
2014-10-23 cs.SI nlin.AO physics.comp-ph
Optimizing spreading dynamics in interconnected networks
在互连网络的层之间添加边是优化传播动力学的重要方法。虽然以前的研究大多集中在添加一个边缘的情况下，添加多个边缘的理论上的最优策略仍然需要研究。在本研究中，我们基于易感染-易感染（SIS）模型，研究了互联网络中最大化平稳传播流行率的问题。对于两个孤立的网络，我们通过选择多个互连边来最大化临界点附近的传播流行率。我们提出了一个理论分析的基础上的离散时间马尔可夫链的方法来获得近似的最优策略。该策略预测的最佳层间结构使互联网络的传播流行率最大化，同时使传播爆发阈值最小化。在合成网络和真实网络上的数值模拟表明，在临界点附近，该策略比连接大度节点和随机连接具有更好的性能。
2019-08-09 cs.SI physics.soc-ph
Nonequilibrium Opinion Spreading on 2D Small-World Networks
不可逆的意见传播现象研究的小世界网络产生的二维规则晶格的磁伊甸园模型，一个非平衡动力学模型的增长与热浴接触的二元混合物。在这个模型中，一个人的观点或决定会受到他们熟人的影响，但观点的改变（类似于伊辛模型中的自旋翻转）是不允许的。特别是，我们专注于固有的方面的底层的2D性质的基板，如域的生长和集群的大小分布。观察到较大的捷径分数有利于远程之间的有序连接的网络中遥远的集群，而温度被证明是驱动系统的有序-无序过渡，与以前的调查相关的平衡自旋系统。此外，外推相图，以及相关长度临界指数，确定通过标准的有限尺寸标度程序。
2007-08-10 cond-mat.dis-nn cond-mat.stat-mech physics.comp-ph
Traffic-driven epidemic spreading in correlated networks
尽管人们在复杂网络中的流量动力学和传染病传播方面做了大量的工作，但在{ \em相关}网络上流量驱动的传染病传播问题还没有得到解决。有趣的是，我们发现，流行病的阈值，一个基本量背后的传播动力学，表现出非单调的行为，它可以最小化的一些临界值的传播系数，一个参数表征网络的相关性。为了理解这种现象，我们使用基于度的平均场论来计算相关网络的流量驱动的流行病阈值。该理论预测阈值与分组生成速率和介数矩阵的最大特征值成反比。我们得到理论和数值之间的一致性。我们的研究结果可能会提供洞察到控制/利用现实世界的传染病传播动态驱动的交通流量的重要问题。
2015-07-16 cs.SI physics.soc-ph
Service adoption spreading in online social networks
人们采用创新、产品或在线服务的集体行为通常被解释为在整个社会结构中传播的现象。这一过程可以说是由社会影响、社会学习和媒体等外部影响驱动的。对这种过程的观察可以追溯到罗杰斯和巴斯的开创性研究，他们的数学模型有两个方向：一个范式，称为简单传染，将采用传播与流行病过程联系起来。另一个，命名为复杂的传染病，是有关的行为阈值，并成功地解释了出现的大级联的采用，导致快速蔓延的经验数据中经常看到的。最近，由于大型数字社交网络和行为数据集的可用性，对现实世界采用过程的观察变得更加容易。这使得同时研究网络结构和动态的在线服务采用，揭示的机制和外部影响的时间演变的行为或创新采用。这些进步导致了社会传播现象的更现实的模型的发展，这反过来又提供了各种经验采纳过程的非常好的预测。在本章中，我们回顾了最近的数据驱动的研究，解决现实世界的服务采用过程。我们的研究提供了第一个详细的经验证据的异质性阈值分布的采用。我们还描述了这种现象的建模与正式的方法和数据驱动的模拟。我们的目标是了解已确定的社会机制对服务采用传播的影响，并为未来的研究提供潜在的新方向和开放的问题。
2017-06-29 cs.SI physics.soc-ph
Detecting Hidden Layers from Spreading Dynamics on Complex Networks
在处理网络上的传播过程时，测试数据的可靠性并识别潜在的未观察到的传播路径可能是至关重要的。在本文中，我们解决这些问题，并提出隐藏层识别和重建的方法。我们还探讨了任务的难度和多层网络结构之间的相互作用，描述了整个系统的传播过程发生。我们的方法源于一个精确的表达的可能性级联的易感感染模型上的任意图形。然后，我们表明，通过恳求统计特性的单峰分布和简单的数学描述的联合可能性的一系列级联，可以获得一个估计的存在的隐藏层和它的内容，成功率远远超过那些零模型。我们对合成网络和现实网络进行分析，为所提出的方法的可行性提供证据。
2021-07-25 cond-mat.stat-mech cs.SI physics.data-an
Spreading of localized attacks in spatial multiplex networks
许多现实世界的多层系统，如关键基础设施，是相互依赖的，并嵌入在空间中的特征长度的链接。它们也容易受到局部攻击或故障的影响，例如恐怖袭击或自然灾害，这些攻击或故障会影响给定半径内的所有节点。在这里，我们研究了局部化攻击对两层空间复用网络的影响。我们发现了一个亚稳区域，其中大于临界尺寸的局部化攻击引起成核转变，因为故障的级联在整个系统中传播，导致其崩溃。我们发展了一个理论来预测临界攻击规模，并发现它具有新颖的缩放行为。我们进一步发现，在这些多重系统中的本地化攻击可以诱导一个以前未观察到的随机和空间级联的组合。我们的研究结果表明，在现实世界中的相互依赖的网络的重要脆弱性，并显示新的空间网络的理论特征。
2017-04-02 cs.SI physics.soc-ph
Rumour Spreading In Community Based Networks
University of Stirling（斯特灵大学）
研究基于社区的网络中谣言传播，该网络由组内和组间连通性表征。通过以投资机构交易员网络为例，研究表明此类网络与常见网络特性不同，网络拓扑对谣言传播有显著影响。
2026-07-10 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
Ranking the spreading influence of nodes in complex networks based on mixing degree centrality and local structure
网络的安全性和健壮性已经引起了各界人士的关注，几个关键节点的损坏将导致极其严重的后果。提出了一种基于节点自身H指数和相邻节点相对距离的聚类H指数混合中心度算法。从节点本身出发，结合节点周围的拓扑结构，确定节点的重要性及其传播能力。为了评估该方法的性能，我们使用易感-感染-扩散（SIR）模型，单调性和分辨率作为实验的评价标准。在人工网络和真实网络中的实验结果表明，CHM中心性在识别节点重要性及其传播能力方面具有良好的性能。
2020-03-07 cs.SI physics.soc-ph
Decelerated spreading in degree-correlated networks
虽然度相关性对于网络中的传播现象起着至关重要的作用，但它们对传播速度的影响几乎没有被理解。在这里，我们研究了无标度网络上的可调传播模型，并表明，如果具有高连通性的节点局部加速（减速）传播，则在正（负）相关网络中传播变得缓慢。检查有效的路径提供了一个连贯的解释，这一结果，而$k$核心分解揭示了相关性的节点扩散效率的依赖。我们的研究结果应该开辟新的途径来微妙地控制现实世界的传播过程。
2012-03-04 physics.comp-ph physics.soc-ph
The Effects of Evolutionary Adaptations on Spreading Processes in Complex Networks
在所提出的网络流行病模型中，一个共同的主题是假设传播对象，即，一个病毒或一条信息，在节点之间传输，而不经过任何修改或进化。然而，在现实生活中的传播过程中，病原体往往会随着环境和医疗干预措施的变化而演变，信息在转发之前往往会被个人修改。在本文中，我们研究了复杂网络上传播过程的演化，目的是i）揭示演化对流行病的阈值，概率和最终规模的作用; ii）探索网络结构特性和演化动力学之间的相互作用。特别是，我们开发了一个数学理论，准确地预测的流行阈值和预期的流行规模的传播过程的特征，病原体的进化动力学，和底层的接触网络的结构的函数。除了数学理论之外，我们还对随机和真实世界的接触网络进行了广泛的模拟，以验证我们的理论，并揭示了经典数学模型无法捕捉进化的重大缺陷。我们的研究结果表明，经典的，单一类型的键渗流模型可以准确地预测的阈值和最终规模的流行病，但他们的预测出现的概率是不准确的随机和现实世界的网络。这种不准确性揭示了经典的键渗透模型和现实生活中需要进化的扩散过程之间的根本脱节。最后，我们考虑的情况下，共同感染是可能的，并表明，共同感染可能导致的相变的顺序从二阶到一阶的变化。
2019-11-02 cs.SI physics.soc-ph
Reticula: A temporal network and hypergraph analysis software package
本文介绍 Reticula C++ 库和 Python 包，为静态与时序网络及超图提供合成生成、零模型、可达性计算和仓室模型模拟等工具，并通过缓存友好设计支持高性能多线程计算。
2023-06-11 cs.SI physics.soc-ph
Modelling indirect interactions during failure spreading in a project activity network
传播广义上是指实体通过其交互组件在整个网络系统中传播的概念。从疾病流行到金融系统性风险等一系列现象都可以看出其普遍性和严重性。为了理解这些关键现象的动力学，计算模型将传播概率映射为直接暴露的函数，通常以组件之间的成对相互作用的形式。通过这样做，间接相互作用的重要作用仍然没有得到探索。作为回应，我们开发了一个简单的模型，该模型可以解释直接和后续暴露的影响，并将其部署在现实工程项目中故障传播的新背景下。我们发现，后续曝光有显着的影响，在关键方面，包括：（a）最终的传播事件的大小，（b）传播速率，和（c）传播事件的结构。此外，我们还证明了在大规模传播事件中隐藏的影响者的存在，并评估了直接和随后的曝光在其出现中的作用。鉴于后续曝光的重要性的证据，我们的研究结果提供了新的见解，在一般的网络动态建模时需要包括的特定方面，特别是传播过程。
2018-02-06 cs.SI physics.soc-ph
Interacting spreading processes in multilayer networks
网络科学的世界是迷人的，充满了我们渴望理解的复杂现象。其中之一是复杂网络结构上传播过程的动力学。在我们可以面对在具有不止一个层的网络上传播的不止一个传播过程的领域中建立知识库是一项具有挑战性的任务，因为复杂性来自传播发生的环境以及传播传播的特性和相互作用。由于这个跨学科领域汇集了计算机科学，网络科学，生物学和物理学在过去十年中迅速发展，有必要全面审查当前的最先进的，并提供给研究界的路线图，有助于组织在这一领域的未来研究。因此，这项调查是首次尝试呈现多层网络上多进程的当前格局，并提出潜在的前进方向。
2020-01-15 cs.SI physics.soc-ph
Hidden dependence of spreading vulnerability on topological complexity
复杂系统中的许多动力学现象都与网络（通常称为时间网络）上的传播有关，这些网络具有随时间变化的结构。一个复杂系统的倾向，以促进传播现象，我们称之为它的“传播能力”，往往是推测有关的拓扑结构的时间网络系统的特点。然而，直接从时态网络的拓扑信息中干净地提取复杂系统的传播脆弱性仍然是一个挑战。在这里，使用数据从一个不同的现实世界的复杂系统，我们开发的“熵的时间纠缠”作为一种新颖的和有见地的数量来衡量拓扑的时间网络的复杂性。我们表明，这个参数自由量自然允许拓扑结构的比较，在非常不同的复杂系统。重要的是，通过模拟三种不同类型的随机动力学过程在时间网络上发挥作用，我们证明了时间纠缠的熵作为系统传播脆弱性的定量体现，而不管过程的细节。如果能够做到这一点，在能够定量地提取一个复杂系统的倾向，以促进从拓扑学的传播现象，这种熵的措施打开了自己的应用在各种各样的自然，社会，生物和工程系统。
2022-04-14 cs.SI physics.soc-ph
Epidemic spreading with time delay in complex networks
提出了一个改进的小世界无标度复杂网络\emph{susceptible-infected-susceptible}（SIS）模型，研究了在传染阶段引入时滞的传染病传播问题。考虑到网络的拓扑结构，研究了传染过程中的一致时滞和度依赖时滞。我们发现，时滞的存在将促进网络中传染病的爆发和流行。
2005-11-24 physics.soc-ph
Suppressing disease spreading by using information diffusion on multiplex networks
尽管信息扩散与疾病传播之间存在着相互作用，但目前对二者之间系统协同进化机制的实证研究还很缺乏。本文利用实际数据和提出的多重网络传播模型，研究了信息与疾病传播的协同进化机制和动力学。我们的实证分析发现，信息和疾病传播动力之间的不对称的相互作用。从理论框架和广泛的随机数值模拟中获得的结果表明，信息爆发可以在通信网络中由其自身的传播动力学或接触网络上的疾病爆发触发，但疾病阈值不受信息传播的影响。我们的关键发现是，存在一个最佳的信息传输速率，显着抑制疾病的传播。我们发现，在所提出的模型中的动态的时间演化定性地同意与现实世界的传播过程中的最佳信息传输速率。
2016-06-03 physics.soc-ph
Epidemic spreading on complex networks with community structures
许多现实世界的网络都显示出社区结构。我们研究了两种随机图模型，它们创建了一个与给定网络具有相似社区结构的网络。一个模型保留了原始网络的精确社区结构，而另一个模型只保留了社区集合和顶点度。这些模型表明，社区结构是网络上的渗流过程，如信息扩散或病毒传播的行为的一个重要决定因素：社区结构既可以是\textit{enforce}，也可以是\textit{inhibit}扩散过程。我们的模型进一步表明，重要的是介观社区集。社区的确切内部结构几乎不影响网络中的渗流过程。这种不敏感性可能是由于社区的相对密集。
2016-11-18 cs.SI physics.soc-ph
Improving the accuracy of the k-shell method by removing redundant links-from a perspective of spreading dynamics
最近的研究表明，由于类核群的存在，k-壳指数较大，但扩散效率较低，从而大大影响了k-壳方法在扩散过程中确定节点核度的准确性。通过对真实网络中类核群结构的分析，发现类核群中的节点相互之间连接紧密，而离开群的链路很少。通过定义一个基于每一条边的两端的出链数的扩散重要性度量，我们能够识别出扩散过程中的冗余链，这些冗余链具有相对较低的扩散重要性，但会导致形成局部密集连接的类核群.在滤除冗余链路后，对剩余网络应用k壳方法，得到每个节点的更新核心度，这是一个更准确地反映其在原网络中位置重要性和传播影响力的指标。此外，我们发现基于更新核度的排序算法的性能也得到了很大的提高。我们的研究结果有助于更准确地分解网络的核心结构，并确定在传播过程中有影响力的节点。
2015-05-27 cs.SI physics.soc-ph
Statistical inference framework for source detection of contagion processes on arbitrary network structures
在本文中，我们介绍了一个统计推断框架，估计传染源的部分观察到的传染传播过程中的任意网络结构。该框架是基于最大似然估计的部分流行病实现，并涉及大规模模拟的传染病传播过程的一组潜在的源位置。我们提出了一些不同的似然估计，用于确定与观察部分流行病实现特定的源位置候选人的条件概率。这个统计推断框架也适用于网络上的任意隔室传染扩散过程。我们比较了估计精度的这些方法在一些计算实验与SIR（易感染-感染-恢复），SI（易感染）和ISS（易感染-传播-扼杀）传染扩散模型合成和现实世界的复杂网络。
2013-03-29 cs.SI physics.soc-ph
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
Epidemic spreading and immunization strategy in multiplex networks
一个更加互联的世界带来了重大的后果，例如促进疾病在世界各地的传播，迅速成为流行病，这就是为什么研究人员集中在多层网络中建模流行病和疫情的传播。在这种网络中，所有节点在不同的层中通过不同类型的链路进行交互。然而，在许多场景中，例如在社会中，多路复用网络框架并不完全适合，因为并非所有个体都参与所有层。在本文中，我们使用了一个部分重叠的多路复用网络，其中只有一小部分个体被层共享。我们开发了一种缓解策略，用于阻止疾病传播，考虑易感-感染-恢复模型，在一个由两层组成的系统中。我们考虑一个随机免疫的一层，并研究重叠分数的影响，疾病的传播和免疫策略。使用分支理论，我们研究了这种情况下的理论和模拟，并找到了一个较低的流行阈值比在没有策略的情况下。
2015-07-07 cs.SI physics.soc-ph
Unification of theoretical approaches for epidemic spreading on complex networks
复杂网络上的传染病传播模型因其在预测和控制现实世界中的传染病传播场景方面的成功而引起了物理、数学和流行病学研究者的极大关注。为了理解传染病传播和接触网络拓扑结构之间的相互作用，已经开发了几种杰出的理论方法。一个精确的理论方法描述的传播动力学必须同时考虑网络的拓扑结构和动力学相关性，以增加方程的复杂性为代价。在这个简短的调查中，我们统一了最广泛使用的复杂网络上的传染病传播的复杂性，包括平均场，异质平均场，淬火平均场，动态消息传递，链接渗透，成对近似的理论方法。我们在这些方法之间建立联系，为开发一种准确的理论方法来在复杂网络上传播动态提供新的见解。
2016-12-13 physics.soc-ph
Disease spreading in populations of moving agents
我们研究了运动对疾病传播的影响，在一个系统的随机步行者，另外进行长距离跳跃。代理运动中的一小部分跳跃足以破坏局部相关性，并产生流行阈值的大幅下降，这在平均场近似中得到了很好的解释。这种效应类似于静态小世界网络中的交叉，并且可以进一步与代理交互的动态网络的结构特性相关联。
2007-07-11 physics.bio-ph physics.soc-ph
The weighted tunable clustering in local-world networks with incremental behaviors
由于一些现实网络不仅受到增量行为的影响，而且还受到可调聚类机制的影响，新节点将被添加到网络中，因此对这些实际网络的模型进行表征是很有趣的。本文提出了一种结合增量行为和可调聚类机制的加权局域世界模型，并研究了该模型的度分布和聚类系数等性质.数值模拟结果符合模型特征，并显示出良好的右偏无标度特性。此外，我们还研究了模型中顶点的相关性，证明了模型的相关性。通过对模型进行加权传播率的传染病传播过程分析，表明可调聚类行为对传染病传播动态有很大影响。关键词：加权网络，增量行为，可调聚类，传染病传播.
2012-02-02 cs.SI physics.soc-ph
Searching for superspreaders of information in real-world social media
已经提出了一些预测指标，以检测在Twitter或Facebook等各个领域的在线社交媒体中最有影响力的信息传播者。特别是，度，PageRank，k-core和其他中心度已被用于对用户在信息传播媒体中的传播能力进行排名。到目前为止，验证所提出的预测已经完成了模拟的传播动态，而不是在社交网络的真实信息流。因此，到目前为止，只有依赖于模型的矛盾的结果已经取得了最好的预测。在这里，我们直接解决这个问题。我们通过在广泛的网络中跟踪真实的传播动态来寻找有影响力的传播者。我们发现，广泛使用的度和PageRank在排名用户的影响力失败。我们发现，最好的传播者始终位于不同的社交平台，如Twitter，Facebook，Livejournal和美国物理学会的科学出版物的k核心。此外，当完整的全球网络结构是不可用的，我们发现，最近的邻居的度之和是一个可靠的本地代理用户的影响力。我们的分析提供了实用的指导，为“病毒”信息传播的相关应用程序的策略的最佳设计。
2014-08-10 cs.SI physics.soc-ph
Global Computation in a Poorly Connected World: Fast Rumor Spreading with No Dependence on Conductance
在本文中，我们研究的问题，如何有效地收集互连节点可以执行一个全球性的计算，在广泛研究的GOSSIP模型的通信。在该模型中，节点不知道网络的全局拓扑，并且它们在每一轮中只能与单个邻居发起联系。该模型与限制性更小的TCP模型形成对比，在TCP模型中，节点可以在单轮中同时与其所有邻居通信。在这种情况下，一个基本的问题是信息传播问题需要多少轮通信，其中每个节点都有一些信息，并需要收集所有其他信息。本文给出了一个算法，它解决了直径为$D$的网络中最多$O(D+\text{polylog}{(n)})$轮的信息传播问题，且不依赖于电导.这最多是来自$D$平凡下界的加性多对数因子，其甚至适用于RISK模型。事实上，我们证明了更强的东西是真的：任何算法，需要$T$轮在ESTA模型可以模拟$O(T +\mathrm{polylog}(n))$轮在GOSSIP模型。因此，我们证明了这两种分布式计算模型本质上是等价的。
2011-04-14 cs.DC cs.DM cs.SI
Spreading paths in partially observed social networks
了解信息、行为或病原体在社交网络中传播的方式和程度是一个重要的问题，对预测流行病的规模以及规划有效的干预措施都有影响。然而，在现实世界的网络中推断传播路径存在两个主要挑战。一个是观察网络上的动态过程的实际困难，另一个是只能部分观察网络的典型约束。使用一个静态的，结构上真实的社会网络作为模拟平台，我们并列三个不同的路径：（1）随机路径所采取的模拟传播过程从源到目标;（2）拓扑最短的路径在完全观察到的网络，因此最有可能的随机路径，两个节点之间;和（3）拓扑最短的路径在部分观察到的网络。在一个抽样网络中，部分可观测的最短路径（3）与未观测的扩展路径（1）的相似程度如何？虽然部分观测膨胀了最短路径的长度，但传播过程的随机性也经常使动态路径偏离最短路径，我们发现部分观测的最短路径并不一定会给出过程路径长度的膨胀估计;事实上，部分观测可能会违反直觉地使路径看起来比实际更短。
2011-10-19 cs.SI physics.soc-ph
Synergistic interactions promote behavior spreading and alter phase transition on multiplex networks
协同作用在现实世界中无处不在。最近的研究表明，对于单层网络，协同作用可以增强传播，甚至引发爆炸性传染。目前，人们对多路网络上的行为传播动力学越来越感兴趣。在这样的网络系统中，协同互动在行为传播中的作用是什么？为了解决这个问题，我们阐明了一个双层网络上的协同行为传播模型，其中的协同交互的关键表现是，通过一个节点在一个层中的一个行为的采用提高了其在其他层中采用该行为的概率。一个普遍的结果是，协同相互作用可以大大提高两个层中的行为的传播。一个值得注意的现象是，相互作用可以改变与行为采纳或传播动力学相关的相变的性质。特别是，取决于网络层中的一个行为的传输速率，协同交互可以导致另一个行为的采用范围相对于其传输速率的不连续（一阶）或连续（二阶）过渡。一个令人惊讶的两阶段传播过程可能会出现：由于协同作用，在一层中采用一种行为的节点在另一层中采用另一种行为，然后促使该层中的其余节点快速采用该行为。在分析上，我们开发了一个基于边缘的分区理论，并进行了分叉分析，以充分了解，在弱协同相互作用制度，网络层之间的动态相关性可以忽略不计，在促进整个系统中的社会行为传播动态的相互作用的作用。
2018-02-09 cs.SI physics.soc-ph
Mapping temporal-network percolation to weighted, static event graphs
许多传播和扩散过程都发生在时间网络上，其结果受到接触时间相关性的影响。这些相关性对传播媒介在节点上具有有限生命周期的过程具有特别强的影响：疾病传播（恢复时间），谣言扩散（信息的生命周期）和乘客路由（转移之间的最大可接受时间）。在这里，我们引入加权事件图作为一个强大而快速的框架，用于研究由时间尊重路径确定的连接性，其中接触之间的允许等待时间有上限。我们研究渗流的加权事件图和底层的时间网络，模拟和真实世界的网络。我们表明，这种类型的时间网络渗流是类似于定向渗流，它可以由多个序参量。
2017-09-17 cs.SI physics.data-an physics.soc-ph
Estimating epidemic arrival times using linear spreading theory
我们研究了全球流行病的空间结构模型的动态，并制定了疾病在网络中的任何城市的到达时间的预测。该模型是由一个系统的常微分方程描述了一个元人口SIR分区模型定义在一个网络上，每个节点代表一个城市和边缘代表连接城市的飞行路径。利用系统的线性确定性，我们考虑传播速度和到达时间的系统线性化的不稳定的无病状态，并比较这些到达时间的非线性系统。提出了两个预测。第一种是基于线性化系统的热核的扩展。第二个假设任何两个城市之间的主要传输路径可以近似由一个一维的格子或齐次树，并给出了一个统一的预测到达时间独立于特定的网络功能。我们在一个描述全球航空交通的真实网络上测试这些预测。
2017-12-19 nlin.PS physics.soc-ph
Localization and Spreading of Diseases in Complex Networks
利用无权和加权网络的SIS模型，我们考虑了疾病局部化现象。与公认的观点，即疾病感染的顶点以上的流行阈值的有限部分，我们表明，疾病可以本地化的有限数量的顶点，其中枢纽和大权重的边缘是本地化的中心。我们的研究结果来自于对网络的标准模型和现实网络的经验数据的分析。
2012-08-06 cond-mat.dis-nn cs.SI physics.bio-ph
Optimal Deployment of Resources for Maximizing Impact in Spreading Processes
有效利用有限的资源控制网络上的传播过程在各种情况下都具有重要意义，从确定“有影响力的传播者”以最大限度地传播信息和在监管网络中采取有针对性的干预措施，到制定经济系统中传染病和金融传染病的缓解政策。纯粹基于拓扑参数的这些优化任务的解决方案并不完全令人满意;在现实环境中，问题的特点往往是异构的相互作用，并需要通过一组有限的可控节点在有限的时间窗口内进行干预。因此，可用资源的最佳分配是网络拓扑结构和传播动态之间相互作用的结果。我们将展示如何解决这些问题作为一个通用的分析框架的基础上的一个可扩展的动态消息传递方法的特定实例，并展示了各种现实世界的例子上的方法的有效性。
2016-08-29 cond-mat.stat-mech cs.SI physics.soc-ph
Weighted H-index for identifying influential spreaders
传播是社会、生物和技术系统中普遍存在的过程。因此，识别有影响力的传播者，对于预防传染病传播和制定有效的预防接种策略具有重要的理论和现实意义。本文提出了一种基于虚拟节点扩展的加权h指标中心度来量化复杂网络中节点的扩散影响。在真实网络上的仿真结果表明，该方法提供了更准确，更一致的排名比五个经典的方法。此外，我们观察到，我们的措施的单调性和计算复杂性也可以产生优异的性能。
2017-10-15 cs.SI physics.soc-ph
A network-based threshold model for the spreading of fads in society and markets
我们研究了社会中流行时尚和类似现象传播的阈值模型的行为。该模型给出了时尚的动态，并打算局限于一个底层的网络结构。我们研究了三种网络模型上时尚动力学的整个参数空间。我们发现的动态是丰富的，高度依赖于底层的网络结构。对于参数空间的某个范围，对于所有类型的基底网络，时尚的规模和生命长度都有很大的不同--这是人们在现实世界的社会和经济系统中看到的。
2005-05-06 physics.soc-ph
Network-based Prediction of COVID-19 Epidemic Spreading in Italy
SARS-CoV-2病毒最初出现在中国武汉市，随后几乎在全球范围内传播，导致大流行，在中国病例中，该病毒在接触网络上相当好地遵循SIR（易感-传染-隔离）流行模型。在本文中，我们调查的SIR模型对网络的预测精度也为意大利。具体来说，意大利地区是一个集合种群代表的网络节点和网络链接是这些地区之间的相互作用。然后，我们修改了基于网络的SIR模型，以考虑意大利政府在COVID-19传播的各个阶段采取的不同封锁措施。我们的研究结果表明，基于网络的模型更好地预测每日累计感染的个人时，随时间变化的锁定协议被纳入经典的SIR模型。
2020-10-27 cs.SI physics.soc-ph q-bio.PE
Smart Information Spreading for Opinion Maximization in Social Networks
意见最大化的目标是使社交网络中的个体对产品、意识形态或任何实体的正面看法最大化。到目前为止，意见最大化主要是在社会网络中寻找一组有影响力的节点来快速传播内容。在本文中，我们提出了一种新的方法来解决这个问题，意见最大化是通过有效的信息传播。在我们的模型中，多个源不断地向网络中注入信息，而具有异构社会学习能力的规则节点通过八卦机制将信息传播给他们的熟人。其中一个信源采用智能信息传播，其余信源随机传播信息。我们的社会互动和意见的演变模型作为一个动态贝叶斯网络（DBN），使用它的意见最大化制定为一个顺序决策问题。由于这个问题是棘手的，我们开发了多个变种的集中式和分散式学习算法，以获得近似的解决方案。通过在合成网络和真实网络中的模拟，我们证明了两个关键结果：1）所提出的方法比随机传播的性能要好得多，2）即使智能源（传播所需内容）位于网络中的不利位置，它也可以胜过位于有利位置的竞争随机源。
2019-01-01 cs.SI physics.soc-ph
Identifying the starting point of a spreading process in complex networks
在处理流行病传播时，可以提出的一个重要问题是污染开始的位置。在本文中，我们分析了三种扩频方案，提出并验证了一种有效的方法来识别源节点。该方法是基于对采样网络上的节点的中心性的计算，在这里表示为度，介数，接近度和特征向量中心性。我们表明，源节点往往具有最高的测量值。该方法的潜力说明相对于三个理论复杂的网络模型，以及现实世界的网络，电子邮件网络的大学Rovira i Ravili。
2016-07-22 physics.soc-ph
Effects of memory on spreading processes in non-Markovian temporal networks
许多生物、社会和人造系统用时间网络来描述更好，即网络的链接只存在于特定的时间点，而不是静态的。特别是，它已被发现，非马尔可夫是一个必要的成分，以捕捉真实世界的网络的非平凡的时间模式。然而，我们对记忆如何影响在时间网络上发生的动态过程的性质的理解仍然非常有限，特别是限于短期记忆的情况。在这里，通过引入一个模型的时间网络，我们可以精确地控制连接密度和强度和长度的记忆为每个环节，我们揭示了记忆的动态传染病传播过程中发挥的作用。令人惊讶的是，我们发现，在我们的时间网络的平均传播时间往往是非单调依赖于内存的长度，最大化的传播时间的内存长度的最佳值取决于内存的强度和网络中的链接的密度。通过分析论证，我们探讨了改变连接任何两个节点的网络路径的数量和长度对最佳内存值的影响。
2018-10-09 physics.data-an physics.soc-ph
Containing misinformation spreading in temporal social networks
来自计算机科学、网络科学和数学等各个领域的许多研究人员都在关注如何遏制威胁社会系统和破坏社会健康的互联网错误信息的爆发。大多数关于这一主题的研究都将个体之间的联系视为静态的，但这些联系会随着时间的推移而变化，因此社交网络也是时间网络。目前还没有理论方法来解决时间网络中的错误信息爆发问题。因此，我们提出了一个错误信息传播模型的时间网络，并描述它使用一个新的理论方法。我们提出了一种基于优化最终爆发规模的策略，该策略优于随机包含（RC）和目标包含（TC）等简化策略。我们通过大量的数值模拟和理论分析，验证了我们的HC策略在人工和现实网络上的有效性。我们发现，HC策略大大提高了爆发阈值，降低了最终爆发阈值。
2019-04-24 cs.SI physics.soc-ph
Phase diagrams of interacting spreading dynamics in complex networks
现实世界中的传染病传播过程可以以合作、竞争或非对称的方式相互作用，需要基于协同进化动力学的描述。丰富的现象，如不连续的爆发过渡和突变可能会出现，但这些行为在参数空间中的全貌是缺乏的。我们发展了一个理论，通过频谱降维的复杂网络上的相互作用的传播动力学。特别是，我们从微观淬火的平均场方程的宏观变量，这使得一个完整的相图来确定解析的二维系统。该图预测了以前已知但仅在数值上的临界现象，例如不连续过渡和滞后之间的相互作用以及三临界点的出现和作用。
2020-11-16 physics.soc-ph
Immunization strategy for epidemic spreading on multilayer networks
在现实世界的许多复杂系统中，个体之间存在着多种交互作用，这就需要考虑一种分层结构的框架来对社会交互等系统进行建模。这种结构可以被多层网络捕获，并且可以对发生在它们上的过程的传播产生重大影响，例如流行病。在这封信中，我们研究了一个有针对性的免疫策略，传染病传播的多层网络。我们将该策略应用于其中一层，并研究其在网络的所有层中的效果，而不考虑层之间的度-度相关性。我们发现，有针对性的策略不如孤立网络有效，因为为了阻止疾病的传播，有必要对80%以上的个体进行免疫接种。然而，与没有缓解策略的情况相比，在应用免疫策略的层中，流行病的大小急剧减小。因此，免疫策略对所应用的层具有主要影响，但不能有效地保护其他层的个体。
2015-02-05 cs.SI nlin.AO physics.soc-ph
Visualizing spreading phenomena on complex networks
图形绘制是用于探索数据的结构和动态的有用工具，这些数据可以由一组对象之间的成对关系表示。典型的现实世界的社会，生物或技术网络表现出高度的复杂性，这是由于大量和广泛的异质性的对象和关系。因此，将这些网络映射到低维空间以可视化网络驱动过程的动态是一项具有挑战性的任务。我们经常想分析单个节点如何受到或正在影响其作为传播过程源的本地网络。在这里，我提出了一个网络布局算法的图形与数以百万计的节点，可视化传播现象的角度来看，一个单一的节点。该算法包括三个阶段，以允许一个互动的图形探索：首先，一个全球性的解决方案的网络布局是在球面空间中，最大限度地减少所有节点之间的距离误差。其次，交互式地选择焦点节点，并且进一步优化到该节点的距离。第三，节点坐标被映射到一个圆形表示，并绘制了额外的功能，以代表网络驱动的现象。这种方法的有效性和可扩展性显示了一个大型的科学家合作网络，我们感兴趣的焦点作者周围的引用动态。
2018-07-03 cs.SI physics.soc-ph
Inhibiting failure spreading in complex networks
在我们的日常生活中，我们依赖于从电网到输水系统的供应网络的正常运作。这些关键基础设施中的一个单一故障可能通过级联故障机制导致完全崩溃。因此，人们大力寻求对抗战略。在这篇文章中，我们介绍了一个通用的框架来分析复杂网络中的故障传播，并证明了弱连接和强连接都可以用来遏制损害。我们严格证明了某些子图的存在，称为网络隔离器，可以完全抑制任何故障传播，我们展示了如何在合成和现实世界的网络中创建这样的隔离器。因此，添加选定的链路可以防止大规模停电，如电力传输网所示。
2020-09-07 nlin.AO physics.soc-ph
