Competing spreading processes on multiplex networks: awareness and epidemics
在多层互联的复杂网络之上，类似流行病的传播过程揭示了相互交织的竞争效应的丰富相图。作者最近的一项研究[Granell等人，Phys.Rev.Lett. 111，128701（2013）]分析了导致流行病传播的两个过程之间的相互关系，以及在多重网络之上传播信息意识以防止其感染。在这种情况下，提高认识意味着对疾病进行全面免疫，结果表明存在一个元临界点，在这个点上，流行病的关键开始取决于提高认识过程的实现。在这里，我们提出了一个全面的分析，这些关键的属性在更一般的情况下，意识的传播并不意味着完全免疫，感染并不意味着立即意识到它。我们发现这两个竞争过程之间的关键关系，代表它们之间的相互作用的参数范围很广。我们还分析了大规模广播的意识（大众媒体）的流行病发病率的最终结果的后果。更重要的是，大众媒体使元批评点消失了。结果表明，主要的发现，即存在一个元临界点，是植根于竞争的原则，并持有一个大的场景。
2014-05-18 cond-mat.stat-mech cs.SI physics.soc-ph
Epidemic-induced local awareness behavior inferred from surveys and genetic sequence data
针对真实世界数据集中局部认知行为评估的挑战，提出通过分析临床基因序列数据中突变模式、识别超级传播事件并分配遏制评分的方法，验证其可作为局部认知代理指标，为认知建模领域提供重要见解。
2025-04-15 cs.SI physics.soc-ph q-bio.PE
Networked SIS Epidemics with Awareness
Georgia Institute of Technology（佐治亚理工学院）；King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
本文研究了在静态接触网络上具有部分流行病状态信息的SIS流行病过程，探讨了意识对流行病动态的影响，并通过马尔可夫链分析展示了意识模型与基准模型在流行病指标期望上的减少。
2016-07-12 cs.SI cs.SY eess.SY
A Convex Framework for Optimal Investment on Disease Awareness in Social Networks
本文提出了一种凸框架，用于在社交网络中通过疾病意识投资最优控制传染病传播，基于SAIS模型分析网络结构和参数对传染病传播的影响。
2013-08-16 cs.SI cs.SY eess.SY
Coupled dynamics of endemic disease transmission and gradual awareness diffusion in multiplex networks
本研究提出多重网络中意识扩散与疾病传播的耦合模型，解析阈值并验证准确性，揭示强意识形成对疫情控制的关键作用。
2022-10-21 cs.SI nlin.AO physics.soc-ph
Knowledge epidemics and population dynamics models for describing idea diffusion
思想的传播往往与知识的创造和传播以及社会的技术发展密切相关。正因为如此，知识的创造，交流及其随后转化为创新，以改善福利和经济增长的历史观点简要描述。接下来，三种方法进行了讨论，通过（i）确定性，（ii）随机性，（iii）统计方法的思想在科学和技术领域的传播建模。这些都说明了通过其相应的人口动态和流行病模型相对于思想，知识和创新的传播。确定性动力学模型被认为是适当的分析时，波动的影响是微不足道的大型和小型的社会，科学和技术系统的演变。随机模型是适当的，当系统的利益是小的，但当波动变得显着的演变。最后，基于洛特卡（Lotka）、布拉德福德（Bradford）、尤尔（Yule）、齐普夫-曼德尔布罗特（Zipf-Mandelbrot）等人的定律和分布的统计方法和模型，为分析发展与思想传播过程密切相关的系统的演化提供了许多有用的信息。
2012-01-03 cs.SI physics.soc-ph
Mutual Feedback Between Epidemic Spreading and Information Diffusion
信息扩散对传染病传播的影响近年来引起了人们的广泛关注。当一种疾病开始在人群中传播时，有关该疾病的信息就会传播给其他人，这反过来又会对疾病的传播产生影响。在本文中，使用H7N9传播的经验结果和有关该疾病的信息，我们清楚地表明，这两种类型的过程的传播动力学相互影响。为了说明信息扩散对传染病传播的影响，我们建立了一个数学模型，其中两种类型的传播动力学描述使用SIS过程。仿真结果和成对分析都表明，信息扩散可以提高疫情爆发的阈值，降低最终感染个体的比例，并显著降低疫情传播的速率。此外，我们发现传染病传播的多爆发现象，以及信息扩散的影响，与实证结果一致。这些调查结果突出表明，即使在流行病似乎得到控制的情况下，也需要保持社会对疾病的认识，以防止随后的爆发。这些结果有助于深入理解传染病传播动力学与信息扩散之间的相互作用。
2015-06-12 cs.SI physics.soc-ph
DEFENDER: Detecting and Forecasting Epidemics using Novel Data-analytics for Enhanced Response
近年来，社会和新闻媒体越来越多地被用来解释疾病活动和进展的模式。社交媒体数据，主要来自Twitter网络，已被证明与官方疾病病例数密切相关。这一事实已被利用来提供疫情检测的预警、疾病水平的跟踪以及预测个人出现症状的可能性的能力。在本文中，我们介绍了DEFENDER，一个软件系统，它集成了来自社交媒体和新闻媒体的数据，并结合了疫情检测，态势感知，综合征病例跟踪和预测的算法。作为该系统的一部分，我们开发了一种技术，可以完全基于Twitter数据为任何国家或地区创建位置网络。我们还提出了一种疾病计数跟踪方法，该方法利用了多种症状的计数，发现与仅使用以前病例数据的模型相比，该方法可将疾病跟踪提高37%。最后，我们试图根据观察到的用户在Twitter上的移动来预测未来的症状活动水平，发现时间序列预测模型的适度收益为5%。
2015-04-16 cs.SI physics.soc-ph
Is Twitter Enough? Investigating Situational Awareness in Social and Print Media during the Second COVID-19 Wave in India
这一流行病需要有效分配公共资源，并改变现有的社会职能方式。为了管理任何危机，政府和公共卫生研究人员利用他们所掌握的信息，以便做出明智的决策，也被定义为态势感知。利用社交媒体收集对情况的了解对于管理流行病起到了作用。之前的研究主要集中在Twitter、Reddit或Facebook等社交媒体平台上流行病危机期间的讨论，并开发NLP技术，从大量消息和帖子中过滤出相关讨论。社交媒体的使用随着互联网普及率和其他社会经济因素的变化而变化，这可能会导致分析不同地区讨论的差异。然而，无论地理位置如何，印刷媒体都是无处不在的信息源。此外，新闻文章中讨论的话题已经具有新闻价值，而在社交媒体上，新闻价值是技术社会过程的产物。为了发展这种根本性的差异，我们研究了印度第二次浪潮期间的Twitter数据，重点关注了六个具有不同宏观经济因素的高人口城市。通过定性和定量相结合的方法，我们进一步分析了同一时期的两家印度报纸，并比较了Twitter和报纸上的主题，以评估这些平台对COVID第二阶段的态势感知。我们的结论是，互联网普及率和GDP等因素在一个特定的城市影响的话语周围的情况更新社交媒体。因此，用从社交媒体提取的信息来扩充报纸上的信息，将为资源短缺的城市提供更全面的视角。
2022-11-29 cs.SI
Coevolution spreading in complex networks
疾病、行为和信息在真实系统中的传播很少是相互独立的，而是通过强相互作用共同进化的。网络协同进化传播的时空演化模式和临界现象对于揭示其动力学机制具有重要意义，它为控制传染病传播、预测社会系统中的集体行为等提供了理论基础，因此复杂网络协同进化传播动力学研究受到了众多学科的关注。本文介绍了协同进化传播动力学研究的最新进展，强调了统计力学和网络科学角度的贡献。详细介绍了生物传染、社会传染、免疫意识和免疫资源等4种典型的协同进化传播机制的理论方法、临界现象、相变、相互作用机制和网络拓扑效应，并讨论了该领域面临的挑战和有待进一步研究的问题。
2019-07-18 cs.SI physics.soc-ph
The Effects of Diffusion of Information on Epidemic Spread -- A Multilayer Approach
在这项工作中，目的是研究传染病的传播和多层次社会系统的信息。其主要思想是找到一个标准，根据该标准，采用传播信息阻止或抑制流行病的传播。两层网络是模型的基础。第一层描述了直接接触的互动，而第二层是信息传播层。这两个层由相同的节点组成。这个社会由五种不同类别的人组成：易感者、感染者、康复者、接种疫苗者和感染者。最初，只有一个受感染的个体开始传播感染。直接接触相互作用将感染传播给易感者。信息通过第二层传播。SIR模型用于描述感染传播，而Bass方程用于描述信息的采纳。信息传播与疾病传播竞争的控制参数是网络的拓扑结构和连通性密度。信息层的拓扑结构是一个无标度网络，其边缘密度不断增加。在接触层中，每个节点具有相同平均度的规则和无标度网络可以互换使用。观察结果是，接触网络的日益复杂性降低了个体意识的作用。如果接触层由具有有限范围连接的网络组成，或者边缘比信息网络稀疏，则信息的传播在控制流行病方面起着重要作用。
2021-03-13 cs.SI physics.soc-ph
Effect of heterogeneous risk perception on information diffusion, behavior change, and disease transmission
基于风险感知和行为改变的个体差异在人们应对传染病爆发（特别是正在进行的COVID-19大流行）中的重要性，我们提出了一个异质疾病-行为-信息（hDBI）传播模型，其中人们被感染的风险受到信息扩散、行为改变和疾病传播的影响。我们使用平均场近似和蒙特卡罗模拟来分析模型的动力学。信息传播通过让人们意识到疾病并采取自我保护措施来影响行为改变，并随后通过改变实际感染率来影响疾病传播。结果表明：（a）意识在疫情预防中起着核心作用;（b）疫情预防需要合理比例的“过度反应”节点;（c）R 0对无症状感染者和无症状感染者的疫情爆发有不同的影响;（d）社会对行为改变的影响可以显著降低疫情爆发规模。这项研究显示，传媒和舆论领袖不应低估疾病的传染性和严重性，以确保市民能认识到疾病，并采取自我保护措施，以保护自己和整个人口。
2020-10-07 cs.SI physics.soc-ph
Dynamics of beneficial epidemics
病原体可以通过人群传播。有益的传染，如提高宿主生存率的病毒或改善生活质量的技术创新，也有可能以有害的方式传播。有益的生物和社会流行病的动态与有害的流行病的动态有何不同？我们使用三种理论方法来研究这个问题。首先，在群体遗传学的背景下，我们表明，一个水平传播的元素，增加健身，如病毒DNA，传播超指数通过人口，更快地比有益的突变。其次，在行为流行病学的背景下，我们表明，感染，导致连接增加，导致人口中的超指数固定。第三，在动态社交网络的背景下，我们发现，增加全球感染的偏好加速了传播，并产生了超指数固定，但对局部非传染性的偏好通过切断感染者与易感者的联系来阻止流行病。我们的结论是，有益的生物和社会流行病的动力学的特点是快速传播的有益元素，这是促进在生物系统中的水平传播和社会系统中的受感染个体的积极传播行为。
2017-02-17 cs.MA cs.SI nlin.AO
Deep Demixing: Reconstructing the Evolution of Network Epidemics
Rice University（莱斯大学）；École polytechnique fédérale de Lausanne (EPFL)（洛桑联邦理工学院）；US Army Research Laboratory（美国陆军研究实验室）
针对网络拓扑已知但传播模型未知下的流行病完整传播路径重构难题，提出基于图条件变分自编码器的DDmix模型，经数据训练后可从部分时序信息重构传播路径，准确率优于多种非图感知算法，且泛化性强，扩展后还可识别超级传播者。
2023-06-11 cs.LG cs.SI eess.SP
Adaptive Susceptibility and Heterogeneity in Contagion Models on Networks
传染性过程，例如传染病的传播、社会行为或计算机病毒，会影响生物、社会和技术系统。网络上大种群和有限总体的流行病模型已被用来理解和控制瞬态和稳态行为。通常认为，在从感染中恢复后，每个病原体将返回其原始易感状态或获得对再感染的完全免疫力。我们研究了网络SIRI（易感-感染-传染-感染）模型，一个传染病模型的传播过程中的网络异构代理，可以适应他们的易感性再感染。该模型概括了现有的模型，以适应现实的条件下，代理商获得部分或妥协的免疫力后，第一次暴露于感染。我们证明了区分四个动态制度：无感染，流行病，地方病，和传染病的模型参数和网络结构的充要条件。对于在传统模型中没有考虑到的传染性疾病制度，我们展示了在看起来像是向无感染人群收敛之后，如何能够出现快速复苏的流行病。我们使用该模型及其预测能力来展示如何设计控制策略来减轻有问题的传染性行为。
2020-04-11 cs.SI math.DS math.OC
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
Tweets vs Pathogen Spread: A Case Study of COVID-19 in American States
本研究提出耦合SIR零模型，分析意识与疾病传播的相互影响，并利用美国各州推特数据实证，发现提高意识可抑制疫情，且推特活动排名与免疫参数强相关。
2025-08-06 cs.SI physics.soc-ph q-bio.PE
Characterizing human collective behaviours of COVID-19 in Hong Kong
在极端事件（如COVID-19危机）期间，人们可能会在网上进行集体行为，以表达他们的意识、行动和关注。自二零二零年一月二十二日确诊首例COVID-19病例以来，香港已实施严格的公共卫生及社会措施，以遏制COVID-19疫情。在极端事件（如COVID-19危机）期间，人们可能会在网上进行集体行为，以表达他们的意识、行动和关注。在此，我们提供了一个框架来评估前两波（2020年2月至6月）香港个人情绪，感知和在线行为之间的相互作用，并发现谷歌搜索的在线行为与实时复制数字之间存在很强的相关性。为验证风险认知的模型输出，我们于2020年2月1日至6月20日进行了10轮横向电话调查，以量化风险认知水平随时间的变化。与调查结果相比，使用我们的基于网络的机制模型对个人风险感知的估计捕获了研究期间人们风险感知（担心被感染的个人）的80%趋势。我们可能需要通过让人们参与进来来重振公众的活力，作为解决方案的一部分，以降低他们的生活风险。
2022-12-10 cs.SI physics.soc-ph
Campaigning in Heterogeneous Social Networks: Optimal Control of SI Information Epidemics
Indian Institute of Science（印度科学学院）
研究在社会网络中通过SI过程最大化信息传播的最优控制问题，分析不同网络结构对资源分配的影响，提出针对不同度数节点的最优策略，提升信息传播效率。
2015-12-25 cs.SI cs.SY eess.SY
Can co-location be used as a proxy for face-to-face contacts?
由于技术进步，旨在以不同空间分辨率衡量个人共存情况的数据收集工作大幅增加。然而，目前还不清楚共存数据能在多大程度上为我们提供关于实际面对面接触的信息，这对于研究社会群体中的人口结构或用于信息或传染病传播过程的数据驱动模型特别有意义。在这里，我们解决这个问题，利用数据集包含高分辨率的面对面的接触，以及一个粗糙的空间定位的个人，无论是时间上解决，在各种情况下。共同存在和面对面接触的时间网络共享一些结构和统计特征，但前者（根据定义）比后者密集得多。因此，我们考虑几种下采样方法，从共存信号中生成代理接触网络，并将其与真实的面对面数据进行比较。我们发现，这些代理网络再现了真实数据的一些特征，但只能部分识别面对面网络的最中心节点。然后，我们解决的问题，使用这种下采样的共存数据在数据驱动的模拟流行病的过程中，并在确定有效的遏制策略。我们表明，各种采样方法的性能强烈变化取决于上下文。我们讨论了我们的结果的后果，数据收集策略和方法。
2017-12-18 cs.SI physics.soc-ph q-bio.PE
Co-evolution of Viral Processes and Structural Stability in Signed Social Networks
Nazarbayev University（纳扎尔巴耶夫大学）；University of Tehran（德黑兰大学）；PSG College of Technology（PSG理工学院）
该研究聚焦带符号社交网络，基于Heider平衡理论构建能量模型，耦合流行病动力学与网络结构平衡，分析负向链路的作用，并通过真实数据集与高效算法验证了用户意识和初始设置对网络结构平衡的影响。
2022-07-26 cs.SI math.DS
Diffusion of innovation in large scale graphs
一个新的智能手机应用程序会在人群中深入传播，还是很快就会被遗忘？为了预测这一点，我们认为，基于级联动力学或流行病的创新传播的常见模型可能是不够的。因此，我们提出了一种新的随机网络动力学建模的新技术资产的传播，其采用是基于口碑和说服力增加的产品是扩散。在本文中，我们进行大规模图的分析，以显示如何模型的参数，图的拓扑结构，并可能，资产的初始扩散，决定是否成功的资产传播或不。特别地，借助于随机支配和确定性逼近，我们给出了一类扩张图的一般性结果。最后，我们提出了数值模拟，试图扩大分析结果，我们证明了更一般的拓扑结构。
2016-02-17 cs.SI math.PR
The role of caretakers in disease dynamics
传染现象动态建模的关键挑战之一是了解社会互动的结构如何塑造疾病的时间进程。复杂网络理论在这方面取得了重大进展。然而，在人群中对流行病的认识通常会产生与疾病演变的网络结构变化相对应的行为变化。这种反馈机制尚未得到深入研究。例如，人们会直觉地期望易感个体避开其他感染者。然而，治疗患者的医生或照顾患病儿童的父母也可能增加与感染者的接触量，以加速康复，但也使自己面临更高的感染风险。我们研究了这些看护者链接在自适应网络模型中的作用，在自适应网络模型中，个体通过增加或减少与受感染个体的接触量来对疾病做出反应。我们发现，纯粹的避免，只有很少的看守链接，是最好的策略，减少SIS疾病的网络，具有很大的拓扑变异性。在更同质的网络中，疾病的流行率降低低浓度的看护人，而出现高流行率，如果看护人的浓度通过一个明确定义的临界值。
2012-09-11 cs.SI nlin.AO physics.soc-ph
