Infection Spreading and Source Identification: A Hide and Seek Game
感染源节点的目标（例如，谣言或计算机病毒源）传播其感染到尽可能多的节点，同时对网络管理员保持隐藏。另一方面，网络管理员旨在基于哪些节点已被感染的知识来识别源节点。我们将感染传播和源识别问题建模为一个策略博弈，其中感染源和网络管理员是两个参与者。由于乔丹中心估计是一个极大极小源估计，已被证明是强大的，在最近的作品，我们假设，网络管理员利用源估计策略，可以探测任何节点在给定的半径内的乔丹中心。给定任何估计策略，我们为源设计最佳响应感染策略。给定任何感染策略，我们为网络管理员设计了一个最佳响应估计策略。我们推导出策略博弈的纳什均衡存在的条件。在合成网络和真实网络中的仿真表明，我们提出的感染策略感染更多的节点，同时保持相同的安全裕度之间的真实源节点和约旦中心源估计。
2015-10-30 cs.SI
Exo-SIR: An Epidemiological Model to Analyze the Impact of Exogenous Spread of Infection
新型冠状病毒肺炎和埃博拉等流行病严重影响了人们的生活。人口在国家或州之间的流动对流行病的传播产生了重大影响。由于考虑中的人群的局部因素引起的疾病传播被称为内源性传播。由于移民、流动等外部因素造成的传播被称为外生传播。在本文中，我们介绍了Exo-SIR模型，流行的SIR模型和模型的几个变种的扩展。我们的模型的新颖之处在于，它同时捕捉了病毒的外源性和内源性传播。首先，我们进行了分析研究。其次，我们模拟了Exo-SIR模型，假设和不假设接触网络的人口。第三，我们在关于Covid-19和Ebola的真实数据集上实现了Exo-SIR模型。我们发现内源性感染受外源性感染的影响。此外，我们发现，Exo-SIR模型预测的峰值时间比SIR模型。因此，Exo-SIR模型将有助于政府在大流行时规划政策干预。
2022-05-03 cs.SI physics.soc-ph q-bio.PE
On the Universality of Jordan Centers for Estimating Infection Sources in Tree Networks
当我们只知道网络拓扑和受感染节点而不知道感染率时，在网络中找到感染源是一个具有挑战性的组合问题，在实践中甚至更加困难，因为底层感染传播模型通常是先验未知的。在本文中，我们有兴趣找到一个源估计，适用于各种传播模型，包括易感-感染（SI），易感-感染-传播（SIR），易感-感染-传播-感染（SIRI）和易感-感染-易感（SIS）模型。我们表明，在SI，SIR和SIRI传播模型和温和的技术假设下，约旦中心是与最可能的感染路径在一个单一的感染源树网络的感染源。这一结论适用于广泛的传播参数，而它持有的SIS模型下均匀的感染率和恢复率的规则树。由于Jordan中心不依赖于感染率、恢复率和再感染率，因此可将其视为一个普适源估计量。我们还考虑了有k>1个传染源的情况，将Jordan中心定义推广到k-Jordan中心集，并证明了这是SI模型树网络中的最优传染源集估计。各种一般的合成网络和现实世界的网络上的模拟结果表明，约旦中心为基础的估计始终优于介数，贴近度，距离，度，特征向量，和pagerank中心为基础的算法，即使网络不是一棵树。
2016-10-27 cs.SI physics.soc-ph
Learning the Probability of Activation in the Presence of Latent Spreaders
当传染病在社区传播时，一个人被感染的可能性取决于她的易感性和通过与他人接触而接触到传染病的程度。虽然人们通常了解个体的易感性，但在许多情况下，个体的接触者是否具有传染性是未知的。我们研究的问题，预测如果一个人将采取的传染病在存在多种模式的感染（暴露/易感性）和潜在的邻居的影响。我们提出了一个生成的概率模型和变分推理方法来学习我们的模型的参数。通过对合成数据的一系列实验，我们测量了所提出的模型识别潜在传播者的能力，并预测了感染的风险。应用于20，000名医院患者的真实数据集，我们证明了我们的模型在使用病房共享和护士共享网络预测医疗相关感染的发生方面的实用性。我们的模型优于现有的基准，并为设计和实施有针对性的干预措施以遏制感染传播提供了可操作的见解。
2017-12-02 cs.SI physics.soc-ph
Pricing cyber insurance for a large-scale network
针对网络保险损失数据缺乏的问题，提出了一种基于合成数据的大规模网络保险定价方法。合成数据由所提出的风险分散和恢复算法生成，该算法允许感染和恢复事件顺序发生，并且允许不同节点的随机等待时间对感染的依赖性。采用无标度网络框架来考虑随机大规模网络的拓扑不确定性。通过大量的模拟研究，了解了风险的分散和恢复机制，并揭示了最重要的承保风险因素。最后通过一个案例分析表明，所提出的方法和算法可以为网络保险定价提供参考。
2020-06-29 cs.SI stat.ME
Containing the spread of a contagion on a tree
接触者追踪可以被认为是两个过程之间的竞赛：感染过程和追踪过程。在本文中，我们研究了一个简单的模型的感染传播的树，和一个跟踪谁稳定一个节点的时间。我们关注的问题是，跟踪器应该如何选择节点来稳定，以防止感染进一步蔓延？我们研究简单的策略，根据时间、传染性或产生新接触的可能性对节点进行优先级排序。
2022-10-24 cs.SI math.CO math.PR
The Coexistence of Infection Spread Patterns in the Global Dynamics of COVID-19 Dissemination
本文基于2020-2022年全球COVID-19感染数据，采用复Hilbert主成分分析研究感染扩散模式，发现传播趋势受地理、人口、GDP、应对措施、疫苗接种率和政府类型等因素影响，并随时间动态交替变化。
2024-01-11 cs.SI physics.soc-ph
Exo-SIR: An Epidemiological Model to Analyze the Impact of Exogenous Infection of COVID-19 in India
流行病模型是描述流行病动态的数学模型。病毒的传播有两种途径-外源性和内源性。外源性传播来自研究人群之外，内源性传播来自研究人群之内。虽然一些模型考虑了外源性传染源，但它们没有研究外源性和内源性传播之间的相互作用。在本文中，我们介绍了一种新的模型-Exo-SIR模型，捕捉外源性和内源性的病毒传播。我们通过分析找出Covid 19大流行期间内源性和外源性感染之间的关系。首先，我们模拟Exo-SIR模型，而不假设人口的任何接触网络。第二，假设接触网络是无标度网络进行模拟。第三，我们在关于Covid 19的真实数据集上实现了Exo-SIR模型。我们发现，即使是最小的外源性感染率，内源性感染也会受到影响。另外，我们还发现，在外源感染的存在下，内源感染峰变得更高，并且峰出现更早。这意味着，如果我们考虑对像Covid 19这样的大流行病的应对，如果存在外源性感染源，我们应该为比SIR模型所建议的更早和更多的病例做好准备。
2020-09-19 cs.CY cs.SI q-bio.PE
Traffic-driven SIR epidemic model on networks
提出了一个新的SIR传染病模型，该模型由网络中的感染包传输驱动。具体地说，感染节点产生并传递感染包，导致疫情的传播，而恢复节点阻止感染包的传递，这抑制了传染病传播。在分组传输中使用由控制参数$α$管理的高效路由协议。通过仿真得到了感染节点的最大瞬时种群、感染节点的最大种群以及相应的最优$α$。我们发现，一般更平衡的负载分布会导致更激烈和广泛的传播网络中的流行病。增加节点的平均度或度分布的均匀性都有利于传染病传播。当数据包生成率$ρ$较小时，增加$ρ$有利于传染病传播。然而，当$ρ$足够大时，出现抑制传染病传播的交通堵塞。
2015-02-18 cs.SI physics.soc-ph
Effects of Interregional Travels and Vaccination in Infection Spreads Simulated by Lattice of SEIRS Circuits
SEIRS模型是SEIR模型的扩展，用于分析和预测病毒感染的传播，该模型进一步扩展，以考虑跨地区的人员流动。与以前考虑来自/前往其他地区的旅行者风险的模型相比，我们考虑了两个因素。首先，我们考虑易感者（S）、暴露者（E）和康复者（R）的移动情况，这些人可能会感染并感染目的地地区的其他人，以及感染者（I）。第二，生活在一个地区的人和从其他地区迁移过来的人被视为独立但相互作用的群体，他们的状态是S、E、R或I。这使我们能够考虑个人在感染前的流动对感染传播的潜在影响，这种流动在移民时很难通过检测发现。在本文中，我们展示了模拟的结果，其中个人跨地区旅行，这意味着在这里的县，政府选择地区优先接种疫苗。我们发现了一个普遍的规律，即当我们将疫苗分配到区域时，通过最大化指标值，条件熵Hc，可以有效地使用一定数量的疫苗。这种策略的效率，最大限度地提高HC，被发现优于接种区域具有更大的有效再生数。这一定律还解释了一个令人惊讶的结果，即如果疫苗接种速度足够快，跨区域边界的旅行活动可能会抑制传播，从而引入社会混乱的概念。
2021-06-30 cs.SI physics.med-ph physics.soc-ph
Modeling Infection with Multi-agent Dynamics
发展全面研究小群体感染的能力使我们能够改进流行病模型，并更好地为个人提供有关其健康潜在风险的建议。我们目前对感染如何在小规模人群中传播的了解有限，因为很难在一个完整的社区内密切跟踪感染。这篇论文介绍了密切跟踪以学生宿舍为中心的感染传播的数据，这些数据是通过利用居民使用手机收集的。这些数据是基于为期四个月的每日症状调查和通过手机进行的近距离跟踪。我们证明，使用贝叶斯，离散时间的多代理模型的感染模拟真实世界的症状报告和接近跟踪记录给我们重要的见解感染在小群体。
2014-10-11 cs.MA cs.SI physics.soc-ph
How to Identify an Infection Source with Limited Observations
在社交网络中传播的谣言或在社区中传播的疾病可以被建模为在网络中传播的感染。找到感染源是一个具有挑战性的问题，在许多应用程序中，我们只能访问有限的一组观察结果，这使得问题更加困难。我们考虑的问题，估计一个易感感染模型的感染源，其中不是所有的感染节点都可以观察到。当网络是一棵树时，我们证明了与产生有限观测的最可能感染路径相关联的源节点的估计量由Jordan中心给出，即，与观察到的感染节点的集合具有最小距离的节点。我们还提出了一般网络的近似源估计。在各种合成网络和真实网络上的仿真结果表明，我们的估计性能优于基于距离、接近度和介数中心性的算法。
2014-04-02 cs.SI physics.soc-ph
Epidemic Spreading with External Agents
我们研究流行病在大型网络中的传播过程，当传播是由少量的外部代理人协助：传染源有界的传播能力，但其运动是不受限制的相对于底层的网络拓扑结构。对于网络的“空间限制”，我们表明，感染的传播可以显着加快，甚至由几个这样的外部代理随机感染。此外，对于一般的网络，我们推导出上界的顺序的传播时间实现某些简单的（随机/贪婪）的外部传播政策。相反，对于某些常见的网络类，如线图，网格和随机几何图形，我们还推导出所有（潜在的网络状态感知和对抗）外部传播策略的传播时间的顺序上的下限;这些对抗的下限匹配（对数因子）的传播时间实现的外部代理与随机传播策略。这表明，由外部代理进行的随机的、状态无关的感染传播实际上是在这种空间受限网络中传播的顺序最优。
2014-04-13 cs.IT cs.NI cs.SI
Covid-19 Spread Detection and Controlling with Fog-based Infection Probability Evaluation Model
COVID-19在全球范围内造成了大流行，暂停了建设未来的道路，并且仍在持续，短期内没有任何长期解决方案。与COVID-19的传播相比，疫苗分发所需的时间太慢。因此，重要的是要及时意识到并采取预防措施，而不是在感染病毒后拖延和等待很长时间。目前使用的技术比以往任何时候都更先进。几乎每个人都可以使用至少一个具有互联网连接的移动终端。因此，我们提出了一个基于雾服务器（FS）的系统，该系统可用于在多项式计算时间复杂度中利用隐马尔可夫模型（HMM）和蓝牙接触跟踪的概念来创建对COVID-19在个人周围环境中传播的意识。此外，我们评估所提出的模型的有效性，通过现实世界的数据分析不同的模拟参数设置。
2021-05-20 cs.SI
Edge Deletion Algorithms for Minimizing Spread in SIR Epidemic Models
本文研究了有效减少SIR传染病模型中感染次数的算法策略。我们考虑了一个马尔可夫链SIR模型及其在确定性SIR（D-SIR）模型和独立级联SIR（IC-SIR）模型中的两个实例。我们调查的问题，最大限度地减少感染的数量，限制接触现实的限制。在适度的再生数假设下，证明了大类随机网络的D-SIR模型和IC-SIR模型中的传染数均受超模函数的约束.我们提出了有效的近似保证算法，以尽量减少感染。通过数值模拟说明了理论结果。
2020-11-22 cs.SI math.OC
Accurately Estimating Unreported Infections using Information Theory
本文提出一种基于信息论和常微分方程模型的方法，通过最小化描述已报告感染动态所需的比特数来准确估计总感染人数，并在COVID-19实验中显著提升了感染估计与预测精度。
2025-01-27 cs.IT cs.SI math.IT
Cyber Epidemic Models with Dependences
研究任意复杂网络上的网络流行病模型可以从全系统的角度加深我们对网络安全的理解。在本文中，我们开始调查网络流行病模型，适应网络攻击事件之间的{\em依赖}。由于处理这种依赖性的难度众所周知，基本上所有现有的网络流行病模型都假定它们不存在。具体来说，我们将Copula的思想引入到网络流行病模型中，以适应网络攻击事件之间的依赖关系。我们调查的流行病的平衡阈值，以及平衡和非平衡感染概率的界限。我们进一步描述了假设网络攻击事件之间的适当依赖关系的副作用，通过显示其结果是不必要的限制，甚至是不正确的。
2016-03-28 cs.CR cs.SI
Critical paths in a metapopulation model of H1N1: Efficiently delaying influenza spreading through flight cancellation
近年来，通过人类旅行网络传播的疾病一直是人们非常感兴趣的话题，正如在甲型H1N1流感或SARS大流行爆发期间所目睹的那样。阻止航空公司网络传播的一种方法是根据机场的乘客总数对主要机场或网络枢纽实施旅行限制。在这里，我们测试了使用边缘去除的替代策略，取消有针对性的航班连接，而不是限制网络枢纽的流量，以控制航空公司网络的传播。我们采用了一个SEIR集合种群模型，该模型考虑了城市人口，模拟了城市内和500强机场网络中的感染，并测试了不同的航班取消方法来限制感染过程。通过随机全球传播模型模拟的全球传播感染所需的时间用于对候选控制策略进行排名。该模型包括在人口水平上的本地传播动态和从真实的全球航空旅行数据中获得的远程连接。在这个网络中的模拟传播表明，在取消了四分之一的城市之间的航班连接后，传播感染的人数减少了37%，这是由介数中心性选择的。关闭整个机场的替代策略导致相同数量的航班取消，只减少了18%的感染。总之，与关闭整个机场相比，选择城市之间排名高的单一航班取消更有效，从而减少感染流感的人数。这也是一种更有效的战略，在减少感染的同时，影响到更少的乘客。在我们网站http://www.biological-networks.org上的资源链接下可以找到500强机场之间的连接网络。
2012-05-15 cs.SI physics.soc-ph q-bio.PE
Do Socialization Restrictions Prevent Restaurants from Becoming Covid Hotspots?
本文基于 Wells-Riley 空气传播模型模拟 Minneapolis-St. Paul 酒吧与餐馆的新冠感染，验证居家令和社交距离的有效性，并识别热点、提出规避建议。
2023-12-09 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
Predicting COVID-19 Infections Using Multi-layer Centrality Measures in Population-scale Networks
本文利用荷兰超百万人的多层网络数据研究中心性度量能否预测 COVID-19 感染风险与时间，发现其在模拟模型中有效但与真实检测数据无关联。
2023-10-31 cs.SI physics.soc-ph stat.AP
Cyber Resilience in IoT network: Methodology and example of assessment through epidemic spreading
网络弹性是复杂系统的一个重要属性，也是开发特定物联网应用的重要考虑因素。这项工作旨在引入一种新的方法来评估物联网的弹性，采用基于网络的流行病传播方法中的风险感知。物联网被认为是一种设备网络，需要平衡感染和交互（通信）的概率，以减少恶意软件的爆发，同时将网络功能保持在可接受的水平。数学模型和仿真结果揭示了物联网威胁管理从基于风险的方法转变为基于弹性的方法的好处。
2021-09-23 cs.NI cs.SI
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
Epidemic modeling and flattening the infection curve in social networks
本文研究社交网络中的流行病建模与压平感染曲线，提出通过隔离少数高中心性目标节点等非药物干预策略，有效降低病毒峰值并减缓疾病传播，且方法适用于任何病毒性疾病。
2023-11-26 cs.SI physics.soc-ph
Identifying highly influential travellers for spreading disease on a public transport system
最近爆发的新型冠状病毒及其快速传播强调了了解人类流动性的重要性。封闭的空间，如公共交通工具（如公共汽车和火车），为感染广泛和快速传播提供了合适的环境。因此，调查个人在公共交通系统上的移动模式和身体接触对于了解传染病爆发的驱动因素至关重要。例如，以前的工作探讨了人类流动固有的重复模式对疾病传播的影响，但没有考虑到旅行距离或相遇次数等其他方面。在这里，我们同时考虑多个流动性维度，以揭示设计有效干预策略的关键信息。我们使用一个月的全市范围内的灵巧卡旅行数据收集在澳大利亚悉尼巴士乘客沿三个维度，即探索程度，旅行的距离和遇到的数量进行分类。此外，我们还模拟了疾病在交通网络上的传播，并追踪了感染路径。我们详细调查了分类组之间的传输，而不同的感染概率和病原体的悬浮时间。我们的研究结果表明，沿着多个维度描述个体同时揭示了不同乘客群体之间复杂的感染相互作用，当只考虑单个维度时，这种相互作用仍然是隐藏的。我们还确定了比其他群体更有影响力的特定疾病特征，这可以指导遏制和疫苗接种工作。
2020-04-03 cs.SI physics.soc-ph q-bio.PE
Push- and Pull-based Epidemic Spreading in Networks: Thresholds and Deeper Insights
了解计算机病毒（恶意软件，蠕虫）在网络空间中的动态是一个重要的问题，已经吸引了相当多的关注。为此目的的早期研究采用了生物流行病模型，因此继承了所谓的同质性假设，即每个节点与其他节点的连接相等。后来的研究放松了这种经常不切实际的同质性假设，但仍然专注于某些幂律网络。最近，研究人员研究了{ \em arbitrary}网络中的流行病模型（即，对网络拓扑没有限制）。然而，所有这些模型仅捕获{ \em push-based}感染，即感染性节点总是主动尝试感染其相邻节点。最近，引入了{ \em pull-based}感染的概念，但没有严格治疗。沿着这条研究路线，本文研究了推和拉为基础的流行病传播动力学在任意网络中，使用非线性动力系统的方法。（1）提出了一个更一般、更有力的传播稳定的充分条件（文献中也称之为流行阈值）。(2)它给出了全球平均感染率的上限和下限，无论传播的稳定性如何。(3)它提供了洞察，除其他事项外，估计全球平均感染率，通过本地化监测的一个小的{ \em常数}数量的节点，{ \em不知道的参数值。
2016-03-24 cs.CR cs.SI math.DS
Distinguishing Infections on Different Graph Topologies
在传染病和流行病的历史上，有许多著名的例子表明，理解、控制和最终治疗疫情始于理解其传播模式。流感、艾滋病毒和大多数计算机病毒通过接触网络在人与人之间、设备与设备之间传播;另一方面，霍乱、癌症和季节性过敏则不会。在本文中，我们研究了检测的两个基本问题：第一，给定一个（可能是微不足道的）感染者比例的快照视图，在什么条件下流行病通过接触传播（例如，流感），区别于独立于任何接触网络的“随机疾病”（例如，季节性过敏）;第二，如果我们确实有一种流行病，在什么条件下有可能确定哪一种相互作用网络是传播的主要原因-致病网络-而除了一个极小的受感染节点子样本的身份之外，对流行病没有任何了解？因此，本文的核心是了解网络信息的诊断能力。我们推导出网络必须满足这些问题是可识别的充分条件，并产生有效的，高度可扩展的算法来解决这些问题。我们表明，我们给出的可识别性条件是相当温和的，特别是，满足两个常见的图形拓扑结构：网格，和Erdos-Renyi图。
2013-09-25 cs.SI q-bio.PE
Network-based Control of Epidemic via Flattening the Infection Curve: High-Clustered vs. Low-Clustered Social Networks
最近在网络科学和控制方面的研究表明，流行病过程之间存在有意义的关系（例如，COVID-19传播）和一些网络属性。本文研究了无标度网络中的聚类系数和中心性度量（或节点影响度量）等网络属性如何影响病毒的传播和流行病的增长。结果可用于将个体（网络中的节点）定向到\textit{flatten the infection curve}。这种所谓的感染曲线平坦化是为了减少卫生服务成本和当局/政府的负担。我们的Monte-Carlo模拟结果表明，集群网络通常更容易使感染曲线变平，即，在相同的连通性和相同数量的孤立个体的情况下，它们导致更平坦的曲线。此外，基于距离的中心性度量，基于节点到其他节点的平均网络距离（而不是节点度）来定位节点，是针对隔离/疫苗接种的目标个体的更好选择。
2023-03-16 cs.CY cs.SI cs.SY
Catch Me If You Can: Finding the Source of Infections in Temporal Networks
Centrum Wiskunde & Informatica（数学与计算机科学中心）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Hasso Plattner Institute（哈索·普拉特纳研究所）
本文提出基于时间网络的感染源检测新模型，采用SIR模型分析不同场景下的检测算法与下界，解决传统假设网络结构恒定的不足。
2025-08-12 cs.DS cs.SI
The Influence of Social User Knowledge Level and Active Communication Channel Control on Rumor Spread
本研究探讨突发公共卫生事件期间社交网络上谣言的传播，并探讨有效管理网络空间虚假信息的策略。通过仿真模型，分析了传播渠道控制、政府干预、个人性格等因素对谣言传播的影响。研究结果表明，提高网民对谣言的认知和抵制能力，发展辟谣平台，促进网络信息内容“清朗”生态，是治理网络虚假信息的有效策略。然而，实际网络的复杂性和规模对建立全面的网络空间治理体系提出了挑战。研究结果为提高治理社交网络谣言传播的有效性提供了实际指导。
2023-03-24 cs.SI stat.CO
Graph Discovery and Source Detection in Temporal Graphs
本文针对连接随时间变化的时序图，首次研究图发现与感染源检测问题，基于SIR模型提出兼容并扩展静态图结果的模型，并给出算法、下界和实验评估。
2025-03-17 cs.DS cs.SI
Spread of Information with Confirmation Bias in Cyber-Social Networks
Binghamton University–SUNY（宾汉姆顿大学（纽约州立大学））
本文研究了信息在网络社交网络中的传播，考虑了确认偏见的影响，基于DeGroot-Friedkin模型，分析了社会网络和网络层的动态平衡及极化对公众意见的影响。
2018-03-16 cs.MA cs.SI cs.SY
