Maximizing spreading in complex networks with risk in node activation
在复杂网络中,初始传播者对信息的广泛传播起着重要的作用。因此,已经提出了各种基于中心性的方法来识别最有影响力的传播者。然而,大多数现有的研究都忽略了这样一个事实,即在真实的社交网络中,说服有影响力的个人担任初始传播者的成本更高,也更难,从而导致最大化传播的高风险。在本文中,我们解决这个问题的基础上的假设,大的程度节点被激活的风险比小度节点。我们的目标是确定有效的初始传播者,以最大限度地传播时,同时考虑激活风险和初始传播者的爆发规模。在随机网络上,分析表明,最优初始传播者的度并不对应于网络中节点的最大度,而是由不同度节点的感染概率和激活风险的差异决定的。在这里,我们提出了一个风险意识的指标来识别真实网络上的有效传播者。数值模拟表明,风险感知度量优于现有的基准中心性,在最大限度地提高有效传播。
2021-04-14 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 of performance fluctuations on real-world project networks
理解单个节点的作用是研究网络传播过程的一个关键挑战。在这项工作中,我们提出了一种新的度量,可达性异质性(RH),量化的脆弱性,每个节点在网络上的传播过程。然后,我们介绍了一个由四个大型工程项目组成的数据集,这些项目由它们的活动网络描述,包括每个活动的性能记录;这些数据描述了活动之间性能波动的传播,可以用作研究网络传播现象的可靠基础事实。我们在这些项目网络上测试了RH度量的有效性,发现RH得分低的节点往往表现更好。我们还比较了RH和其他七个节点的指标,表明前者是高度相互依赖的活动性能。考虑到RH的上下文不可知性,我们的结果,基于现实世界的数据,表明网络结构在整体项目绩效方面发挥的作用。
2020-12-01 cs.SI physics.soc-ph
Understanding the spreading power of all nodes in a network: a continuous-time perspective
中心性度量(如度、k壳或特征值中心性)可以识别网络中最有影响力的节点,但在量化绝大多数影响力不高的节点的传播能力时很少有用。从连续时间流行病学的角度来看,考虑每个节点产生的感染力的分布,可以更好地解释所有网络节点的传播能力。由此产生的度量,\textit{expected force},准确地量化节点的传播功率下的所有主要流行病学模型在广泛的原型人类接触网络。当节点功率较低时,影响力是邻居度的函数。随着功率的增加,节点自身的度变得更加重要。这种关系的强度受到网络结构的调节,在社交网络典型的狭窄、密集的网络中更为明显,而在互联网等更广泛、更松散的关联网络中则有所减弱。期望的力可以独立地为单个节点计算,使其适用于邻接矩阵是动态的,没有很好地指定,或非常大的网络。
2014-06-11 cs.CY cs.SI physics.soc-ph
Diffusion in Colocation Contact Networks: the Impact of Nodal Spatiotemporal Dynamics
时间接触网络的研究是为了理解动态传播现象,如传染病或信息传播。为了确定节点的时空动态如何影响托管联系网络中的传播潜力,我们提出了“诱导洗牌”空模型,该模型打破了时间,位置和节点之间的一个或多个相关性。通过重新配置每个节点在网络中出现的时间和/或位置,这些模型诱导出替代的托管事件集合,从而产生具有不同传播潜力的接触网络。这使得关于节点时空偏好的相关性如何不仅导致给定的接触网络,而且最终影响网络的传播潜力的二阶因果推理成为可能。我们发现,节点和时间之间的相关性是传播的最大障碍,而时间和位置之间的相关性对传播有轻微的催化作用。在每一个零模型下,我们都测量了接触人数和感染率随时间的变化,令人惊讶的是,两者之间没有直接的因果关系。
2015-12-08 cs.SI physics.soc-ph
The impact of nodes of information dissemination on epidemic spreading in dynamic multiplex networks
College of Artificial Intelligence, Southwest University(西南大学人工智能学院);School of Public Policy and Administration, Chongqing University(重庆大学公共政策与管理学院)
本文提出双层网络模型,探讨意识层中个体属性对传染病传播的影响,发现高中心性个体能抑制传染病传播,低中心性个体对感染数量有近似线性影响。
2024-06-06 cs.SI 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
Iterative resource allocation based on propagation feature of node for identifying the influential nodes
网络中有影响力节点的识别是网络中最有前途的研究领域之一。在本文中,我们提出了一种改进的迭代资源分配(IIRA)方法,考虑到邻居的中心性信息和扩展速率的影响,为目标节点。通过对4个真实网络的SIR模型的计算结果进行比较,表明该方法比传统的IRA方法能更准确地识别影响节点。特别是在Erdos网络中,当扩展率为0.12时,Kendall τ可以提高23%.在蛋白质网络中,当扩展率为0.08时,Kendall 'stau增强了24%.
2015-05-13 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
An Efficient Local Strategy to Control Information Spreading in Network
在社交网络中,谣言传播的控制是一个活跃的研究领域。SIR模型通常用于研究网络中的谣言动力学,并将谣言视为一种流行病。在疾病传播模型中,通过去除网络中的中心节点来控制疾病的传播。这种删除需要完整的网络信息。拥有全网络的信息是一个困难的命题。因此,寻找一种可以控制流行病而不需要全局信息的算法是一个非常感兴趣的问题。在本文中,提出了一种免疫策略,只使用在一个节点,即可用的本地信息。度的节点和它的邻居节点的平均度。所提出的算法已经评估了无标度网络使用SIR模型。数值结果表明,该方法具有较小的复杂性,并给出了显着更好的结果相比,与其他策略,而只使用局部信息。
2015-09-26 cs.SI physics.soc-ph
Importance of Overlapping Network Nodes in Influence Spreading
Aalto University School of Science(阿尔托大学理学院)
本研究通过概率模型分析重叠节点在影响扩散中的作用,发现其在传播过程中具有更强的影响力,并揭示了圈结构对重叠效应的影响。
2026-07-28 cs.SI
Suppressing traffic-driven epidemic spreading by edge-removal strategies
近年来,复杂网络上的流量动态与传染病传播之间的相互作用越来越受到人们的关注。然而,控制交通驱动的传染病传播仍然是一个具有挑战性的问题。在这份简报中,我们提出了一种方法,通过适当地删除网络中的一些边缘来抑制流量驱动的流行病爆发。我们发现,可以通过有针对性地切割具有最大算法介数的大度节点或边之间的链接来提高流行阈值。相反,通过随机边缘去除,将降低流行阈值。这些发现是强大的交通流量条件,网络结构和路由策略。此外,我们发现,目标边缘的关闭可以有效地释放通过大度节点的流量负载,使这些节点的感染概率相对较低。
2015-02-28 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
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
Spreading dynamics in complex networks
在复杂网络中寻找有影响力的传播者是一个具有重要意义的问题,可以应用于各个领域,从流行病控制,创新扩散,病毒式营销,社会运动到思想传播。在本文中,我们首先展示了一些最重要的理论模型,描述了传播过程,然后分别讨论了定位个人和多个有影响力的传播者的问题。这两个主题的最新方法。为了识别特权单传播者,本文总结了几种广泛使用的中心性,如度中心性、介数中心性、PageRank、k-shell等。有了这个广泛的数据集,我们发现各种措施可以传达非常不同的节点信息。在LiveJournal社交网络的所有用户中,只有一小部分参与传播。对于LiveJournal中的传播过程,度可以以更高的概率定位参与信息扩散的节点,而k壳在发现影响力大的节点时更有效。我们的研究结果应该提供有用的信息,在现实中设计有效的传播策略。
2013-12-22 cs.SI physics.soc-ph
Correlated bursts in temporal networks slow down spreading
传播动力学被认为是发生在时间网络中,其中节点之间的时间交互模式显示出非泊松突发性质。非均匀间隔时间对传播的影响近年来得到了广泛的研究,但对间隔时间之间的相关性对传播的影响知之甚少。为了研究这些影响,我们研究了两步确定性可感染(SI)和概率SI动力学时的相互作用模式是由非均匀和相关的IPERS,即,相关爆发通过分析单链路系统中的传输时间统计,以及在Bethe格和随机图中对扩频过程的模拟,我们得出结论:Istr之间的正相关性减缓了扩频过程。我们还认为,从一个受感染的节点到其易感邻居的最短传输时间可以成功地解释我们的数值结果。
2018-07-06 cs.SI physics.soc-ph
Epidemic centrality - is there an underestimated epidemic impact of network peripheral nodes?
在SIR模型中研究经验复杂网络上的疾病传播时,初始感染节点可以根据其流行病影响程度进行排序。排名最高的节点,也被称为“超级传播者”,与主要流行病风险有关,因此值得特别关注。在研究经验复杂网络的模拟中,它表明,排名取决于疾病传播的动力学制度。一个可能的机制,导致这种依赖说明在一个易于分析的例子。在系统中的资源分配,以对抗疾病传播到各个节点是基于他们的排名,疾病传播的动态政权往往是未知的疾病爆发之前。因此,我们引入了一个称为流行病中心性的数量,作为疾病传播的所有相关制度的平均值,作为排名的基础。最近引入的概念的相图的传染病传播被用作一个框架,其中几种类型的平均进行了研究。流行中心性相比,节点的结构属性,如节点度,k-核心和介数。随着度和k-核值的增加,流行中心性有增加的趋势,但流行中心性的变化远小于度和k-核值的变化。研究发现,结构外围节点的流行中心性与结构中心节点的流行中心性具有相同的数量级。这些研究结果的影响资源分配,以对抗疾病的传播进行了讨论。
2012-08-08 cs.SI physics.soc-ph q-bio.PE
SI-spreading-based network embedding in static and temporal networks
链接预测可以用来提取缺失信息、识别虚假交互以及预测网络演化。网络嵌入是一种在低维向量空间中为节点分配坐标的方法。通过将节点嵌入到向量中,可以将链接预测问题转换为相似性比较任务。具有相似嵌入向量的节点更有可能被连接。经典的网络嵌入算法是基于随机游走的。它们通过随机游走对轨迹路径进行采样,并从轨迹路径生成节点对。节点对集合还被用作Skip-Gram模型的输入,Skip-Gram模型是将节点(被认为是词)嵌入到向量中的代表性语言模型。在本研究中,我们提出了一个传播过程,即易感染(SI)模型,以取代随机行走过程的样本路径。具体来说,我们提出了两个SI扩展为基础的算法,SINE和TSINE,分别嵌入静态和时间网络。通过缺失链接预测任务与最先进的静态和临时网络嵌入算法进行比较,评估我们算法的性能。结果表明,SINE和TSINE在所有六个经验数据集上都优于基线。我们进一步发现,SINE的性能大多优于TSINE,这表明时间信息并不一定会改善缺失链接预测的嵌入。此外,我们研究了采样大小的效果,量化为轨迹路径的总长度,嵌入算法的性能。与基线算法相比,SINE和TSINE的更好性能需要更小的采样大小。因此,基于SI扩展的嵌入往往更适用于大规模网络。
2020-04-14 cs.SI physics.soc-ph
Nonlinear spread of rumor and inoculation strategies in the nodes with degree dependent tie strength in complex networks
在早期的谣言传播模型中,在每个时间步,节点都与所有邻居联系。在更现实的情况下,一个节点可能只联系它的一些邻居来传播谣言。因此,在现实复杂网络中,必须对经典的谣言传播模型进行修正,使其考虑谣言传播速率对传播者度和被告知节点度的依赖性。我们已经给出了一个修改的谣言传播模型,以适应这些事实。在这项工作中,这个新的模型,已经研究了复杂网络中的谣言传播。非线性谣言传播指数$α$和度依赖的联系强度指数$β$给出了复杂网络中谣言阈值的有限值。在目前的工作中,修正的谣言传播模型已在无标度网络进行了研究。研究还发现,如果$ α$和$ β$参数被调整到适当的值,谣言阈值变得与网络规模无关。在任何社交网络中,谣言的传播都可能产生不良影响。控制谣言传播的一种可能的解决方案是将一定比例的节点用于谣言。接种可以随机进行或以靶向方式进行。我们使用修正的谣言传播模型在无标度网络上研究接种的有效性。采用了随机和有针对性的接种计划。研究表明,随机接种方案下的谣言阈值大于无接种方案下的谣言阈值。但是随机接种并没有那么有效。在抑制谣言方面,定向接种的谣言阈值比随机接种的谣言阈值高得多。
2012-08-30 cs.SI physics.soc-ph
Explosive spreading on complex networks: the role of synergy
尽管有大量关于复杂网络传播动力学的文献,但局部协同作用的作用,即,元素的相互作用,当结合起来时,产生的总效应大于单个元素的总和,已经被研究过了,但只是针对不可逆的扩散动力学。可逆的扩散动力无处不在,但它们与协同作用的相互作用仍然未知。为了填补这一知识空白,我们阐明了一个模型,将当地的协同效应到经典的易感-感染-易感的过程中,其中的概率为易感节点通过感染的邻居被感染时,后者的邻居包含一些感染的节点。我们推导出主方程,将协同效应,预测,以及同意与数值结果。一个引人注目的发现是,当表征协同增强效应的强度的参数高于临界值时,受感染节点的稳态密度相对于基本传输速率表现出爆炸性增加的行为,并且出现滞后回线。事实上,增加协同强度可以促进滞后环的传播,降低滞后环的入侵阈值和持续阈值。通过平均场分析,可以对促进爆炸扩散的协同作用和相关的滞后行为有一个物理上的理解。
2016-06-17 cs.SI physics.soc-ph
Rejection-Based Simulation of Stochastic Spreading Processes on Complex Networks
随机过程可以模拟网络上的许多新兴现象,如计算机病毒、谣言或传染病的传播。因此,了解这种随机传播过程的动态是根本的利益。在这项工作中,我们考虑了广泛的房室模型,其中每个节点是在几个国家(或车厢)之一。节点在指数分布的等待时间后根据给定的规则集随机改变其状态。对于现实规模的网络,即使只生成传播过程的单个随机轨迹,在计算上也非常昂贵。在这里,我们提出了一种新的模拟方法,它结合了基于事件的模拟和拒绝采样的优点。我们的方法在绝对运行时间和规模方面优于最先进的方法,同时在统计上是等效的。
2019-01-04 cs.SI physics.soc-ph
Optimizing Hybrid Spreading in Metapopulations
University College London(伦敦大学学院);National University of Defense Technology(国防科技大学);Monash University(莫纳什大学)
本研究构建了混合流行病理论框架,发现临界混合传播现象,即单一机制无效而组合可致巨大疫情,为优化有益传播与评估有害疫情提供策略。
2015-03-31 cs.AI cs.SI physics.soc-ph
Accurate ranking of influential spreaders in networks based on dynamically asymmetric link-impact
我们提出了一个有效和准确的衡量排名的传播者,并确定有影响力的网络传播过程中。虽然边决定了节点之间的连接,但它们在传播中的具体作用应该明确考虑。连接节点i和j的边对于从i扩展到j和从j扩展到i的重要性可能不同。关键问题是节点j在通过边被i感染后,是否会接触到i本身无法直接到达的其他节点。有必要调用两个不等的权重wij和wji,根据节点i和j的邻域来表征边缘的重要性。源自节点的总不对称方向权重导致一种新的度量si,其量化了节点在扩散过程中的影响。s-shell分解方案进一步为节点分配s-shell指数或加权核心。基于si和加权核心度的排名的有效性和准确性通过将它们应用于九个真实世界的网络来证明。结果表明,它们通常优于基于节点度和k壳指数的排名,同时保持较低的计算复杂度。我们的工作代表了理解和控制疾病、谣言、信息、趋势和网络创新传播的关键一步。
2017-05-10 cs.SI physics.soc-ph
Viral spreading of daily information in online social networks
我们解释了一种可能的机制,在网络上传播的信息传播的种子节点,即病毒式传播。在一个在线社交网络中的信息传播模型的基础上,其中的动态表示为传播率的随机乘法过程,我们将表明,传播率之间的相关性增强了病毒式传播的机会,转移的临界点,在该点上的传播病毒式传播。
2014-03-17 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
Temporal percolation of the susceptible network in an epidemic spreading
在这项工作中,我们研究了易感个体的进化过程中的流行病的传播模型的易感性感染恢复(SIR)过程的复杂网络上的顶部传播。使用基于边缘的分区方法和渗透工具,我们发现,一个时间依赖量$Φ_S(t)$,即一个节点的给定邻居在时间$t$是易感的概率,是一个节点的空隙渗透过程的控制参数,涉及网络上的那些节点没有达到的疾病。我们证明了存在一个临界时间$t_c$,超过这个临界时间,巨敏感分量被破坏。因此,为了保持由健康个体组成的网络的宏观连接部分,以保证其功能,任何缓解策略都应该在这个关键时间$t_c$之前实施。我们的理论结果证实了广泛的模拟SIR过程。
2012-09-23 cs.SI physics.soc-ph
Fundamental limits to identifying node and tie memory in temporal networks: marginal artefacts and spreading dynamics
Technical University of Denmark (DTU)(丹麦技术大学)
该研究证明时间网络中节点自激发与连边强化在发起者可观测时正交,但无向数据中边际化导致结构性混杂;经验数据中节点记忆近乎不可识别,而连边强化可识别,且低估疫情规模至多2.5倍。
2026-10-27 cs.SI physics.soc-ph
Degree Correlations Amplify the Growth of Cascades in Networks
网络促进了级联的传播,允许局部扰动通过节点及其邻居之间的相互作用进行渗透。我们研究网络结构如何影响扩散级联的动态。通过在生成函数框架内考虑网络的联合度分布,我们可以量化度相关性如何影响全局级联的发生以及特定度类节点触发大级联的倾向。然而,并非所有的度相关性在传播过程中都同样重要。我们引入了一个新的措施的度的相关性,占相关的扩散级联节点之间的相关性。我们发现,定义全球级联的发病的临界点有一个单调的关系,这个新的非线性措施。此外,我们表明,节点的选择种子最大的级联是强烈的程度相关性的影响。与传统观点相反,当度的不确定性为正时,低度节点更有可能产生最大的级联。我们的工作表明,通过操纵网络的高阶结构来调整传播过程是可能的。
2018-07-15 cs.SI physics.soc-ph
Identify influential spreaders in complex networks, the role of neighborhood
识别最有影响力的传播者是控制复杂网络中传播过程的一个重要问题。中心性度量用于对扩散动态中的节点影响进行排序。在这里,我们提出了一个节点的中心性和它的邻居的中心性,我们称之为邻居中心性的基础上的节点影响力的措施。通过模拟六个真实网络中的传播过程,我们发现邻域中心性在对节点影响力进行排序和识别最有影响力的传播者方面大大优于节点的基本中心性,如度和核心度。有趣的是,我们发现在考虑节点的邻域时存在饱和效应,这不是越大越好的情况。具体来说,考虑节点的两步邻域是一个很好的选择,平衡了成本和性能。如果进一步考虑邻域的步长,则排序性能没有明显的改善,甚至有所下降。饱和效应可以为利用节点的局部结构来确定其在网络中的重要性的研究提供信息。
2015-11-02 cs.SI physics.soc-ph
Imperfect spreading on temporal networks
我们研究网络上的传播,其中节点之间的接触动力学是由一个随机过程和相互接触的时间分布可能不同于指数。我们考虑一个不完美的传播过程,其中传输是成功的,在每个接触的确定概率。我们首先推导出一个表达式的成功时间分布,确定传播的速度,然后集中在一个问题有关的传染病传播,通过估计在一个系统中的节点在一个有限的,随机的时间内保持传染病的流行阈值。最后,我们讨论了我们的工作的影响,设计一个有效的策略,以提高时间网络上的传播。
2016-07-06 cs.SI physics.data-an physics.soc-ph
Transfer Learning for Node Regression Applied to Spreading Prediction
Jožef Stefan Institute(约热夫·斯特凡研究所);University of Nova Gorica(新戈里察大学);Jožef Stefan International Postgraduate School(约热夫·斯特凡国际研究生院)
了解信息如何在现实生活中的复杂网络中传播,可以更好地理解动态过程,如错误信息或流行病传播。最近引入的分支机器学习方法学习节点表示提供了许多新的应用,其中之一是本文中提出的传播预测的任务。我们探索了最先进的节点表示学习器的效用,当用于评估从给定节点传播的影响时,通过广泛的模拟估计。此外,由于许多现实生活中的网络在拓扑上是相似的,我们系统地研究了学习的模型是否可以推广到以前看不见的网络,表明在某些情况下可以获得非常好的模型转移。这项工作是第一个探索节点回归任务的学习表示的可转移性的工作之一;我们证明了存在具有相似结构的网络对,在这些网络之间可以转移训练模型(zero-shot),并展示了它们的竞争性能。据我们所知,这是第一次尝试评估节点回归任务的zero-shot转移的效用。
2021-05-03 cs.LG cs.SI
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
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
Asynchronous Rumour Spreading in Social and Signed Topologies
在本文中,我们提出了一个实验分析的异步推拉谣言传播协议。该协议是迄今为止在分布式系统中用于简单、可扩展和鲁棒信息传播的性能最好的谣言传播协议。我们分析了多个参数对协议性能的影响,例如使用内存避免连续两次接触同一邻居,改变节点使用的停止标准来决定何时停止传播谣言,采用更复杂的邻居选择策略而不是标准的均匀随机选择等。以前的工作集中在提供理论上的上限,传播谣言到所有节点所需的轮数,或者,通过调整孤立的参数提出改进。据我们所知,我们的工作是第一个研究多个参数如何影响系统行为的隔离和组合,并在广泛的价值观。我们的分析基于使用真实世界社交网络数据集的实验模拟,从而补充了先前的理论工作,以阐明该协议在实际的真实世界系统中的行为。我们还研究了协议在一种特殊类型的社交图上的行为,称为签名网络(例如,Slashdot和Epperly),其链接表明更强的信任关系。最后,通过我们的详细分析,我们演示了如何简单地添加到协议可以提高所需的总时间通知100%的节点最多99.69%,平均82.37%。
2015-01-15 cs.SI physics.soc-ph
Increasing the Flow of Rumors in Social Networks by Spreading Groups
本文提出了一种在社交网络中通过传播组进行初始加速来传播消息的方法。这些群体开始传播,最终到达网络的更大部分。传播群体的使用创造了一个最终的流程,类似于通过具有最高影响力的节点(意见领袖)的传播。虽然利用意见领袖来传播信息通常是昂贵的,但传播群体的形成只是一个技术问题,可以通过计算机机器人来完成。本文提出了一个信息流模型,并通过一个数据集的纳斯达克相关推文检验模型。
2017-04-07 cs.SI physics.soc-ph
Identifying effective multiple spreaders by coloring complex networks
如何识别社交网络中的影响节点具有重要的理论意义,它关系到如何防止传染病传播或连锁故障,如何加速信息的扩散等问题,本文将图论中的着色问题的思想推广到复杂网络中,尝试寻找复杂网络中的\emph{effective multiple spreaders}.在我们的方法中,网络中的每个节点都用一种颜色着色,具有相同颜色的节点被排序到一个独立的集合中。然后,对于一个给定的中心性指数,在一个独立的集合中具有最高中心性的节点被选为多个传播器。与传统的从\emph{entire}网络角度选择中心度最高的节点的方法相比,无论是在网络模型中还是在真实的社交网络中,本文的方法都能更有效地加速传播过程,最大化传播覆盖率.同时,着色算法的低计算复杂度保证了我们的方法的潜在应用。
2014-10-08 cs.SI physics.soc-ph
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
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
Estimating Nodal Spreading Influence Using Partial Temporal Network
本文提出基于部分时序网络信息的中心性度量,用于估计节点传播影响力排名,发现其优于经典度量,并揭示影响力与时间尊重游走可达性及早期到达相关。
2025-02-26 cs.SI physics.data-an
Information Spreading on Almost Torus Networks
近年来,流行病建模在电信和计算机网络领域得到了广泛的应用。我们考虑流行的易感-感染-易感传播模型作为信息传播的度量。在这项工作中,我们分析了信息传播的一类特殊的网络表示几乎环面网络和晶格可以被认为是限制时,环面长度趋于无穷大。几乎环面网络是指去掉某些节点或边的环面网络拓扑结构。我们发现这些图的特征多项式的显式表达式和严格的计算下界。这些表达式使我们能够估计它们的谱半径,从而估计信息如何在这些网络上传播。
2013-12-27 cs.SI physics.soc-ph
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
Impacts of suppressing guide on information spreading
在现代社会中,出于不同的目的,引入导游词来抑制信息传播是很常见的。本文建立了一个基于Agent的模型,定量分析了抑制引导对信息传播的影响。我们发现,传播阈值取决于信息的吸引力和拓扑结构的社会网络,没有抑制指南。通常,人们会期望在传播过程中抑制向导的存在可能会导致整个网络中信息的扩散减少。然而,我们发现,有时情况正好相反:当有具有反转思维的受众时,抑制性引导者的操纵节点可能会导致更广泛的信息传播。这些结果可以为各类信息的舆论引导提供有价值的理论参考,谣言或新闻的传播。
2015-11-24 cs.SI physics.soc-ph
Efficient sampling of spreading processes on complex networks using a composition and rejection algorithm
有效的随机模拟算法对于研究复杂网络中的传播现象具有重要意义。利用网络科学的见解和分析结果,我们讨论了接触的结构如何影响当前算法的效率。我们表明,算法认为需要$\mathcal{O}(\log N)$,甚至$\mathcal{O}(1)$操作每次更新-其中$N$是节点的数量-显示,而不是一个多项式缩放网络,无论是密集或稀疏和异构。这会显著影响在大型网络上进行模拟所需的计算时间。为了规避这个问题,我们提出了一个基于节点的方法结合的组成和拒绝算法,采样方案,具有$\mathcal{O} [\log(\log N)]$的平均情况下的复杂性一般网络的更新。这种系统的方法是第一次建立的马尔可夫动力学,但也可以适应一些非马尔可夫过程,可以大大提高网络上的广泛的动态研究。
2019-02-11 cs.SI physics.soc-ph
Seeds Buffering for Information Spreading Processes
社交网络中影响力最大化的播种策略已经研究了十多年。它们主要依赖于在开始时同时激活所有资源(种子);然而,已经表明顺序播种策略通常更好。本研究的重点是研究顺序播种与缓冲,这是一个基本的顺序播种概念的扩展。所提出的方法避免了选择将通过自然扩散过程被激活的节点,这导致在社会影响过程中更好地使用用于激活种子节点的预算。将该方法与无缓冲的顺序播种和单阶段播种进行了比较。在真实和人工社交网络上的结果证实了基于缓冲区的连续播种在最终覆盖率和到达时间之间是一个很好的权衡。增益是通过动态排名和检测网络区域的能力来获得的,这些网络区域具有尚未激活的节点,并且具有激活其邻居的高潜力。
2017-09-14 cs.SI physics.soc-ph
Pulse strategy for suppressing spreading on networks
在网络传播模型中,每个节点可以感染其邻居并自发治愈。假定固化随时间均匀发生。脉冲免疫/治疗策略更有效且广泛地应用于抑制扩散过程。我们通过基本的易感感染(SI)过程与脉冲治疗模型的流行病过程,并纳入底层的接触网络。脉冲SI模型的平均场传染阈值为$\frac{1}{λ_1}\ln\frac{1}{1-p}$,其中$λ_1$和$p$分别是邻接矩阵的最大特征值和每个固化所覆盖的节点的分数.与广泛研究的均匀固化过程相比,我们发现脉冲固化策略节省了约$36.8$ \%,即$p\approx 0.632$,固化操作的数量不变的网络结构。我们的研究结果可以帮助相关政策制定者估计控制传播过程的成本。
2019-04-24 cs.CR cs.SI physics.soc-ph
Locating the source of diffusion in complex networks by time-reversal backward spreading
在复杂网络中,从社会和互联网上的传染病传播到人体内的癌症转移,定位触发动态过程的源是一个基本但具有挑战性的问题。准确定位源的能力受到同时访问大规模复杂网络中所有节点信息的能力的限制。因此,这就提出了两个关键问题:我们如何从不完整的信息中定位源,以及我们能否从给定的一组可观察节点在任何可能的位置实现源的完全定位。在这里,我们开发了一个时间反演反向传播算法来定位的扩散类过程的源有效地,并提出了一个一般的定位条件。以传染病传播和共识动力学为典型动力学过程,对算法进行了测试,并将其应用于中国甲型H1N1流感疫情。我们发现,只要可定位性条件得到保证,源可以精确地定位在任意网络。我们的工具大大提高了我们的能力,在复杂的网络中,基于有限的节点信息的可访问性的扩散源。此外,它们对控制复杂网络上发生的各种动力学过程具有影响,例如抑制流行病,减缓谣言的传播,污染控制和环境保护。
2016-11-12 cs.SI physics.soc-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
The influence of the network topology on epidemic spreading
在过去的十年中,网络结构对传播过程动力学的影响得到了广泛的研究。部分回答这个问题的重要结果表明,这些过程的宏观行为和网络中的特定结构属性(如拓扑相关矩阵的最大特征值)之间存在弱联系。然而,很少有人知道的直接影响的网络拓扑结构在微观层面上,如(相邻)网络的影响,对一个特定的节点的感染概率。为了回答这个问题,我们推导出一个特定的节点是传染性的概率的上限和下限在一个不确定的传染性易感模型的两种情况下的传播过程:反应和接触过程。通过考虑节点的$n-$跳邻域导出边界;当使用更大的$n-$跳邻域来计算它们时,边界更紧。因此,使用不同的邻域大小的本地信息,我们评估的拓扑结构的影响的扩散过程的程度,从而提供了一个强大的宏观连接之间的前者和后者。我们的研究结果得到了补充的数字结果为现实世界的电子邮件网络。一个很好的估计感染密度$ρ$得到仅使用2跳的邻居,占整个网络拓扑的0.4%,平均。
2011-11-14 cond-mat.stat-mech cs.SI physics.soc-ph
Randomized Rumor Spreading in Ad Hoc Networks with Buffers
随机谣言传播问题由于其简单性、鲁棒性和广泛的应用而成为分布式算法领域的研究热点。用于传播谣言的两种最流行的通信范例是Push和Pull算法。前一种协议允许节点在每一步将谣言发送给随机选择的邻居,而后者基于发送请求并从随机选择的邻居下载谣言,前提是邻居拥有谣言。以前对这些协议的分析假设每个节点都可以在单步的内处理所有这样的推/拉操作,这在实际情况下可能是不现实的。因此,我们提出了一个新的框架来分析谣言传播容纳缓冲区,其中一个节点只能处理一个推/拉消息或推请求的时间。在新框架下,我们给出了随机谣言传播时间的上界和下界,并与无缓冲区的旧框架下的结果进行了比较。
2018-12-31 cs.DC cs.SI
Absence of influential spreaders in rumor dynamics
最近的研究[1]表明,核心度,而不是度,构成了一个更好的拓扑描述符,以识别复杂网络中有影响力的传播者。这一假设在疾病传播的背景下得到了验证。在这里,我们专注于谣言传播模型,这更适合于社会传染和信息传播。为此,我们在几个真实世界的网络上进行了广泛的计算机模拟,并发现了相反的结果。也就是说,我们表明,节点的传播能力不依赖于他们的$k$核心索引,而不是决定是否一个给定的节点防止扩散的谣言,以系统范围内的规模。我们的研究结果与传染动力学的社会学研究和有效的商业病毒过程的设计有关。
2011-12-10 cs.SI physics.soc-ph
Vital node identification in hypergraphs via gravity model
超图可以描述两两边之外的相互作用,已经成为复杂系统中多元关系建模的合适表示。随着超图研究的兴起,如何利用超图的高阶结构定义中心性度量成为超图中心性问题研究的热点。在本文中,我们提出了一种新的中心性方法(HGC)的基础上的重力模型,以及半本地HGC(LHGC),可以实现准确性和计算复杂度之间的平衡。同时,两个综合评价指标,即,首先提出了一个超图中的复杂传染模型,该模型模拟了传播过程中的群体影响,并基于节点之间的高阶距离提出了网络的S-效率,以评估我们的方法的有效性。结果表明,我们的方法可以过滤掉具有快速传播能力的节点,并且在超图连通性方面是至关重要的。
2022-08-09 cs.SI physics.soc-ph
Effective information spreading based on local information in correlated networks
利用网络信息促进信息传播是复杂网络中传播动力学的一项重要任务,这将有利于促进技术创新、健康行为、新产品等。针对度相关网络,提出了一种基于局部网络结构和局部信息密度的优先接触策略,以促进信息传播。在传播过程中,一个知情的节点将优先选择一个接触目标之间的邻居,根据他们的程度或当地的知情密度。通过对合成网络和经验网络的大量数值模拟,我们发现在只考虑局部结构信息的情况下,如果选择低度邻居作为接触目标,则信息传播的收敛时间将显著缩短。同时,最小收敛时间非单调地依赖于度-度相关性,适度的相关系数可以得到最有效的信息传播。将信息密度信息转化为接触策略,可以进一步缩短信息传播的收敛时间。最后,我们表明,通过使用局部信息密度是更有效的相比,全球的情况。
2016-06-17 cs.SI physics.soc-ph
Minimum Weight Dynamo and Fast Opinion Spreading
我们考虑了以下网络上的多层次意见传播模型。最初,每个节点从集合[0. k-1],其中这样的权重代表个人对新想法或产品的信念。然后,通过进行轮,每个节点根据其邻居的权重更新其权重。我们感兴趣的是权重的初始分配,导致每个节点在给定的轮数内获得值k-1 -例如一致的最大水平接受。我们确定下界的不可逆简单多数规则下的节点的初始权重的总和,其中一个节点增加其权重,当且仅当大多数的邻居有一个权重高于自己的。此外,我们提供了建设性的紧上界的一些定期拓扑类:环,环面,和集团。
2012-09-26 cs.DM cs.SI math.CO
Reconstructing parameters of spreading models from partial observations
传播过程通常被建模为发生在给定网络之上的随机动态,其边缘权重对应于传输概率。准确的传输概率的知识是必不可少的预测,优化和控制扩散动力学。不幸的是,在大多数情况下,传输速率是未知的,需要从扩展数据中重建。此外,在现实环境中,不可能在每次都监视每个节点的状态,因此数据非常不完整。我们引入了一个有效的动态消息传递算法,它是能够重建的传播模型的参数,仅提供部分信息的网络中的节点的激活时间。该方法是推广到一大类动态模型,以及时间图的情况下。
2016-08-31 cond-mat.dis-nn cs.SI physics.soc-ph