Effects of awareness diffusion and self-initiated awareness behavior on epidemic spreading - an approach based on multiplex networks
本文研究了多重网络中传染病传播与意识扩散之间的相互作用。在该模型中，传染病可以在代表传染病传播路径的一个网络（接触网络）中传播，导致意识在另一个网络（信息网络）中扩散，然后意识的扩散会导致个体采取社会距离，进而影响传染病传播。对于意识的扩散，我们认为，一方面，个体可以通过信息网络中的其他有意识的邻居获得信息，另一方面，易感个体可以通过接触网络（局部信息）或大众媒体（全局信息）中的被感染邻居诱导自我意识。通过马尔可夫链方法和数值计算，我们发现两个网络的结构和意识的有效传播率会影响感染个体的密度和流行阈值。然而，我们证明了虽然引入自我意识可以降低感染密度，但无论是局部信息还是全局信息，都不会增加流行阈值。我们的发现是显着不同的许多以前的结果-本地信息为基础的行为反应可以改变流行阈值。
2015-02-02 cs.SI 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
On the Interplay of Clustering and Evolution in the Emergence of Epidemic Outbreaks
本研究首次提出数学框架，在具有可调聚类和任意度分布的随机图上，共同分析网络聚类与传染病变异演化对疫情爆发涌现的影响，并通过数值模拟验证了聚类的作用。
2024-09-25 cs.SI cs.SY eess.SY
Higher-order structure and epidemic dynamics in clustered networks
聚类通常通过三角形与所有三元组（开放或闭合）的比率来衡量。对于某些类别的网络\cite{vmclust, karrerclust2010}，例如，由直线和不重叠的三角形组成的网络。在本文中，我们表明，它是可能的生成网络，尽管有相同的度分布和平等的聚类，表现出不同的高阶结构，特别是，重叠的三角形和其他四阶（一个封闭的网络模体组成的四个节点）结构。为了区分和量化这些额外的结构特征，我们开发了一种新的网络度量，能够测量四阶结构，当与传统的网络度量一起使用时，可以更准确地描述网络的拓扑结构。三个网络生成算法被认为是：一个修改的配置模型和两个重布线算法。通过生成具有相等聚类的同质网络，我们研究并量化它们的结构差异，并使用SIS（易感-感染-易感）和SIR（易感-感染-传播）动力学，我们计算研究高阶结构差异如何影响流行阈值，最终流行或流行水平和流行病的时间演化。我们的研究结果表明，表征和测量高阶网络结构是必要的，以促进我们的理解网络拓扑结构的动态展开的网络上的影响。
2013-10-18 cs.SI physics.soc-ph q-bio.PE
Epidemic Information Diffusion: A Simple Solution to Support Community-based Recommendations in P2P Overlays
流行病协议被证明是非常有效的解决方案，支持动态和复杂的信息扩散在高度分布式计算基础设施，如P2P环境。它们是构建和维护虚拟网络拓扑的有用砖块，以覆盖网络的形式，以及在信息注入网络时支持信息的普遍扩散。本文提出了一个简单的架构，利用流行病的方法，以促进属于网络的计算节点之间的信息的协作渗透，旨在建立一个系统，组相似的用户，并在他们之间传播有用的信息。
2015-03-20 cs.NI cs.SI
A Novel Dynamic Epidemic Model for Successive Opinion Diffusion in Social Networks
本文提出了一种新型动态流行病模型，用于研究社交网络中连续意见扩散，通过考虑社会距离影响和谣言传播对网络结构的影响，揭示意见扩散动态及社会极化机制。
2025-11-28 cs.SI
Competing spreading processes and immunization in multiplex networks
物理接触网络上的传染病传播自然会引入虚拟接触网络上的人类意识信息扩散，而意识扩散又反过来抑制传染病传播，从而形成多重网络中传染病与意识的竞争传播过程。在本文中，我们研究的竞争动力学的流行病和意识，这两者都遵循SIR过程，在一个两层网络的基础上微观马尔可夫链方法和数值模拟。我们发现，较强的意识传播和自我保护能力的个人可能会导致更高的流行阈值和更小的爆发规模。但个体的自我意识对疫情阈值和爆发规模没有明显影响。此外，本文还研究了在传染病和意识传播相互作用下，身体接触网络的免疫问题。结果表明，目标免疫的免疫效果明显优于随机免疫，且意识扩散可以显著降低随机免疫和目标免疫的免疫阈值。
2016-08-03 cs.SI physics.soc-ph
Visual Mining of Epidemic Networks
我们展示了如何交互式图形可视化方法的基础上，最大模块聚类可以用来探索一个大型的流行病网络。视觉表示用于显示统计测试结果，这些结果揭示了艾滋病毒在性接触网络中的传播与患者的性取向之间的关系。
2012-10-21 cs.SI physics.soc-ph stat.AP
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
Effective resistance on graphs and the Epidemic quasimetric
我们介绍了图上的流行病准度量，并研究其行为与聚类技术。特别是，我们比较其行为的已知对象，如图的距离，有效电阻，和模量的路径家庭。
2013-09-17 cs.SI math.CO math.CV
SIR-Hawkes: Linking Epidemic Models and Hawkes Processes to Model Diffusions in Finite Populations
在在线信息扩散建模的统计工具中，流行病模型和Hawkes点过程都是流行的选择。前者起源于流行病学，认为信息是一种病毒性传染病，传播到网络用户群体中。后者植根于物理学和金融学，将个人行为视为连续时间中的离散事件，并根据事件序列的自激性质调节事件的速率。在这里，我们在这两个框架之间建立了一个新的联系。也就是说，扩展霍克斯模型中的事件率与易感-感染-感染（SIR）模型中的新感染率相同，在边缘化恢复事件后-霍克斯过程中未观察到。这一结果铺平了道路，适用于SIR霍克斯开发的工具，反之亦然。它还导致了HawkesN，这是Hawkes模型的推广，它考虑了有限的人口规模。最后，我们推导出HawkesN的级联大小的分布，随机SIR的方法的启发。这样的分布提供了细致入微的解释一般的不可预测性的流行：扩散级联大小的分布往往有两个模式，一个对应于大级联大小和另一个约为零。
2018-02-21 cs.SI physics.soc-ph
A General Stochastic Information Diffusion Model in Social Networks based on Epidemic Diseases
社交网络是信息、病毒和创新传播的重要基础设施。由于用户的行为会受到其他用户活动的影响，因此某些人群会考虑用户兴趣的相似性。另一方面，处理现实世界中的许多事件，在社交网络中是合理的;传播疾病就是其中的一个例子。人际关系和感染程度是影响疾病传播的重要因素。无论传播是否导致流行病，这两个原因都是存在的。SIRS是SIR和SIS疾病传播模型的混合模型。这个模型中的人在移除后可以恢复到易感状态。针对建立在社会网络上的社区，我们采用了分室类型的SIRS模型。在本文中，我们将提出一个一般的房室信息扩散模型，并提取一些有用的参数来分析我们的模型。为了使我们的模型适应现实行为，我们使用马尔可夫模型，这将有助于创建一个随机的方式所提出的模型。在随机模型的情况下，我们可以计算状态之间的交易概率和每个状态的预测值。模型的两种模式的比较表明，人口预测在每个状态下都能得到验证。
2013-09-27 cs.SI physics.soc-ph
Robustness and Assortativity for Diffusion-like Processes in Scale-free Networks
通过分析复杂网络中流行病和灾难的扩散动力学，研究了传染性对网络鲁棒性的影响。我们首先通过频谱分析确定阈值以上的流行病/故障可以传播，然后我们计算最慢的扩散时间。我们的研究结果表明，dispertative网络表现出更高的流行病学阈值，因此更容易免疫，而在dispertative网络有一个更长的时间进行干预之前，流行病/故障蔓延。此外，我们研究了沙堆级联模型，一个扩散模型的危机传播（金融传染）的计算机模拟。我们发现，虽然预防性网络更容易传播流行病/故障，度有针对性的免疫政策增加了他们的系统性风险的弹性。
2012-11-23 cond-mat.dis-nn cond-mat.stat-mech cs.SI
Hierarchical clustering for graph visualization
本文描述了一种基于层次最大模块聚类的图形可视化方法，具有交互式和显着的粗化和细化的可能性。这种方法在古巴的艾滋病毒流行分析的应用进行了概述。
2012-10-21 cs.SI physics.soc-ph stat.AP
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
A Study on the Effects of Diffusion of Information on Epidemic Spread
在这项工作中，传染病在一个社会中的传播，个人可能会采取预防措施。主要假设是受感染的个体通过直接接触相互作用将感染传播给社区的易感成员。与此同时，合格者从邻近的地点收集可能导致采取预防措施的信息。SIR模型用于传染扩散，而Bass方程用于信息扩散。对个人的社会学分类表明，一小部分人在得到通知后立即采取行动，而大多数人希望看到采取行动的一些真正好处。假设个人采取两种不同的预防措施。必要的措施是接种疫苗或尽量避免与邻居直接接触。邻居的状态的加权平均导致动作的选择。采用全连接和无标度网络作为交互的底层网络。简单的传染病扩散与反应灵敏的社会中的传染病扩散之间的比较表明，非常有限的预防措施会在疾病传播的速度和规模上产生相当大的差异。特别是高度连接的枢纽节点在减少疾病传播方面发挥着至关重要的作用。
2021-03-13 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
A data-driven analysis of the impact of non-compliant individuals on epidemic diffusion in urban settings
本研究利用数据驱动的接触网络和异质性SIR模型，分析意大利三城市中非合规个体对流行病传播的影响，发现即使少量非合规者也能显著增加感染并加速峰值，且传播率适中时影响最大，强调监测合规性并定制干预措施。
2025-10-16 cs.SI physics.soc-ph q-bio.PE
Suppressing epidemics on networks by exploiting observer nodes
为了控制网络上的感染传播，我们研究了观察者节点识别相邻节点中的感染并使其余相邻节点免疫的效果。我们数值计算表明，观察者节点的随机放置工作更好的网络聚类比局部树状网络，这意味着我们的模型是有前途的现实社交网络。几个启发式方案的观察员安置的效率也研究合成和经验网络。在并行与流行病动力学的数值模拟，我们还表明，观察员的位置的影响，可以通过删除观察员节点和其相邻节点之间的链接后剩余的网络的最大连通分量的大小进行评估。
2014-07-12 cs.SI physics.soc-ph
Modeling Information Cascades with Self-exciting Processes via Generalized Epidemic Models
流行病模型和自激过程是用于描述在线和离线扩散现象的两种模型。这些模型最初是在不同的科学界开发的，它们的共性尚未得到充分探索。这项工作建立了，第一次，两个模型类之间的一般连接通过三个新的数学组件。第一部分是具有任意恢复时间分布的随机SIR模型的推广;第二部分是自激过程的（潜在的和任意的）恢复时间分布、恢复危险函数和感染核之间的关系;第三部分是广义过程的模拟、拟合、评价和预测方法。在三个大的Twitter扩散数据集上，我们进行了拟合优度测试和保持对数似然估计的自激过程与三个感染核-指数，幂律和Tsallis Q指数。我们表明，感染内核的建模性能随扩散的时间结构而变化，也随用户行为而变化，例如成为机器人的可能性。我们通过组合两个通过拟合优度测试确定为互补的模型来进一步改进流行度的预测。
2020-01-27 cs.SI physics.soc-ph
Epidemics in a Synthetic Urban Population with Multiple Levels of Mixing
Institute for Applied Computing, CNR（应用计算研究所，意大利国家研究委员会）；Institute for Complex Systems, CNR（复杂系统研究所，意大利国家研究委员会）；Department of Physics, Sapienza University（罗马大学物理系）
本文研究了在具有多级混合的合成城市人口中的流行病传播，通过构建基于人口普查和调查数据的地理参考和年龄分层的合成城市人口，考虑了日常接触和其他频繁接触的不同类型互动，并允许个体之间有偶然的稀有互动。研究通过模拟典型中等大小意大利城市中的流行病扩散，分析了流行病爆发速度、普及程度和可预测性，发现年龄结构化的接触模式导致更快和更广泛的爆发，而交互频率随距离衰减的影响微乎其微。初步证据显示城市地区存在分层空间扩散模式，低密度和高密度地区存在两种流行病传播模式。
2026-05-18 cs.CE cs.SI
Conjoining Speeds up Information Diffusion in Overlaying Social-Physical Networks
我们研究的信息在一个覆盖的社会物理网络的扩散。具体来说，我们考虑以下设置：有一个物理信息网络，其中信息通过传统的通信媒体（例如，面对面的沟通，电话），并结合到这个物理网络，有在线社交网络，其中信息通过网站，如Facebook，Twitter，Facebook Feed，YouTube等传播。我们量化的大小和临界阈值的信息流行病在这个结合的社会物理网络，假设信息扩散根据SIR流行病模型。一个有趣的发现是，即使在单个网络中没有渗流，渗流（即，信息流行病）可以发生在联合的社会-物理网络中。我们还表明，无论是分析和实验，收到一个项目的信息（从任意节点开始）的个人的分数是显着较大的联合社会物理网络的情况下，相比的情况下，网络是不相交的。这些发现表明，将物理网络与在线社交网络相结合可以对信息扩散的速度和规模产生巨大影响。
2012-08-03 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
Information Propagation in Clustered Multilayer Networks
在当今世界，个人之间的互动模式比以往任何时候都更加复杂。一些个体通过在线社交网络（例如，Facebook，Twitter），而有些人只通过传统的方式（例如，面对面）。因此，理解人类之间的信息传播的动态需要一个多层网络模型，其中在线社交网络与物理网络相结合。在这项工作中，我们发起了一个集群的多层网络模型中的信息扩散的研究，其中所有的组成层是随机网络具有高聚类。我们假设信息传播根据SIR模型和不同的信息在网络中的传输率。我们给出了信息流行的条件，概率和大小的结果，即，这种情况下，信息从一个人开始，并达到人口的正比例。我们发现，在任何一个层的聚类水平的增加，增加了流行病的阈值，并降低了最终的流行病在整个系统的大小。一个有趣的发现是，低传播性的信息在一个小而紧密连接的社交网络中传播得更有效，而高传播性的信息在一个大而松散连接的社交网络中传播得更好。
2015-09-13 cs.SI physics.soc-ph
Diffusion and Cascading Behavior in Random Networks
新思想、新行为或新技术的传播已被广泛使用流行病模型进行了研究。在这里，我们考虑一个扩散模型中的个人的行为是一个战略选择的结果。我们研究了一个简单的二元选择协调对策，并给出了一个条件，使一个新的行动成为一个随机网络中的广泛传播。我们还分析了这个游戏的可能的均衡，并确定了两种策略在大的连通集共存的条件。最后，我们看看企业如何利用社交网络，以促进他们的目标与有限的信息。我们的结果与流行病模型的结果有很大的不同，表明连通性起着模糊的作用：当网络高度连通时，它允许扩散扩散，但扩散也受到高度稳定的节点的限制。
2011-10-19 cs.DM cs.GT cs.SI
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
An efficient strategy to suppress epidemic explosion in heterogeneous metapopulation networks
我们提出了一种有效的策略来抑制异质集合种群网络中的流行病爆炸，其中每个节点代表一个具有任意数量个体的子种群，并被分配一个与$k^α$成比例的治愈率，其中$k$是节点度，$α$是一个可调参数。我们对无标度网络中的易感-感染-易感模型的动态反应扩散过程进行了随机模拟。我们发现，当指数$α$被调整为$α_{opt}\simeq 1.3$时，流行阈值达到最大值。这种非平凡现象对网络规模和平均度的变化具有鲁棒性。此外，我们进行了平均场分析，以进一步验证我们的计划，这也表明，$α$大于或小于$α_{opt}$的流行病爆发遵循不同的路线。我们的工作表明，为了有效地抑制异质复杂网络上的传染病传播，具有更高度的子群体应该被分配更多的资源，而不仅仅是线性依赖于度$k$。
2012-08-02 cond-mat.stat-mech cs.SI physics.soc-ph
A Novel Approach for the SDIR Epidemic Model on Online Social Networks
Posts and Telecommunications Institute of Technology（邮电大学）
针对SDIR模型，通过分析D和I状态向量动力学提出更紧致的上界，改进谱半径收敛条件，并在合成与真实网络上验证了影响力最小化的有效性。
2026-09-29 cs.NI cs.SI math.OC
