Detecting the Influence of Spreading in Social Networks with Excitable Sensor Networks
利用传感器检测社交网络中的疫情传播具有重要的应用意义。受人类对外界刺激的生理感觉形成机制的启发，本文提出了一种通过构建可兴奋传感器网络来检测传播影响的新方法。利用可激发传感器网络的放大效应，我们的方法可以更好地检测小规模的传播过程。同时，它也可以区分大规模的扩散实例，由于可激发元素的自抑制效应。通过对典型的现实世界社交网络（facebook、coauthor和email社交网络）上的不同传播动态的模拟，我们发现，与其他常用的传感器放置方法（如随机、有针对性、熟人和距离策略）相比，可兴奋传感器网络能够在更广泛的影响范围内检测和排名传播过程。此外，我们验证了我们的方法的有效性，从现实世界的在线社交系统，Twitter的扩散数据。我们发现，我们的方法可以检测到更多的传播主题在实践中。我们的方法提供了一个新的方向，传播检测，并应设计有效的检测方法是有用的。
2015-04-02 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
Suppressing traffic-driven epidemic spreading by adaptive routing strategy
近年来，流量驱动的传染病传播路由策略的设计受到越来越多的关注。在本文中，我们提出了一种自适应路由策略，通过一个可调的参数$h$，将拓扑距离与当地的流行病信息。在无拥塞的情况下，存在一个最优的路由参数$h$值，导致最大的流行阈值。这意味着与静态最短路径路由方案相比，自适应路由可以更有效地控制传染病传播。此外，我们还发现，在节点传输容量有限的情况下，最优的$h$值可以极大地缓解业务拥塞。我们希望我们的工作提供了新的见解动态路由交通驱动的传染病传播的影响。
2018-02-05 physics.soc-ph
A model of spreading of sudden events on social networks
信息传播已经被研究了几十年，但其内在机制仍然存在争议，特别是对于那些通过互联网快速传播的信息。通过对新浪微博上六个典型事件的信息传播数据的分析，我们惊奇地发现，现代信息的传播呈现出一些新的特点，即根据事件的不同，传播速度或快或慢。为了理解其机制，我们提出了一个敏感-接受-拒绝（SAR）模型的信息敏感性和社会强化。数值模拟结果表明，该模式能够再现6个典型事件的主要传播模式。通过这个模型，我们进一步揭示了信息敏感性或社会强化的强度可以加速传播。当社会强化的强度较大时，根据传播概率和信息敏感性，最终接受规模可以从连续过渡到不连续过渡。此外，提出了一种基于边缘的分区理论来解释数值结果。这些发现对现代社会的信息传播控制具有一定的借鉴意义。
2018-05-06 cs.SI physics.soc-ph
The dynamical strength of social ties in information spreading
我们研究人类交流的时间模式及其对社交网络中信息传播的影响。对一个国家2000万人的手机通话的分析表明，人类的交流是突发性的，并且发生在群体对话中。这些特征在信息到达方面具有相反的效果：当突发阻碍大规模传播时，对话有利于局部快速级联。为了解释这些现象，我们定义了社会联系的动态强度，这个量包含了人类交流的拓扑和时间模式。
2010-11-24 cs.SI physics.soc-ph
Maximizing spreading influence via measuring influence overlap for social networks
影响力重叠是社交网络影响力传播中的一种普遍现象。在本文中，我们认为，影响重叠产生的冗余的影响，造成负面影响的最大化传播的影响。首先，我们提出了一种理论方法来计算影响重叠和记录冗余的影响。然后在消除冗余影响方面，提出了两种多传播者识别算法，即度冗余影响（DRS）和度次邻域（DSN）。在四个经验社交网络上的实验成功地验证了该方法的有效性，DSN算法选择的传播者具有较小的度和k-核值。
2019-03-01 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
Characterizing Information Spreading in Online Social Networks
在线社交网络（OSN）正在改变信息在整个互联网上传播的方式。深入了解OSN中的信息传播，可以带来社会效益和商业效益。在本文中，我们描述了信息传播的动态（例如，如何快速和广泛的信息传播对时间）在OSN的开发一个通用的和准确的模型的基础上的交互式马尔可夫链（IMC）和平均场理论。该模型明确揭示了网络拓扑结构对OSN中信息传播的影响。此外，我们扩展了我们的模型，以适应时变的用户行为和不断变化的信息流行度。我们的模型使用六个关键参数来捕捉信息传播的复杂动态模式。基于人人网数据集的大量测试验证了该模型的准确性，表明该模型能够准确刻画人人网视频分享的动态模式，并成功预测未来的传播趋势。
2015-01-23 cs.SI physics.soc-ph
Mechanistic interplay between information spreading and opinion polarization
本文通过自适应社交网络上的智能体仿真，研究信息传播与观点极化的相互作用，刻画有限记忆下转发行为的影响，并校准模型以再现微博平台的信息级联统计特征。
2024-10-22 physics.soc-ph
The spreading of computer viruses on time-varying networks
社交网络是计算机病毒传播的主要渠道。然而，他们的传播研究忽视了社会互动的时间性质和用户的敏感性的异质性。在这里，我们介绍一个理论框架，捕捉这两个属性。我们研究了两种现实类型的病毒传播的时间网络具有Q类的易感性，并推导出入侵阈值分析。我们发现，类别的时间耦合可能会增加系统对网络威胁的脆弱性。我们的研究结果表明，网络的动态和它们与用户特征的相互作用是计算机病毒传播的关键。
2019-01-20 physics.soc-ph
Information spreading on dynamic social networks
当今社会，信息在社交网络上的传播已经引起了各学科的高度重视。以往的研究主要集中在讨论传播概率或免疫策略对静态网络的影响。然而，在实际系统中，对等网络的结构不断变化，根据频繁的社会活动的用户。为了捕捉这种动力学特性，并研究其对信息传播的影响，本文介绍了一种基于费米函数的链路重布线策略。在当前的模型中，知情的个体倾向于打破旧的联系，并与更多不知情的邻居重新连接到他们的二阶朋友。对具有固定恢复时间的可恢复-感染-恢复（\textit{SIR}）模型$T=1$的仿真结果表明，该策略能使信息传播更快、更广.对信息级联规模分布的广泛分析表明，初始步骤的传播过程起着非常重要的作用，也就是说，如果信息在初始时刻仍然存活，那么它就会传播出去。该模型对深入理解动态社交网络上的信息传播具有一定的启发意义。
2013-08-19 cs.SI physics.soc-ph
Exploring the complex pattern of information spreading in online blog communities
网络社交社区中的信息传播因其最大的应用价值而引起了人们的极大关注。尽管人们已经研究了多个个体层面的扩散数据，但对信息的传播模式仍缺乏详细的了解。通过比较博客社区中的信息流和社会链接，我们发现博客社区的传播过程是由三种不同的传播机制引起的：社会传播、自我推广和广播。虽然许多先前的研究采用传染病传播模型来模拟信息扩散，我们观察到，这样的模型不能再现现实的扩散模式。在用户行为方面，我们发现大多数用户会坚持一种特定的扩散机制。此外，我们的观察表明，社会传播不仅是至关重要的扩散树的结构，而且能够诱导更多的后续个人获得的信息。我们的研究结果为社会系统中的信息传播建模提供了新的方向，并可以为基于用户行为的有效传播策略的设计提供信息。
2015-04-02 cs.SI physics.soc-ph
Mass Media Influence Spreading in Social Networks with Community Structure
我们研究了阿克塞尔罗德的社会影响力模型的扩展，其中文化漂移表示为随机扰动，而大众媒体是通过一个外部领域。在这种情况下，我们调查如何模块化结构的社交网络影响传播的大众媒体信息在整个社会。社交网络的社团结构由耦合随机网络表示，其中两个随机图通过社团间的链接连接。考虑到非均匀的大众传播场，我们研究了成功的信息传播的条件，并在多维参数空间中找到了一个新的相图。这些研究结果表明，社会模块化效应是至关重要的，以设计成功的，具有成本效益的广告活动。
2008-06-10 physics.comp-ph physics.soc-ph
Events Determine Spreading Patterns: Information Transmission via Internal and External Influences on Social Networks
近年来，基于经典流行病传播的信息传播模型被广泛应用于社会系统，一般假设信息主要通过社交网络上的对等交互在个体之间传播。在本文中，我们考虑了用户获取信息的另一种途径：社交网络外的影响力。通过对8个典型事件在一个超大型微博系统\emph{Sina Weibo}上的传播进行实证分析，发现外部影响对信息传播和社会活动都有显著影响。此外，我们提出了一个理论模型来解释通过内部和外部渠道的传播过程，考虑三个基本属性：（i）记忆效应;（ii）传播者的作用;和（iii）非冗余的接触。实验和数学结果表明，在内部和外部影响的相互作用下，信息确实传播得更快、更广。更重要的是，本模型揭示了一旦网络结构建立，事件特征将高度决定基本的传播模式。研究结果对于深入理解真实社交网络中信息传递的内在动力学机制具有一定的指导意义。
2015-03-26 cs.SI physics.soc-ph
Disease spreading with social distancing: A prevention strategy in disordered multiplex networks
频繁出现的疾病有可能成为地方和全球范围的威胁，如甲型H1N1流感、SARS、MERS和最近的COVID-19疾病，这使得继续设计疾病传播模型和预防或减轻其对人群影响的战略至关重要。由于孤立系在任何情况下都是非常罕见的，特别是在人类接触网络中，在这里，我们研究了由两个不同的网络或层形成的多重网络中的疾病传播的易感染-感染-恢复模型，这些网络或层通过一小部分共享个体（重叠）$q$相互连接。我们通过加权网络对交互进行建模，因为人与人之间的交互是多样的（或无序的）;权重表示交互的接触时间。使用分支理论支持的模拟，我们分析了社会距离的策略，减少了平均接触时间在两个层，其中的距离的强度是有关的拓扑结构的层。我们发现，距离强度的临界值，在此之上，可以防止流行病，增加重叠$q$。我们还研究了社会距离对易感个体的共同巨人分量的影响，这对保持系统的功能至关重要。此外，我们发现，对于相对较小的值的重叠$q$，社交距离的政策可能根本不需要保持系统的功能。
2020-08-26 physics.soc-ph
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
Towards Trusted Social Networks with Blockchain Technology
大规模的谣言传播会造成严重的社会和经济损失。网络社交网络和新媒体的出现甚至会使谣言传播更加严重。有效控制谣言传播具有重要的理论和现实意义。本文迈出了第一步，了解区块链技术如何帮助限制谣言的传播。具体来说，我们开发了一种嵌入区块链技术的社交网络的新范式，它采用去中心化合同来激励信任网络以及安全的信息交换合同。我们设计了一种基于区块链的顺序算法，该算法利用虚拟信息信用进行每个对等信息交换。我们验证了区块链社交网络在限制谣言传播方面的有效性。仿真结果验证了我们的算法设计在避免快速和激烈的谣言传播，并激励更好的机制设计的可信社交网络。
2018-02-22 cs.SI physics.soc-ph
Physical Proximity and Spreading in Dynamic Social Networks
大多数传染病都是通过人类互动的动态网络传播的。最近对社会动态的研究提供了证据，表明传播模式可能在很大程度上取决于社会系统的详细微观动态。我们记录了大量人群中的每一次互动，首次大规模绘制出一个密集连接系统的完整邻近网络。在这里，我们展示了网络结构和传播过程的动态相互作用距离的显着影响。我们创建的网络支持近距离（亲密网络，高达~ 1米）和远距离（环境网络，高达~ 10米）传输模式。亲密网络是碎片化的，弱联系连接紧密的社区，而环境网络支持陌生人之间随机接触驱动的传播。虽然从邻近网络的微观动力学到经验流行病没有微不足道的映射，但这些网络提供了病原体传播的液滴和空气传播模式的一个很好的近似。疫情动态的巨大差异对公共政策以及数据收集和建模方法产生了影响。
2015-09-22 cs.SI physics.soc-ph
Optimal community structure for social contagions
社区结构是真实世界网络行为的一个重要因素，因为它强烈影响稳定性，从而影响传播动力学的相变顺序。本文提出了一个包含社会强化因素的社区网络的可逆社会传染模型。在我们的模型中，当接收到的信息单位数量超过其采用阈值时，个体采用社会传染。我们使用平均场近似来描述我们提出的模型，结果与数值模拟一致。数值模拟和理论分析均表明，种子的铺展动力学过程存在一级相变，当初始种子种类较多时，系统中会出现滞后回线。我们找到了一个最佳的社区结构，最大限度地扩大动态。我们还发现了一个丰富的相图与三相点，分离的非扩散阶段的两个扩散阶段。
2018-05-01 physics.soc-ph
Social distancing in pedestrian dynamics and its effect on disease spreading
在没有接种疫苗的情况下，非药物措施，如社交距离，可以在控制流行病方面发挥重要作用。在本文中，我们研究了社会距离对流行病的影响，它是可执行的。我们使用一个结合了人类流动和疾病传播的数学模型。对于流动性动态，我们设计了一个基于代理的模型，包括行人动态与一种新型的力量，类似于在拥挤的网站社交距离。对于传播动力学，我们认为隔间的SIE动力学加上间接传播的足迹的传染性行人的传染因素。我们发现，增加社会距离的强度有显着影响的暴露风险。通过将人群分类为社会距离遵守者和非遵守者，我们得出结论，即使是少数潜在传染性病原体的社会距离实践，也会导致人群暴露风险发生急剧变化，但会降低其他人群实施该协议的有效性。此外，我们观察到，对于间接传播更重要的传染病，社会距离的有效性会降低。本研究可为降低暴露风险的政策制定提供定量指导。
2020-10-24 physics.soc-ph q-bio.PE
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
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
Effective spreading from multiple leaders identified by percolation in social networks
社交网络是信息传播的一个新平台，但它的成功关键取决于发起信息传播的传播者的选择。在本文中，我们删除边缘在网络中随机和网络段成孤立的集群。然后，每个集群中最重要的节点形成一组有影响力的传播者，这样从他们传播的新闻将导致广泛的覆盖和最小的冗余。该方法很好地利用了每个社会聚类中信息传播的预传播状态和覆盖范围之间的相似性，得到一组分布式、协调的传播者。我们在Facebook网络上的测试表明，该方法优于传统的基于中心性的方法。因此，所建议的识别有影响力的传播者的方法揭示了社交网络上信息传播的新范式。
2015-08-18 cs.SI physics.soc-ph
Spreading in Social Systems: Reflections
在这最后一章，我们考虑了在社会系统中传播的最新技术，并讨论了该领域的未来。作为反思的一部分，我们确定了未来的一系列关键挑战。这些挑战包括以下问题：我们如何提高数据集的质量、数量、范围和可访问性？如何从有限的数据集中提取更多的信息？我们如何考虑个人的认知和决策过程？我们如何将其他复杂的真实传染过程结合起来？最后，我们如何将研究转化为积极的现实影响？在下文中，我们将为这些开放性问题提供更多背景。
2018-01-07 cs.SI physics.soc-ph
Epidemic Dynamics On Information-Driven Adaptive Networks
可以同时进化。在信息驱动的适应过程中，有能力识别疾病的易感（感染）个体会切断其感染（易感）邻居的联系，以防止疫情进一步蔓延。仿真结果和数值分析表明，信息驱动的自适应过程不仅可以减缓传染病传播的速度，而且可以显著降低最终状态下的流行率.此外，疾病的传播和信息扩散模式的格子上给出了一个直观的表示，疾病是如何被困在一个孤立的领域与信息驱动的自适应过程。此外，我们进行局部分岔分析的四种类型的动力学区域，包括健康，振荡，振荡和地方病，了解所观察到的动力学行为的演变。这项工作可能有助于理解信息如何影响人类应对传染病传播的活动。
2015-05-19 physics.soc-ph
Social distancing strategies against disease spreading
传染病的反复发生及其对社会的影响日益严重，促使人们研究减缓传染病传播的策略。本文综述了逾渗理论在描述复杂网络上对抗传染病传播的策略中的应用。本文对链接渗流与传染-恢复模型的关系进行了概述，并引入节点空隙渗流过程来描述由健康个体组成的网络（$i.e$）的稀释过程，该网络是维持社会功能的网络。然后，我们调查了两种策略：淬火无序策略，其中在社会中诱导接触强度的异质性分布，以及间歇性社会距离策略，其中健康个体被说服避免与他们的邻居接触间歇性的时间。使用渗流工具，我们表明，这两种策略可以阻止传染病传播。最后，我们讨论了传染率，$i.e$，传播疾病的有效概率，对性能的策略，以减缓传染病传播的作用。
2013-08-09 physics.soc-ph q-bio.PE
Effects of social distancing and isolation on epidemic spreading: a dynamical density functional theory model
为防止冠状病毒病COVID-19等流行病传播，保持社交距离及隔离受感染人士至关重要。然而，现有的反应扩散方程的流行病传播是无法描述这些影响。我们提出了一个扩展的疾病传播模型相结合的SIR模型与动态密度泛函理论，明确考虑到社会距离和隔离的感染者。该模型显示了有趣的非平衡相分离与减少感染的数量，并允许新的见解控制流行病。
2020-05-08 physics.bio-ph physics.soc-ph q-bio.PE
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
Reliability and efficiency of generalized rumor spreading model on complex social networks
我们引入了广义谣言传播模型，并研究了该模型在不同复杂社交网络上的一些性质。尽管先前的谣言模型，这两个扩展器-扩展器（$SS$）和扩展器-stifler（$SR$）的相互作用具有相同的速率$α$，我们定义$α^{(1)}$和$α^{(2)}$分别为$SS$和$SR$的相互作用。研究了$α^{(1)}$和$α^{(2)}$含量变化对加劲肋最终密度的影响。此外，通过分析网络的可靠性和效率等全局参数的行为，研究了网络拓扑结构对谣言传播的影响。我们的研究结果表明，虽然具有同质连接模式的网络达到更高的可靠性，无标度拓扑结构需要更少的时间来达到稳定状态的谣言。
2013-03-25 cs.SI physics.soc-ph
Modeling disease spreading with adaptive behavior considering local and global information dissemination
该研究提出了一个模型框架，用于在疾病爆发期间研究具有自适应人类行为的疾病动态，同时考虑局部观测和全局信息的影响。一个重要的应用场景是，通勤者可以在旅行期间从他们的身体接触中观察症状和对策后调整他们的行为，从而改变疾病爆发的轨迹。我们介绍了异质平均场（HMF）的方法在一个多路网络设置，共同模拟传染病的传播动力学的接触网络和传播动力学的信息在观察网络。疾病的传播是使用经典的易感染性-感染性-易感性（SIS）过程捕获的，而类似SIS的过程则模拟了被称为不知情-知情-不知情（UAU）的知情传播。多重网络的使用有助于捕捉疾病传播和信息传播之间的相互作用，以及一个动态如何影响另一个。理论分析表明，根据疾病和信息的渗透强度，存在三种潜在的平衡态。信息的传播可能有助于在人口中形成群体免疫力，从而抑制和消除疾病的爆发。最后，利用地铁出行者接触网络进行数值实验，揭示了现实世界中的疾病和信息动态，并对交通系统抵御传染病风险的能力进行了深入研究。
2020-08-25 physics.soc-ph
Intermittent quarantine suppresses epidemic spreading beyond simple contact reduction
Universidade Federal de Viçosa（维索萨联邦大学）；Universidade Federal de São Paulo（圣保罗联邦大学）；Universidade de São Paulo（圣保罗大学）
本研究通过理论分析与随机模拟，发现节点间歇性（非马尔可夫性）比边间歇性更有效抑制流行病传播，短且均匀的间隔时间提高传播阈值，为干预策略提供新视角。
2026-10-02 physics.soc-ph
Rumor Evolution in Social Networks
社交网络是谣言传播的主要渠道。以往的研究主要集中在静态的谣言传播。谣言的内容在整个传播过程中是不变的。事实上，谣言在其传播过程中不断演变，变得更短，更简洁，更容易理解和讲述。在一项早期的心理学实验中，研究人员发现谣言中大约70%的细节在前6次口对口传播\cite{TPR}中丢失。基于事实，我们研究了谣言在社交网络上的传播，其中谣言的内容被个体以一定的概率修改。在这种情况下，他们有两个选择，转发或修改。作为一个转发者，一个人直接向邻居传播谣言。相反，作为一个修正者，一个人在传播谣言之前会修正谣言。当谣言在社交网络上传播时，如无标度网络和小世界网络，如果谣言的修改者在网络中占主导地位，那么大多数个体实际上会被谣言的多次修改版本所感染。我们的观察表明，原始谣言可能会在传播过程中失去影响力。同样，一个真实的信息也可能变成谣言。我们的研究结果表明，谣言的演变不应该是一个可以忽略的问题，这可能会提供一个更好的理解谣言的产生和破坏。
2013-02-28 cs.SI physics.soc-ph
Temporal clustering of social interactions trades-off disease spreading and knowledge diffusion
本文提出通过社会泡泡与时间配对聚类调节人际互动结构，在保持平均接触数的同时兼顾疫情控制和复杂知识扩散。
2023-08-14 physics.soc-ph
The effects of network structure, competition and memory time on social spreading phenomena
在线社交媒体极大地影响了我们彼此沟通的方式。然而，很少有人知道什么是驱动动态信息流的在线社会系统的基本机制。在这里，我们介绍了一个生成模型的在线分享行为，分析上易于处理，它可以重现经验微博数据的几个特点，标签的使用，如（时间依赖）重尾分布模因流行。所提出的框架构成了一个空模型的社会传播现象，在纯实证研究或模拟为基础的模型相比，清楚地区分了两个不同的因素影响模因的流行：用户的记忆时间和社会网络的连接结构的作用。
2016-03-30 cs.SI nlin.AO physics.soc-ph
Antivax movement and epidemic spreading in the era of social networks: Nonmonotonic effects, bistability and network segregation
在这项工作中，我们解决了一个多耦合动力学的复杂网络与可调结构隔离。具体来说，我们在疫苗接种运动下与支持和反对疫苗的代理人一起研究网络化的传染病传播。我们的研究结果表明，这种耦合动力学表现出无数的现象，如伴随着双稳态的非平衡转变。此外，我们观察到一个中间最佳隔离水平的出现，其中社区结构增强了对疫苗接种的负面意见，但违反直觉地阻碍了-而不是有利于-全球疾病传播。因此，我们的研究结果表明，疫苗接种运动应避免最终隔离过度反疫苗群体的政策，使他们有效地发挥回声室的作用，在其中个人寻求确认，而不会危及整个人口的安全。
2021-08-24 physics.soc-ph q-bio.PE
Co-spreading dynamics of smoking behavior and awareness on social contact networks
Birla Institute of Technology and Science, Pilani（比拉理工学院）
本文提出数学模型研究吸烟行为、戒烟与意识的耦合动态，揭示了人口结构对戒烟干预策略的重要性。
2026-03-02 physics.soc-ph q-bio.PE
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
Beyond the Coverage of Information Spreading: Analytical and Empirical Evidence of Re-exposure in Large-scale Online Social Networks
同伴影响和社会传染是影响信息传播（如新闻传播、口碑传播或病毒式营销）采纳和参与的关键因素。在这项研究中，我们认为，只关注信息传播的规模和覆盖面是有偏见的，并提出影响力强化的水平，由重新曝光率量化，即，在衡量传播的有效性时，应一并考虑重复接触相同信息的个人的比率。我们发现，本地网络的结构特征显着影响被暴露或重新暴露于相同的信息的概率。通过分析拥有4.3亿连接用户的新浪微博（中国的Twitter）超大规模网络上的热门新闻，我们发现有一类用户的曝光率极低，即使他们有数万人关注;而传播波更大、二次转发更强的新闻，其再曝光率要高得多。虽然曝光率和再曝光率通常会随着传播规模的增长而增长，但我们发现了一些例外情况，即可以在保持低再曝光率的同时实现高曝光率，反之亦然。
2019-07-26 physics.soc-ph stat.AP
Epidemic Spreading and Equilibrium Social Distancing in Heterogeneous Networks
我们研究了一个通过网络相互作用的异质种群之间的多类型SIR流行病过程。当我们的基础上的社会接触的随机图与给定的顶点度，我们给极限定理的感染的个人的分数。对于一个给定的社会距离的个人策略，我们建立了流行病的再现数$R_0$，它可以用来识别网络的脆弱性和通知疫苗接种政策。在本文的第二部分中，我们研究了社会距离博弈的均衡，其中个人根据预期的全球感染率选择他们的社会距离水平，然后必须等于他们选择后的实际感染率。给出了平衡点存在唯一的条件。对于随机规则图的情况下，我们表明，自愿的社会距离将始终是社会次优。
2021-11-01 cs.SI physics.soc-ph q-bio.PE
Correlation-Based Diagnostics of Social Contagion Dynamics in Multiplex Networks
Universitat de Barcelona（巴塞罗那大学）；Universitat Oberta de Catalunya（加泰罗尼亚开放大学）
该研究通过分析多重网络中节点活动的时间相关性，揭示了社会传染动力学的局部化与去局部化现象，并展示了滞后一阶自相关性在检测激活和局部化转变中的作用。
2026-01-30 physics.soc-ph
Coronavirus Covid-19 spreading in Italy: optimizing an epidemiological model with dynamic social distancing through Differential Evolution
本文的目的在于应用最近的流行病学模型，即SEIR与社会距离（SEIR-SD），通过定义随时间变化的社会距离函数，在此扩展，以评估意大利及其两个最重要地区，即，伦巴第和坎帕尼亚。为了有效地使用该模型，必须找到其参数的最合适的值。SEIR-SD模型参数的估计通过使用差分进化，一种启发式优化技术来进行。通过这种方式，我们能够对上述三种情况中的每一种情况评估从今天到病毒传播结束的每日感染病例数，这一数字将达到最高峰的那一天，以及感染病例将非常接近于零的那一天。
2020-04-04 cs.SI physics.soc-ph q-bio.PE
Heterogeneous contact networks in COVID-19 spreading: the role of social deprivation
本文有两个主要目的。首先，我们使用疾病在网络上传播的理论，以个人接触为基础来研究COVID-19疫情-这些预测通常与通常使用的同质混合方法有很大不同。我们的第二个目标是再次以网络为基础，研究社会剥夺在这一流行病传播中的作用。我们选择加尔各答市作为案例研究，但断言，这样获得的见解是适用于各种各样的城市环境，人口稠密，社会不平等现象猖獗。我们的预测热点被发现是在很好的协议与目前被确定为经验的遏制区，并提供了一个有用的指导，确定潜在的关注领域。
2020-05-01 cond-mat.stat-mech physics.data-an physics.soc-ph
Social network structure and the spread of complex contagions from a population genetics perspective
本研究从种群遗传学视角出发，构建分析复杂传染随机动力学的通用框架，揭示网络结构对复杂传染传播的关键影响，为信息、行为和思想的社会传播提供理论洞见。
2023-08-29 physics.soc-ph
Interplay of epidemic spreading and vaccine uptake under complex social contagion
本研究通过SIR模型和阈值疫苗接种策略，在年龄分层多层网络上模拟，揭示复杂社会传染下疫苗接取态度与流行病传播的相互作用。
2024-12-16 cs.SI physics.soc-ph
Modeling the effects of social distancing on the large-scale spreading of diseases
为了遏制新出现的可在人与人之间传播的疾病的传播，通常实施旨在减少人与人之间相互作用的非药物干预措施。后一种措施的一个例子是保持社交距离，这可以是政策驱动的，也可以是由于害怕感染而在人群中自发产生的。然而，如果在人群达到群体免疫力之前取消NPI，病原体的进一步重新引入将导致继发感染。在这里，我们研究了不同的社会距离计划对疾病大规模传播的影响。具体而言，我们概括了集合种群模型，包括在亚种群水平的社会距离机制和模型的短期和长期战略，喂养当地或全球的流行病信息。我们发现，不同的模型成分可能会导致非常不同的结果在不同的亚群。我们的研究结果表明，有没有一个唯一的答案，如果实施和管理本地或全球的竞争措施是否更有效的问题，模型的结果取决于如何充分考虑人类互动的复杂性。
2021-05-20 physics.soc-ph q-bio.PE
Advertising and irreversible opinion spreading in complex social networks
在小世界和无标度网络上，利用磁伊甸园模型研究了不可逆的意见传播现象，磁伊甸园模型是一种用于与热浴接触的二元混合物生长的非平衡动力学模型。在这个模型中，一个人的观点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。我们关注的是广告的影响力，这是由外部磁场来表示的。温度和场之间的相互作用和竞争导致有序-无序转变，发现这也取决于连接密度和复杂网络衬底的拓扑结构。广告活动的效果与可变的持续时间，以及最佳的成本效益的战略，以实现共识，在不同的情况下，也进行了讨论。
2009-02-07 physics.comp-ph physics.soc-ph
Conditions for viral influence spreading through multiplex correlated social networks
网络科学的一个基本问题是预测某些个人如何能够发起新的网络，以产生“新思想”。这些趋势的变化通常是由少数创新者引发的，他们通过“病毒式”影响力迅速将自己的想法强加于人，产生一系列追随者，将旧网络分割成一个新网络。典型的例子包括科学思想的兴起或社交媒体的突然变化，比如Facebook.com的兴起对Myspace.com的损害。这一过程在实践中是如何产生的，尚未得到最终证明。在这里，我们表明，维持病毒传播过程的一个条件是存在一个多重相关图与隐藏的“影响链接”。解析解预测渗滤相变，无论是突然的或连续的，其中网络被瓦解，通过病毒级联的追随者在经验数据。我们的模型预测了严格的条件，以维持一个大的病毒传播，通过缩放形式的局部关联函数之间的多层，我们也证实了经验。最终，该理论预测了从社会到金融系统和市场的一大类多重网络中病毒级联的条件。
2014-05-27 cs.SI physics.data-an 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
Mean-field Modeling of Social Interactions Using Classical Density Functional Theory
本文提出一种基于经典密度泛函理论的新颖局部平均场模型，通过指数和近似处理社会相互作用，并利用线性稳定性分析推导交叉作用的不稳定条件，为疾病传播控制提供理论指导。
2025-09-07 physics.soc-ph
Theory of Rumour Spreading in Complex Social Networks
我们介绍了一个一般的随机模型的谣言传播，并推导出平均场方程，描述了复杂的社交网络（特别是那些介导的互联网）的模型的动态。我们使用这些方程的解析解和数值解来研究这种网络的几种模型的阈值行为和动力学模型：随机图，不相关的无标度网络和无标度网络与独立度相关性。我们发现，在均匀网络和随机图的模型表现出一个临界阈值的谣言传播率低于该谣言不能在系统中传播。另一方面，在无标度网络的情况下，这个阈值在无限系统规模的极限下变得非常小。我们发现，在无标度网络中的谣言传播的初始速率比在随机图中高得多，并且当引入不确定度相关性时，在无标度网络上传播的速率进一步增加。然而，度相关性对最终听到谣言的节点比例的影响取决于网络拓扑结构和谣言传播率之间的相互作用。我们的研究结果表明，无标度的社交网络容易传播谣言，就像它们容易传播传染病一样。它们与互联网上的连锁电子邮件、病毒式广告和大规模信息传播算法的传播动态有关。
2008-07-09 cond-mat.stat-mech cs.CR physics.bio-ph
Information diffusion epidemics in social networks
社交网络中的信息传播动态在诸如谣言或时尚传播、产品创新的传播或“口碑”通信的过程中是至关重要的。由于特定信息在传播过程中很难被跟踪，因此对社交网络中信息传播的理解大多来自于模型或间接测量。在这里，我们提出了一个综合的实验和理论框架，以了解和定量预测信息如何以及何时在社交网络上传播。使用在病毒式营销活动中收集的数据，这些活动覆盖了11个欧洲市场的31，000多人，我们显示了参与者行为的很大程度的可变性，尽管他们面临着接收和转发相同信息的共同任务。这对信息传播产生了深远的影响：首先，大部分的传播是由于超级传播事件发生的，这在人口平均模型中被认为是异常的。其次，由于个人安排信息传输的方式不同，我们观察到社交网络中的信息传播在对数时间内会减慢。实验的定量描述是可能的，通过一个随机的分支过程，证实了异质性的重要性。由于在许多其他活动中发现了人类反应的强度和频率的高度可变性，因此我们的研究结果与许多其他人为驱动的扩散过程有关，如谣言，时尚，创新或新闻，这些过程对组织管理，通信，营销或电子社交社区具有重要影响。
2007-06-05 physics.soc-ph
Modelling and predicting the effect of social distancing and travel restrictions on COVID-19 spreading
到目前为止，应对COVID-19大流行蔓延的唯一有效手段是非药物干预措施（NPI），这需要减少社会活动和流动限制的政策。量化其影响是困难的，但这是减少其社会和经济后果的关键。在这里，我们介绍了一个基于时间网络的元人口模型，该模型基于意大利的COVID-19疫情数据进行了校准，并易于评估这两种类型的NPI的结果。我们的方法结合了元人口模型的粒度空间建模的优势，能够通过活动驱动的网络真实地描述社会联系。我们提供了一个有价值的框架来评估不同的NPI的可行性，不同的时间和严重程度。结果表明，流动性限制的影响在很大程度上取决于在疫情爆发的早期阶段及时实施NPI的可能性，而减少活动的政策应优先考虑。
2020-12-16 math.DS physics.soc-ph q-bio.PE
Classification of Message Spreading in a Heterogeneous Social Network
LARODEC, University of Tunis（突尼斯大学LARODEC实验室）；IRISA, University of Rennes 1（雷恩第一大学IRISA研究所）
如今，Twitter、Facebook和LinkedIn等社交网络越来越受欢迎。事实上，他们引入了新的习惯，新的沟通方式，他们每天都收集不同来源的信息。现有的研究大多集中在分析同质社交网络，即网络中只有单一类型的节点和链接。然而，在现实世界中，社交网络提供了几种类型的节点和链接。因此，为了保存尽可能多的信息，重要的是要考虑社会网络的异质性和不确定性。本文的目标是根据社会信息在网络中的传播情况和信任函数理论对社会信息进行分类。建议的分类器解释了网络上的消息传播，交叉路径和链接类型。我们在从Twitter收集的真实词网络上测试了我们的分类器，我们的实验显示了我们的信念分类器的性能。
2015-01-22 cs.AI cs.SI physics.soc-ph
Epidemic spreading in populations of mobile agents with adaptive behavioral response
尽管流行病建模已进入高级阶段，但对将对疾病传播的行为反应（如社交距离和采取预防方法）纳入方法的需求仍然很大。流动性在疫情动态中发挥着重要作用，也受到行为变化的影响，但在很多情况下，真实的流动性数据并不完整或无法获取。我们提出了一个模型，传染病传播的时间网络的移动代理，结合当地的行为反应。允许易感病原体向其邻近的受感染病原体的相反方向移动。我们发现，这种机制大大降低了固定的流行时，代理的空间密度低。然而，对于更高的密度，该机制会导致突然的相变，其中出现新的双稳态相。我们开发了一种半分析方法的情况下，当流动性是快速的疾病动力学相比，并用它来论证，双稳态是由易感剂的空间集群的出现。最后，我们描述了在快速流动机制中形成的时间网络，展示了度分布和其他度量如何受到行为机制的影响。我们的工作将先前已知的自适应网络的结果纳入到移动代理的人口中，这可以进一步发展，以用于移动性驱动的模型。
2021-12-15 physics.soc-ph
