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
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
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
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
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
Why Do You Spread This Message? Understanding Users Sentiment in Social Media Campaigns
Twitter越来越多地被用于传播有关竞选活动的信息。这些活动试图通过他们的推特账户获得追随者，影响追随者并通过他们传播信息。在本文中，我们探讨了追随者的情绪对运动的主题和他们的转发率的运动所产生的消息之间的关系。我们对多个社交媒体活动的追随者进行了分析，发现这种情绪和转发率之间存在统计学显著相关性。根据我们的分析，我们在不同社交媒体活动的追随者中进行了一项在线干预研究。我们的研究表明，基于他们对活动的情绪来定位追随者可以比其他一些基线方法提供更高的转发率。
2014-03-24 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
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
Agent-based model of information spread in social networks
我们提出了多智能体网络的演化规则，并确定了智能体生存周期中的统计模式-信息消息。主要讨论的统计模式与消息的喜欢和转发的数量有关。根据建模结果，该分布对应于威布尔分布。我们研究提出的模型使用的数据从Twitter，在线社交网络服务。
2016-05-26 cs.SI physics.soc-ph
Information Spread Over an Internet-mediated Social Network: Phases, Speed, Width, and Effects of Promotion
在这项研究中，我们通过跟踪新闻文章在社交网络上的传播，研究了促进信息在互联网上传播的速度和宽度的效果。传播速度是指新闻在给定时间内达到的读者数量，而传播宽度是指新闻在社交网络中从新闻发布者传播到多远。在分析了30小时内的六个故事后，我们发现，一个故事在社交网络成员中的流行度有三个阶段：扩张，头版和饱和。当故事被发布并且文章从源节点传播到社交网络的连接组件内的节点时，扩展阶段开始。当新闻聚合器在其首页推广故事时，头版阶段发生，导致故事在连接的节点之间传播的速度更快，同时将文章传播到社交网络的原始连接组件之外的节点。饱和阶段是指故事老化，其在社交网络中的传播速度减慢，表明节点之间的流行饱和。在这三个阶段中，我们观察到的信息传播的宽度变化最小，这是由社交网络中传播直径的宽度相对较低的增加所暗示的。我们看到，本文提供了各种利益相关者的第一手经验数据建模，设计和改进当前的基于Web的服务，特别是IT教育工作者设计和改进学术课程，并提高当前的网络使能部署的知识和在线评估的技能。
2015-07-23 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
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
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
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
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
Locating privileged spreaders on an Online Social Network
本文基于复杂网络理论，结合西班牙2011年为期一个月的政治抗议事件的拓扑与互动数据，研究在线社交网络中哪些用户具备特权信息传播能力及其原因。
2012-03-06 cs.SI physics.soc-ph
A Hierarchy of Linear Threshold Models for the Spread of Political Revolutions on Social Networks
我们研究了一个线性阈值代理模型（ABM）的政治革命的传播社交网络使用经验网络数据。我们提出了新的技术，建立一个层次结构的简化常微分方程（ODE）为基础的模型，旨在捕捉ABM的基本特征，包括实际网络的影响，并提供洞察力的ABM的参数政权过渡。我们将ABM和模型的层次结构与我们先前提出的用于政治革命传播的人口水平分区ODE模型联系起来[1]，该模型在数学上与所提出的ABM一致，并提供了一种分析ABM全局行为的方法。与线性阈值ABM的一致性也为[1]的房室模型提供了进一步的后验证明。从流行病学模型的扩展概念，我们定义了一个基本的再生数$R_0$的线性阈值ABM和应用它来预测ABM行为的经验网络。在小规模的数值测试中，我们实验性地研究了在线性阈值ABM模型下，当应用于一些经验性的在线和离线社交网络时，传播行为的差异，寻找定量证据表明，政治革命可能是由现代在线社交网络的社交媒体促进的。
2015-01-16 cs.SI physics.soc-ph
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
Collective Influence of Multiple Spreaders Evaluated by Tracing Real Information Flow in Large-Scale Social Networks
确定最大化信息流的最有影响力的传播者是网络理论的核心问题。最近，一个可扩展的方法称为“集体影响力（CI）”已经提出了通过集体影响力最大化。与单独评估节点重要性的启发式方法不同，CI方法考察了多个传播者的集体影响。尽管CI适用于渗透模型中的影响最大化问题，但在现实的信息传播中检验其有效性仍然很重要。在这里，我们研究了各种社会和科学平台中的真实信息流，包括美国物理学会，Facebook，Twitter和LiveJournal。由于经验数据不能直接映射到理想的多源传播，我们利用从数据中提取的用户的行为模式来构建“虚拟”的信息传播过程。我们的研究结果表明，由CI选择的传播者的集合可以诱导更大规模的信息传播。此外，在现实的信息传播中，节点的连接数或引用数等局部性度量并不一定是节点重要性的决定性因素。这一结果对科学网络（如APS）中的排名科学家具有重要意义，在这些网络中，常用的引用数量可能是作者在社区中的集体影响力的一个很差的指标。
2016-11-07 cs.SI physics.soc-ph
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
What Stops Social Epidemics?
在理解图上的传播过程的动态方面的理论进展表明存在一个流行阈值，低于该阈值，没有流行病形成，高于该阈值，流行病传播到图的很大一部分。我们观察到社交媒体网站Digg上的信息级联，其传播速度足以让一个初始传播者感染数百人，但最终只影响整个网络的0.1%。我们发现，两个影响，以前研究的孤立，结合合作，大大限制了Digg上的级联的最终大小。首先，由于Digg网络的高度集群结构，大多数知道一个故事的人都是通过多个朋友接触到它的。这种结构降低了流行病的门槛，同时适度减缓了级联的总体增长。此外，我们发现，Digg上的社会传染机制指出了信息传播和其他传染过程之间的根本区别：尽管在一个社会群体中有多种感染机会，但人们不太可能成为反复接触信息的传播者。这种机制的结果对于更多的聚类图变得更加明显。最终，这种影响严重限制了Digg上社交流行病的规模。
2011-04-01 cs.SI 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
Higher contagion and weaker ties mean anger spreads faster than joy in social media
越来越多的证据表明，与面对面的交流类似，人类的情感也会在网络社交媒体中传播。然而，这种情绪传染的机制，例如，不同的感觉是否以不太可能的方式传播，或者情绪的传播如何与社交网络相关，很少被研究。事实上，由于成本高和时空的限制，探索这一主题是具有挑战性的使用传统的问卷调查或控制实验。因为它们是大量个体的自然情感反应的收集点，在线社交媒体网站为从计算社会科学的角度解决这个问题提供了一个理想的代理。本文基于对微博中数百万条推文的分析，令人惊讶的是，我们发现愤怒比喜悦更具传染性，这表明它可以引发更多愤怒的后续推文。此外，关于在社交网络中的传播，愤怒比喜悦更容易沿着较弱的联系传播，这意味着它可以渗透到不同的社区，摆脱当地的陷阱，因为陌生人更经常分享这些内容。通过一个简单的扩散模型，我们发现，更大的传染和较弱的关系功能合作，以加快愤怒的传播。具有不同主导情绪的真实世界事件的扩散为研究结果提供了进一步的证据。据我们所知，这是第一次提出定量的长期证据，揭示了喜悦和愤怒传播机制的差异。我们的研究结果揭示了人类交流中的个人愤怒管理和控制网络空间中的集体愤怒。
2016-12-26 cs.SI physics.soc-ph
Modeling Reflexivity of Social Systems in Disease Spread
社会系统中的扩散过程是由外部触发和内部激发通过社交网络上的个体之间的相互作用来控制的。底层机制对于理解现实世界中的涌现现象并据此制定有效的策略至关重要。然而，它是具有挑战性的，以揭示动态的目标扩散过程中，由于事件和它们的时间演变强度之间的无形因果关系。在这项研究中，我们提出了潜在的影响点过程模型（LIPP），将外部异质性和内部动态的元人口的基础上，人类的流动。我们提出的模型量化了社会系统的自反性，这是其内部动态对事件发生的反馈水平。作为一个典型的案例研究，我们调查登革热疫情在昆士兰州，澳大利亚在过去的15年。我们发现疾病暴发的突变和稳定增长分别与外源和内源影响有关。区域之间类似的扩散趋势反映了区域社会系统的同步自反性，可能是由人口流动驱动的。
2017-11-17 cs.SI physics.soc-ph
Uncritical polarized groups: The impact of spreading fake news as fact in social networks
在线社交网络中的思想传播是理解当今假新闻泛滥及其对民主国家影响的关键现象。这使得有必要使用模仿谣言传播的模型。大数定律以及接触组的概率分布使我们能够用最少的假设来构建一个模型。此外，我们还可以用这个模型分析两极分化的个体群体（人类或机器人）的存在，他们一知道谣言就传播谣言。在一个由即时通讯应用程序连接的人群中，只给定知道任何消息的初始个体数量，我们首先从我们的模型中推导出一个简单的时间函数来研究谣言传播。然后，我们证明，极化组可以检测和量化的经验数据。最后，我们还预测了任何谣言到达固定比例的人群所需的时间。
2019-10-17 cs.SI physics.soc-ph
Searching for superspreaders of information in real-world social media
已经提出了一些预测指标，以检测在Twitter或Facebook等各个领域的在线社交媒体中最有影响力的信息传播者。特别是，度，PageRank，k-core和其他中心度已被用于对用户在信息传播媒体中的传播能力进行排名。到目前为止，验证所提出的预测已经完成了模拟的传播动态，而不是在社交网络的真实信息流。因此，到目前为止，只有依赖于模型的矛盾的结果已经取得了最好的预测。在这里，我们直接解决这个问题。我们通过在广泛的网络中跟踪真实的传播动态来寻找有影响力的传播者。我们发现，广泛使用的度和PageRank在排名用户的影响力失败。我们发现，最好的传播者始终位于不同的社交平台，如Twitter，Facebook，Livejournal和美国物理学会的科学出版物的k核心。此外，当完整的全球网络结构是不可用的，我们发现，最近的邻居的度之和是一个可靠的本地代理用户的影响力。我们的分析提供了实用的指导，为“病毒”信息传播的相关应用程序的策略的最佳设计。
2014-08-10 cs.SI physics.soc-ph
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
Interdependent Diffusion: The social contagion of interacting beliefs
社会传染是人们从邻居那里接受一种信仰、想法或做法，并将其传递给其他人的过程。100多年来，研究社会传染的学者们几乎都做出了同样的假设：一次只有一种信念、想法或实践在人群中传播。这是一个默认的假设，我们懒得去陈述，更不用说证明了。这个假设是如此根深蒂固，以至于我们的文学作品中甚至没有一个词来表达“任何要传播的东西”，因为我们从来不需要讨论其中的一个以上。但这个假设显然是错误的。每天都有数以百万计的信念、想法和实践（我们称之为“扩散剂”）通过社会传染传播。假设扩散物一次传播一个--或者更慷慨地说，它们彼此独立地传播--就是假设扩散物之间的相互作用对采用模式没有影响。这可能是真的，也可能是大错特错。我们从来没有停下来寻找答案。本文使用模拟、观测数据和2400名受试者的实验室实验，对独立信念和相互依赖信念的传播进行了直接比较。我发现，在假设扩散之间的独立性，学者们忽略了社会过程，从根本上改变了社会传染的结果。信仰之间的相互依赖会产生两极分化，而不管社会网络结构、同质性、人口统计、政治或任何其他常见的原因。它还协调信念的结构，这些信念既可以有内部的正当性，也可以有社会的支持，而不需要任何外部真理的基础。
2021-06-01 cs.SI physics.soc-ph
The geographic spread of COVID-19 correlates with the structure of social networks as measured by Facebook
我们使用Facebook的汇总数据显示，COVID-19更有可能在社交网络连接更强的地区之间传播。与两个早期COVID-19“热点”（美国纽约州韦斯特切斯特县和意大利洛迪省）有更多社会联系的地区，到3月底通常有更多的COVID-19确诊病例。在控制了到热点的地理距离以及该地区的人口密度和人口统计数据之后，这些关系仍然存在。随着疫情在美国蔓延，一个县与最近的COVID-19病例和死亡人数的社会接近程度，可以预测未来的爆发，而不仅仅是物理接近程度和人口统计数据。部分由于其广泛的覆盖范围，社交联系数据为基于智能手机位置或在线搜索数据的测量提供了额外的预测能力。这些结果表明，来自在线社交网络的数据可能对流行病学家和其他希望预测COVID-19等传染病传播的人有用。
2020-12-11 cs.SI physics.soc-ph q-bio.PE
The spread of low-credibility content by social bots
Indiana University, Bloomington（印第安纳大学）
研究通过分析2016年美国大选期间推特上的40万篇文章传播数据，发现社交机器人在放大低可信内容中扮演了关键角色，且人类用户易受其影响转发低可信内容。
2018-05-24 cs.CY cs.SI physics.soc-ph
Awareness and Movement vs. the Spread of Epidemics - Analyzing a Dynamic Model for Urban Social/Technological Networks
我们考虑流行病在技术和社交网络中的传播。人们的反应如何？意识和谨慎的行为有帮助吗？我们分析了这些问题，并提出了一个动态模型来描述个人和/或他们的移动设备在一定的（理想化的）城市环境中的运动。此外，我们的模型还考虑到不同的地点可以容纳不同数量的人（可能是他们的移动设备），他们可能会相互传播感染。我们得到两个主要结果。首先，我们证明w.r.t.我们的模型至少一小部分系统将保持不受感染，即使不采取对策。第二个结果表明，使用某些只影响个人行为的对抗措施，可以避免流行病的流行。研究结果解释了疾病的可能过程，并指出了为什么具有成本效益的对策可能会将总感染人数从人口的高百分比减少到可以忽略不计的比例。
2011-09-16 cs.SI physics.soc-ph
Finding influential spreaders from human activity beyond network location
大多数用于识别社交网络上有影响力的传播者以传播消息或阻止流行病的中心点都需要传播发生的网络的完整拓扑信息。然而，在实践中，收集社交网络中的代理之间的所有连接很难实现。因此，这样的度量可能难以应用于真实的社交网络。因此，需要一种新的方法来识别有影响力的人没有明确的网络信息，以提供一个有效的免疫或传播策略，在实际意义上。在这项研究中，我们寻求一种可能的方式来寻找有影响力的传播者，通过使用社会关系是如何形成在现实网络中的社会机制。我们发现，一个可靠的免疫接种计划可以通过询问人们如何相互作用来实现。从这些调查中，我们发现，在测试的社会机制中，连接到枢纽的概率趋势对有影响力的传播者具有最强的预测能力。我们的观察还表明，当网络具有强大的模块化结构时，连接不同社区的人更有可能成为有影响力的传播者。我们的发现意味着，不仅网络位置的影响，而且个人的行为是很重要的，以设计最佳的免疫或传播方案。
2015-07-06 cond-mat.stat-mech cs.SI physics.soc-ph
Combined Centrality Measures for an Improved Characterization of Influence Spread in Social Networks
影响力最大化（Influence Maximization，IM）的目标是在社交网络中发现最具影响力的用户。例如，在特定传播模型内最大化意见传播的用户。以前的工作研究了影响扩散和节点中心性措施之间的相关性，以绕过更昂贵的IM模拟。结果是有希望的，但不完整，因为这些研究调查的性能（即。例如，识别有影响力的用户的能力）的中心性措施，只有在有限的设置，e。例如，在一个实施例中，在无向/未加权网络中和/或在IM较不常见的传播模型内。在本文中，我们首先表明，良好的结果内的易感性-删除-删除（SIR）的无权重和无向网络的传播模型不一定转移到流行的独立级联（IC）的传播模型下的有向或加权网络。然后，我们确定了一组具有良好性能的加权和有向网络内的IC模型的中心性措施。我们的主要贡献是一种新的方式来结合在一个封闭的公式，以产生更好的结果的中心性措施。此外，我们还扩展了引力中心性（GC）与建议的组合中心性措施。我们在50个真实数据集上的实验表明，我们提出的中心性测度显著优于著名的中心性测度和最先进的GC测度。社交网络，影响力最大化，中心性测度，IC传播模型，影响力传播者
2020-03-11 cs.SI physics.soc-ph
Complex social contagion makes networks more vulnerable to disease outbreaks
社会网络分析现在被广泛用于研究传染病在人与人之间传播的动态。疫苗接种极大地破坏了疾病在接触网络上的传播过程，事实上，足够高的疫苗接种率可以破坏这一过程，从而有效地阻止疾病在网络上的传播。在这里，我们建立在越来越多的证据基础上，这些证据表明，健康行为--如接种疫苗和拒绝接种疫苗--可以通过社交网络传播，这是一个复杂的传染过程，需要社会强化。通过对健康行为和传染病传播进行网络模拟，我们发现，在其他条件相同的情况下，健康行为传播的过程对疾病爆发动态具有非常强的影响。这种动态变化是由于健康行为传播过程中出现的易感社区内的拓扑结构差异造成的，而这反过来又取决于整个社交网络的拓扑结构。我们的研究结果指出了健康行为传播在预测和控制疾病爆发方面的重要性。
2012-11-01 cs.SI physics.soc-ph q-bio.PE
Multilingual Multimodal Digital Deception Detection and Disinformation Spread across Social Platforms
我们在这项工作中的主要贡献是多语言模型的新结果，这些模型超越了英语社交新闻内容中谣言或错误信息检测的典型应用，以识别多种语言（例如俄语，西班牙语等）中的细粒度数字欺骗类。此外，我们提出了多模态欺骗检测模型，从图像和文本，并讨论了图像和文本模型的局限性。最后，我们详细介绍了正在进行的测量在社交平台上传播的欺骗性内容（特别是虚假信息）的工作。
2019-09-12 cs.SI
Complex social contagion induces bistability on multiplex networks
社会强化机制是信息技术生态系统中普遍存在的一种现象，近年来引起了人们的广泛关注。虽然社会强化对单层网络的影响已经有了很好的记录，但需要扩展到多层网络，以研究来自不同社交圈的强化如何影响传播动态。为此，我们将多层社会强化到多重网络上的不知情者-传播者-无知（SIS）模型。我们的理论分析结合了成对方法和平均场论，并与大规模模拟结果吻合良好。令人惊讶的是，我们发现这种复杂的社会传染机制触发了双稳态现象的出现，灭绝和爆发状态共存。特别是，在这一地区出现了稳定流行的滞后环，这解释了为什么在现代社会中对谣言传播的斗争是长期和困难的。此外，我们表明，最终状态的传染区域依赖于初始密度的采用者，其临界值降低的传染性或多层加固的增加。特别是，我们强调两个可能的条件爆发的社会传染：拥有大的传染传递性，或拥有大的初始密度的采用者具有强大的多层加固。我们的研究结果揭示了多元化网络中社会强化的不可忽视的力量，这为设计有效的营销和促进创新等传播行为策略提供了启示。
2021-05-25 cs.SI physics.soc-ph
The Simple Rules of Social Contagion
人们普遍认为，信息就像病原体一样在个体之间传播，知情的朋友每次接触都可能导致天真的个体被感染。然而，社交媒体的实证研究表明，个人对重复接触信息的反应比病原体模型的预测要复杂得多。作为干预实验的代理，我们比较了两个不同的社交媒体网站，Twitter和Digg的用户对多次曝光的反应。我们发现，暴露的用户界面上的消息的位置强烈影响社会传染。考虑到这种可见性，大大简化了社会传染的动力。一个人传播信息的可能性会随着接触的增加而单调增加，而关于有多少朋友以前传播过信息的明确反馈会增加回应的可能性。我们将我们的模型应用于用户行为的实时预测。
2013-08-22 cs.SI 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
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
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
A cooperate-defect model for the spread of deviant behavior in social networks
我们提出了一个博弈论模型的偏差行为在网上社交网络的传播。我们利用两个战略框架，其中每个球员的行为被归类为正常或偏差，并根据经典的囚徒困境游戏的合作缺陷的回报计划的演变。我们展示了收敛的个人行为随着时间的推移，最终的战略向量，并指出反例，这种收敛的囚徒困境的背景下。从一个流行的在线论坛收集的真实世界的数据集上验证的理论结果。
2014-08-16 cs.GT cs.SI physics.soc-ph
Link transmission centrality in large-scale social networks
了解网络中链接在传递信息中的重要性，可以提供一些方法来阻止或推迟正在发生的动态现象，如流行病的传播或信息的扩散。在这项工作中，我们提出了一个新的措施，随机扩散过程的基础上，\textit{transmission centrality}，捕获的重要性，通过估计的平均数量的节点，他们在全球传播扩散过程中传递信息的链接。我们提出了一个简单的算法解决方案来计算传输中心性，并在非常大的网络中以较低的计算成本来近似它。最后，我们在三个大型经验社交网络中识别弱关系时应用了传输中心性，表明该度量在识别驱动社交网络中传播过程的链接方面优于其他中心性度量。
2018-02-14 cs.SI physics.soc-ph
Agent-based simulations of emotion spreading in online social networks
对来自在线社交网络的经验数据的定量分析揭示了情感参与的群体动态（Šuvakov et al）。然而，充分了解其内在机制仍然是一项具有挑战性的任务。利用基于Agent的计算机模拟，本文研究了在线社交网络中情感交流的动力学。从\texttt{MySpace}社会网络的经验数据集出发，得到了指导主体如何交互的规则，并推导出了现实的网络结构和一些重要的参数。Agent的情绪状态由两个变量表征，一个是对刺激的反应性，另一个是吸引力或厌恶度，通过这两个变量可以定义常见的情绪。代理人的行动是由增强的唤醒触发的。高分辨率的动态实现，其中每个消息携带代理的情绪沿网络链路被确定，其对接收代理的影响被认为是不断老化的时间。我们的研究结果表明：（i）聚合的群体行为可能产生于个体的情感行为;（ii）集体状态的特点是时间的相关性和占主导地位的积极情绪出现，类似于经验系统;（iii）驱动信号的性质--用户进入网络世界的速度，对建立连贯的行为有深远的影响，这是观察到的用户在在线社交网络。此外，我们的模拟表明，情绪的传播模式不同，例如，“热情”和“惭愧”，这两个词的情感内涵完全不同。{ \bf {本研究中使用的所有数据均完全匿名。}}
2012-05-29 cs.SI physics.soc-ph
A survey on modelling of infectious disease spread and control on social contact networks
尽管根据世界卫生组织（WHO）的报告，每年约有420万人因传染病而死亡，但传染病是对人类社会的重大威胁，在COVID-19发生之前，人类社会被忽视了。由于最近的COVID-19疫情，于二零二零年有超过200万人死亡，96. 2百万人受到这种毁灭性疾病的影响。最近的研究表明，通过模拟传染病在社会接触网络上的传播，应用个人互动和移动数据可以帮助管理大流行病。传染病的传播可以用扩散过程的理论和方法来解释，扩散过程是网络系统上的一种动态现象。在扩散过程的建模中，假设具有传染性的物品通过节点间的相互作用在网络系统中扩散。这类似于传染性病毒的传播，例如COVID-19在人群中通过个人社交互动传播。扩散过程的演化行为强烈地受到下垫面系统的特性和扩散过程本身的机制的影响。因此，传染病的传播可以用人与人之间的相互作用和疾病本身的特征来解释。本文介绍了传染病传播模型中扩散过程的相关理论和方法。
2021-02-03 cs.SI physics.soc-ph q-bio.PE
Computational Models for Commercial Advertisements in Social Networks
识别网络中值得注意的传播者对于理解传播过程和控制网络中传播的范围至关重要。拥有更多内在力量来扩大传播范围的节点非常重要，因为需要各种应用程序，例如病毒式营销，控制谣言传播或更好地了解疾病的传播。作为病毒式营销的一种应用，在固定预算的情况下实现最大化是广告业务的基本要求。分发固定数量的促销物品以最大化病毒覆盖范围可以利用影响者检测方法。为了检测这样的“影响者”节点，存在诸如度中心性（通常用作度内中心性）的局部度量或诸如k壳分解或特征向量中心性的全局度量。所有的方法都可以对图进行排序，但它们都有局限性，并且仍然没有事实上的方法用于该领域的影响者检测。在本文中，我们提出了一个扩展的k-shell算法，更好地利用k-shell分解识别病毒传播节点使用网络的拓扑特征。我们使用易感-感染-传播模型对真实网络中的传播过程进行了模拟，模拟结果表明，在相同的初始传播者数量下，我们的方法可以在同一网络中达到高达36%的人群。
2019-04-30 cs.SI physics.soc-ph
Seed Selection for Spread of Influence in Social Networks: Temporal vs. Static Approach
在社会网络中寻找影响他人的最优用户集的问题已经得到了广泛的研究。由于它是NP难的，一些算法被提出来寻找次优解。尽管如此，一个常用的假设是种子是在静态网络上选择的，而不是动态网络。这种静态方法实际上与现实世界的网络相去甚远，在现实世界的网络中，新节点可能会出现，而旧节点会随着时间的推移动态地消失。本文的主要目的是分析影响力传播的典型模型之一-线性阈值-的结果如何根据稍后用于选择种子的构建社交网络的策略而有所不同。为了显示网络创建策略对受影响节点的最终数量的影响-影响传播的结果，研究了三种方法的结果：一种是静态的，两种是具有不同粒度的时间窗口，即不同数量的时间窗口。每个时间窗口的社交网络封装了网络结构的动态变化。度或介数等各种节点结构性度量的计算通过遗忘机制尊重这些变化--更新的数据对节点度量值的影响更大。这些措施，反过来，用于节点排名和选择播种。所有的概念都适用于实验验证五个真实的数据集。结果表明，时间的方法总是优于静态的时间社会网络中的粒度越高，种子，最终影响的节点越多。此外，如果用于种子候选排名，具有指数遗忘的outdegree度量通常优于其他时间相关的结构度量。
2014-11-21 cs.SI physics.soc-ph
Trends Prediction Using Social Diffusion Models
随着社交媒体在我们日常生活中的日益主导地位，在过去的几年中，预测社交媒体趋势的能力的重要性一直在迅速增长。虽然许多工作集中在网络中的异常检测，有很少的理论工作预测的可能性异常网络模式，全球蔓延，并成为“趋势”。在这项工作中，我们提出了一个分析模型的社会扩散动力学传播网络模式。我们所提出的方法是基于信息扩散模型，并能够预测未来的趋势的基础上，分析过去的社会互动社区的成员。我们提出了一个分析下限的概率，新兴的趋势将成功地通过网络传播。我们使用两个全面的社交数据集来展示我们的模型-在麻省理工学院进行了一年多的“朋友和家人”实验，分析了140名用户的完整活动，以及包含超过150万名“e投睿”社交交易社区成员的完整活动的金融数据集。
2011-11-20 cs.SI physics.soc-ph
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
Social Clustering in Epidemic Spread on Coevolving Networks
尽管传递性是社交网络的核心结构特征，但它对共同进化网络上流行病传播的影响仍然相对未被探索。在这里，我们介绍和研究的自适应SIS流行病模型，其中的感染和网络的共同发展与非平凡的概率关闭三角形在边重新布线，导致大量加强网络的传递性。这个新的模型提供了一个独特的机会来研究传递性的作用，改变SIS动态的共同进化网络。使用数值模拟和近似主方程（AME），我们确定和研究了一组丰富的新模型的动力学特征。在许多情况下，包括传递性强化的AME提供了稳定状态疾病患病率和网络度分布的准确预测。此外，对于某些参数设置，AME准确地跟踪系统的时间演化。我们发现，较高的传递性强化模型中导致较低水平的感染性个体的人口，当关闭一个三角形是占主导地位的重新布线机制。这些方法和结果可能是有用的发展思路和建模策略控制SIS型流行病。
2019-06-02 cs.SI 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
Analysing the Social Spread of Behaviour: Integrating Complex Contagions into Network Based Diffusions
社会学习行为的传播发生在许多动物物种中，了解行为如何传播可以为社会性的原因和后果提供新的见解。在野生种群中，行为传播通常被认为是一种“简单的传染”。然而，新出现的证据表明，行为可能经常作为“复杂传染病”传播，这对传播的方式和程度产生了重大影响。我们提出了一个新的框架，使全面检查的行为传染的社会学习策略整合到基于网络的扩散分析。我们展示了我们的方法如何允许确定社会纽带和行为传播之间的关系，识别个人层面的传播规则，并检查人口层面的社会结构的影响。我们提供的资源，允许跨不同系统的一般应用程序，并演示如何进一步研究特定的发展可以。最后，我们概述了这个框架促进的新机会，理解社会性的概念贡献，及其在各个领域的应用。
2020-12-16 cs.SI q-bio.QM
Modeling Spread of Preferences in Social Networks for Sampling-based Preference Aggregation
在人口众多的情况下，收集个人对一组备选方案的偏好并得出总体或集体偏好是一项密集的任务。我们表明，社会网络的人口基础可以利用有效地完成这一任务，通过采样的一个小的子集的代表性节点的偏好。我们首先开发了一个Facebook应用程序来创建一个由节点偏好和底层社交网络组成的数据集，使用该数据集，我们开发了一个模型，该模型可以捕获偏好在典型社交网络中的节点之间的分布情况。因此，我们提出了一个适当的目标函数的问题，选择最佳代表节点。我们设计了两个算法，即，Greedy-min提供了一个广泛的流行的投票规则类的性能保证，和Greedy-sum在实践中表现出优异的性能。我们比较了这些算法对随机轮询和流行的中心性措施的性能，并提供了一个详细的分析所获得的结果。我们的分析表明，使用社交网络信息选择代表有利于聚合与个人话题相关的偏好（例如，生活方式），而具有合理样本大小的随机轮询足以聚集与社会话题相关的偏好（例如，政府政策）。
2017-11-15 cs.SI physics.soc-ph
The Impact Of Social Media In The Fight Against The Spread Of Coronavirus (Covid-19) Pandemic In Anambra State, Nigeria
本研究考察了社交媒体在尼日利亚阿南布拉州抗击新型冠状病毒（COVID-19）大流行传播中的影响。主要目标是：了解自新型冠状病毒大流行以来，阿南布拉州的社交媒体用户数量是否增加;了解社交媒体是否被用于对抗新型冠状病毒大流行在阿南布拉州的传播;了解社交媒体如何被用于对抗新型冠状病毒大流行在阿南布拉州的传播;并发现社交媒体在对抗阿南布拉州冠状病毒大流行蔓延方面的影响。它以议程设置理论和技术决定论（TDT）为基础。本研究采用封闭式问卷调查的方式，对400名受访者进行了问卷调查。这项研究的结果显示，由于冠状病毒大流行，阿南布拉州社交媒体的使用和可访问性增加。它还显示，个人，非政府组织和政府正在利用社交媒体来对抗冠状病毒在阿南布拉州的传播。该研究还发现，社交媒体正被用于收集和传播信息，学习，交易业务等。这一发现还表明，社交媒体在阿南布拉州对抗冠状病毒传播方面具有积极影响。该研究得出结论，社交媒体的好处远大于负面影响，应该用来遏制冠状病毒的传播。除其他外，它建议对公民进行有效利用社会媒体的培训和赋权，以在社会中产生影响。
2022-06-11 cs.CY cs.SI
The Impact of Heterogeneous Thresholds on Social Contagion with Multiple Initiators
阈值模型是复杂社会系统中传染病传播的一个简单但经典的模型。为了捕捉社会影响的复杂性，我们调查的阈值限制级联的行为在多个启动器的存在下，作为阈值的分布是不同的两个极端的情况下，相同的阈值和均匀分布的数值和分析的过渡。我们通过采用节点阈值的截断正态分布来实现这一点，并且当我们改变标准差时观察到级联大小的非单调变化。此外，对于一个足够大的传播的阈值分布，社会影响过程的临界点行为消失，取而代之的是由发起人集的大小所控制的平滑交叉。我们证明，对于一个给定的大小的发起人集，有一个特定的方差的阈值分布的意见传播最佳。此外，在合成图的情况下，我们表明，传播渐近成为独立的系统的大小，和全球级联可以出现只是由一个单一的节点添加到启动器集。
2015-11-20 cs.SI physics.soc-ph
