Direct, physically-motivated derivation of the contagion condition for spreading processes on generalized random networks
对于一个广泛的单种子传染过程作用于广义随机网络,我们得到了一个统一的分析表达式的可能性,全球传播的事件在一个简单的,物理直观的方式。我们的推理揭示了一个直接的机械理解的原型传播现象是不明显的迂回现存的数学方法。
2011-05-16 cond-mat.dis-nn cs.SI physics.soc-ph
A general class of spreading processes with non-Markovian dynamics
在本文中,我们提出了一个一般类的传播过程模型,我们称之为$SI^*V^*$模型。不像许多作品,考虑一个固定数量的隔间状态,我们允许任意数量的状态与异构参数的所有节点和边缘的任意图形。因此,这概括了文献中研究的大量模型,包括MSEIV、MSEIR、MSEIS、SEIV、SEIR、SEIS、SIV、SIRS、SIR和SIS模型。此外,我们展示了$SI^*V^*$模型如何使我们能够模拟非泊松传播过程,让我们捕捉到比现有作品更复杂的动态,如通过社交网络传播的信息或埃博拉病毒等疾病的延迟潜伏期。这与文献中的绝大多数作品相反,这些作品只考虑可以由马尔可夫过程捕获的传播过程。在建立了随机模型之后,我们分析了它的确定性平均场近似,并给出了无病平衡点稳定的条件。模拟结果说明了我们的结果。
2015-09-13 math.OC physics.soc-ph
Competition, Collaboration, and Optimization in Multiple Interacting Spreading Processes
竞争和合作是多智能体概率传播过程的核心。舆论战和竞争性营销活动是前者的典型例子,而艾滋病毒和结核病等多种疾病的共同传播则表明了后者。这些传播受到底层网络拓扑结构、网络组成部分之间的感染率、恢复率以及同样重要的传播过程本身之间的相互作用的影响。在这里,我们第一次推导出动态的消息传递方程,提供了一个精确的描述动态的两个相互作用的传播过程的树图,并开发系统的低复杂度模型,预测一般图上的传播。我们还开发了一个理论框架,通过预算约束下的优化资源分配,并在有限的时间窗口内的相互作用的传播过程的最优控制。衍生算法可用于在存在竞争对手竞争过程的情况下最大化所需的传播,并在偶联传染病的情况下通过疫苗接种限制传播。我们证明了框架和优化方法在合成和现实世界的网络上的有效性。
2021-03-16 cond-mat.stat-mech physics.soc-ph
Probing empirical contact networks by simulation of spreading dynamics
疾病、观点、想法、八卦等等都在社交网络上传播。这些网络的连接方式(网络结构)影响着传播过程的动态。通过研究这些关系,人们可以了解传播本身以及接触网络的结构和功能。在这一章中,我们将总结最近的文献,使用模拟的传播过程的经验接触数据。我们将主要关注时间邻近网络上的疾病模拟-网络记录谁靠近谁,在什么时间-但也涵盖其他类型的网络和传播过程。我们分析了29个经验网络来说明方法。
2017-06-28 physics.soc-ph q-bio.PE
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
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
Spreading dynamics on networks: the role of burstiness, topology and non-stationarity
网络上的传播受到许多因素的影响,包括事件间时间分布(IETD)的不同部分,网络的拓扑结构和非平稳性。为了理解这些因素的作用,我们研究了具有不同聚合拓扑结构和不同IETD的时间网络上的SI模型。基于分析计算和数值模拟,我们表明,如果固定的突发过程是由幂律IETD,传播可以减慢或加速相比,泊松过程的速度是由短时间的行为,这在我们的模型是由指数控制。我们证明了有限的,所谓的“局部树状”网络,如巴拉巴西-阿尔伯特网络的行为非常不同,从真正的树图,如果IETD是强肥尾,作为罕见的替代路径的存在或缺乏修改的传播。另一个重要的结果是,非平稳的动态有一个显着的影响,对传播速度的强厚尾幂律IETD,因此突发过程的特点是小幂律指数可以导致缓慢的传播在稳态,但也非常迅速的传播严重依赖于年龄的过程。
2014-05-19 physics.soc-ph
Equivalence between non-Markovian and Markovian dynamics in epidemic spreading processes
一个一般的形式主义,允许网络上的非马尔可夫过程的稳态减少到等价的马尔可夫过程在相同的基板。传染病传播过程的例子被认为是详细的,所有的非马尔可夫方面被捕获在一个单一的参数,有效的感染率。值得注意的是,这一结果与底层网络的拓扑结构无关,正如二维晶格和各种类型的随机网络的数值模拟所证明的那样。此外,引入了有效感染率的解析近似,这使得非马尔可夫动力学的临界点和临界指数的计算成为可能。
2017-01-10 cond-mat.stat-mech physics.soc-ph
Abrupt phase transition of epidemic spreading in simplicial complexes
网络几何是一种将网络结构描述为几何对象的方法,它的研究正在彻底改变我们对网络系统动力学过程的理解。在这里,我们处理的问题,传染病传播,使用易感-感染-易感(SIS)模型,在单纯复形。特别是,我们分析了复杂网络中的SIS的动力学,其特征在于成对的相互作用(链接)和三体相互作用(填充三角形,也称为2-单纯形)。这种高阶描述的传染病传播解析制定使用微观马尔可夫链近似。对模型的不动点解的分析揭示了一个有趣的相变,该相变随着2-单形的传染性参数而变得突然。我们的研究结果为网络理论家铺平了道路,以推进我们的物理理解传染病传播在真实的情况下,疾病之间的群体之间以及之间的传播,并更好地了解单纯复合体的动力学过程的行为。
2020-01-23 physics.soc-ph
Spreading processes with a unique absorbing state and finite lifetime of populations
在流行病过程的有限状态空间中存在唯一的吸收状态,这对流行病阈值的定义提出了挑战。在没有消除SIS过程的吸收态的情况下,我们证明了指数分布的有限寿命的人口在长时间限制的阈值,如beahivour。我们说明了我们的研究结果与SIS动态的完整的图形和明星。
2015-10-13 cond-mat.stat-mech physics.soc-ph
Interacting spreading processes in multilayer networks
网络科学的世界是迷人的,充满了我们渴望理解的复杂现象。其中之一是复杂网络结构上传播过程的动力学。在我们可以面对在具有不止一个层的网络上传播的不止一个传播过程的领域中建立知识库是一项具有挑战性的任务,因为复杂性来自传播发生的环境以及传播传播的特性和相互作用。由于这个跨学科领域汇集了计算机科学,网络科学,生物学和物理学在过去十年中迅速发展,有必要全面审查当前的最先进的,并提供给研究界的路线图,有助于组织在这一领域的未来研究。因此,这项调查是首次尝试呈现多层网络上多进程的当前格局,并提出潜在的前进方向。
2020-01-15 cs.SI physics.soc-ph
Unifying Markov Chain Approach for Disease and Rumor Spreading in Complex Networks
扩散过程在自然和人工系统中普遍存在。它们可以通过大量的模型进行研究,这取决于所研究现象的具体细节。疾病传染和谣言传播是其中最重要的过程,因为它们具有实际意义。然而,尽管它们之间有相似之处,目前的模型分别解决了这两个传播动态。在本文中,我们提出了一个一般的信息传播模型,是基于离散时间马尔可夫链。该模型包括所有的转变,是合理的疾病传染过程和谣言传播。我们表明,我们的模型不仅涵盖了传统的传播计划,但它也包含了一些功能相关的社会动态,如冷漠,遗忘,失去/恢复的兴趣。该模型进行了分析评估,以获得在几种情况下的接触和反应过程的传播阈值和早期的动力学行为。与蒙特卡罗模拟的比较表明,马尔可夫链的形式是高度准确的,而它在计算效率优于。我们圆满结束我们的工作,展示了如何提出的框架可以应用到社交网络上发生的传播过程的研究。
2016-09-05 cs.SI physics.soc-ph
Statistical inference framework for source detection of contagion processes on arbitrary network structures
在本文中,我们介绍了一个统计推断框架,估计传染源的部分观察到的传染传播过程中的任意网络结构。该框架是基于最大似然估计的部分流行病实现,并涉及大规模模拟的传染病传播过程的一组潜在的源位置。我们提出了一些不同的似然估计,用于确定与观察部分流行病实现特定的源位置候选人的条件概率。这个统计推断框架也适用于网络上的任意隔室传染扩散过程。我们比较了估计精度的这些方法在一些计算实验与SIR(易感染-感染-恢复),SI(易感染)和ISS(易感染-传播-扼杀)传染扩散模型合成和现实世界的复杂网络。
2013-03-29 cs.SI physics.soc-ph
Statistical inference of dynamical processes on networks
Tampere University(坦佩雷大学);Goethe University Frankfurt(法兰克福歌德大学);Central European University(中欧大学);Universidad Nacional Autonóma de México(墨西哥国立自治大学)
研究网络二元状态传播过程模型选择,提出通用框架,利用渐近近似预测结果,刻画六种传播机制可检测性,评估其在实证数据集上的普遍性,指出统计模型选择在常见条件下可能失败并给出新方向。
2026-07-10 physics.soc-ph
Distinguishing simple and complex contagion processes on networks
针对难以从实证数据判断网络传播背后机制的问题,提出基于节点感染顺序及其与局部拓扑相关性的策略,可区分简单传播、阈值机制及高阶机制驱动的传播过程。
2023-05-19 physics.soc-ph
Stability of SIS Spreading Processes in Networks with Non-Markovian Transmission and Recovery
虽然网络中发生的病毒传播过程通常使用马尔可夫模型进行分析,其中传输和恢复时间都遵循指数分布,但经验研究表明,在许多真实场景中,这些时间的分布不一定是指数分布。为了克服这一限制,我们首先介绍了一个广义的易感染的易感(SIS)传播模型,允许传输和恢复时间遵循相位型分布。在这种情况下,我们推导出一个下界的指数衰减率对无感染平衡的传播模型,而不依赖于平均场近似。基于我们的研究结果,我们说明了传输/恢复分布的特定形状如何影响向平衡收敛的指数速度。
2019-03-04 cs.SI math.PR physics.soc-ph
Learning Interpretable Collective Variables for Spreading Processes on Networks
Zuse Institute Berlin(柏林齐泽研究所);FutureLab on Game Theory and Networks of Interacting Agents, Potsdam Institute for Climate Impact Research(波茨坦气候影响研究所博弈论与相互作用智能体网络未来实验室);Potsdam Institute for Climate Impact Research(波茨坦气候影响研究所);Complexity Science Department, Potsdam Institute for Climate Impact Research(波茨坦气候影响研究所复杂性科学系);Department of Mathematics, University of Bayreuth(拜罗伊特大学数学系)
本文提出一种数据驱动方法,用于学习和理解网络上二元状态扩散过程的低维集体变量,通过四个不同网络示例验证了低维集体变量的存在。
2024-01-08 math.DS physics.soc-ph
Fundamentals of spreading processes in single and multilayer complex networks
传播过程已在文献中进行了大量的研究,无论是分析和大规模的数值模拟。这些过程主要包括疾病、谣言和信息在特定人群中的传播。在过去的二十年里,随着现代网络科学的出现,我们目睹了这一研究领域的重大进展。在这里,我们回顾了主要的理论和数值方法的研究复杂网络系统上的传播过程。具体来说,我们正式定义的传染病过程的单层和多层网络,并详细讨论了用于进行数值模拟的主要方法。在整个综述中,我们将传播过程(疾病和谣言模型)根据时间的性质分为两类:(i)连续时间和(ii)元胞自动机方法,其中第二种方法可以进一步分为同步和异步更新方案。我们的修订包括异质平均场,淬火平均场,和对淬火平均场的方法,以及各自的模拟技术,强调不同的技术之间的相似性和差异。这里介绍的内容提供了一整套方法来研究复杂网络中的类递归过程,无论是对于没有以前的经验的研究人员还是专家。
2019-05-09 cond-mat.stat-mech physics.soc-ph q-bio.PE
Effects of memory on spreading processes in non-Markovian temporal networks
许多生物、社会和人造系统用时间网络来描述更好,即网络的链接只存在于特定的时间点,而不是静态的。特别是,它已被发现,非马尔可夫是一个必要的成分,以捕捉真实世界的网络的非平凡的时间模式。然而,我们对记忆如何影响在时间网络上发生的动态过程的性质的理解仍然非常有限,特别是限于短期记忆的情况。在这里,通过引入一个模型的时间网络,我们可以精确地控制连接密度和强度和长度的记忆为每个环节,我们揭示了记忆的动态传染病传播过程中发挥的作用。令人惊讶的是,我们发现,在我们的时间网络的平均传播时间往往是非单调依赖于内存的长度,最大化的传播时间的内存长度的最佳值取决于内存的强度和网络中的链接的密度。通过分析论证,我们探讨了改变连接任何两个节点的网络路径的数量和长度对最佳内存值的影响。
2018-10-09 physics.data-an physics.soc-ph
From neurons to epidemics: How trophic coherence affects spreading processes
营养相干性是有向网络中节点在层次上组织程度的度量,最近已被证明与复杂系统的许多结构和动力学方面密切相关,包括图形特征谱、反馈周期的存在与否以及线性稳定性。此外,在神经元、物种、基因、代谢物、细胞信号、连接词、P2P用户和世界贸易的网络中已经观察到非平凡的营养结构。在这里,我们考虑两个简单的,但显然是完全不同的动力学模型-一个易感-感染-易感(SIS)流行病模型,适用于包括复杂的传染病,另一个Amari-Hopfield神经网络-并表明,在这两种情况下,相关的传播过程调制以类似的方式由底层网络的营养连贯性。为此,我们提出了一个网络组装模型,它可以生成具有可调营养相干性的结构,限制在完美分层网络或随机图中。我们发现,营养相干性可以在传播行为中产生质的变化,决定活动脉冲是否会渗透到整个网络或保持局限于节点的子集,以及这种活动是否会迅速消失或无限期地持续下去。这些结果可能对我们理解流行病、谣言、生态系统冲击、神经元雪崩和许多其他传播过程等现象很重要。
2016-07-21 cond-mat.dis-nn physics.soc-ph
Competing spreading processes on multiplex networks: awareness and epidemics
在多层互联的复杂网络之上,类似流行病的传播过程揭示了相互交织的竞争效应的丰富相图。作者最近的一项研究[Granell等人,Phys.Rev.Lett. 111,128701(2013)]分析了导致流行病传播的两个过程之间的相互关系,以及在多重网络之上传播信息意识以防止其感染。在这种情况下,提高认识意味着对疾病进行全面免疫,结果表明存在一个元临界点,在这个点上,流行病的关键开始取决于提高认识过程的实现。在这里,我们提出了一个全面的分析,这些关键的属性在更一般的情况下,意识的传播并不意味着完全免疫,感染并不意味着立即意识到它。我们发现这两个竞争过程之间的关键关系,代表它们之间的相互作用的参数范围很广。我们还分析了大规模广播的意识(大众媒体)的流行病发病率的最终结果的后果。更重要的是,大众媒体使元批评点消失了。结果表明,主要的发现,即存在一个元临界点,是植根于竞争的原则,并持有一个大的场景。
2014-05-18 cond-mat.stat-mech cs.SI physics.soc-ph
Suppressing disease spreading by using information diffusion on multiplex networks
尽管信息扩散与疾病传播之间存在着相互作用,但目前对二者之间系统协同进化机制的实证研究还很缺乏。本文利用实际数据和提出的多重网络传播模型,研究了信息与疾病传播的协同进化机制和动力学。我们的实证分析发现,信息和疾病传播动力之间的不对称的相互作用。从理论框架和广泛的随机数值模拟中获得的结果表明,信息爆发可以在通信网络中由其自身的传播动力学或接触网络上的疾病爆发触发,但疾病阈值不受信息传播的影响。我们的关键发现是,存在一个最佳的信息传输速率,显着抑制疾病的传播。我们发现,在所提出的模型中的动态的时间演化定性地同意与现实世界的传播过程中的最佳信息传输速率。
2016-06-03 physics.soc-ph
The Effects of Evolutionary Adaptations on Spreading Processes in Complex Networks
在所提出的网络流行病模型中,一个共同的主题是假设传播对象,即,一个病毒或一条信息,在节点之间传输,而不经过任何修改或进化。然而,在现实生活中的传播过程中,病原体往往会随着环境和医疗干预措施的变化而演变,信息在转发之前往往会被个人修改。在本文中,我们研究了复杂网络上传播过程的演化,目的是i)揭示演化对流行病的阈值,概率和最终规模的作用; ii)探索网络结构特性和演化动力学之间的相互作用。特别是,我们开发了一个数学理论,准确地预测的流行阈值和预期的流行规模的传播过程的特征,病原体的进化动力学,和底层的接触网络的结构的函数。除了数学理论之外,我们还对随机和真实世界的接触网络进行了广泛的模拟,以验证我们的理论,并揭示了经典数学模型无法捕捉进化的重大缺陷。我们的研究结果表明,经典的,单一类型的键渗流模型可以准确地预测的阈值和最终规模的流行病,但他们的预测出现的概率是不准确的随机和现实世界的网络。这种不准确性揭示了经典的键渗透模型和现实生活中需要进化的扩散过程之间的根本脱节。最后,我们考虑的情况下,共同感染是可能的,并表明,共同感染可能导致的相变的顺序从二阶到一阶的变化。
2019-11-02 cs.SI physics.soc-ph
Optimal Deployment of Resources for Maximizing Impact in Spreading Processes
有效利用有限的资源控制网络上的传播过程在各种情况下都具有重要意义,从确定“有影响力的传播者”以最大限度地传播信息和在监管网络中采取有针对性的干预措施,到制定经济系统中传染病和金融传染病的缓解政策。纯粹基于拓扑参数的这些优化任务的解决方案并不完全令人满意;在现实环境中,问题的特点往往是异构的相互作用,并需要通过一组有限的可控节点在有限的时间窗口内进行干预。因此,可用资源的最佳分配是网络拓扑结构和传播动态之间相互作用的结果。我们将展示如何解决这些问题作为一个通用的分析框架的基础上的一个可扩展的动态消息传递方法的特定实例,并展示了各种现实世界的例子上的方法的有效性。
2016-08-29 cond-mat.stat-mech cs.SI physics.soc-ph
Analytically Solvable Model of Spreading Dynamics with Non-Poissonian Processes
非泊松突发过程普遍存在于自然和社会现象中,但其对大尺度传播动力学的影响却知之甚少。为了表征这些影响,我们设计了一个解析可解模型的易感感染(SI)传播动力学在无限系统中的任意事件间的时间分布和整个时间范围。我们的模型从一开始就是平稳的,并且明确地考虑了事件间时间的下界的作用。精确的解决方案表明,对于早期和中期的突发性加速传播相比,泊松过程具有相同的平均值和相同的事件间时间的下限。这样的行为是相反的,在有限系统中的晚时间动态,其中事件间时间的幂律分布的结果在一个更慢的和代数收敛到完全感染的状态相比,指数衰减的泊松过程。我们还提供了一个直观的参数的指数表征代数收敛。
2014-02-05 cond-mat.stat-mech physics.soc-ph q-bio.PE
A multilayer network dataset of interaction and influence spreading in a virtual world
呈现的数据包含在虚拟世界平台中发生的五个传播活动的记录。在活动期间,用户在彼此之间分发化身。这些进程在时间和范围上各不相同,有的有激励措施,有的没有。活动数据伴随着事件。这些数据可以用来建立一个多层次的网络,将活动置于更广泛的背景下。据作者所知,这项研究是第一个公开的数据集,包含一个完整的真实多层社会网络,以及其中的五个完整的传播过程。
2017-10-11 cs.SI physics.soc-ph
Generalized group-based epidemic model for spreading processes on networks: GgroupEM
我们开发了一个广义的基于群体的流行病模型(GgroupEM)框架,用于任何分区流行病模型(例如:易感染-易感,易感染-恢复,易感染-暴露-感染-恢复)。这里,组由单个节点的集合组成。该模型可以用来理解一个随机传染病传播在非常大的复杂网络中的重要动态特性,是关于群体状态的信息。通过分组聚集节点,以聚集误差为代价使状态空间比基于个体的方法小,且聚集误差受等周不等式的强约束。我们还开发了一个平均场近似的框架,以进一步减少状态空间的大小。最后,我们将GgroupEM扩展到多层网络。由于基于组的框架在计算上比基于个体的框架更便宜且更快,因此当模拟时间很重要时,该框架是有用的。
2019-08-16 physics.soc-ph q-bio.PE
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
Dissecting localization phenomena of dynamical processes on networks
局域化现象渗透到物理学的许多分支中,对异质网络上的动力学过程起着基础性的作用。这些本地化分析经常接地,例如,在相邻或非回溯矩阵的特征向量出现在理论的动态过程附近的一个积极的到不积极的过渡。在这个问题上,我们推进测量节点活动,以量化网络上的动态过程中的本地化,无论它们是否接近过渡。该方法是通用的,适用于理论,随机模拟和真实数据。我们研究了广泛的网络上的传播过程,分析和数值计算,表明节点活动可以呈现复杂的模式,这取决于网络结构。使用退火网络,我们表明,一个本地化的状态,在过渡和地方病阶段,就在它上面的传播过程是不兼容的功能。我们还报告说,流行病的流行程度附近的过渡是由网络的离域组件,即使当分析的参与率的倒数表明本地化的活动。此外,具有不同临界指数的动力学过程可以用相同的局部化模式来描述。转向淬火网络,一个更复杂的图片,取决于激活的类型和度指数的范围内,观察和讨论。我们的工作为研究网络传播和其他过程中的局部活动铺平了重要道路。
2020-11-22 physics.soc-ph
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
Infection patterns in simple and complex contagion processes on networks
本文对比网络上多种简单与复杂传染模型,揭示简单传染的感染模式高度稳健,而复杂及阈值传染会随参数和互动机制产生显著差异。
2024-06-04 physics.soc-ph
Epidemic spreading on complex networks with community structures
许多现实世界的网络都显示出社区结构。我们研究了两种随机图模型,它们创建了一个与给定网络具有相似社区结构的网络。一个模型保留了原始网络的精确社区结构,而另一个模型只保留了社区集合和顶点度。这些模型表明,社区结构是网络上的渗流过程,如信息扩散或病毒传播的行为的一个重要决定因素:社区结构既可以是\textit{enforce},也可以是\textit{inhibit}扩散过程。我们的模型进一步表明,重要的是介观社区集。社区的确切内部结构几乎不影响网络中的渗流过程。这种不敏感性可能是由于社区的相对密集。
2016-11-18 cs.SI physics.soc-ph
Stability of Spreading Processes over Time-Varying Large-Scale Networks
在本文中,我们分析了发生在时变网络上的传播过程的动力学。时变网络建模的一种常见方法是通过马尔可夫随机图过程。这种建模方法存在以下局限性:马尔可夫随机图只能复制具有指数切换时间的切换模式,而在实际应用中,这些时间通常远不是指数。在本文中,我们引入了一个灵活的和易于处理的扩展家庭的过程能够复制,任意精度,任何分布的开关间的时间。然后,我们研究了在这个扩展的家庭中的传播过程的稳定性。我们首先表明,一个直接的分析伊藤公式的基础上提供的稳定性条件的特征值的矩阵,其大小与边缘的数量呈指数增长。为了克服这一限制,我们推导出替代的稳定性条件,涉及矩阵的特征值,其大小与节点数线性增长。基于我们的研究结果,我们还表明,基于聚合静态网络的流行病学近似的流行阈值更准确的节点数量的增长,或随机图过程的时间波动性降低。最后,我们通过数值模拟来说明我们的研究结果。
2015-11-18 cs.SI math.DS math.OC
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
Phase diagrams of interacting spreading dynamics in complex networks
现实世界中的传染病传播过程可以以合作、竞争或非对称的方式相互作用,需要基于协同进化动力学的描述。丰富的现象,如不连续的爆发过渡和突变可能会出现,但这些行为在参数空间中的全貌是缺乏的。我们发展了一个理论,通过频谱降维的复杂网络上的相互作用的传播动力学。特别是,我们从微观淬火的平均场方程的宏观变量,这使得一个完整的相图来确定解析的二维系统。该图预测了以前已知但仅在数值上的临界现象,例如不连续过渡和滞后之间的相互作用以及三临界点的出现和作用。
2020-11-16 physics.soc-ph
Structural Analysis of Viral Spreading Processes in Social and Communication Networks Using Egonets
University of Pennsylvania(宾夕法尼亚大学);Imperial College(帝国理工学院)
提出基于代数图论和凸优化的数学框架,利用自我中心网络(egonets)约束网络邻接矩阵最大特征值的可能区间,从而分析局部结构对病毒传播动力学的影响。
2012-09-03 cs.DM cs.SI cs.SY
Temporal network sparsity and the slowing down of spreading
时变复杂系统中的相互作用在拓扑层次(谁与谁相互作用)和时间层次(相互作用何时发生以及多久发生一次)上通常是非常异构的。虽然它是已知的,时间的不均匀性往往有很强的动态过程的影响,例如,突发性的接触序列与较慢的传播动态,图片是远远不够完整。在本文中,我们表明,时间的异质性导致时间稀疏的时间尺度上的平均事件间时间,时间稀疏性决定了时间网络上的易感传染病(SI)传播动力学的减速量。这一结果是基于几个经验的时间网络数据集的分析。一个简单的网络模型的近似解证实了时间稀疏性和SI传播动力学放缓之间的关联。由于确定性SI传播总是遵循最快的时间路径,我们的结果概括-路径是较慢的遍历,因为时间稀疏,因此所有的动态过程也较慢。
2014-11-20 cs.SI physics.soc-ph
Epidemic spreading in modular time-varying networks
我们研究模块和时间连接模式对传染病传播的影响。为此,我们介绍和解析地描述了一个具有可调模块性的时变网络模型。在此框架下,我们研究了易感-感染-易感(SIR)模型的流行规模和易感-感染-易感(SIS)模型的流行阈值。有趣的是,我们发现,虽然紧密连接的集群的存在抑制SIR过程,它加速SIS疾病。在这种情况下,我们观察到,异构的时间连接模式和模块化结构引起的阈值降低随时间变化的网络没有社区。我们确认的理论结果,通过广泛的数值模拟合成图,以及在一个真正的模块化和时间网络。
2017-10-03 physics.soc-ph
Cooperative epidemic spreading on a two-layered interconnected network
研究了传染病传播在两层互联网络上的动力学行为。提出了三个不同层次的模型来描述互联网络上的合作传播过程,其中一个网络中的疾病可以传播到另一个网络。理论分析表明,互联网络中的全局流行阈值不大于两个孤立的分层网络的流行阈值。特别是,在一个互联的同质网络,详细的理论分析,这使得快速和准确的计算的全球流行病阈值。此外,在节点度之间存在层间相关性的互联异构网络中,发现层间相关系数对流行阈值的影响很小,但对总流行有显著影响。仿真结果进一步验证了分析结果,表明合作流行过程促进了疾病的传播。
2017-02-13 cs.SI physics.soc-ph
Monotone convergence of spreading processes on networks
该研究针对Bass创新传播模型与SI流行病传播模型,通过主方程自上而下分析证明其在多种网络下的单调收敛性,推导了时变参数下的预期采纳/感染水平显式表达式,为网络最优策略分析提供基础。
2024-07-15 cs.SI math.CA physics.soc-ph
Empirical analysis of congestion spreading in Seoul traffic network
本文基于首尔高分辨率交通速度数据,提出适用于多类型交互交通流的拥堵识别方法,实证发现早高峰拥堵呈树状传播、晚高峰呈环状传播,揭示局部拥堵的扩散与堆积是城市拥堵形成的主要机制。
2024-01-15 physics.soc-ph
Description of spreading dynamics by microscopic network models and macroscopic branching processes can differ due to coalescence
传统上,通过对随时间的发生次数进行计数来在宏观水平上监测扩散过程。然后,可以在微观水平上对扩散过程进行建模,假设潜在的相互作用网络,或者直接在宏观水平上,假设微观贡献可以忽略不计。这两种描述的宏观特征通常被认为是相同的。在这项工作中,我们表明,这些特征的微观和宏观的描述可以是不同的,由于合并,即,节点同时被多个源激活。特别是,我们考虑一个(微观)分支网络(概率元胞自动机)与退火连接性障碍,记录的宏观活动,然后近似这个活动的(宏观)分支过程。在这个框架中,我们分析计算的集体动力学的合并的效果。我们发现,合并导致一个普遍的非线性尺度函数的连续网络活动的条件期望值。这使我们能够量化微观模型参数和已建立的宏观估计之间的差异。为了克服这种差异,我们提出了一个非线性估计,正确推断出所有系统大小的模型分支参数。
2019-05-24 cond-mat.dis-nn physics.soc-ph q-bio.NC
Optimal Resource Allocation for Network Protection Against Spreading Processes
University of Pennsylvania(宾夕法尼亚大学)
研究如何在任意有向网络中通过节点分布保护资源来遏制传播过程,分析预防和纠正资源的最优分配及最小预算问题,采用几何规划在多项式时间内解决。
2014-05-11 cs.SY eess.SY math.OC
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
Topological data analysis of contagion maps for examining spreading processes on networks
网络的空间嵌入性影响着社会和生物传染。历史上,许多流行病在地球表面的一部分作为波浪传播;然而,在现代传染病中,长距离边缘-例如,由于航空运输或通信媒体-允许传染病的集群出现在遥远的地方。在这里,我们研究了网络上的蔓延,通过拓扑数据分析和非线性降维接地方法。我们构建“传染图”,使用网络上的多个传染点将节点映射为点云。通过分析拓扑结构,几何形状和维数的流形结构在这样的点云,我们揭示的见解,以帮助建模,预测和控制的蔓延过程。我们的方法强调传染图也是一个可行的工具,推断网络中的低维结构。
2015-07-29 cs.SI math.DS nlin.AO
Decelerated spreading in degree-correlated networks
虽然度相关性对于网络中的传播现象起着至关重要的作用,但它们对传播速度的影响几乎没有被理解。在这里,我们研究了无标度网络上的可调传播模型,并表明,如果具有高连通性的节点局部加速(减速)传播,则在正(负)相关网络中传播变得缓慢。检查有效的路径提供了一个连贯的解释,这一结果,而$k$核心分解揭示了相关性的节点扩散效率的依赖。我们的研究结果应该开辟新的途径来微妙地控制现实世界的传播过程。
2012-03-04 physics.comp-ph physics.soc-ph
Non-Markovian epidemic spreading on temporal networks
本文提出通用形式化框架研究时序网络上的非马尔可夫接触与传播过程,证明在特定条件下其等价于静态网络上的马尔可夫动力学,且该结论不依赖网络拓扑。
2023-03-08 cond-mat.dis-nn physics.soc-ph
The physics of spreading processes in multilayer networks
网络的研究在研究众多学科中各种各样的复杂系统的结构、动力学和功能方面起着至关重要的作用。尽管传统网络分析取得了成功,但标准网络提供了复杂系统的有限表示,这些复杂系统通常包括不同类型的关系(即,“多路复用性”)。这种结构复杂性对动力学和功能都有重大影响。丢弃或汇总可用的结构信息可能会产生误导性的结果,并成为理解复杂系统的主要障碍。最近的“多层”方法建模网络系统明确允许的现实系统的多路性和其他功能的合并。一方面,它允许人们通过将不同的结构关系编码在一个方便的数学对象中来耦合它们。另一方面,它也允许人们在这种互连结构的顶部耦合不同的动力学过程。由此产生的框架在帮助实现对复杂系统的全面、准确理解方面起着至关重要的作用。对多层网络的研究还揭示了新的物理现象,这些现象在使用普通图(传统的网络表示)时仍然被隐藏。在这里,我们调查的进展,以实现更深入的了解多层网络上的传播过程,我们突出了一些物理现象相关的传播过程中出现的多层结构。
2017-04-04 cond-mat.dis-nn cs.SI nlin.AO
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
Exploring concurrency and reachability in the presence of high temporal resolution
网络属性决定了网络上传播过程的速度和程度,从简单的传染到复杂的级联。最近的进展已经将对传播过程的研究从静态网络扩展到时间网络,其中节点和链接出现和消失。我们回顾了以往的研究时间连接的影响,了解模型感染过程的传播速度和爆发规模。我们专注于“可访问性”的影响,是否有一个时间上一致的路径从一个节点到另一个,和“可达性”,相应的“可访问性图”表示的时间网络的密度。我们研究可达性的整体水平的边缘之间的时间并发性,量化边缘的重叠时间。我们探索的时间分辨率的接触的作用,通过计算可达性与完整的时间信息,以及与一个简化的间隔表示近似,需要较少的计算。我们证明了在何种程度上计算的可达性的变化,由于这种简化的间隔表示。
2019-10-03 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
Hidden dependence of spreading vulnerability on topological complexity
复杂系统中的许多动力学现象都与网络(通常称为时间网络)上的传播有关,这些网络具有随时间变化的结构。一个复杂系统的倾向,以促进传播现象,我们称之为它的“传播能力”,往往是推测有关的拓扑结构的时间网络系统的特点。然而,直接从时态网络的拓扑信息中干净地提取复杂系统的传播脆弱性仍然是一个挑战。在这里,使用数据从一个不同的现实世界的复杂系统,我们开发的“熵的时间纠缠”作为一种新颖的和有见地的数量来衡量拓扑的时间网络的复杂性。我们表明,这个参数自由量自然允许拓扑结构的比较,在非常不同的复杂系统。重要的是,通过模拟三种不同类型的随机动力学过程在时间网络上发挥作用,我们证明了时间纠缠的熵作为系统传播脆弱性的定量体现,而不管过程的细节。如果能够做到这一点,在能够定量地提取一个复杂系统的倾向,以促进从拓扑学的传播现象,这种熵的措施打开了自己的应用在各种各样的自然,社会,生物和工程系统。
2022-04-14 cs.SI physics.soc-ph
Activity clocks: spreading dynamics on temporal networks of human contact
时变复杂网络上的动态过程是理解和建模社会技术系统中各种过程的关键。在这里,我们专注于人类接近的经验时间网络,我们的目标是了解的因素,在模拟中,形状的简单传播过程的到达时间分布。放弃挂钟时间的概念,转而采用基于活动的节点特定时钟,暴露了不同社会背景下到达时间的强大统计模式。使用随机化策略和生成模型约束的数据,我们表明,这些模式可以理解的异构事件间的时间分布,再加上异构数量的事件每边。我们还表明,无论是经验,并通过使用合成数据集,从上述行为的显着偏差,可以由存在的边缘类具有较强的活动相关性。
2013-10-31 cs.SI nlin.AO physics.soc-ph
Concurrency and reachability in tree-like temporal networks
从简单的传染到复杂的级联,网络特性控制着各种传播过程的速度和程度。最近,传播过程的分析已经从静态网络扩展到时间网络,其中节点和链接出现和消失。我们专注于“可访问性”的影响,是否有一个时间上一致的路径从一个节点到另一个,和“可达性”,相应的“可访问性图”表示的时间网络的密度。因此,可达性的水平固有地限制了时间网络上任何传播过程的可能程度。我们研究可达性的整体水平的边缘和凝聚在所有边缘的网络结构的凝聚力之间的时间并发。我们使用模拟结果,并开发异构平均场模型预测随机网络,以更好地量化底层时间网络的属性如何调节可达性。
2019-05-21 physics.soc-ph