The relative importance of structure and dynamics on node influence in reversible spreading processes
反复感染的可逆传播过程广泛存在于自然界和人类社会中，如淋病传播、模因传播等。识别有影响力的传播者是复杂网络上可逆传播动力学研究中的一个重要问题，受到了广泛的关注。在可逆扩散过程中，除了结构中心性外，节点的动力学状态对其扩散影响也起着重要的作用。通过将节点邻居的传出边数和感染风险与结构中心性相结合，提出了一种新的识别有影响力传播者的方法，该方法考虑了结构和动态对节点影响的相对重要性.邻居的传出边数和感染风险分别代表了局部结构特征对识别有影响的传播者的积极影响和节点动态状态对识别有影响的传播者的消极影响。我们发现，这两个特征的适当组合可以大大提高所提出的措施，以确定最有影响力的传播者的准确性。值得注意的是，与局部结构特征的正效应相比，稍微削弱节点动态状态的负效应，可以使该测度发挥最佳性能。定量地了解结构和动力学对节点影响的相对重要性，为识别可逆扩散过程中有影响的节点提供了重要的见解。
2021-05-21 physics.soc-ph
Spreading dynamics of information on online social networks
针对在线社交网络信息传播动力学的争议问题，基于覆盖74.5亿用户的多平台数据提出由社会强化与弱化效应驱动的普遍机制及简洁方程，能拟合所有实证轨迹并解决争议、解释现象。
2025-02-11 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
Threshold model of cascades in temporal networks
阈值模型试图解释时尚和观点传播等社会影响的后果。与流行病模型一起，它们构成了社会传播过程的主要理论框架。在静态网络的阈值模型中，如果一个个体的邻居中有一小部分人改变了自己的状态，那么这个个体就会改变自己的状态。当接触模式的时间方面存在强相关性时，将系统表示为时间网络是有用的。在这样的系统中，不仅明确地表示接触，而且明确地表示接触的时间。有一个共识，即突发的时间模式减缓疾病的传播。然而，正如我们将看到的，这并不是阈值模型的普遍真理。在这项工作中，我们提出了一个扩展的Watts的经典阈值模型的时间网络。我们这样做是假设一个代理人受到过去某个时间的接触的影响。即，个体受到时间窗口内的接触的影响。除了作为接触分数的阈值之外，我们还调查了时间窗口内的接触数量作为影响的基础。为了阐明模型的行为，我们在真实和随机的经验接触数据集上运行模型。
2012-09-07 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
Identifying super-spreaders in information-epidemic coevolving dynamics on multiplex networks
在医疗资源有限的情况下，识别疫情中的超级传播者对抑制疾病传播具有重要意义。在现代社会，疫情信息通过各种传播渠道迅速传播，对遏制疫情起到了重要作用。本文研究了信息-疾病耦合传播动力学中超级传播者的识别问题。首先，我们发现物理接触层的中心性不再有效地识别流行病中的超级传播者，这是由于信息传播的抑制效应。在此基础上，通过考虑传播层和物理接触层之间的结构耦合和动力耦合，提出了一种耦合敏感中心性测度，用于识别疾病传播中的超级传播者。在合成网络和真实网络上的仿真结果表明，该方法不仅比单一网络上的中心度更准确，而且在识别超级传播者方面也优于两种典型的多层中心度.这些发现意味着，考虑层间的结构和动力学耦合是非常必要的，以确定在耦合多层系统中的关键作用。
2021-08-25 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
Analysis of Infectious-Recovery Epidemic Models for Membership Dynamics of Online Social Networks
最近社交媒体和在线社交网络（OSN）的快速增长提出了关于我们社会中思想和时尚传播的有趣问题。在过去的一年里，有几篇论文将OSN流行程度的上升和下降与用于研究传染病的数学模型进行了类比。irSIR模型就是这样一个模型，它利用“传染性复苏”的思想，在复制MySpace的兴衰和预测Facebook受欢迎程度的快速下降方面优于传统的SIR模型。在这里，我们探讨的irSIR模型和它的两个逻辑扩展，我们数学上描述这些动力系统的初始和长期运行的行为。特别是，虽然原来的irSIR模型总是预测灭绝的社会流行病，我们构建了一个扩展的模型，匹配的指数增长阶段的irSIR模型，同时允许的可能性，在长期的任意比例的感染。
2016-08-29 physics.soc-ph q-bio.PE
Detecting contagious spreading of urban innovations on the global city network
只有全球快速向脱碳和可持续发展转变，才能使地球保持文明友好的状态。作为（绿色）创新和实验的热点，城市可以在这一转变中发挥重要作用。他们还从彼此的想法中获利，政策和技术创新传播到其他城市。通过这种方式，城市可以被概念化为跨越全球的学习网络中的节点。这一进程的动态对于社会应对气候变化和其他挑战很重要，但在宏观层面上仍然知之甚少。在这方面的贡献，我们开发了一种方法来确定是否基于网络的复杂的传染效应是城市采用可持续发展政策的一个特点，基于剂量反应传染和替代数据模型。我们将这种方法应用于一个示例数据集，包括经验数据的传播的公共交通创新（快速公交系统）和全球城际连接网络的基础上定期航班航线。我们发现的证据指向一个传染性的传播过程，不能解释的网络结构或全球采用率的增加。这表明，一个城市的抽象的“全球邻里”在城市网络中的行动可能是一个重要的因素，其中政策和创新的实施，与社会小费过程的出现潜在的连接。该方法是通用的，并可用于比较不同类型的城市间网络连接，例如，通过运输连接，贸易，或共同成员的政治网络的创新传播的预测能力。
2021-11-10 physics.soc-ph
I2E2S2R Rumor Spreading Model in Homogeneous Network with Hesitating and Forgetting Mechanisms
本文提出均匀网络中具有犹豫与遗忘机制的I2E2S2R谣言传播模型，通过平均场方程计算无谣言平衡点与基本再生数，利用Lyapunov函数证明全局稳定性，并经数值模拟揭示网络度、公众意识及准确信息引导对谣言传播的影响。
2025-10-12 math.OC physics.soc-ph
Effects of human dynamics on epidemic spreading in Côte d'Ivoire
了解和预测传染病的爆发对于社会发展和公共卫生至关重要，特别是对于不发达国家。然而，由于受空间结构和人类动力学（包括人类流动性和人类互动强度）影响的复杂流行病传播动力学，因此遇到了挑战性问题。我们提出了一个系统的模型来描述科特迪瓦全国范围内的流行病传播，它集成了多个因素，如人员流动，人际交往强度，人口特征。通过数据驱动的模拟和理论分析，我们提供了一些见解，以帮助建模和预测流行病传播过程，这超出了局部评估和几何视图的范围。我们表明，当地的平均基本生殖数大于1的要求是不必要的流行病的爆发。观察到的扩散现象可以粗略地解释为一个异质的扩散反应过程，通过重新定义移动距离，根据节点之间的人的移动量，这是超越几何的观点。然而，人类动力学的异质性仍然对精确预测提出了挑战。
2016-04-30 physics.soc-ph q-bio.PE
Small world yields the most effective information spreading
信息和疾病的传播动力学通常使用统一的框架和类似的模型进行分析。本文提出了一个模型来强调信息传播与传染病传播的本质区别，该模型考虑了记忆效应、社会强化和接触的非冗余性。在一定条件下，信息在规则网络中的传播速度比在随机网络中的传播速度更快，传播范围更广，这在一定程度上支持了最近关于网络社会中信息传播的实验观察[D. Centola，Science { \bf 329}，1194（2010）]。同时，仿真结果表明，随着网络规模的增大，随机网络更有利于有效传播。这对上述实验在大规模系统中的有效性提出了挑战。更重要的是，我们表明，通过在规则结构中引入一点随机性，可以大大提高传播效果，即小世界网络产生最有效的信息传播。我们的工作为理解局部聚类在信息传播中的作用提供了见解。
2011-11-23 cs.SI physics.data-an physics.soc-ph
The role of time scale in the spreading of asymmetrically interacting diseases
自然界和社会中的疾病和其他传染现象可以不对称地相互作用，例如一个可以从另一个受益，这反过来又损害了第一个，类似于捕食者-猎物系统。在这里，我们考虑两个模型的相互作用与非对称的相互作用和不同的相关时间尺度的疾病样动力学。使用均匀混合人口的速率方程，我们表明，每个模型的固定患病率和相图的行为不同的相对时间尺度的变化。我们还详细描述了观察到瞬态振荡的制度，这种模式是固有的不对称相互作用，但在文献中往往被忽视。我们的研究结果有助于更好地理解疾病动态，特别是相互作用的过程，并可以为现实世界的应用提供有趣的见解，最值得注意的是，事实核查和假新闻动态之间的相互作用。
2020-06-30 physics.soc-ph q-bio.PE
Balancing Capacity and Epidemic Spread in the Global Airline Network
长期以来，人们一直认为复杂网络的结构在图上的传输和传播现象中发挥着作用。这种行为很难用分析方法建模，通常用数值方法建模。这些网络构成社会结构的重要组成部分，包括运输网络。随着社会努力控制COVID-19大流行，一个重要的问题是在全面开放交通网络和控制疫情传播之间选择最佳平衡。在本文中，我们研究如何利用信息理论分析网络结构的最新进展，可以告知有关此类网络的开放决策。凭借丰富的数据，我们专注于全球航空公司网络，但这些方法原则上适用于任何运输网络。我们能够证明，有可能大幅开放航空网络，并在一定程度上控制病毒的传播。
2020-11-30 physics.soc-ph
Modeling the dynamics of dissent
我们研究了在一个由不同权威水平的代理人组成的威权社会中，反对权威的意见的形成。我们探讨了一个“反对”的意见，持有较低级别，服从，或不太权威的人，在一个环境中的“肯定”的意见，权威的领导人举行的传播。一个真实的例子是一个腐败的社会，人们反抗这样的领导人，但它可以应用于更普遍的情况。在我们的模型中，代理可以根据他们相对于邻居的权威和他们自己的信心水平来改变他们的意见。此外，在一定的概率下，代理人可以推翻肯定的意见，采取邻居的反对意见。基于分析推导和数值模拟，我们观察到，网络结构和异质性的权威，以及它们的相关性，显着影响的可能性，不同意见，通过人口传播。特别是，当权威分布非常不均匀，并且权威与人们的邻居数量（度）之间存在正相关关系时，反对意见受到抑制。除了这种极端的情况下，虽然，当人们有倾向于推翻权威持有不同意见，不同意见的传播发生，但不同的意见可能需要很长时间才能传播到整个社会，这取决于模型参数。我们认为，内部的社会结构的代理人设置的时间尺度达成共识，意见传播的基本结构特性的分析的基础上。
2018-04-09 cond-mat.stat-mech nlin.AO 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
Strong ties promote the epidemic prevalence in susceptible-infected-susceptible spreading dynamics
了解传播动态将有利于整个社会更好地预防和控制疾病，以及促进社会责任的信息，同时抑制破坏性的谣言。在基于网络的传播动力学中，不同权重的边可能扮演着截然不同的角色：远方的朋友通常会带来新奇的故事，而亲密的关系对于流感疫情来说风险很高。在这篇文章中，我们提出了一个加权的易感-感染-易感模型的复杂网络，其中的权重定义的两个相关联的节点的拓扑接近。每个受感染的个体被允许选择有限数量的邻居进行接触，并引入一个可调参数来控制通过高权重或低权重边缘进行接触的偏好。在六个真实网络上的实验结果表明，在传播过程中，强联系可以大大促进流行病的流行。通过与两个分别具有随机拓扑和随机重分布权重的统计零模型的比较，我们证明了权重的分布模式而不是拓扑对实验观测值的影响。进一步的分析表明，权重-权重相关性强烈影响结果：当权重-权重相关性存在时，高权重边在保持高流行率方面更显着。
2013-11-22 cs.SI physics.soc-ph
Irreversible Opinion Spreading on Scale-Free Networks
通过广泛的蒙特卡罗模拟，我们研究了Barabási-Albert（BA）无标度网络上不可逆意见传播模型的动力学和临界行为。在一个不均匀的社会的意见传播的磁伊甸园模型，一个非平衡动力学模型的增长与热浴接触的二元混合物的装置进行了研究。沉积动力学，这是作为一个功能的被占领的网站的程度进行了研究，显示了证据的增长过程中所发挥的主导作用枢纽。有限大小的系统要么有序，要么无序，这取决于温度。通过标准的有限尺寸标度程序，有效的有序-无序相变被发现坚持在热力学极限。然而，这种临界行为在相关的平衡自旋系统中是不存在的，例如BA无标度网络上的伊辛模型，它在热力学极限下只显示铁磁相。这些结果的依赖度指数的情况下，也讨论了不相关的无标度网络。
2007-02-07 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Repetitive users network emerges from multiple rumor cascades
网络社交媒体上的谣言传播对后真相时代的社会构成了重大威胁。大量的努力已经投入到谣言识别和揭穿，假设一个特定的谣言传播是一个单一的事件网络，忽略了不同的谣言级联之间可能的相互依赖性。在这里，我们研究了多个谣言的集体传播，并惊讶地发现了一个重复参与不同谣言级联的用户网络。虽然这些重复用户在单个传播网络的水平上表现出微小的差异，但与新闻传播相比，他们从多个谣言级联中形成了一个更密集的协作网络。由重复谣言传播者形成的类集群可以作为谣言识别的高质量特征和谣言预防的阻断目标。我们的研究结果可以通过将多个谣言传播视为一个相互作用的谣言生态系统来更好地理解谣言传播，并提出基于谣言传播历史的区分和缓解的新方法。
2018-04-16 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
Epidemic spreading and immunization strategy in multiplex networks
一个更加互联的世界带来了重大的后果，例如促进疾病在世界各地的传播，迅速成为流行病，这就是为什么研究人员集中在多层网络中建模流行病和疫情的传播。在这种网络中，所有节点在不同的层中通过不同类型的链路进行交互。然而，在许多场景中，例如在社会中，多路复用网络框架并不完全适合，因为并非所有个体都参与所有层。在本文中，我们使用了一个部分重叠的多路复用网络，其中只有一小部分个体被层共享。我们开发了一种缓解策略，用于阻止疾病传播，考虑易感-感染-恢复模型，在一个由两层组成的系统中。我们考虑一个随机免疫的一层，并研究重叠分数的影响，疾病的传播和免疫策略。使用分支理论，我们研究了这种情况下的理论和模拟，并找到了一个较低的流行阈值比在没有策略的情况下。
2015-07-07 cs.SI physics.soc-ph
Evolution of the digital society reveals balance between viral and mass media influence
在线社交网络（OSN）使研究人员能够以前所未有的规模研究社会世界。世界范围的影响和维持其快速增长的必要性突出了揭示其演变规律的重要性。我们提出了一个定量的双参数模型，再现了整个拓扑演化的准孤立OSN与前所未有的精度从网络的诞生。这使我们能够精确地测量所涉及的基本宏观和微观机制。我们的研究结果表明，真正的预先存在的潜在社会结构，病毒传播机制和大众媒体的影响力之间的耦合控制OSN的演变。我们的模型的实证验证，在宏观尺度上，揭示了病毒性是四到五倍强于大众媒体的影响力，在微观尺度上，个人有较高的订阅概率，如果邀请较弱的社会联系，在协议的“弱关系的强度”范式。
2014-05-12 cond-mat.dis-nn cs.SI physics.comp-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
Identify Hidden Spreaders of Pandemic over Contact Tracing Networks
COVID-19感染病例在全球范围内激增，对社会和经济都造成了影响。造成持续传播的一个关键因素是存在大量无症状或隐藏的传播者，他们混在易感人群中而未被发现或隔离。在这里，我们提出了一种有效的非药物干预方法来检测接触者追踪网络中的无症状传播者，并在新加坡的COVID-19传播网络上进行了验证。我们发现，使用纯物理传播方程，可以非常准确地识别COVID-19的隐藏传播者。具体而言，基于COVID-19传播动力学的独特特征，我们提出了一个计算框架，捕获网络中不同传染状态之间的转移概率，并将其扩展为识别渐近个体的有效算法。我们的模拟结果表明，使用我们的预测的筛选方法优于机器学习算法，例如图神经网络，这些算法在这项工作中被设计为基线，以及中国在其早期爆发中广泛使用的感染最密切接触者的随机筛选。此外，我们的方法提供了高精度，即使在不完整的信息的合同跟踪网络。我们的工作对于COVID-19的非药物干预至关重要，特别是随着越来越多地采用各种新技术的接触者追踪措施。除了COVID-19，我们的框架还可以用于其他以无症状传播为特征的流行病
2021-03-17 physics.soc-ph q-bio.PE
Modeling for the Dynamics of Human Innovative Behaviors
如何促进创新活动是现代社会面临的一个重要问题。本文结合进化博弈和信息传播理论，提出了一个基于利益驱动假设的格子模型来研究人类创新行为的动力学。模拟结果表明，创新行为具有扩散缓慢、创新策略向“创新中心”聚集、创新行为具有准局域化动态等特征，这与人们对创新行为的日常认知是一致的。此外，该模型在创新状态的时空分布上也呈现出丰富的非泊松特性，包括创新释放间隔时间的标度律和创新扩散范围的双峰分布，这在人类创新行为中具有普遍性。该模型为研究人类创新行为的演化和创新活动的促进测度提供了一个基本框架。
2013-03-04 cond-mat.stat-mech cs.SI physics.soc-ph
Stay with Your Community: Bridges between Clusters Trigger Expansion of COVID-19
病毒感染的传播在这里是通过人工人类网络来模拟的。人们的真实空间城市生活被建模为一个修改的无标度网络的约束。一个无标度网络已被采用在一些研究中建模在线社区到目前为止，但修改这里的目的是代表人们的社会行为，其中所产生的社区是有限的，反映在现实生活中的时空约束。此外，通过在网络构建的初始步骤中引入多个集团，并使人们能够成为零度人以及受欢迎（大度）人，网络得到了扩展。结果，得出了四项结论和一项政策建议。第一，“第二波”在没有外部影响或对接触的约束或约束的释放的情况下发生。这些第二波，大多低于第一波，这意味着感染和新的集群之间的桥梁可能会引发新的传播扩张。第二，如果网络在感染传播的过程中或在其被抑制后改变结构，则第二波的峰值可以大于第一波。第三，时间序列中的峰值高度取决于每个成员接受见面的人数上限与选择见面的人数之间的差异。这一趋势在两种人工网络中得到了观察，并暗示了社区之间的桥梁对病毒传播的影响。第四，如果在接近峰值的时间引入释放，则一旦给定约束的释放可以触发高于时间序列的峰值的第二波，而不从开始引入任何约束。因此，政府和个人在回归人类社会进行社区间接触时都应该谨慎。
2020-07-11 cs.SI physics.soc-ph
Six Susceptible-Infected-Susceptible Models on Scale-free Networks
传播现象在自然界和社会中普遍存在。例如，疾病、谣言和信息通过底层的社会和信息网络传播。众所周知，无标度网络上的流行病模型没有阈值;这表明疾病可以在这样的网络上传播，不管接触率有多低。在本文中，我考虑了六种不同的接触和传播机制的模型。每一个模型进行了分析，基于度的平均场论。我表明，存在或不存在的爆发阈值取决于接触和传播机制。
2015-08-16 cond-mat.stat-mech cs.SI nlin.AO
Vaccination strategies on dynamic networks with indirect transmission links and limited contact information
传染病仍然是现代社会的主要全球负担，每年造成1300万人死亡。降低传染病发病率和死亡率的一种方法是通过预防性或有针对性的疫苗接种。然而，目前的疫苗接种策略依赖于难以获得且成本高昂的高度特异性的个体接触信息，以识别有影响力的传播个体。目前的方法也只注重个人之间的直接接触传播，而忽视了间接传播，即病原体可以在一个感染个体和一个易感个体之间传播，这些个体在短时间内访问同一地点而不见面。本文提出了一种新的疫苗接种策略，依赖于粗粒度的接触信息，直接和间接，可以很容易和有效地收集。我们的策略不是跟踪个人的确切接触程度，而是使用人们访问的地方类型来估计个人的接触程度范围，考虑直接和间接接触。我们进行了广泛的模拟，以评估我们的战略相比，最先进的疫苗接种策略的性能。结果表明，我们的策略实现了与Oracle方法相当的性能，并且在考虑间接链接时优于所有现有策略。
2020-04-13 cs.SI physics.soc-ph q-bio.PE
Group dynamics of engagement with AI topics on Bluesky
University of Colorado Boulder（科罗拉多大学博尔德分校）
本研究通过Bluesky数据，结合网络SIR模型，分析AI事件（如DeepSeek R1发布）在不同群体中的参与动态，发现直接响应与网络传播强度不总一致，揭示群体参与模式的差异。
2026-09-30 cs.CY cs.SI physics.soc-ph
Maximum entropy for dynamic processes on networks
针对网络动态过程对初始条件敏感而难以研究的问题，应用最大口径信息论框架解析研究不同个体群体相互作用驱动的系统，通过模拟验证推导的动力学并引入简化近似以恢复经典群体动力学模型。
2025-07-14 cond-mat.stat-mech physics.data-an physics.soc-ph
Lumping the Approximate Master Equation for Multistate Processes on Complex Networks
复杂网络在人类社会和自然界中扮演着重要的角色。随机多态过程提供了一个强大的框架来模拟各种新兴现象，如流行病的动态或复杂网络上的信息传播。近年来，平均场型近似作为分析和理解复杂网络动力学的工具得到了广泛的关注。它们通过假设具有相似局部结构的所有节点行为相同来降低模型的复杂性。在这些方法中，近似主方程（AME）通过考虑节点的整个邻域，提供了对复杂网络动力学的最准确的描述。然而，典型网络的规模使得多态AME的数值解不可行。在这里，我们提出了一种有效的方法，利用结构相似的节点组的微分方程之间的相似性的AME的数值解。我们将大量类似的方程聚类在一起，每个聚类只解一个集总方程。我们的方法允许AME应用于现实世界的网络，同时保持其在计算全球网络属性的估计，如在给定时间的状态中的节点的分数的准确性。
2018-04-09 cs.SI physics.soc-ph
