[論文レビュー] On the propagation of social epidemics in social networks under S.I.R. model

Horacio Castellini, Lilia Romanelli|ArXiv.org|Mar 26, 2007

Complex Network Analysis Techniques参考文献 7被引用数 3

ひとこと要約

本研究では、スケールフリーネットワーク（SF）、スモールワールドネットワーク（SM）、および実世界から得たネットワーク（LM、DM）における情報伝播をシミュレートすることで、S.I.R.モデルを社会的流行に拡張した。閾値に基づく相互作用モデルと確率的感染確率を導入し、実世界のネットワーク（LM、DM）が理論的モデル（SF、SM）よりも顕著に高い生存率を示すことが判明した。これは、合成ネットワークシミュレーションが流行伝播予測に信頼性を欠く可能性を示唆している。

ABSTRACT

The S.I.R. model (Susceptible, Infected, Recovered or Died) was proposed by chemistry Willam Kermack (1927) and the mathematician G. Mc. Kendrick (1932). the model supposes to divide to the individuals of a population in three categories. Susceptible to be infected, Infected and Recovered (immune or died by the disease). On the other hand has been a similarity in the evolution of epidemics of infect aerial, the computer science propagation of virus and the propagation of social paradigms (fashion, rumor, etc.) it calls modernly ``Social Epidemics''. In this work it is tried to use this model in different types from social networks, real or not. In order to evaluate a meta-analysis of results allows to investigate under wich conditions the topology of the network is excellent and that networks are equivalent. The result obtained can have relevance in study of propagation of epidemics of different types.

研究の動機と目的

• 修正S.I.R.モデルを用いて、ネットワークのトポロジーが社会的流行の伝播に与える影響を評価すること。
• 実世界の社会的ネットワーク（LM、DM）と合成モデル（SF、SM）の間で、生存確率と構造的安定性を比較すること。
• 理論的ネットワークモデルが、実社会的流行ダイナミクスを正確にシミュレートできるかどうかを特定すること。
• 閾値に基づく相互作用ルール下で、合成ネットワークの疫病予測の信頼性を評価すること。

提案手法

• 独自開発の疫病アルゴリズムが、実または合成ネットワークから得た隣接行列（AM）を用いて情報伝播をモデル化する。
• 各エージェントには感受性閾値（U）、32ビットの状態ベクトル、および健康状態（S、E、M）が割り当てられ、状態遷移はハミング距離と閾値条件に基づく。
• 連結されたエージェント間の感染確率は、一様乱数変数 C ∈ [0,1] としてモデル化され、伝播可能性のばらつきを再現する。
• 2人のエージェント間の状態ベクトルのハミング距離が、両者の閾値の最小値未満である場合にのみ相互作用が発生する。
• 複数のシミュレーションランで、異なる閾値（U = 10 から 20）に対する最終ネットワーク構造の生存確率と分散を計算する。
• 差の比率（DR）と95％信頼区間を用いたメタアナリシスにより、ネットワークタイプ間の同等性を検定する。

実験結果

リサーチクエスチョン

• RQ1 スケールフリー型とスモールワールド型、実世界ネットワークのトポロジーが、社会的流行における個体の生存確率にどのように影響するか？
• RQ2 合成ネットワークモデル（SF、SM）は、実世界ネットワーク（LM、DM）と疫病結果の分布において同等であるか？
• RQ3 閾値に基づく相互作用ルールは、完全にランダムな混合と比較して顕著に異なる生存ダイナミクスを生じるか？
• RQ4 実世界ネットワークと合成ネットワークの間の生存率の差に統計的有意性はあるか？
• RQ5 理論的ネットワークモデルは、同じ疫病ルール下で、実社会的流行伝播を信頼性高くシミュレートできるか？

主な発見

• U = 15 の場合、LMおよびDMネットワークでは生存確率が50％を超える（P(S) = 0.30 および 0.41）が、SFおよびSMネットワークでは低い生存が観察された（P(S) = 0.60 および 0.58）。
• 生存結果の分散は U = 15 でピークに達する（SFでは V(S) = 1769.68、LMでは 3704.39）、最終ネットワーク状態における構造的多様性が顕著に高まっていることを示す。
• メタアナリシスにより、LMおよびDMネットワークは統計的に同等である（DR = 0.02 ± 0.09）、95％信頼区間がゼロを含む。
• LM対SMの比較では DR = 0.28 ± 0.06 となり、帰無仮説が棄却され、生存率に顕著な差があることが示された。
• SF対SMの比較では DR = 0.02 ± 0.021 となり、同等性がやや支持されるが、統計的信頼性は限定的である。
• 本研究の結論として、実世界ネットワーク（LM、DM）は理論的モデル（SF、SM）と同等ではなく、合成ネットワークの疫病伝播シミュレーションにおける信頼性が揺らぐこととなった。