[논문 리뷰] Identifying influential spreaders and efficiently estimating the number of infections in epidemic models: a path counting approach

Frank Bauer, Joseph T. Lizier|arXiv (Cornell University)|2012. 03. 02.

Complex Network Analysis Techniques인용 수 1

한 줄 요약

이 논문은 SIS 및 SIR 모델에 대해 다양한 길이의 감염 보행을 열거하여 네트워크 내 개별 노드에서의 감염 확산을 추정하기 위한 경로 수세기 방법을 제안한다. 실제 네트워크에서 degree, k-shell, 중심성 기반 방법보다 실제 감염 수를 더 정확하게 예측하며, 유사한 계산 비용으로도 높은 정확도를 달성한다.

ABSTRACT

We introduce a new method to efficiently approximate the number of infections resulting from a given initially-infected node in a network of susceptible individuals. Our approach is based on counting the number of possible infection walks of various lengths to each other node in the network. We analytically study the properties of our method, in particular demonstrating different forms for SIS and SIR disease spreading (e.g. under the SIR model our method counts self-avoiding walks). In comparison to existing methods to infer the spreading efficiency of different nodes in the network (based on degree, k-shell decomposition analysis and different centrality measures), our method directly considers the spreading process and, as such, is unique in providing estimation of actual numbers of infections. Crucially, in simulating infections on various real-world networks with the SIR model, we show that our walks-based method improves the inference of effectiveness of nodes over a wide range of infection rates compared to existing methods. We also analyse the trade-off between estimate accuracy and computational cost, showing that the better accuracy here can still be obtained at a comparable computational cost to other methods.

연구 동기 및 목표

• 정적 네트워크 특성에 의존하지 않고 전염병 확산 과정을 직접 모델링하는 방법을 개발하는 것.
• 네트워크 내에서 처음에 감염된 각 노드에서 기인한 실제 감염 수를 추정하는 것.
• 도수 중심성, k-쉘 분해, 표준 중심성 측정 방법과 같은 기존의 노드 영향력 추정 방법을 향상시키는 것.
• 대규모 네트워크 시뮬레이션에서 추정 정확도와 계산 효율성의 균형을 이루는 것.
• SIR 전염병 모델 하에서 다양한 실제 네트워크에서 방법을 검증하는 것.

제안 방법

• 주어진 처음 감염된 노드에서 네트워크의 모든 다른 노드로 가능한 감염 보행의 수를 세는 방식.
• SIR 모델의 경우, 감염과 회복의 불가역성 특성을 반영하기 위해 자기 회피 보행을 사용한다.
• SIS 모델의 경우, 재감염 가능성을 반영하기 위해 노드를 재방문하는 보행도 포함하여 모든 가능한 보행을 세는 방식.
• 각 노드에 대해 보행 기반 점수를 계산하여 감염을 확산시킬 잠재적 능력을 표현한다.
• 보행 제약 조건을 통해 다양한 전염병 역학에 적응할 수 있도록 분석적으로 기반을 마련한 방법.
• 보행 길이를 제한하고 효율적인 열거 기법을 사용함으로써 계산 효율성을 유지한다.

실험 결과

연구 질문

• RQ1 기존 중심성 측정 방법보다 네트워크 내 특정 노드에서 기인한 감염 수를 더 정확하게 추정할 수 있는 방법은 무엇인가?
• RQ2 보행 열거 기법이 SIR 및 SIS 전염병 모델에서 실제 감염 수를 예측하는 데 미치는 영향은 무엇인가?
• RQ3 도수, k-쉘, 중심성 기반 접근 방식과 비교해 볼 때 보행 기반 방법의 정확도와 계산 비용은 어떻게 되는가?
• RQ4 제안된 경로 수세기 프레임워크에서 추정 정확도와 계산 비용 사이의 상충 관계는 어떠한가?
• RQ5 다양한 실제 네트워크 구조와 다양한 감염률 하에서 이 방법은 일반화 가능한가?

주요 결과

• 경로 수세기 방법은 다양한 실제 네트워크에서 도수, k-쉘, 표준 중심성 측정 방법보다 실제 감염 수를 더 정확하게 추정한다.
• SIR 모델 하에서 자기 회피 보행을 세는 방식으로 감염 확산을 효과적으로 모델링하여 모델의 불가역적 역학과 일치한다.
• SIR 시뮬레이션에서 다양한 감염률 범위에서 기존 방법보다 높은 정확도를 달성한다.
• 정확도 향상에도 불구하고 계산 비용은 다른 방법들과 유사하여 대규모 네트워크에 대해 확장 가능한 편이다.
• 분석적 프레임워크는 SIS 및 SIR 모델에 대해 별도의 수식을 제공하여 다양한 전염병 과정에의 적응성을 높인다.
• 실제 네트워크에서의 경험적 검증을 통해 이 방법의 강인성과 노드의 전파 효과를 추론하는 데서의 열등성을 확인한다.