[论文解读] Contagion dynamics on higher-order networks

Guilherme Ferraz de Arruda, Alberto Aleta+1 more|arXiv (Cornell University)|Feb 22, 2024

Opinion Dynamics and Social Influence被引用 5

一句话总结

一篇将高阶网络（超图和单纯形复合结构）中的传染模型统一，并讨论SIS/SIR 表述、分析方法，以及尚待解决的经验验证空缺的综述。

ABSTRACT

Understanding the dissemination of diseases, information, and behavior stands as a paramount research challenge in contemporary network and complex systems science. The COVID-19 pandemic and the proliferation of misinformation are relevant examples of the importance of these dynamic processes, which have recently gained more attention due to the potential of higher-order networks to unlock new avenues for their investigation. Despite being in its early stages, the examination of social contagion in higher-order networks has witnessed a surge of novel research and concepts, revealing different functional forms for the spreading dynamics and offering novel insights. This review presents a focused overview of this body of literature and proposes a unified formalism that covers most of these forms. The goal is to underscore the similarities and distinctions among various models, to motivate further research on the general and universal properties of such models. We also highlight that while the path for additional theoretical exploration appears clear, the empirical validation of these models through data or experiments remains scant, with an unsettled roadmap as of today. We therefore conclude with some perspectives aimed at providing possible research directions that could contribute to a better understanding of this class of dynamical processes, both from a theoretical and a data-oriented point of view.

研究动机与目标

• 倡导使用高阶交互来建模社会与流行病传播。
• 给出一个统一形式化框架，涵盖大多数高阶传染模型。
• 将高阶模型与对偶图模型进行比较，并突出关键差异。
• 综述分析方法及其对超图传染的适用性。
• 识别经验验证空缺并提出数据驱动研究方向。

提出的方法

• 在超图上定义一个包含状态以及基于泊松的治疗与传播机制的通用SIS/SIR 传染框架。
• 引入基于超边的感染函数 f_j^i({Y}) 和局部速率因子 lambda^*(|e_j|) 来调制群体规模效应。
• 展示特定模型（成对、单纯形传染和幂律核）如何由 f_j^i 的特定选择和超边结构得到。
• 讨论平均场与更严格的方法（HMF, QMF, AME, ELE, MECLE, FA）及它们在高阶网络中的适用性。
• 解释降维到成对情况及结构对称性在可解分析中的相关性。

实验结果

研究问题

• RQ1 如何在一个统一框架中形式化超图上的传染动力学，使之包含对偶交互和高阶交互？
• RQ2 高阶传染的主要分析方法有哪些，它们与经典图方法相比如何？
• RQ3 由高阶交互引发的动态现象有哪些（如相变、双稳态、局部化）？
• RQ4 模型变体（单纯形传染、幂律感染核、时序/同质偏好扩展）如何改变传播行为？
• RQ5 在高阶传染模型的经验验证方面存在哪些障碍，且建议的数据导向研究方向是什么？

主要发现

• 给出一个超图上的SIS统一方程，其状态演化依赖于超边感染函数和局部超边规模相关的速率。
• 具体模型如单纯形传染和幂律感染核源自感染函数 f_j^i({Y}) 的特定选择和超图类型，将高阶传染与已知传染形式联系起来。
• 高阶交互可能在单纯形传染中产生不连续转变和双稳态，且在加速发生之前，成对交互可能是激活高阶结构所必需的。
• 分析方法包括 HMF, QMF, AME, ELE, MMC, MECLE, 和 FA，每种对相关性和网络结构有不同假设，CMP 为阈值提供洞见。
• 时序超图和动态结构相较于静态情况可以削弱高阶效应，嵌套性（单纯形复合结构）显著影响入侵阈值。
• 存在理论发展强劲与对高阶传染模型经验验证有限之间的鸿沟。