[论文解读] Endogenous Versus Exogenous Shocks in Complex Networks: an Empirical Test

Didier Sornette, Thomas Gilbert+2 more|arXiv (Cornell University)|Oct 7, 2003

Complex Network Analysis Techniques参考文献 2被引用 3

一句话总结

本研究利用亚马逊图书销量排名数据，区分复杂网络中的内生冲击与外生冲击，发现外生峰值突然出现并伴随快速幂律衰减，而内生峰值则通过加速幂律逐渐增长，随后缓慢且近似对称地衰减。研究结果表明，销量动态主要受级联社会影响驱动，而非直接外部刺激，提示网络接近临界状态。

ABSTRACT

Are large biological extinctions such as the Cretaceous/Tertiary KT boundary due to a meteorite, extreme volcanic activity or self-organized critical extinction cascades? Are commercial successes due to a progressive reputation cascade or the result of a well orchestrated advertisement? Determining the chain of causality for extreme events in complex systems requires disentangling interwoven exogenous and endogenous contributions with either no clear or too many signatures. Here, we study the precursory and recovery signatures accompanying shocks, that we test on a unique database of the Amazon sales ranking of books. We find clear distinguishing signatures classifying two types of sales peaks. Exogenous peaks occur abruptly and are followed by a power law relaxation, while endogenous sale peaks occur after a progressively accelerating power law growth followed by an approximately symmetrical power law relaxation which is slower than for exogenous peaks. These results are rationalized quantitatively by a simple model of epidemic propagation of interactions with long memory within a network of acquaintances. The slow relaxation of sales implies that the sales dynamics is dominated by cascades rather than by the direct effects of news or advertisements, indicating that the social network is close to critical.

研究动机与目标

• 区分复杂系统中极端事件的内生与外生贡献。
• 识别现实世界网络系统中冲击事件的特异性前兆与恢复特征。
• 检验社会影响级联还是广告等外部刺激主导销量动态。
• 评估复杂网络（如社交网络）是否接近临界状态。

提出的方法

• 分析亚马逊图书销量排名随时间变化的独特数据集，以检测冲击事件。
• 基于增长与弛豫动力学特征，将销量峰值分类为内生或外生。
• 使用具有长记忆相互作用的基于网络的流行病传播模型来模拟观测到的动力学。
• 将幂律函数拟合到销量峰值的增长与衰减阶段，以量化加速率与弛豫率。
• 将经验特征与熟人网络中级联影响简单模型的预测进行比较。
• 使用统计分析确认弛豫时间与增长模式差异的显著性。

实验结果

研究问题

• RQ1 在复杂网络中，内生与外生冲击的前兆与恢复动力学有何区别？
• RQ2 级联社会影响在多大程度上驱动极端销量事件，而非直接广告或新闻？
• RQ3 观测到的幂律增长与弛豫模式是否表明潜在社交网络处于临界点附近？
• RQ4 具有长记忆相互作用的简单流行病模型能否再现销量峰值的经验特征？
• RQ5 内生与外生冲击的弛豫时间有何差异，这对网络的动力学状态意味着什么？

主要发现

• 外生销量峰值突然出现，并伴随陡峭衰减指数的快速幂律弛豫。
• 内生销量峰值表现出逐步加速的幂律增长阶段，随后是更缓慢、近似对称的幂律弛豫。
• 内生峰值的弛豫阶段显著慢于外生峰值，表明影响传播持续时间更长。
• 观测到的动力学可由熟人网络中具有长记忆相互作用的简单流行病模型定量解释。
• 销量的缓慢弛豫表明级联社会影响主导于直接外部刺激，提示网络接近临界状态。
• 经验特征强烈支持销量过程由自组织级联驱动，而非孤立的外部事件。