[论文解读] 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)|Mar 2, 2012

Complex Network Analysis Techniques被引用 1

一句话总结

本文提出一种路径计数方法，通过枚举不同长度的感染传播路径来估计网络中各节点的感染传播情况，针对SIS和SIR模型分别采用不同的公式。该方法在真实网络中预测实际感染数量方面优于度中心性、k-shell分解及基于中心性的方法，在计算成本相近的情况下实现了更高的准确性。

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.

研究动机与目标

• 开发一种直接建模流行病传播过程的方法，而非依赖静态网络属性。
• 估计网络中每个初始感染节点实际引发的感染数量。
• 改进现有节点影响力估计方法，如度中心性、k-shell分解及标准中心性度量。
• 在大规模网络模拟中平衡估计准确性与计算效率。
• 在SIR流行病模型下，于多种真实网络中验证该方法的有效性。

提出的方法

• 该方法统计从给定初始感染节点出发，到达网络中所有其他节点的各类可能感染路径的数量。
• 对于SIR模型，该方法使用无环路径（自避免行走）以反映感染和恢复的不可逆性。
• 对于SIS模型，该方法统计所有可能的路径，包括重复访问节点的路径，以反映再次感染的可能性。
• 该方法为每个节点计算基于路径的评分，表示其传播感染的潜力。
• 该方法具有理论基础，并通过路径约束适应不同的流行病动力学。
• 通过限制路径长度并采用高效的枚举技术，保持了计算效率。

实验结果

研究问题

• RQ1 如何比传统中心性度量更准确地估计网络中特定节点引发的感染数量？
• RQ2 路径枚举对SIR和SIS流行病模型中实际感染数量预测的影响是什么？
• RQ3 与度中心性、k-shell分解及基于中心性的方法相比，基于路径的方法在准确性和计算成本上的表现如何？
• RQ4 所提出的路径计数框架中，估计准确性与计算成本之间的权衡关系如何？
• RQ5 该方法在不同感染率下是否能在多样化的现实网络拓扑结构上实现泛化？

主要发现

• 在多个真实网络中，路径计数方法对实际感染数量的估计精度均优于度中心性、k-shell分解及标准中心性度量。
• 在SIR模型下，该方法通过统计自避免行走有效模拟了感染传播，与模型的不可逆动力学一致。
• 在SIR模拟中，该方法在广泛范围的感染率下均实现了高于现有方法的准确性。
• 尽管精度提升，计算成本仍与其它方法相当，使其在大规模网络中具备可扩展性。
• 该分析框架支持SIS和SIR模型的独立公式化，增强了其对不同流行病过程的适应能力。
• 在真实网络上的实证验证证实了该方法的鲁棒性及其在推断节点传播效能方面的优越性。