[论文解读] 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 3

一句话总结

本研究通过在无标度（SF）、小世界（SM）及实证获取的网络（LM、DM）中模拟信息传播，将S.I.R.模型扩展至复杂网络中的社会流行病传播。研究引入基于阈值的交互模型与随机感染概率，结果表明真实世界网络（LM、DM）的存活率显著高于理论模型（SF、SM），挑战了合成网络模拟在流行病传播预测中的可靠性。

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.

研究动机与目标

• 通过改进的S.I.R.模型评估网络拓扑对社会流行病传播的影响。
• 比较真实世界社交网络（LM、DM）与合成模型（SF、SM）在存活概率与结构稳定性方面的差异。
• 确定理论网络模型是否能准确模拟真实社会流行病动力学。
• 评估合成网络在基于阈值交互规则下的流行病结果预测可靠性。

提出的方法

• 使用自定义流行病算法，基于真实或合成网络的邻接矩阵（AM）建模信息传播。
• 每位参与者被赋予一个易感性阈值（U），一个32位状态向量，以及一个健康状态（S、E、M），状态转换基于汉明距离与阈值条件。
• 连接参与者之间的感染概率被建模为[0,1]区间内的均匀随机变量C，以模拟传播可能性的差异。
• 仅当两参与者状态向量之间的汉明距离低于其阈值的最小值时，交互才发生。
• 针对不同阈值（U = 10至20）计算多次模拟运行下的存活概率与最终网络结构的方差。
• 使用比例差异（DR）与95%置信区间进行元分析，以检验网络类型间的等价性。

实验结果

研究问题

• RQ1 网络拓扑（无标度 vs. 小世界 vs. 真实世界）如何影响社会流行病中个体的存活概率？
• RQ2 在流行病结果分布方面，合成网络模型（SF、SM）是否与真实世界网络（LM、DM）等价？
• RQ3 基于阈值的交互规则是否导致与完全随机混合相比显著不同的存活动态？
• RQ4 真实网络与合成网络之间存活率差异的统计显著性如何？
• RQ5 在相同流行病规则下，理论网络模型能否可靠地模拟真实社会流行病传播？

主要发现

• 当U = 15时，LM与DM网络中的存活概率超过50%（P(S) = 0.30与0.41），而SF与SM网络的存活率较低（P(S) = 0.60与0.58）。
• 在U = 15时，存活结果的方差达到峰值（SF为1769.68，LM为3704.39），表明最终网络状态具有高度的结构多样性。
• 元分析显示LM与DM网络在统计上等价（DR = 0.02 ± 0.09），95%置信区间包含零。
• LM与SM比较的DR = 0.28 ± 0.06，拒绝原假设，表明存活率存在显著差异。
• SF与SM比较的DR = 0.02 ± 0.021，边缘支持等价性，但统计可信度有限。
• 研究结论认为，真实世界网络（LM、DM）与理论模型（SF、SM）不等价，削弱了合成网络在模拟社会流行病传播中的可靠性。