基於多層時間網絡的SIS流行病模型｜網絡科學論文速遞4篇

核心速遞

• 基於多層時間網絡的SIS流行病;

• 信息級聯模型的對比訓練;

• 複雜網絡中恢復速度分佈對疾病傳播的影響;

• 優化複雜網絡搜索的全局平均首次通過時間的隨機遊走者選擇;

基於多層時間網絡的SIS流行病

原文標題：

SIS Epidemics in Multilayer-based Temporal Networks

地址：

http://arxiv.org/abs/1812.05073

Aram Vajdi, David Juher, Joan Saldana, Caterina Scoglio

還存在第二網絡層，其中同一組節點可以通過偶然鏈接連接，以給定概率創建。雖然第一層的鏈路是永久性的，但是第二層的鏈路僅在一定概率下被激活，並且在由該鏈路連接的兩個節點同時參與臨時鏈路的條件下。

我們在這個時間依賴的網絡上建立了SIS流行病的模型，分析了相應的平均場方程的平衡和穩定性，並闡明瞭時間層在擴散過程中的作用。

信息級聯模型的對比訓練

原文標題：

Contrastive Training for Models of Information Cascades

地址：

http://arxiv.org/abs/1812.04677

Shaobin Xu, David A. Smith

摘要： 本文提出了一個信息級聯模型作為有向生成樹（DSTs）的觀察文件。此外，我們提出了一種對比訓練程序，該程序利用節點感染的部分時間排序來代替標記的訓練鏈接。模型和無監督訓練的這種組合使得可以改進僅使用感染時間的模型，並利用節點的任意特徵和信息級聯中的消息的文本內容。

由於僅具有與先前模型類似的基本節點和時滯特徵，DST模型通過無監督訓練實現了與博客網絡推理任務中的強基線相當的性能。具有附加內容功能的無監督訓練可以獲得明顯更好的結果，達到完全監督模型的一半精度。

複雜網絡中恢復速度分佈

對疾病傳播的影響

原文標題：

Impact of the distribution of recovery rates on disease spreading in complex networks

地址：

http://arxiv.org/abs/1812.04734

Guilherme Ferraz de Arruda, Giovanni Petri, Francisco A. Rodrigues, Yamir Moreno

摘要： 我們研究了具有任意恢復率分佈的一般流行病模型。這種與標準設置的簡單偏差足以證明動力學參數中的異質性與研究得越多的結構異質性同樣重要。我們的分析解決方案能夠預測異質回收率引起的關鍵性質的變化。此外，我們表明傳染性的臨界值往往小於同質情況下淬火平均場方法預測的值，並且它可以與回收率的方差聯繫起來。

然後，我們說明了動態 - 結構相關性的作用，它允許關鍵行為的完全變化。我們表明，通過適當調整其恢復速率，冪律網絡拓撲可以表現得與同構結構類似，反之亦然。最後，我們展示了恢復率的異質性如何影響傳播過程的網絡定位屬性。

優化複雜網絡搜索的全局平均首次通過時間的隨機遊走者選擇

原文標題：

Selection of Random Walkers that Optimizes the Global Mean First-Passage Time for Search in Complex Networks

地址：

http://arxiv.org/abs/1812.05058

Mucong Ding, Kwok Yip Szeto

摘要：我們設計了一種方法來優化多個隨機遊走者在複雜網絡中搜索一般目標的全局平均首次通過時間（GMFPT），而不指定目標節點的屬性。

根據拉普拉斯變換的GMFPT公式，我們可以等效地最小化隨機遊走者訪問的站點的概率分佈之間的重疊。我們使用僅突變遺傳算法來解決這個優化問題，使用具有不同起始位置的步行者群和相應的突變矩陣來修改它們。

兩種隨機網絡（WS和BA）的數值實驗在選擇步行者的起源以實現最小重疊方面表現出令人滿意的結果。因此，我們的方法為複雜網絡上的多個隨機遊走者建立搜索過程提供了指導。

閱讀更多 集智俱樂部 的文章

關鍵字: 網絡拓撲 健康 模型