05-社会网络分析和算法研究.pdf

社会网络上的传播动力学 5.1 引言  社会网络上的传播动力学问题是社会网络分析的一个 重要方向。  主要研究社会和自然界中各种复杂网络的传播机理与 动力学行为以及对这些行为高效可行的控制方法。  复杂网络上的传播过程可以分为两类：不符合物质或 能量守恒的过程（信息传播范畴）以及符合物质或能 量守恒的过程（数据包传递与拥塞）。  本章首先介绍复杂网络上的流行病传播机理，接着介 绍复杂网络的免疫策略，然后介绍复杂网络上的舆论 传播和知识传播，最后介绍复杂网络上的数据包传递 机理和拥塞控制。 5.2 社会网络上的流行病传播  5.2.1流行病传播的基本模型  5.2.2均匀网中的流行病传播  5.2.3非均匀网中的流行病传播  5.2.4社团网上的流行病传播  5.2.5有限规模无标度网络和广义无标度网络的传播阈值  5.2.6关联网络的传播阈值 5.2复杂网络上的流行病传播  流行病传播的速度很快，对社会的影响非常大，引起 全社会的极大关注，如网络病毒、人类社会中的 SARS和谣言等等。  在复杂网络上，最近的理论和实验都表明流行病的传 播阈值与网络系统的尺寸(节点数)有着紧密联系。  在复杂网络传播动力学的研究中，传播阈值λ 是理 c 论和实验研究工作者特别关注的一个重要参量。对于 尺寸非常大的网络系统而言，如果流行病的传播概率 大于该传播阈值，那么受感染人数将占一个有限大小 的比例，即传染病会爆发且持续地存在；否则，受感 染人数会呈指数衰减，其占总人数的比例将接近于0， 即传染病将会自然消失。 5.2复杂网络上的流行病传播  真实网络通常由有限的个体所组成，不符合系统尺寸 无限大的这个极限。因此，理论和数值研究结论与实 验结果将存在很大差异。  网络的结构对传染病的传播也会产生很大的影响。在 不同的网络模型上系统研究体系尺寸对传播阈值的影 响，对于探讨真实复杂系统中传播特性具有指导意义。 5.2.1流行病传播的基本模型  需要采用不同的数学模型来表征不同的传播规律，它们 是复杂网络传播动力学研究的基础。  最简单的传染病模型：分支过程（Branching Process ） 其工作原理如下： （1）第一波：假设一个人携带新病毒进入人群，以一个独立的概率 p将疾病传染给遇到的每个人。疾病传染期间若他遇到k个人，则 称这k个人是该传染病的第一波。基于随机传染特性，这一波中有 些人会感染该病，其他人则不会。 （2 ）第二波：第一波的每个人进入人群中，又分别遇到k个不同的 人，致使第二波疫情的人数达到k x k = k²。在第一波疫情中每个 受感染的人以独立的概率p传染该疾病。 （3）随后的疫情波：以同样的方式形成后来的疫情波 ，即当前疫情波中每个人接触到k个人，以独立的概 率p传染疾病。  该疾病传播的传染概率较高时，传播范围比较广泛。  该疾病传播的传染概率较低时，疾病很快就会消失。  如果分支过程中的某一层没有任何人感染该疾病，则疾病很快消 失。因为人们只能从树的上一层感染疾病，如果一个分支层没有 人感染，后续的分支也不会感染。 5.2.1流行病传播的基本模型 最简单的传染病模型：分支过程（Branching Process ）  分支过程模型实际上只有两种疾病传播的可能性：  某一疫情波没有人受到感染，疾病因此在经过有限的传播步 骤后消失；  疾病持续在每个疫情波中传染某些人，这个过程一直无限的 在接触网络中持续下去。  可以用基本再生数(basic reproductive number)的量值 来度量人群中的传染密度。  基本再生数记为R0 ，是一个单一个体引发新病例数的期 望值。因为模型中每个人会遇到k个人，每个人受感染 的概率为p，基本再生数记为R0=pk 。疾病在分支过程模 型中传播的结果取决于基本再生数是小于1或大于1. 5.2.1流行病传播的基本模型 最简单的传染病模型：分支过程（Branching Process ）  当R0 1时，疾病无法自身补充，每个被感染的人预期传染的新病 体不足一人，爆发的规