基于个体行为特征的时效网络中传播源定位研究

Locating the source(s) quickly and accurately is the key to the prevention and controlling of social rumor/epidemic. Previous studies about source(s) location are mostly based on static networks with fixed topology. However, real networks are temporal ones whose edges are varying with time. This characteristics may play an important role in locating the diffusion source(s) and increase the difficulty to this problem. This project is aimed at locating source(s) in temporal networks based on individual behavior by using statistical methods with empirical data. The project will focus on information propagation of temporal networks, and pay close attention to the interaction between the temporal structure and node dynamics. The project will use n-order aggregate networks approximation theory and multilayer network analysis method to study propagation dynamics based on temporal structure-node dynamics interaction. The project will also develop the existing algorithms, such as improved k-shell algorithm, to mine the key nodes of temporal networks. Moreover, the project will use T-Dijkstra algorithm, the maximum likelihood estimation and correlation analysis to locate the diffusion source(s). The project will collectively utilize methods of theoretical analysis, algorithm design and empirical study, in order to provide better understanding in the relation and mechanism of the structure and dynamical behavior about temporal networks. The project will also provide efficient and accurate algorithms in locating the diffusion source(s), and offer effective measures to control rumor/epidemic.

准确快速的定位传播源是舆情/疫情防控的关键。以往的研究多基于固定拓扑的静态网络，然而真实网络多为连边随着时间不断变化的时效网络，其时效特性对传播源定位产生重要影响并加大研究的难度。本项目基于实证数据，利用统计物理学的方法，围绕时效网络中的信息传播，着眼于时效结构与节点动力学之间的相互作用这一重要机制，致力于研究基于个体行为特性的时效网络中传播源定位问题。本项目利用n阶聚合网络近似理论及多层耦合网络分析方法研究基于时效结构-个体行为关联的传播动力学；发展并改进k-shell等算法挖掘时效网络中的关键节点；运用时效Dijkstra算法、最大似然估计及相关性分析最终定位传播源。本项目强调理论分析、算法设计和实证研究的有效结合，所得的结果将有助于更好地理解社会网络中的时效特征与人类社会行为之间的关系和内在机制，并以此为基础找到高效定位传播源的方法，为相关机构提供有效合理的舆情/疫情的防控方案。

如何准确挖掘网络中的关键节点对于定位传播源并有效控制舆情/疫情的泛滥至关重要。以往此类研究多基于固定拓扑的静态网络，然而真实网络多为连边随时间不断变化的时效网络，其时效特性对传播源定位产生重要影响并加大研究的难度。本项目基于实证数据，利用统计物理学的方法，围绕时效网络中的信息传播，着眼于时效结构与节点动力学之间的相互作用这一重要机制，致力于研究基于个体行为特性的时效网络中传播源定位问题。因此本项目主要从时效网络的结构和动力学入手，重点刻画了如何构建多层时效网络及如何鉴定时效网络中的重要节点，并由此定位传播源。在时效网络结构研究方面，本研究首先提出了一种生成层内度分布和层间度分布任意可调的多层网络的算法，引入共享链路和共享网络的概念，并进一步提出在保持原有度分布的前提下生成具有给定共享网络结构的多层网络的算法；其次我们提出一种基于时效网络的时效K-Shell分解方法来定义节点中心性指标，通过与其他三个指标的比较，发现该指标定义的重要节点在时效网络鲁棒性研究中具有更好的抗毁性效果。在时效网络动力学研究方面，首先本研究基于SIRS模型研究了二元结构网络的流行病传播问题，我们发现SIRS模型的双阈值特性的一个有趣结果是，对于具有双重结构的网络，当双元结构不相连时流行病不能同时存在于这两个部分，然而一旦双元结构相互连接，流行病便可以在它们之间传播；其次本研究提出了一种识别网络上扩散过程传播源的算法，并基于SI模型进行了算法检验，发现当感染率较高时，算法可以获得很高的扩散源定位精度，而当感染率较低时，结果可能会出现较大的波动；最后我们提出了一种有效度理论用于研究多层网络上的流行病传播动力学，结果表明我们所提出的有效度理论能够很好地预测多层网络的动力学行为。