社交网络结构与复杂传染的传播：从人口遗传学角度
摘要：社交网络中传播的思想、行为和观点。如果传播到新的个体的概率是个体受影响的邻居比例的非线性函数，这样的传播过程就会成为“复杂传染”。这种非线性通常在物理传播感染时不会出现，而是在传播的概念受到博弈论考虑（例如对策略或行为的选择）或心理效应（如社会强化和其他形式的同伴影响）时，会出现。在这里，我们研究了这种复杂传染的随机动力学如何受到潜在网络结构的影响。受到在真实社交网络上进行的复杂流行病模拟的启发，我们提出了一个基于人口遗传学数学工具的、用于分析任意非线性采纳概率的传染统计的通用框架。我们的框架提供了一个统一的方法，直观地说明了复杂传染的几个关键属性：更强的社区结构和网络稀疏性可以显著增强传播效果，而广泛的度分布则减弱了选择的影响。最后，我们展示了一些结构特征可以展示临界值，这些临界值划分了全局流行病对任意大小的网络都可能发生的范围。我们的结果在人口中基因的竞争与思想和观念的世界中的模因之间建立了类比。我们的工具揭示了信息、行为和思想通过社会影响的传播，并凸显宏观网络结构在决定它们命运中的作用。
作者：Julian Kates-Harbeck, Michael M. Desai
论文ID：2208.02864
分类：Physics and Society
分类简称：physics.soc-ph
提交时间：2023-08-30