cs224w 图神经网络 学习笔记（十三）Probabilistic Contagion and Models of Influence

课程链接：CS224W: Machine Learning with Graphs
课程视频：【课程】斯坦福 CS224W: 图机器学习 (2019 秋 | 英字)

1. Probabilistic Spreading Model——从传染病的传播开始

基于概率的信息传播模型的一个很好的例子就是病毒的传播。我们可以基于随机树（random tree）来建立传染病的传播模型。（树可以看成是基于图传播过程的一种变体）

我们首先假设有一个“零号病人”感染了这个病毒。这个病人有$d$个密切接触者，每个密切接触者有$q>0$的概率被传染。那么，随着传染的过程，如果这个概率依旧大于零，病毒会继续传播下去；如果感染概率等于零，病毒将不会继续传播（所以切断传染源和隔离非常重要）。
设$p_h$表示第$h$层的节点感染病毒的概率。那么：

也就是说，某一层节点被传染的概率和上一层节点被传染的概率相关。这样我们可以通过迭代去计算${\lim }_{h\to \infty }{p}_h$。我们考察迭代函数的性质：
$$f(x)=1-(1-q\cdot x{)}^d$$
递归方程从$x=1$开始，$x_1=f(1)$，$x_2=f(x_1)$，$x_3=f(x_2)$，……。

我们可以定性地去分析一下$f(x)$的形状。$x$表示第$h-1$层的节点被传染的情况下，$h$层节点被传染的概率。

• 由$f(0)=0$可知，函数$f(x)$经过原点。也就是说，如果一个人的密切接触者都没有被传染，那么他也不会被传染。
• $f(1)=1-(1-q{)}^d<1$。也就是说，即使一个人是一个确诊病人的密切接触者，但他也不一定被感染。
• $f^{\prime }(x)=q\cdot d\cdot (1-q\cdot x{)}^{d-1}$，可知$f(x)$的导数是单调递减函数，且$f^{\prime }(x)\in [0,1]$，也就是说$f(x)$随着$x$的增加，曲线的斜率会越来越小，逐渐平缓。那么函数$f(x)$的曲线形状如图中的红线所示。换句话说，如果一个人接触的人中被感染的概率越大，他自己被感染的风险也越大——但是这个风险值最终会趋于一个定值——这个定值会小于1。

如果我们希望疾病不再传播（die out），红色的曲线必须要在$y=x=1$这条曲线之下。因为如果红色曲线与$y=x=1$这条曲线有交点（如上图所示），那么就会出现一个不动点$f(x)=x$——也就是这两条曲线的其中一个交点。也就是说，如果某一层的感染概率达到了$x$，那么它之后所有的节点被感染的概率都是$x$了（注意函数$f(x)$表示的是上一层节点被感染的概率为$x$时，这一层节点被感染的概率）——也就是说，病毒会以传染概率$x$这样传播下去，不会消亡。

那么，我们又知道，函数$f(x)$的曲线斜率会不断平缓，最开始的斜率$f^{\prime }(0)=q\cdot d$决定了红色曲线的走势。并且，只有$f^{\prime }(0)=q\cdot d<1$时，才有${\lim }_{h\to \infty }{p}_h=0$。

在医学中，定义基本传染数$R_0=q\cdot d$。只有$R_0\ge 1$时，也就是疾病传染人数大于1时，才会形成传染病的流行。,艾滋病的基本传染数为2-5，麻疹的基本传染数为12-18，埃博拉的基本传染数为1.5-2。基本传染数只是表示疾病在传播上的概念，并不能表明疾病的致死严重程度，例如埃博拉这种死亡率很高的疾病的基本传染数很低，是因为它的致死率太高了，病毒还没有来得及找到下一个宿主，现在的宿主就已经死亡，所以基本传染数会很低。

我们进一步分析基本传染数的公式$R_0=q\cdot d$，可以发现有两个基本的遏制传染病传播的方式：

• 降低$q$，也就是降低人与人之间的传染概率——养成良好的卫生习惯！
• 降低$d$，也就是降低接触节点的数量——隔离！

2. 案例应用——Social cascades on Flickr and estimating $R_0$ from real data

Flickr social network——用户通过好友链接与其他用户连接。用户之间可以互相点赞对方的图片。

图片可以通过用户的点赞来进行传播（这里的图片相当于病毒）。这个实验统计的就是某张图片在100天被点赞的情况——考察这张图片的点赞量随着网络传播的情况。

那么，我们从实际数据中得到的基本传染数$R_0$称为经验传染数。其中$q$表示某个已经感染的节点，其邻居节点中被感染的期望。

分析结果：

对结果的讨论：

• 社交网络的$R_0$在1-190之间。
• 这比麻疹等传染性很强的疾病要高得多，说明社交网络是有效的传播媒介，在线内容具有很强的传染性。

3. 传染病模型 Epidemic models

这一节主要讲更general的传染病模型。

在这个模型中，定义两个参数：

• (Virus) Birth rate $\beta$：Probability that an infected neighbor attacks
• (Virus) Death rate $\delta$：Probability that an infected node heals

可以看到，和第一节的传染病模型相比，这一节的传染病模型考虑了人类医疗的介入。对于某个节点来说，他有一定的概率被治愈，相当于它的感染概率就被降低为0了。

传染病的传播动力学模型：

这类模型相当于建立了一个传染病的传播机制，用以模拟传染病的传播模式。对于埃博拉这类复杂的病毒，就需要构建一个SEIR模型去了解，有一篇论文Estimating the Reproduction Number of Ebola Virus (EBOV) During the 2014 Outbreak in West Africa可以看一下。

关于最近的新冠疫情也有很多分析是基于SEIR模型的，网上有蛮多关于这个模型介绍的资料的，可以自行搜索学习一下。

SIR model

在SIR模型中，传染病的传播机制只有“疑似-确诊-治愈”三个阶段，只适用于水痘或者瘟疫这样的传染病——一次得病，终身免疫。

图中表示的是三个阶段人数的变化趋势。这类传染病暴发时，疑似人数会越来越少，治愈人数会越来越多，感染人数会出现一个峰值，峰值之后每日的新增病例逐渐没有。

SIS model

类似的，SIS模型中病毒的传播机制有“疑似-感染-疑似”三个阶段。例如流感病毒，季节性爆发，不能终身免疫。不过，在刚刚病愈之后，你会获得很强免疫力。

这里定义一个参数——Virus “strength” 病毒强度：
$$s=\frac{\beta }{\delta }$$

那么，如果病毒强度小于流行阈值（Epidemic threshold）$\tau$，这类病毒就不会形成流行。流行阈值和图的连通性结构有关，初始感染的人数并不会影响病毒的传播走向（所以秋冬流感易发季节，我们要注意个人防护！）。

4. 案例应用——谣言传播模型：Rumor spread modeling using SEIZ model

传播动力学模型建模：

S——一般的推特用户
I——相信了谣言并转发了的用户
E——接触到了谣言但还没有相信的用户
Z——不信谣不传谣的好青年！

模型的细节：

这个模型和SIS模型对比，表现出了对于真实数据拟合的优越性。

因此，基于SEIZ模型进行了谣言检测（rumor detection）。

定义了一个新的参数$R_{SI}$。并且在实际应用中很好地可以识别谣言和新闻。

5. Independent Cascade Model 独立级联模型

参考资料：
独立级联模型

独立级联模型可以理解为一种概率传播模型。但是，要确定所有边的概率是一个很复杂的工程，而如果认为所有的边上的概率都一致，这种简化又过于简单。

那么，我们定义两个节点状态——Exposure和Adoption来模拟这种传播的过程。相当于把“感染过程”进行分解，首先这个节点因为邻居都被感染，所以被“暴露（exposure）”了，接着这个节点会有一定的概率被感染（adoption）。