网络上的传播现象

一、流行病建模

自然和社会中的很多现象都可以被描述为网络上的传播过程，如生物传播、数字传播、社交传播等

可划分性假设-流行病模型按照个体所处的发病阶段对其分类，最简单的划分方式假设每个个体都处于以下三种阶段之一：

• 易感染(S)：尚未接触病原体的健康个体
• 易感染(I)：已解除病原体并能感染他人的个体
• 已康复(R)：感染后康复的个体，不具备感染能力

均匀混合假设-认为每个个体将以相同的概率接触已感染的个体。这一假设使得我们不必知道确切的疾病传播所依赖的接触网络，而认为任何人都可以感染其他人。

三种常见的流行病模型：

① 易感染--已感染模型（SI模型）

用来描述那些染病后不可能治愈的疾病，或对于突然爆发尚缺乏有效控制的流行病。个体只有已感染S和已感染I两种可能的状态。

② 易感染--已感染--易感染模型（SIS模型）

与SI模型相同，SIS模型考虑易感染和已感染两个阶段。不同之处在于，已感染个体以固定概率康复，重新成为易感染个体。

则SIS模型的动力学方程式SI动力学方程的扩展：

其中u是康复率，ui是总人口的康复率。

 被称为基本再生数。它表示在所有易感染人群中，被已感染个体所感染的平均个体数。

或者说，是在理想环境下，一个已感染个体引发的新增感染人数。

若超过1，特征时间 t 是正数，传播过程将收敛到“地方病”平衡点。越高，传播过程越快。

若  < 1，特征时间t是负数，传染病最终消亡。

③ 易感染--已感染--已康复模型（SIR）模型

在SIR模型中，感染个体不再变为易感个体而是以概率β变为免疫个体（处于移除状态），感染机制可以描述如下：

二、网络上的流行病模型

网络拓扑大大改变了流行病模型的预测能力

① 在大规模无标度网络上t = 0，这意味着病毒可以立即传播到绝大多数节点。

② 在大规模无标度网络上，这意味着即使病毒的传播率很低，也可以在人群中长期存在。