多源异质社会影响下信息—流行病耦合演化分析方法技术

本发明专利技术公开了一种多源异质社会影响下信息—流行病耦合演化分析方法。首先，构建多源异质社会影响下的无意识U

【技术实现步骤摘要】
多源异质社会影响下信息
—
流行病耦合演化分析方法


[0001]本专利技术涉及信息—流行病耦合动力学领域，尤其涉及一种多源异质社会影响下信息—流行病耦合演化分析方法。

技术介绍

[0002]突发流行病的大规模传播通常伴随着流行病相关信息在社交网络中的扩散。在缺乏有效的治疗方案和医疗资源有限的情况下，人们可以依靠获得的信息来指导他们采取行为响应，如戴口罩、保持社交距离和接种疫苗等，以降低感染风险。因此，更好地了解信息—流行病的耦合演化对于制定流行病相关政策非常重要。在信息—流行病耦合演化动力学领域中，通常认为信息扩散与流行病传播类似，并采用经典的无意识U
‑
意识A
‑
无意识U—易感S
‑
感染I
‑
易感S模型来理论分析信息—流行病耦合演化的动力学过程。然而，在现实生活中，信息扩散往往比流行病传播更为复杂。一方面，如果人们只是被社交网络中的少数朋友告知流行病相关信息时，他们可能不会接受。但当更多的朋友告诉他们这一信息时，个体的从众心理可能会促使他们接受信息，即社会强化；另一方面，当人们观察到接触网络中的邻居出现感染症状，个体的敏感性可能会促使他们意识到流行病，即风险感知。综上所述，社交网络中局部信息扩散引起的社会强化和接触网络中感染邻居诱导的风险感知是促使人们获得信息的主要社会影响。
[0003]然而，现有技术和建模方法大都仅关注一种社会影响，即社会强化或风险感知，而忽略了社会影响的多源性和异质性特征，导致对多源异质社会影响下信息—流行病耦合演化动力学过程的理解不足，尤其是当个体之间的交互随时间动态演化时。基于以上分析，在活跃度驱动的多层时序网络框架下，通过数学建模理论分析社会影响的多源性和异质性对信息—流行病耦合演化过程的影响具有重要意义，可为制定有效抑制流行病传播的干预措施提供可供参考的理论指导。

技术实现思路

[0004]为了克服上述现有技术的不足，本专利技术提供一种多源异质社会影响下信息—流行病耦合演化分析方法。从理论上分析在活跃度驱动的多层时序网络框架下，社会影响的多源性和异质性对信息—流行病耦合演化过程的影响，可为制定流行病相关政策提供理论指导。
[0005]本专利技术方法首先构建多源异质社会影响下的无意识U
‑
意识A
‑
无意识U—易感S
‑
感染I
‑
易感S模型；然后，根据微马尔可夫链方法，理论推导无意识U
‑
意识A
‑
无意识U—易感S
‑
感染I
‑
易感S模型在不同情形下的流行病阈值β
c
；最后，在多层时序网络框架下，实施多源异质社会影响下信息—流行病耦合演化过程。
[0006]为达到上述目的，本专利技术所采用的技术方案如下：
[0007]一种多源异质社会影响下信息—流行病耦合演化分析方法，应用于活跃度驱动的多层时序网络、信息—流行病耦合动力学领域，操作步骤如下：
[0008]步骤S1：构建多源异质社会影响下的无意识U
‑
意识A
‑
无意识U—易感S
‑
感染I
‑
易感S模型；
[0009]步骤S2：根据微马尔可夫链方法，理论推导无意识U
‑
意识A
‑
无意识U—易感S
‑
感染I
‑
易感S模型在不同情形下的流行病阈值β
c
；
[0010]步骤S3：在多层时序网络框架下，实施多源异质社会影响下信息—流行病耦合演化过程。
[0011]进一步地，所述步骤S1具体步骤为：
[0012]步骤S1.1：活跃度驱动的多层时序网络演化规则：考虑到现实生活中个体之间的动态交互，构建活跃度驱动的多层时序网络演化模型，其中顶层代表信息网络G
V
，底层代表物理接触网络G
P
；为每个节点i分配在物理接触网络G
P
中的活跃度a
i
和信息网络G
V
中的活跃度b
i
,i＝1,2,...,N，N为网络规模，分别服从指数为γ的幂律分布F(a)＝a
‑
γ
和F(b)＝b
‑
γ
，其中，γ用来调节网络的异质性；具体步骤如下：
[0013]1)每Δt时刻，物理接触层瞬时网络G
P
(t)中的节点i以活跃度a
i
被激活变为活跃节点，并随机选择m
P
个节点建立连接；
[0014]2)每Δt时刻，信息层瞬时网络G
V
(t)中的节点i以活跃度b
i
被激活变为活跃节点，并随机选择m
V
个节点建立连接；
[0015]3)在下一时刻t+Δt，删除信息和物理接触层中瞬时网络的所有连边；
[0016]4)重复步骤1)
‑
步骤3)，直到信息和物理层中的传播达到稳态；
[0017]步骤S1.2：考虑到社会影响的多源性和异质性，分析了两种社会影响诱导的意识生成机制，即社会强化和风险感知，具体如下：
[0018]社会强化：在信息层中，基于个体在接受信息之前需要来自多个有意识邻居的通知这一现象，使用阈值模型来描述社会强化；具体而言，只有当有意识邻居的比例达到个体的意识阈值θ时，个体的从众心理才会促使他们接受流行病相关信息；此外，考虑到个体意识阈值的差异性，提出个体意识阈值θ
i
与个体在信息层中的活跃度b
i
相关的三种机制，包括随机相关、线性负相关和线性正相关，如下所示：
[0019]Case 1：意识阈值θ
i
独立于个体在信息层中的活跃度b
i
，公式如下：
[0020]θ
i
＝random[0,1],i＝1,2,...N.
ꢀꢀ
(1)
[0021]值得注意的是，活跃度相同的个体可能有不同的意识阈值；其中，i表示任意个体，N表示人群规模；
[0022]Case 2：意识阈值θ
i
与个体i在信息层中的活跃度b
i
呈负相关，公式如下：
[0023][0024]这里，b
max
表示所有个体在信息层中的最大活跃度，b
min
表示所有个体在信息层中的最小活跃度；
[0025]Case 3：意识阈值θ
i
与个体i在信息层中的活跃度b
i
呈正相关，公式如下：
[0026][0027]风险感知：在现实生活中，当无意识态个体观察到物理接触层中的邻居出现感染症状时，个体的敏感性λ
i
会诱导他们意识到流行病并传播信息；需要注意的是，与社会强化
效应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多源异质社会影响下信息—流行病耦合演化分析方法，其特征在于，步骤如下：步骤S1：构建多源异质社会影响下的无意识U
‑
意识A
‑
无意识U—易感S
‑
感染I
‑
易感S模型；步骤S2：根据微马尔可夫链方法，理论推导无意识U
‑
意识A
‑
无意识U—易感S
‑
感染I
‑
易感S模型在不同情形下的流行病阈值β
c
；步骤S3：在多层时序网络框架下，实施多源异质社会影响下信息—流行病耦合演化过程。2.根据权利要求1所述的多源异质社会影响下信息—流行病耦合演化分析方法，其特征在于，所述步骤S1具体步骤为：步骤S1.1：活跃度驱动的多层时序网络演化规则：考虑到现实生活中个体之间的动态交互，构建活跃度驱动的多层时序网络演化模型，其中顶层代表信息网络G
V
，底层代表物理接触网络G
P
；为每个节点i分配在物理接触网络G
P
中的活跃度a
i
和信息网络G
V
中的活跃度b
i
,i＝1,2,...,N，N为网络规模，分别服从指数为γ的幂律分布F(a)＝a
‑
γ
和F(b)＝b
‑
γ
，其中，γ用来调节网络的异质性；具体步骤如下：1)每Δt时刻，物理接触层瞬时网络G
P
(t)中的节点i以活跃度a
i
被激活变为活跃节点，并随机选择m
P
个节点建立连接；2)每Δt时刻，信息层瞬时网络G
V
(t)中的节点i以活跃度b
i
被激活变为活跃节点，并随机选择m
V
个节点建立连接；3)在下一时刻t+Δt，删除信息和物理接触层中瞬时网络的所有连边；4)重复步骤1)
‑
步骤3)，直到信息和物理层中的传播达到稳态；步骤S1.2：考虑到社会影响的多源性和异质性，分析了两种社会影响诱导的意识生成机制，即社会强化和风险感知，具体如下：社会强化：在信息层中，基于个体在接受信息之前需要来自多个有意识邻居的通知这一现象，使用阈值模型来描述社会强化；具体而言，只有当有意识邻居的比例达到个体的意识阈值θ时，个体的从众心理才会促使他们接受流行病相关信息；此外，考虑到个体意识阈值的差异性，提出个体意识阈值θ
i
与个体在信息层中的活跃度b
i
相关的三种机制，包括随机相关、线性负相关和线性正相关，如下所示：Case 1：意识阈值θ
i
独立于个体在信息层中的活跃度b
i
，公式如下：值得注意的是，活跃度相同的个体或有不同的意识阈值；其中，i表示任意个体，N表示人群规模；Case 2：意识阈值θ
i
与个体i在信息层中的活跃度b
i
呈负相关，公式如下：这里，b
max
表示所有个体在信息层中的最大活跃度，b
min
表示所有个体在信息层中的最小活跃度；Case 3：意识阈值θ
i
与个体i在信息层中的活跃度b
i
呈正相关，公式如下：
风险感知：在现实生活中，当无意识态个体观察到物理接触层中的邻居出现感染症状时，个体的敏感性λ
i
会诱导他们意识到流行病并传播信息；需要注意的是，与社会强化效应不同，即使只有一个邻居被感染，无意识态个体仍会通过风险感知意识到流行病；步骤S1.3：在信息层中，如果个体i意识到流行病，则个体i处于有意识态A；否则，个体i处于无意识态U；在物理接触层中，如果个体i被感染，则个体i处于感染态I；否则，个体i处于易感态S；考虑到信息和流行病的耦合演化，个体i处于以下四种状态：无意识易感态US，有意识易感态AS，无意识感染态UI和有意识感染态AI；步骤S1.4：在信息层中，信息扩散过程定义如下：一方面，无意识态U个体i通过以下三种情形变为有意识态A：(a)当有意识态邻居的比例达到个体i的意识阈值θ
i
时；(b)当物理接触层中的邻居出现感染症状时，个体以敏感性λ
i
意识到流行病；或(c)当无意识态个体i为感染态时，个体以自我意识率κ意识到流行病；在不失一般性的情况下，假设所有个体具有相同的敏感性，即另一方面，有意识态A个体i以遗忘率δ变为无意识态U；步骤S1.5：在物理接触层中，流行病传播过程定义如下：易感态S个体i通过接触感染态I个体以感染率β被感染，感染态I个体i以恢复率μ变为易感态S；特别的是，当易感态S个体i在信息层处于有意识态A时，个体i会采取行为响应通过衰减因子α来降低流行病的感染率。3.根据权利要求1所述的多源异质社会影响下信息—流行病耦合演化分析方法，其特征在于，所述步骤S2具体步骤为：步骤S2.1：在t时刻，节点i处于无意识易感态US，有意识易感态AS，无意识感染态UI和有意识感染态AI的概率分别用和来表示；步骤S2.2：无意识态个体i在信息层保持U态的概率r
i
(t)，公式如下：其中，公式(4)第一项表示无意识态个体i未被信息层中有意识态邻居说服而保持无意识的概率；第二项表示无意识态个体i未被物理接触层中邻居的感染症状诱导而保持无意识的概率；考虑到个体对不同社会影响获得的信息具有不同的偏好，定义Q来表示社会强化的权重；相应地，1
‑
Q表示风险感知的权重；Η(x)表示阶跃函数，当x＞0时，Η(x)＝1，否则，Η(x)＝0；其中，i表示任意个体，j表示除i之外的任意个体，θ
i
...

【专利技术属性】
技术研发人员：王冰，洪潇，韩越兴，
申请(专利权)人：上海大学，
类型：发明
国别省市：