下载掌阅APP，畅读海量书库
立即打开
本书以复杂网络上的传播动力学为中心，围绕生物传播、社会传播及社会—生物传播三个主要研究点，系统地研究网络结构、传播机制及控制策略对传播动力学的影响。本书将分 6 章来详细地阐述以上三个研究点。
第 1 章简要地介绍了复杂网络上的传播动力学的研究内容和意义，还介绍了生物传播、社会传播和社会—生物传播的最新研究进展，以及本书创新点和章节安排。
第 2 章介绍复杂网络和网络传播动力学。对于复杂网络，主要介绍它的历史、常见刻画指标和经典模型。对于传播动力学，主要介绍经典传播模型、刻画指标、计算机模拟方法和经典理论分析方法。
第 3 章详细地研究了复杂网络上的生物传播。平均场类型（MFL）方法、淬火平均场（QMF）方法和动态信息传递（DMP）方法是三类常用于预测爆发阈值的方法。对于同一个网络，它们的预测值往往存在一定差异，而理论阈值之间的关联性和准确性仍然欠缺。鉴于此，第 3.1 节研究所预测的理论预测值之间的关联性和准确性。对于权重网络上的疾病传播，准确的理论方法仍然欠缺。因此，在第 3.2 节中，将首先拓展一套准确的边权划分理论方法，然后进一步提出一个基于边权大小的免疫策略来控制疾病传播。
第 4 章研究复杂网络上的社会传播。第 4.1 节提出一个基于非冗余信息记忆加强效应的社会传播模型，并且拓展一套准确的边划分方法。鉴于不同个体之间差异性的存在，在第 4.2 节中研究采纳阈值异质性对社会传播的影响。由于个体受有限资源的限制，导致个体只有有限的接触能力。第 4.3 节研究个体的有限接触能力对社会传播的影响，并拓展一套异质边划分方法来刻画这一动力学过程。
第 5 章研究社会—生物传播。在第 5.1 节中，通过分析真实信息—疾病共演化数据的时间序列，发现系统存在非对称耦合作用：疾病传播促进信息扩散，信息扩散抑制疾病传播。基于这一非对称耦合机制，第 5.2 节进一步提出一个通讯—接触双层网络上的信息—疾病共演化模型。在模型中假设存在一个简单的免疫机制：当接触网络上的易感态节点的耦合节点接收到了消息时，就以一定的概率被免疫。重点研究信息扩散和疾病传播之间的相互影响。由于免疫存在一定的风险和代价，因此理性的人都会通过各种渠道来确认自身是否有被疾病感染的风险。在第 5.3 节中，提出一个在通讯—接触网络上基于多源信息确认机制的信息—疾病传播模型，并且拓展一套异质平均场方法来研究这一动力学过程。
第 6 章总结全书的主要研究内容，并展望未来复杂网络上的传播动力学的研究方向。