接触者追踪网络中的疫情源检测：图中的疫情中心性与消息传递算法
社会与信息网络
2022-02-28 v2 离散数学
摘要
我们研究将接触者追踪网络中的疫情源检测问题建模为基于流行病学易感-感染模型的图约束最大似然估计问题。基于感染子图的快照观测，我们分别研究了有限度正则图与含环正则图，从而建立了无环图情形与有环图情形在最大似然比上的数学等价性。特别地，我们表明最大似然估计器的最优解可基于一种新颖的统计距离中心性精炼为图上的距离，该中心性刻画了这一非凸问题的最优性。随后提出一种高效的接触者追踪算法以解决含多个环的有限度正则图的一般情形。我们在多种图上的性能评估表明，利用2003年SARS和2019年COVID-19大流行的接触者追踪数据，我们的算法通过在新加坡和台湾一些最大的超级传播感染簇上正确识别超级传播者，优于现有的最先进启发式方法。
引用
@article{arxiv.2201.06751,
title = {Epidemic Source Detection in Contact Tracing Networks: Epidemic Centrality in Graphs and Message-Passing Algorithms},
author = {Pei-Duo Yu and Chee Wei Tan and Hung-Lin Fu},
journal= {arXiv preprint arXiv:2201.06751},
year = {2022}
}