具有粘滞性和持久性的网络信息传播：大聚类系数并不总是促进大规模扩散

最近的实证研究证实了复杂传染机制（如记忆、社会强化和衰减效应）在信息扩散和行为传播中的关键作用。受此启发，我们在此提出了一种新的基于智能体的模型，通过将复杂传染机制量化为粘滞性（stickiness）和持久性（persistence），以捕捉这三种机制在信息传播中的联合作用全貌，并在各种网络上对该模型进行了广泛的模拟。通过数值模拟和理论分析，我们发现信息的粘滞性决定了树状网络上信息扩散的临界动力学，而持久性在致密规则格点上起决定性作用。在任何一种网络中，更大的持久性都能有效地使信息更具侵入性。特别有趣的是，我们的研究结果更新了我们要先前的认知，即信息可以在具有大聚类系数的网络中传播得更广，事实证明这仅当在系统规模趋于无穷大的极限下能告知非零比例的人口时才成立。