通过广义流行病模型用自激过程建模信息级联

流行病模型和自激过程是两类用于描述线上与线下扩散现象的模型。这些模型最初在不同的科学社群中发展，其共性未被充分探索。本工作首次通过三个新的数学组件建立了这两类模型之间的普遍联系。第一个是具有任意恢复时间分布的随机易感-感染-恢复（SIR）模型的广义版本；第二个是（潜在且任意的）恢复时间分布、恢复风险函数与自激过程的感染核之间的关系；第三个包括用于模拟、拟合、评估和预测该广义过程的方法。在三个大型 Twitter 扩散数据集上，我们对具有三种感染核——指数、幂律和 Tsallis Q-指数——的自激过程进行了拟合优度检验和留出对数似然评估。我们表明，感染核的建模性能随扩散的时间结构以及用户行为（如成为机器人的可能性）而变化。我们进一步通过结合两个被拟合优度检验认定为互补的模型来改进流行度预测。