通过识别局部接触网络瓶颈实现针对性大流行遏制
社会与信息网络
2021-09-15 v3 物理与社会
种群与进化
摘要
大流行缓解决策常依赖于仿真建模。通过个体或人口中心间接触网络传播疾病的模型正日益用于此类目的。真实接触网络富含影响感染传播的结构特征，例如彼此弱连接的紧密局部社区。本文提出一种基于流的边介数中心性新方法，用于检测连接接触网络中节点的瓶颈边。具体而言，我们利用基于p范数网络流扩散思想的凸优化公式。通过使用COVID-19在个体与县级真实网络数据上传播的仿真模型，我们证明，针对所提方法识别的瓶颈边进行干预，比最先进的边介数方法多减少多达10%的感染病例。此外，所提方法比现有方法快数个数量级。
引用
@article{arxiv.2006.06939,
title = {Targeted Pandemic Containment Through Identifying Local Contact Network Bottlenecks},
author = {Shenghao Yang and Priyabrata Senapati and Di Wang and Chris T. Bauch and Kimon Fountoulakis},
journal= {arXiv preprint arXiv:2006.06939},
year = {2021}
}
备注
38 pages, 21 figures