利用朋友作为传感器检测全球规模的传染性爆发

最近的研究集中在监测全球规模的在线数据，以改进对流行病、情绪模式、股票市场波动、政治革命、票房收入、消费者行为以及许多其他重要现象的检测。然而，隐私考虑和在线数据的庞大规模正迅速使全球监测变得不可行，现有方法并未充分利用局部网络结构来识别关键节点进行监测。在这里，我们开发了一个全球规模、公开表达的社会网络中信息传染性传播的模型，并表明一个简单的方法不仅可以实现早期检测，还可以提前预警传染性爆发。在该方法中，我们随机选择网络中的一小部分节点，然后随机选择每个节点的“朋友”加入一个局部监测组。使用来自几乎整个Twitter空间六个月的數據，我们表明这个朋友组在网络中更中心化，并且它帮助我们比使用同等大小的随机选择组提前约7天检测到新标签使用的病毒式爆发。此外，该方法实际上比仅凭网络结构预期的效果更好，因为高度中心的参与者更活跃，并且他们传递给其他人的信息多样性也更高。这些结果表明，局部监测不仅更高效，而且更有效，并且全球规模网络中的其他传染过程也可能被类似地监测。