کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6874943 1441464 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Modeling and analysis of epidemic spreading on community networks with heterogeneity
ترجمه فارسی عنوان
مدل سازی و تجزیه و تحلیل گسترش همه گیر در شبکه های اجتماعی با ناهمگونی
کلمات کلیدی
ترجمه چکیده
تعداد زیادی از شبکه های دنیای واقعی ساختار جامعه را نشان می دهند و جوامع مختلف اغلب دارای ناهمگونی هستند. در این مقاله، با توجه به ناهمگونی در میان جوامع، ما یک شبکه شبکه جدید ایجاد می کنیم که در آن جوامع اختلاف معنی داری را در درجه متوسط ​​می بینند. بر اساس این شبکه اجتماعی ناهمگن، ما یک مدل اپیدمی ریاضی جدید برای هر جامعه پیشنهاد می کنیم و دینامیک بیماری همه گیر در این مدل شبکه را بررسی می کنیم. ما دریافتیم که محل گره عفونت اولیه تنها بر سرعت گسترش و تأثیرات ناچیزی بر شیوع اپیدمی تاثیر می گذارد. و آستانه اپیدمی کل شبکه با افزایش ناهمگونی در میان جوامع کاهش می یابد. علاوه بر این، شیوع اپیدمی با افزایش ناهمگونی در اطراف آلودگی اپیدمی افزایش می یابد، در حالی که وضعیت در حال مکالمه زمانی که میزان آلودگی بسیار بیشتر از آستانه اپیدمی است، افزایش می یابد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
A large number of real world networks exhibit community structure, and different communities may often possess heterogeneity. In this paper, considering the heterogeneity among communities, we construct a new community network model in which the communities show significant differences in average degree. Based on this heterogeneous community network, we propose a novel mathematical epidemic model for each community and study the epidemic dynamics in this network model. We find that the location of the initial infection node only affects the spreading velocity and barely influences the epidemic prevalence. And the epidemic threshold of entire network decreases with the increase of heterogeneity among communities. Moreover, the epidemic prevalence increases with the increase of heterogeneity around the epidemic threshold, while the converse situation holds when the infection rate is much greater than the epidemic threshold.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Parallel and Distributed Computing - Volume 119, September 2018, Pages 136-145
نویسندگان
, , , , , ,