利用历史感染结果的传播网络推理

摘要

人与人之间的影响关系构成了以人为节点的传播网络.掌握传播网络中影响关系的拓扑结构和强度对理解历史传播机制、预测未来传播趋势具有重要意义.然而，现实中这些影响关系难以直接观测，通常只能通过历史传播中的感染数据进行推理.现有传播网络推理方法大多依赖于精确的感染时间数据，但这种数据难以获取，限制了方法的实际应用.本文尝试利用节点在各历史传播中的最终感染状态，而非精确的感染时间数据，进行传播网络推理.首先，本文将推理问题建模为影响关系拓扑结构和强度的非线性规划问题；并通过考察节点间感染结果的统计关联，来对影响各节点的潜在父节点进行剪枝，缩小解空间并得到初始解；然后，采用差分进化-共轭梯度混合优化方法对初始解进行优化，最终得到传播网络的推理结果.实验结果表明，本文方法在推理结果准确性上优于现有代表性方法.

关键词

传播网络推理 / 非线性规划 / 网络拓扑结构