本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2024-03-12
摘要
網路科學日益成為流行病學領域和我們應對傳染病威脅的能力的核心。然而，許多源自現代資料集的網路不僅很大，而且很密集，邊與節點的比率很高。這包括人員流動網絡，其中大多數位置都與許多其他位置有大量連結。模擬大規模流行病需要大量的計算資源，並且在許多情況下實際上是不可行的。減少在這些網路上模擬流行病的計算成本的一種方法是稀疏化，其中基於邊緣重要性的某種度量來選擇邊緣的代表性子集。我們在美國的行動數據上測試了幾種稀疏化策略，從樸素閾值到邊緣隨機採樣。根據電腦科學的最新研究，我們發現最準確的方法使用邊緣的有效阻力，它優先考慮在端點之間移動的唯一有效方式的邊緣。由此產生的稀疏網絡保留了 SIR 模型行為的許多方面，包括全局數量（如流行病規模）和隨機事件的局部細節（包括每個節點被感染的機率及其到達時間的分佈）。即使稀疏網路保留原始網路的邊少於 10%，這一點也成立。除了實用性之外，該方法還有助於闡明加權無向網路中的哪些連結對疾病傳播最重要。