Detecting the influence of spreading in social networks with excitable sensor networks.
Detecting the influence of spreading in social networks with excitable sensor networks.
复制标题
DOI：
10.1371/journal.pone.0124848
复制
发表时间：
2015
期刊：
影响因子：
3.7
通讯作者：
Zheng Z
中科院分区：
文献类型：
--
作者：
Pei S;Tang S;Zheng Z
利用传感器检测社交网络中的疫情传播具有重要的应用意义。受人类对外界刺激的身体感觉形成机制的启发，我们提出了一种通过构建可兴奋的传感器网络来检测传播影响的新方法。利用可激发传感器网络的放大效应，我们的方法可以更好地检测小规模的传播过程。同时，它也可以区分大规模的扩散实例，由于可激发元素的自抑制效应。通过模拟典型的现实世界的社交网络（Facebook，合著者，和电子邮件社交网络）的不同传播动态，我们发现，兴奋的传感器网络能够检测和排名传播过程的影响范围比其他常用的传感器放置方法，如随机的，有针对性的，熟人和距离策略。此外，我们验证了我们的方法的有效性，从现实世界的在线社交系统，Twitter的扩散数据。我们发现，我们的方法可以检测到更多的传播主题在实践中。我们的方法提供了一个新的方向，传播检测，并应设计有效的检测方法是有用的。
Detecting spreading outbreaks in social networks with sensors is of great significance in applications. Inspired by the formation mechanism of humans’ physical sensations to external stimuli, we propose a new method to detect the influence of spreading by constructing excitable sensor networks. Exploiting the amplifying effect of excitable sensor networks, our method can better detect small-scale spreading processes. At the same time, it can also distinguish large-scale diffusion instances due to the self-inhibition effect of excitable elements. Through simulations of diverse spreading dynamics on typical real-world social networks (Facebook, coauthor, and email social networks), we find that the excitable sensor networks are capable of detecting and ranking spreading processes in a much wider range of influence than other commonly used sensor placement methods, such as random, targeted, acquaintance and distance strategies. In addition, we validate the efficacy of our method with diffusion data from a real-world online social system, Twitter. We find that our method can detect more spreading topics in practice. Our approach provides a new direction in spreading detection and should be useful for designing effective detection methods.
登录
查看更多内容
影响因子：
2.4
作者：
Comin, Cesar Henrique;Costa, Luciano da Fontoura
通讯作者：
Costa, Luciano da Fontoura
影响因子：
56.9
作者：
Barabási, AL;Albert, R
通讯作者：
Albert, R
影响因子：
64.8
作者：
Albert, R;Jeong, H;Barabási, AL
通讯作者：
Barabási, AL
影响因子：
56.9
作者：
Brockmann, Dirk;Helbing, Dirk
通讯作者：
Helbing, Dirk
DOI：
10.1073/pnas.0400335101
发表时间：
2004-06-15
影响因子：
11.1
作者：
Keeling, MJ;Brooks, SP;Gilligan, CA
通讯作者：
Gilligan, CA