Structural diversity effects of multilayer networks on the threshold of interacting epidemics
Structural diversity effects of multilayer networks on the threshold of interacting epidemics
复制标题
多层网络的结构多样性对相互作用流行病阈值的影响
DOI：
10.1016/j.physa.2015.09.064
复制
发表时间：
2016-02
影响因子：
3.3
通讯作者：
Jin Xiaogang
中科院分区：
文献类型：
--
作者：
Wang Weihong;Chen MingMing;Min Yong;Jin Xiaogang
食源性疾病总是通过多种载体（例如新鲜蔬菜和水果）传播，并揭示多层网络可以通过复杂的相互作用传播致命的病原体。在本文中，首先，我们使用“自上而下的分析框架”，该框架仅依赖于两个分布来描述具有任意层数的随机多层网络。这两个分布是多层网络的重叠度分布和边型分布。其次，基于这两种分布，我们采用多层网络多样性的三个指标来衡量网络层之间的相关性，包括网络丰富度、相似度和均匀度。网络丰富度是形成多层网络的层数。网络相似度是不同层共享相同边的程度。网络均匀度是每层边数的方差。第三，基于简单的流行病模型，我们分析了网络多样性对协作与竞争并存的流行病交互阈值的影响。我们的工作扩展了“自上而下”的分析框架，以应对更复杂的疫情情况和更多样化的指标，并量化了层间协作和层内传播阈值之间的权衡。
Foodborne diseases always spread through multiple vectors (e.g. fresh vegetables and fruits) and reveal that multilayer network could spread fatal pathogen with complex interactions. In this paper, first, we use a ‘‘top-down analysis framework that depends on only two distributions to describe a random multilayer network with any number of layers. These two distributions are the overlaid degree distribution and the edge-type distribution of the multilayer network. Second, based on the two distributions, we adopt three indicators of multilayer network diversity to measure the correlation between network layers, including network richness, likeness, and evenness. The network richness is the number of layers forming the multilayer network. The network likeness is the degree of different layers sharing the same edge. The network evenness is the variance of the number of edges in every layer. Third, based on a simple epidemic model, we analyze the influence of network diversity on the threshold of interacting epidemics with the coexistence of collaboration and competition. Our work extends the ‘‘top-down’’ analysis framework to deal with the more complex epidemic situation and more diversity indicators and quantifies the tradeoff between thresholds of inter-layer collaboration and intra-layer transmission.
登录
查看更多内容
多路复用网络中合作的演变。
影响因子：
4.6
作者：
Gomez-Gardenes, Jesus;Reinares, Irene;Arenas, Alex;Mario Floria, Luis
通讯作者：
Mario Floria, Luis
影响因子：
2.4
作者：
Karrer, Brian;Newman, M. E. J.
通讯作者：
Newman, M. E. J.
具有相似性的相互依存网络的渗透。
影响因子：
2.4
作者：
Hu, Yanqing;Zhou, Dong;Havlin, Shlomo
通讯作者：
Havlin, Shlomo
DOI：
10.1073/pnas.1004008107
发表时间：
2010-08-03
影响因子：
11.1
作者：
Szell, Michael;Lambiotte, Renaud;Thurner, Stefan
通讯作者：
Thurner, Stefan
DOI：
10.1103/physreve.86.036103
发表时间：
2012-04
期刊：
Physical review. E, Statistical, nonlinear, and soft matter physics
影响因子：
--
作者：
Osman Yağan;V. Gligor
通讯作者：
Osman Yağan;V. Gligor