.png){kind=icon}
返回
An immunization method using a context-based centrality in multiplex networks
.png){kind=icon}
PRE
AI
DOI：10.1017/nws.2026.10026.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在控制传染病爆发中优先考虑免疫节点至关重要。本文提出了一种针对多重网络的免疫策略；我们特别建模了两层：感染传播的物理层和信息传输的虚拟层。我们假设各层具有不同情境，并利用此识别最适合的度中心性指标。对于感染层，我们选择PageRank，因其已被证明在确定减少传播的关键节点方面有效。对于意识层，我们展示了紧密度中心性是衡量信息沿短路径传递质量的更好指标。因此，我们提出多重组合PageRank（MCPR），结合两层的中心性来免疫最重要节点。模拟采用扩展的SIR-UA模型，利用感染与意识动态的相互作用，应用于麻疹和天花情景。在合成网络和真实世界哥本哈根网络研究数据集上的验证表明，MCPR在控制流行病规模方面始终优于经典方法。在模拟中，当免疫预算非常有限时，MCPR确实比单层PageRank免疫策略和现有的多重PageRank方法取得了更好的结果。真实世界验证显示，在10%的免疫覆盖率下，麻疹流行病规模减少了2.2%，天花减少了7%，参数优化后提升至9.5%。敏感性分析表明，提高意识传播和信息质量可极大帮助控制感染。
Keyword:
network immunization
centrality measures
multiplex network
context
Multiplex PageRank
