追踪物理学中的跨领域模因

以美国物理学会旗下期刊2000—2019年发表的论文和Web of Science论文摘要为基础,用模因短语刻画知识,构建模因关系网络并引入跨学科测度Rao-Stirling指数以计算模因的跨领域分数,从而追踪物理学中的跨领域模因。分别从网络拓扑结构指标、跨领域测度指标和专业术语对比3个方面进行验证,证明了所提的模因关系网络和模因的跨领域分数可以有效反映知识在不同领域间的扩散现象。

基于多粒子随机游走免疫算法

针对目标免疫基于度中心性获取网络全局信息较为困难,且基于网络介数中心性的算法复杂度高的问题,引入多粒子随机游走算法甄别一组网络中易受影响的节点。对比经典免疫策略在8个真实数据集上进行SIR(suspected-infectedrecovered/removed)与SI(suspected-infected)传播实验,结果表明,基于随机游走的免疫算法在不同规模与不同结构特性的网络上均具有更低的时间复杂度,且不需获取全局信息也可达到低传播范围。该算法在低免疫率下抑制网络传播范围与目标免疫相当,在高免疫率下则具有较好效果。