为分析时序网络演化速度对传播过程的影响,通过改进已有的时序相关系数定义,给出了一个网络演化速度指标;同时,提出了一个具有非马尔可夫性质的时序网络演化模型。在每个时间步,每一个给定的激活节点都以概率r在网络中随机选择一个节点,以概率1-r在该激活节点的原邻居中随机选择一个节点,并在该激活节点与所选节点间建立连边。模拟结果表明:网络模型参数r与网络演化速度指标之间有单调增的关系;同时,激活节点随机连边的概率r越大,网络传播范围就越广。由此可知:演化速度快的时序网络有利于网络传播;进一步地,网络拓扑结构的快速变化有利于信息的快速传播,但不利于抑制病毒传播。

包含了基于层间相似性的特征向量中心性度量的原文和中文翻译。 部分摘要： 在这篇文章中，我们提出了一种改进的基于特征向量的时序网络中心性度量方法（IECM），将相邻层间的耦合强度视为层间相似度。通过对两个真实网络节点的时间全局效率影响的结果进行比较，发现该方法比传统的ECM方法能更准确地识别出具有影响力的节点。

本代码是基于活跃度驱动模型上时序网络中流行病传播过程的实现，其中包括SIS模型、SIR模型以及SEIR模型

包括时序网络的构建、SIR模型流行病传播过程。