Non-robustness of diffusion estimates on networks with measurement error
测量误差下网络扩散估计的非稳健性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究网络扩散与网络链接、传播种子的测量误差。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
测量误差下网络扩散估计的非稳健性
- 研究问题
- 网络或初始传播种子仅有少量测量误差时，为何扩散位置和规模预测仍可能大幅失真，误差的空间结构如何决定风险？
- 方法与思路
- 作者分别研究种子误测与漏记网络链接，给出跨区域捷径缺失导致严重失败、均匀随机删边可保持稳健的充分条件。
- 材料陈述的贡献
- 摘要称，局部种子误差或占比趋零的漏边都可造成重大预测偏差，即便基本再生数可一致估计，扩散预测仍可能失败。
- 阅读关注点
- 应核对扩散机制、网络与误差的渐近设定、捷径及随机删边条件，并查看预测失败的衡量方式和潜在修正方案的困难。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未给出条件公式或误差阈值，不能认定所有网络误测都致失败。
原文摘要
Network diffusion models are used to study disease transmission, information spread, technology adoption, and other socio-economic processes. We show that estimates of these diffusions are highly non-robust to mismeasurement. First, even when the network is measured perfectly, small and local mismeasurement in the initial seed generates a large shift in the locations of the expected diffusion. Second, if instead the initial seed is known, even a vanishingly small share of missed links causes diffusion forecasts to be significant under-estimates. Forecast failure depends critically on the geometry of measurement error: we provide sufficient conditions for catastrophic failure when missing links bridge distant network regions (acting as shortcuts), and sufficient conditions for robustness when missing links are a uniformly, randomly thinned subset of the full network (preserving network structure). Such failures exist even when the basic reproductive number is consistently estimable. We explore difficulties implementing possible solutions and conduct simulations on synthetic and real networks.