基于信息传播的社交网络拓扑模型

发布时间：2020-01-26 18:59

【摘要】：研究社交网络的拓扑结构有利于深刻理解信息在人际网络中的传播过程以及社交网络所具有的拓扑特性。考虑到信息传递具有有向性,通过结合现实生活中信息传播所遵循的规律构造加权有向拓扑模型模拟信息传递的动态性,从而更好地仿真社交网络的拓扑结构。实验结果表明,模型所生成网络的拓扑结构的度、势分布以及度—势相关性具有明显的幂律分布特性;同时,通过分析所生成网络的聚类系数、核数和基尼系数,验证了其具有社交网络的聚集特性、层次性和异质性。
【图文】：

流程图,构建模型,流程,节点

大的节点建立连接，故而在新节点刚进入网络时，会根据节点出势选择已有节点与其建立连接。由于模型中边的权值表示节点间信息交流的强度，因此节点的势越大，表明该节点在信息传递过程中的重要性越大，，则新节点可通过与该节点建立连接从而迅速融入网络。3.3模型描述与分析通过模型构建的具体过程可以看出，本文在构建模型时综合考虑了个体影响力和现实生活中普遍存在的朋友推荐现象对基于信息传播的社交网络拓扑结构的影响，并且通过引入外部参数δ来调节个体影响力和朋友推荐这2个因素对模型拓扑结构的影响。图1一个时间步内构建模型的流程如果设定外部参数δ的值为1，那么此时的模型仅考虑个体影响力对社交网络拓扑结构的影响，在网络的每一个生长演化时间步中，新节点根据节点的影响力选择与一个已有节点进行信息交流。当外部参数δ的值大于1时，模型综合考虑个体影响力和朋友推荐这2个因素对社交网络拓扑结构的影响。当一个新节点i进入网络后，首先会根据节点的影响力选择与一个已有节点j进行信息交流；接着，新节点可能会再次从网络中选择一个影响力较大的节点k与之进行信息交流，或者新

分布情况,分布情况,节点,δ值

≤(8)通过上述对某一时刻节点的度和势变化的数学分析（如式(7)和式(8)所示）可知，模型中节点的度分布和势分布是与参数p相关的，而由模型的具体演化过程可知参数p的值是由外部参数δ决定的，因此，可通过设定不同的δ值来改变模型中节点的度和势分布。4仿真实验为了验证所构建的网络模型的有效性，本文利用多个评估参数对所生成网络的拓扑结构进行分析。在仿真实验中，设定初始网络规模n0=5，最后生成的网络规模为N=5000。实验中通过对比不同δ值下的节点度分布来分析外部参数δ对网络拓扑结构的影响。从图2中可以发现，对应不同的δ值，网络的节点度分布是不同的。当δ=1时，节点度分布服从指数为2.35的幂律分布，此时的网络实际上就是以节点出势为衡量图2不同δ所对应的节点度分布情况

【参考文献】