在线社交网络上信息传播的相关研究

发布时间：2020-11-22 09:16

　　 随着信息时代的发展,计算机﹑科技﹑手机﹑互联网﹑社交网络等关键名词已成为人们日常生活中接触度较广的几个信息时代相关的专有代名词。与此同时,这些信息时代的产物,它们所带来的便利也是大家有目共睹的。以社交网络为例,它的成功搭建与应用,使得人们日常生活中彼此联系与交流更加方便与快捷。微信﹑QQ﹑微博等在线社交网络应用在给人们带来便利的同时,也改变着人们的交流方式。微博,因为其社交网络应用度很广,以其为切入点构建合适的网络信息传播模型,对研究在线社交网络上的信息传播规律,分析网络上的信息传播特点,实现网络信息传播的有效监管等都有着积极的意义。本文主要工作如下:(1)论文在对转发行为影响因素分析中,提出了基于转发影响因素的SCIR信息模型。通过对消息转发力度﹑用户影响力﹑个体信任水平﹑内容相似性﹑有效转发率五个转发行为的特征性分析,给出了行为影响力计算公式。并将行为影响力应用于提出的SCIR模型中,其取值在文中直接作为C节点转变为I节点的内部传播速率p的取值。并通过SIR模型和SCIR模型在BA模型﹑WS模型和新浪微博三种网络环境中的对比实验,表明SCIR模型无论在信息传播的全网覆盖率还是传播稳定性上都优于SIR模型。(2)以单层网络为背景的在线网络上信息传播研究能够做到统筹全局﹑整体性分析网络节点的传播规律,但是鉴于信息传播具有一定的局域性与特异性,单纯的整体性网络研究对于实际网络中信息传播过程的刻画仍具有局限性,故而论文中提出了DTM-SIR分层网络模型。将整个网络虚拟为信任层与信息层两层,实际上信息层作为辅助层是虚化出来的,它上面的个体与信息层的个体属于同一个体,因为所处功能层不同而属性有所差异,而实际传播层仍是信息层,只是因为信任层的影响,信息传播速率与网路覆盖率较SIR模型有明显性提升。利用博弈论分析出的信任层个体状态过程中的转变因子引入传染病动力学微分方程中,通过模型比对,表明文中提出的DTM-SIR具有很好的适用性。
【学位单位】：兰州理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP393.09;G206
【部分图文】：

入度就是指向该节点的边数总和，出度则表示的是该节点指向其他节点的边数之和。网络中所有节点的平均度<k>，就是网络 G 中所有节点 j 的度jk 的平均值。分布函数 P(k)用于描述网络中节点度的分布情况，它指的是随机选定节点的度为k 的概率。泊松分布与幂律分布。完全随机网络的度分布(Degree distribution)情况可以近似为 Poisson 分布，其概率分布式和分布图表示分别如公式(2.1)和图 2.1(a)。因为其分布图在远离峰值<k>处指数下降，那么当 k>> <k>，度为 k 的节点实际上并不存在，故而该类网络也称为均匀网络(homogeneous network)。近些年通过对实际网络的大量研究表明，许多真实网络的度分布与 Poisson 分布有明显差别。但是能用如图 2.1(b)所示的无标度(scale-free)分布更好地描述网络中的度分布情况。因为幂律分布函数具有无标度特性，所以幂律分布也叫做无标度分布，故而具有幂律分布的网络也可被称之为无标度分布网络。,0,1,2,(2.1)!( ) kkkPxkekk

(a)全局耦合网络 (b)最近邻耦合网络 (c)星形耦合网络图 2.2 规则网络实例图2)随机网络Erdos 和 Renyi 提出的 ER 随机网络是一个经典的随机网络模型。ER 随机的 G(N,p)生成方法的思想为：以概率 p 连接 N 个节点中的每一对节点。图表示节点数为 10，p 依次为 0﹑0.1﹑0.25﹑0.4 的一组 ER 随即图的演化实(a)p=0,ER 随机图 (b)p=0.1,ER 随机图

(a)p=0 时 WS 小世界网络 (b)p=0.5 时 WS 小世界网络 (c)p=1.0 时 WS 小世界网络图 2.4 WS 小世界网络演化过程图(N=10，K=4)4)无标度网络Barabasi 和 Albert 的提出的无标度网络模型，简称为 BA 无标度网络模型。该模型提出了两个之前研究中并未被考虑到的实际网络的重要特性：1)增长性，也就是网络本身的规模会出现扩大趋势，例如新浪微博中不断有新的用户产生；2)优先接入性，新生节点趋向于与大度节点相连接。设定初始时有两个节点，那么 BA 模型的演化图则如图 2.5 所示。
【参考文献】

相关期刊论文 前10条

1 郑志蕴;郭芳;王振飞;李钝;;基于行为分析的微博传播模型研究[J];计算机科学;2016年12期

2 李娟;周学广;陈斌;郑笛;;基于概率递减机制的信息传播模型构建与分析[J];海军工程大学学报;2016年01期

3 李娟;陈斌;;基于SI模型的信息传播研究[J];信息系统工程;2015年08期

4 丁学君;;基于SCIR的微博舆情话题传播模型研究[J];计算机工程与应用;2015年08期

5 周东浩;韩文报;王勇军;;基于节点和信息特征的社会网络信息传播模型[J];计算机研究与发展;2015年01期

6 陈波;唐相艳;于泠;刘亚尚;;基于胜任力模型的社交网络意见领袖识别方法[J];通信学报;2014年11期

7 王超;杨旭颖;徐珂;马建峰;;基于SEIR的社交网络信息传播模型[J];电子学报;2014年11期

8 郭静;曹亚男;周川;张鹏;郭莉;;基于线性阈值模型的影响力传播权重学习[J];电子与信息学报;2014年08期

9 丁鑫;刘其成;张伟;;一种改进的微博网络信息传播与预测模型[J];中国科学技术大学学报;2014年07期

10 赵蓉英;曾宪琴;;微博信息传播的影响因素研究分析[J];情报理论与实践;2014年03期

相关硕士学位论文 前3条

1 黄玮鹏;基于扩展独立级联模型的竞争影响最大化传播[D];云南大学;2015年

2 陈乾国;复杂网络上流行病传播动力学行为及其免疫控制策略研究[D];西南大学;2013年

3 易成岐;社会网络的信息传播规律研究[D];哈尔滨理工大学;2013年

本文编号：2894471