复杂网络上的信息传播与免疫策略研究

发布时间：2017-08-02 12:38

  本文关键词：复杂网络上的信息传播与免疫策略研究

  更多相关文章： 信息传播 传播模型 话题 在线社交网络 网络模型 聚类系数 免疫

【摘要】：本文先简单介绍了复杂网络理论在信息传播和免疫中的研究现状、复杂网络理论基础、常用传播模型和基本免疫策略,然后对在线社交网络话题传播模型、加权网络中多信息传播以及抑制不良信息传播的免疫策略等进行了研究,得到了一些具有一定创新性的研究成果。具体研究工作总结如下：1、根据真实在线社交网络中话题传播的特点,提出一种基于在线社交网络的话题传播模型。此模型充分考虑了用户的个体差异μi、用户对信息的记忆效应P(k)、信息自身固有属性λ和话题传播属性e-βi。然后在BA无标度网络模型和Facebook数据集上研究了模型参数对话题传播的影响。研究发现,当每个用户对话题接受能力μ的均值都为0.5但服从不同概率分布时,会对传播规模带来一定影响。在网络平均度较大时,服从正态分布的μi话题传播规模大于服从均匀分布的；而当网络平均度和话题自身传染率都较小时,服从上述两种概率分布的μ,话题传播规模相差不大。研究还发现,用户看到话题次数与参与概率函数P(k)的峰值和平衡值的变化都会对话题传播带来影响,且平衡值改变带来的影响大于峰值。而当峰值和平衡值同时变化时,他们对话题传播范围的影响是可以相互补偿的。增大传染率衰减速率调节因子β,会使话题传播率随时间增加而加速衰减,从而缩短话题在网络中的传播时间,最终造成话题传播峰值和传播范围的降低。当β和P(k)共同作用时,我们发现β对话题传播范围的影响明显大于P(k)。2、在加权网络中研究了具有竞争关系的两条信息的传播,其中S1具有传播占优的特点,S2处于传播弱势。通过先在GBBV加权网络模型中仿真,后在5个真实数据集上验证的方法,从网络结构和初始传播数量两个方面研究了处于竞争劣势的S：的传播特点。研究发现当网络平均度约大于4后,传播S2的人数在随时间变化的过程中会出现一个峰值,然后再下降到一个平衡状态,并且k越大到达峰值所用时间越短,传播到达稳定也越快。从网络结构角度来看,网络的平均度对S2传播规模的影响最大,当平均度约小于8时,S2的传播范围能大于S1,并且当(k≈4时,最有利于S2的传播,此规律与网络的规模、聚类系数、网络平均边权的大小关系不大。研究还发现网络平均边权增大能抑制网络的整体传播规模,使得最终不传播信息的人数增加,同时它还能起到加快传播速度的作用。从初始传播数量角度,虽然S2初始传播数量的增加能使S2在人群中的传播规模的峰值以及传播速度的峰值增加,但其却对S2稳定时传播规模的影响不大,尤其是当网络平均度比较大时,NSO.的增加几乎不影响稳态S2的传播规模。3、对免疫策略进行研究,提出了一种聚类免疫的方法,然后使用改进的经典谣言传播模型,在可变聚类系数无标度网络上研究了该免疫策略的适用情形和有效性。研究发现,当网络连接较稀疏、网络平均度较小时,聚类免疫的效果随着网络聚类系数的增加而增强；当网络连接较紧密,网络平均度较大时,聚类免疫失效。接着对网络连接较稀疏时,不同聚类系数下,聚类免疫、介数免疫、目标免疫和紧密度免疫这几种免疫策略的效果进行了比较。比较发现,无论网络聚类特性如何,介数免疫始终是四种免疫方法中最好的,当聚类系数较大时,聚类免疫的效果超过紧密度免疫接近目标免疫,进一步增大网络的聚类系数,聚类免疫的效果会超过目标免疫而接近介数免疫。最后得出聚类免疫适用于连接较稀疏,聚类系数较大的无标度网络的结论。
【关键词】：信息传播 传播模型 话题 在线社交网络 网络模型 聚类系数 免疫
【学位授予单位】：广西师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O157.5
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 第1章 绪论10-15
• 1.1 复杂网络研究概述10
• 1.2 复杂网络理论在信息传播与免疫中研究现状10-14
• 1.2.1 复杂网络理论在信息传播中的研究现状10-13
• 1.2.2 复杂网络理论在传播免疫中的研究现状13-14
• 1.3 本论文内容安排14-15
• 第2章 复杂网络理论基础15-25
• 2.1 网络的表示方法15
• 2.2 复杂网络的统计特性15-18
• 2.2.1 度与度分布15-16
• 2.2.2 平均路径长度16
• 2.2.3 节点连接中心性16
• 2.2.4 节点介数16-17
• 2.2.5 聚类系数17
• 2.2.6 k-核与k-壳17-18
• 2.3 网络模型18-25
• 2.3.1 小世界网络模型18-20
• 2.3.2 BA无标度网络模型20-21
• 2.3.3 BBV加权网络模型21-23
• 2.3.4 GBBV加权网络模型23-25
• 第3章 传播模型与免疫策略25-31
• 3.1 基本流行病传播模型25-28
• 3.1.1 SI模型25
• 3.1.2 SIS模型25-26
• 3.1.3 SIR模型26-27
• 3.1.4 SEIR模型27-28
• 3.2 基本免疫策略28-31
• 3.2.1 随机免疫28
• 3.2.2 目标免疫28-29
• 3.2.3 熟人免疫29-31
• 第4章 基于在线社交网络的话题传播模型31-43
• 4.1 话题传播机理与模型31-32
• 4.2 模型参数仿真与分析32-41
• 4.2.1 服从不同概率分布的μ_i对话题传播的影响32-34
• 4.2.2 用户看到话题次数与转发概率函数的仿真34-39
• 4.2.3 话题传播随时间变化特性仿真39-41
• 4.3 总结41-43
• 第5章 加权网络上具有竞争关系的多信息传播研究43-58
• 5.1 具有竞争关系的多信息传播模型43-45
• 5.2 信息在加权网络模型中传播45-52
• 5.2.1 网络结构对传播的影响45-49
• 5.2.2 初始数量对传播的影响49-52
• 5.3 信息在真实数据集网络中传播52-57
• 5.3.1 网络结构对传播的影响53-55
• 5.3.2 初始数量对传播的影响55-57
• 5.4 总结57-58
• 第6章 可变聚类无标度网络上的谣言免疫策略研究58-65
• 6.1 网络模型及谣言模型58-59
• 6.1.1 可变聚类系数无标度网络模型58-59
• 6.1.2 谣言传播模型59
• 6.2 免疫策略59-60
• 6.2.1 已有的免疫策略60
• 6.2.2 聚类免疫60
• 6.3 仿真实验结果60-63
• 6.3.1 聚类免疫效果和聚类系数的关系61-62
• 6.3.2 聚类免疫和其它免疫效果比较62-63
• 6.4 结论63-65
• 第7章 总结与展望65-67
• 7.1 总结65
• 7.2 展望65-67
• 参考文献67-75
• 攻读硕士学位期间的科研成果75-76
• 致谢76-77

【参考文献】

中国期刊全文数据库 前1条

1 周涛,柏文洁,汪秉宏,刘之景,严钢;复杂网络研究概述[J];物理;2005年01期

，

本文编号：609359