基于链边特性的网络信息传播研究
发布时间：2021-07-17 20:21
信息社会的加速成型,促使自媒体普及、社交方式多样化,信息传播也变得更加自由、便捷。微博、微信等社交平台中的信息传播是社交网中普遍存在的活动。正面信息的传播往往能对社会产生积极的影响,例如善款筹集、垃圾分类知识科普等;负面信息的传播就会对社会产生消极的影响,例如散播谣言、网络炫富等。用户在面对不同类型的信息时往往会表现出不同的行为,在网络中产生的反响也就不同,不同性质的信息传播也会让社会产生不同的决策心理,所以研究社交网络中信息的传播机制显得尤为重要。复杂网络是研究社交网络的重要基础,现实社会中的关系网络所表现出的复杂性在复杂网络中得到了很好的展现,学者通过类比传染病在复杂网络上的传播特征,构建了多种信息传播模式。本文分别在BA网络和WS网络的基础上规划了新的网络特性,研究了含有亲密关系和非亲密关系下的传播现象。本文相关工作有三个方面:（1）含有显性和隐性链边的信息传播现象:本文通过分析人际关系网络,提出了一种具有亲密显性关系和非亲密隐性关系的社交网络模型。信息的传播过程首先发生在显性网络中,三级传播后密度达到临界阈值时,分析了感染密度和感染比例两种爆发条件,信息在传播过程中会发生隐性链...
【文章来源】：兰州理工大学甘肃省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
WS小世界网络模型演化图
基于链边特性的网络信息传播研究6时，P(k)0，当kK2时，min(2,2)(2)2202(2)()(1)((2))!kKKkKnnKnpKnKpKPkppenkKn(1.7)（3）无标度网络模型随机网络模型和WS小世界网络中，网络的度分布几乎都服从泊松分布，这一类网络也被称为是均匀网络。1999年，Barabasi和Albert提出了BA无标度网络模型[50]，该模型和随机网络模型、WS网络模型一样的是，网络模型中的节点连接具有明显的增长特性和优先连接特性，网络的度分布的最好描述是幂率形式，网络中节点的度的大小没有明显的特征。BA无标度网络模型如图1.2所示，模型的构建算法如下：图1.2BA网络模型示意图①增长机制：从一个含有0m个节点的连通图开始，每次加入一个新的节点并把它连接到0m,(mm)个已存在的节点上。②优先连接：一个新加入的节点与已经存在的节点i相连的概率i满足iijjkk，其中ik为节点i的度。BA网络模型中通常用平均场理论（Mean-fieldtheory）分析度分布,这种近似逼近的方法可以得到近似的幂指数，对于不同属性的网络通过进一步的数学方法可以计算出精确的幂指数。一般分析思路是先假设一个初始网络有0m个节点可以无限的增长(t)，t时刻节点i的度为()ikt，则加入一个新的节点后节点i的度增加1的概率为：
stititdtdrtitdt(1.12)其中s(t)、i(t)和r(t)分别表示S状态个体、I状态个体和R状态个体在t时刻占整个人群的比例，则有s(t)i(t)r(t)1。表示信息传播的概率，表示信息被遗忘（或个体失去传播兴趣）的概率。三种状态个体数量变化如图1.4所示。SIR模型中，传播临界值是衡量信息能否爆发传播的主要条件，均匀网络中的传播临界值为，表示I状态个体在t时刻内平均能感染个S状态个体，显然1是该模型的临界值，当1时，信息能够在网络中广泛传播，当1时，信息会逐渐消失，不会在网络中广泛传播。图1.3SIR模型图
【参考文献】：
期刊论文
[1]SE2IR Invest Market Rumor Spreading Model Considering Hesitating Mechanism[J]. Hongxing YAO,Xiangyang GAO. Journal of Systems Science and Information. 2019(01)
[2]基于节点综合相似度的多标签传播社区划分算法[J]. 郝梓琳,李雷,施化吉. 计算机应用研究. 2019(06)
[3]Rumor Spreading Model with Immunization Strategy and Delay Time on Homogeneous Networks[J]. 王静,王亚奇,李敏. Communications in Theoretical Physics. 2017(12)
[4]基于引力学的在线社交网络空间谣言传播分析模型[J]. 谭振华,时迎成,石楠翔,杨广明,王兴伟. 计算机研究与发展. 2017(11)
[5]参照零模型的双层网络结构相关性检测[J]. 崔丽艳,许小可. 科技导报. 2017(14)
[6]基于超网络的社会化标注行为[J]. 潘旭伟,傅青苗. 系统工程. 2015(03)
[7]基于SCIR的微博舆情话题传播模型研究[J]. 丁学君. 计算机工程与应用. 2015(08)
[8]一种基于节点相异度的社团层次划分算法[J]. 罗明伟,姚宏亮,李俊照,王浩. 计算机工程. 2014(01)
[9]一种基于超网络视角的复杂网络社团区划算法[J]. 武澎,王恒山,刘奇. 计算机应用研究. 2014(02)
[10]零模型及其在复杂网络研究中的应用[J]. 陈泉,杨建梅,曾进群. 复杂系统与复杂性科学. 2013(01)
本文编号：3288855
【文章来源】：兰州理工大学甘肃省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
WS小世界网络模型演化图
基于链边特性的网络信息传播研究6时，P(k)0，当kK2时，min(2,2)(2)2202(2)()(1)((2))!kKKkKnnKnpKnKpKPkppenkKn(1.7)（3）无标度网络模型随机网络模型和WS小世界网络中，网络的度分布几乎都服从泊松分布，这一类网络也被称为是均匀网络。1999年，Barabasi和Albert提出了BA无标度网络模型[50]，该模型和随机网络模型、WS网络模型一样的是，网络模型中的节点连接具有明显的增长特性和优先连接特性，网络的度分布的最好描述是幂率形式，网络中节点的度的大小没有明显的特征。BA无标度网络模型如图1.2所示，模型的构建算法如下：图1.2BA网络模型示意图①增长机制：从一个含有0m个节点的连通图开始，每次加入一个新的节点并把它连接到0m,(mm)个已存在的节点上。②优先连接：一个新加入的节点与已经存在的节点i相连的概率i满足iijjkk，其中ik为节点i的度。BA网络模型中通常用平均场理论（Mean-fieldtheory）分析度分布,这种近似逼近的方法可以得到近似的幂指数，对于不同属性的网络通过进一步的数学方法可以计算出精确的幂指数。一般分析思路是先假设一个初始网络有0m个节点可以无限的增长(t)，t时刻节点i的度为()ikt，则加入一个新的节点后节点i的度增加1的概率为：
stititdtdrtitdt(1.12)其中s(t)、i(t)和r(t)分别表示S状态个体、I状态个体和R状态个体在t时刻占整个人群的比例，则有s(t)i(t)r(t)1。表示信息传播的概率，表示信息被遗忘（或个体失去传播兴趣）的概率。三种状态个体数量变化如图1.4所示。SIR模型中，传播临界值是衡量信息能否爆发传播的主要条件，均匀网络中的传播临界值为，表示I状态个体在t时刻内平均能感染个S状态个体，显然1是该模型的临界值，当1时，信息能够在网络中广泛传播，当1时，信息会逐渐消失，不会在网络中广泛传播。图1.3SIR模型图
【参考文献】：
期刊论文
[1]SE2IR Invest Market Rumor Spreading Model Considering Hesitating Mechanism[J]. Hongxing YAO,Xiangyang GAO. Journal of Systems Science and Information. 2019(01)
[2]基于节点综合相似度的多标签传播社区划分算法[J]. 郝梓琳,李雷,施化吉. 计算机应用研究. 2019(06)
[3]Rumor Spreading Model with Immunization Strategy and Delay Time on Homogeneous Networks[J]. 王静,王亚奇,李敏. Communications in Theoretical Physics. 2017(12)
[4]基于引力学的在线社交网络空间谣言传播分析模型[J]. 谭振华,时迎成,石楠翔,杨广明,王兴伟. 计算机研究与发展. 2017(11)
[5]参照零模型的双层网络结构相关性检测[J]. 崔丽艳,许小可. 科技导报. 2017(14)
[6]基于超网络的社会化标注行为[J]. 潘旭伟,傅青苗. 系统工程. 2015(03)
[7]基于SCIR的微博舆情话题传播模型研究[J]. 丁学君. 计算机工程与应用. 2015(08)
[8]一种基于节点相异度的社团层次划分算法[J]. 罗明伟,姚宏亮,李俊照,王浩. 计算机工程. 2014(01)
[9]一种基于超网络视角的复杂网络社团区划算法[J]. 武澎,王恒山,刘奇. 计算机应用研究. 2014(02)
[10]零模型及其在复杂网络研究中的应用[J]. 陈泉,杨建梅,曾进群. 复杂系统与复杂性科学. 2013(01)
本文编号：3288855
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3288855.html
