权力节点集对网络信息传播的影响研究

发布时间：2020-08-06 10:13

【摘要】：互联网技术的不断发展和完善,给人们的生活方式带来了巨大的变化,社会日趋网络化,人们的生活方式也从传统的线下活动逐渐转移到线上活动,尤其是网络社交平台的出现,对社会交往模式和信息传播模式产生着重要的影响。网络信息的传播速度较快、范围较广、影响力较大,对社会舆论环境起着重要影响,而对网络信息的传播起着关键作用的则是拥有众多粉丝量的影响力节点,因此对于影响力节点的研究也成为了复杂网络的研究热点问题。在众多的研究中,大部分的研究视角多以个体为主,而忽略了影响力节点集集合对信息传播的影响,基于此,本文从集合的视角入手,研究影响力节点集合对信息传播的影响。本文的核心部分主要包括第三章、第四章和第五章。第三章是以2016年4月发生的“北京和颐酒店女生遇袭事件”为例来研究了微博大“V”集合对信息传播的影响,抓取事件在微博上的传播数据,通过研究发现微博大“V”集合网络对信息传播具有重要的影响,并由此引发出本文的核心问题,即影响力节点集对信息传播的影响。第四章内容包括对权力节点集的定义以及权力节点集识别算法的提出,并通过实验验证了算法的正确性。第五章研究权力节点集的网络结构在不同数量以及不同位置信息源的情况下对信息传播的影响。本文从集群的角度出发,研究权力节点集合对信息传播的影响。同时,将信息传播过程中的信息源视为不确定,分别讨论了信息源在不同位置以及不同数量的情况下,权力节点集的作用。通过研究发现权力节点集合对信息传播有着重要影响,其研究结果主要有以下方面:(1)信息传播范围会随着权力聚集系数的增加而增加;(2)权力节点集的网络密度越大,信息传播范围越大;(3)当信息源为权力节点时,信息源数量为单个和多个时的传播效果是相近的。本文的研究结论具有重要的现实意义,能够对信息传播的控制起到指导作用,能够对信息传播成本进行有效的控制,也能够利用权力节点集对信息进行有效的监测和过滤。
【学位授予单位】：山东师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：G206
【图文】：

网络图,随机网络,随机图

该网络的结构特征是其聚类系数 C=1，网络边的数目是 N ( N 1)/2。但际大型社会网络中，几乎不存在用户之间建立全连接的可能，大型网络的连边密度是稀疏的，只有个别特殊小团体可能会存在全连通的可能。最近邻耦合网络是一种稀疏网络，在一个包含 N 个节点的网络中，每个节点左右各 k /2个邻节点相连，由此可以得知，这类网络的拓扑结构是会随着节点位置而发生变化。星形耦合网络中含有一个中心点，其余各节点都与该中心点相连，呈现出发散（2）随机网络随机网络即为随机生成的网络图，最为经典的模型是 Erdos 和 Renyi 于 20 世纪代末开始研究的现在成为 ER 随机图的模型[37]。ER 随机图一般可分为两种，一类固定边数 M 的 ER 随机图 G（N,M），另一种是具有固定连边概率 p 的 ER 随机图 p）。

演化过程,网络模型,特性,“马太效应”

山东师范大学硕士学位论文BA 无标度网络模型是 Barabasi 和 Albert 于 1999 年提出的，它使得无标度网络成科学研究中的一个重要课题[41][42]。Barabasi和 Albert 指出 ER 随机图和 WS 小世界略了实际网络的两个特性：（1）增长特性，即网络的规模是不断扩大的；（2）优特性，即新的节点更倾向于与那些具有较高连接度的 Hub 节点连接，这种现象也“马太效应”，即富者更富[52]。基于以上两个重要特性，Barabasi和 Albert 提出了度网络模型。

示意图,传播过程,示意图,节点

a b c图 2-7 SIR 传播过程示意图图 2-7 是用 Netlogo 软件模拟的包含 100 个节点的网络的 SIR 传播过程示意图将传播概率设置为 0.5，恢复概率设置为 0.1。图中绿色的节点代表易感节点，红色代染节点，紫色代表免疫节点，图 a 是起始状态图，只包含感染节点和易感节点，图传染过程图，包含易感、感染和恢复三种状态的节点，图 c 是传播结果图，所有的感点都逐渐转化为免疫节点和易感节点。本节主要介绍了三种比较经典的传染病模型，SI 模型是相对比较简单的一种模认为个体状态只存在感染和易染两种状态，但是与实际生活中的网络传播情况不符模型与 SIR 模型在 SI 模型的基础之上进行改善，与 SIS 模型相比，SIR 更能完整出个体从易染状态到感染状态再到免疫状态的过程，更加符合实际信息传播过程SIR 模型被普遍应用在网络信息传播的研究中。

【参考文献】