社交网络中基于用户动态交互机制的信息传播模型研究
发布时间：2020-09-09 17:50
随着计算机和移动终端技术的发展,基于互联网的社交网络平台正日益深入到大众的日常生活和工作学习中,成为了社会信息扩散的主要场所和重要的信息来源。深入理解社交网络用户信息传播行为及其信息扩散机制,对于网络舆情监控和电子商务市场发展具有重要的意义。用户在互联网上的信息传播具有快速性、不确定性等特点,且社交网络上基于用户关系网络等多种影响因素的级联式信息传播方式导致信息传播路径的复杂化,对研究互联网上的信息扩散建模提出了严峻挑战。社交网络上的信息扩散涉及信息、用户、网络的复杂交互机制及动态演化关系,需要从多层次和多尺度建模来实现对系统有序的协同分析和机制理解。然而,现有研究主要处理静态的影响因素及单一层次上的信息传播结果,无法有效解决信息传播中的复杂性和不确定问题。鉴于此,本文结合信息科学,复杂网络理论,传播动力学等学科的思想和方法,融合用户信息偏好和关联关系提出基于用户动态交互行为的agent信息传播模型,并结合安然电子邮件数据和推特社交平台数据对不同场景下的社交网络信息传播与网络演化机制进行了建模与仿真研究。本文的主要工作包括:1)针对电子邮件信息传播平台,建立基于用户动态选择行为的信息传播模型。首先,应用安然电子邮件数据,挖掘用户和邮件的关键属性,如用户职位,邮件参与者职位集合等,并据此构建用户间的交流规则及邮件信息偏好等。在此基础上,通过融合用户多维影响力及用户选择传播内容的信息偏好提出一个基于agent的安然邮件信息传播模型。特别的,模型还使用了一个随机游走过程模拟用户使用邮件平台的频率。与真实数据的仿真对比结果表明,本文提出的基于agent的信息传播模型能够较好地再现邮件社会网络平台上网络、用户和信息等多个不同角度上的特征分布和涌现模式。最后,我们还研究了模型中影响力交互强度对于传播结果的影响。2)针对推特社交网络平台,建立针对用户动态转发行为的推文信息传播模型。首先,基于推特平台关注网络上的用户关系和交互网络上的推文转发,分析用户之间的多维关系特征,挖掘不同因素对于信息传播的影响。进一步,在对用户、信息、网络之间的动态交互机制分析的基础上,充分考虑基于关注关系的多维用户交互影响力,基于已转发次数和推文与用户传播历史相似度的动态推文偏好影响力,及用户对于推文的有限注意力,提出基于agent的推特推文信息传播模型。从网络、用户和信息等多个不同角度的特征分布和涌现模式的结果对比,验证了模型在模拟真实世界中推特社交平台信息传播和网络演化机制上的有效性。最后,我们从初始信息传播者角度探讨了传播最大化问题。本文基于用户动态交互机制的agent信息传播扩散建模与研究,以社交平台数据挖掘和多模式识别结果为基础,建立用户多维关联关系及信息偏好的双重耦合作用的定量分析及动态演化模型,并通过从网络、用户和信息等多个层次和尺度的特征分布和涌现模式对实验结果进行对比和分析,验证了本模型模拟不同社交平台上的信息传播的有效性。同时,本文的研究为信息传播影响力度量和信息传播模型评价的提供了新的解决思路和方法,对深入揭示多样性因素对于信息传播的影响及从多层次和多尺度揭示信息传播网络演化发展具有一定的科研和现实意义。
【学位单位】：湖南大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：TP393.09;G206
【部分图文】：
社交网络中基于用户动态交互机制的信息传播模型研究内大量扩散，造成巨大影响。微博的这种独特的用户表达方式吸引着越来越多的用户参与其中。以最具代表性的推特为例，口数量的用户，每天全球 5.5 亿用户使用着各种不同的语言对进行浏览、评价与分享，全球用户每月耗费在这个社交网站上分钟。最近几年，在美国与全球若干起政治经济等社会大事人瞩目的关键角色。推特社交平台及其各种依附产品占据了用，并承载着用户的各种社会关系，使所有使用推特的用户都存络之中。
图 1.2 研究路线技术图1.3.3 章节安排本文的具体内容和组织安排如下所示：第一章是绪论，介绍了社交网络信息传播的研究背景和意义，并分别从基于用户、信息和网络等方面对社交网络影响力，及从影响力和基于传播过程对信息传播建模等相关工作及研究现状进行了总结评述，本章的最后是研究目标与研究内容。第二章是本文研究课题的基础知识的介绍，包括社交网络的相关特征，拓扑参量，经典的网络模型。第三章应用安然电子邮件数据，提出了基于用户动态交互机制的电子邮件信息传播 agent 模型，并对仿真实验结果进行讨论和分析。第四章对推特社交网络的实际数据进行挖掘和研究，提出基于用户动态交互机制的推文信息传播 agent 模型，并对仿真实验结果进行讨论和分析。最后是本文的参考文献列表，附录及致谢等内容。
图 2.1 完全规则网络到完全随机网络的过渡图 2.1 显示了网络的集聚系数和平均路径长度随重连概率 p 的变化关系。下面给出小世界网络的度分布函数、平均路径长度和聚类系数。度分布函数可以表示为：pNkekpNpk !()( )(2.12)上式是针对 k 大于等于 2K 的情况，当 k 小于 2K 的时候，p(k)等于 0。平均路径长度可以表示为：L log( N)(2.13)平均聚类系数可以表示为：3(1)2(21)3(1)pKKC (2.14)从公式也可以看出，当 N 较大时，WS 小世界网络有很小的平均路径长度（接近于随机网络）和很大的平均聚类系数（接近于规则网络）。此外，还有一种典型的 NW 模型，该模型通过随机化加边的方法构造小世界网络[61]。其构造方法中
本文编号：2815279
【学位单位】：湖南大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：TP393.09;G206
【部分图文】：
社交网络中基于用户动态交互机制的信息传播模型研究内大量扩散，造成巨大影响。微博的这种独特的用户表达方式吸引着越来越多的用户参与其中。以最具代表性的推特为例，口数量的用户，每天全球 5.5 亿用户使用着各种不同的语言对进行浏览、评价与分享，全球用户每月耗费在这个社交网站上分钟。最近几年，在美国与全球若干起政治经济等社会大事人瞩目的关键角色。推特社交平台及其各种依附产品占据了用，并承载着用户的各种社会关系，使所有使用推特的用户都存络之中。
图 1.2 研究路线技术图1.3.3 章节安排本文的具体内容和组织安排如下所示：第一章是绪论，介绍了社交网络信息传播的研究背景和意义，并分别从基于用户、信息和网络等方面对社交网络影响力，及从影响力和基于传播过程对信息传播建模等相关工作及研究现状进行了总结评述，本章的最后是研究目标与研究内容。第二章是本文研究课题的基础知识的介绍，包括社交网络的相关特征，拓扑参量，经典的网络模型。第三章应用安然电子邮件数据，提出了基于用户动态交互机制的电子邮件信息传播 agent 模型，并对仿真实验结果进行讨论和分析。第四章对推特社交网络的实际数据进行挖掘和研究，提出基于用户动态交互机制的推文信息传播 agent 模型，并对仿真实验结果进行讨论和分析。最后是本文的参考文献列表，附录及致谢等内容。
图 2.1 完全规则网络到完全随机网络的过渡图 2.1 显示了网络的集聚系数和平均路径长度随重连概率 p 的变化关系。下面给出小世界网络的度分布函数、平均路径长度和聚类系数。度分布函数可以表示为：pNkekpNpk !()( )(2.12)上式是针对 k 大于等于 2K 的情况，当 k 小于 2K 的时候，p(k)等于 0。平均路径长度可以表示为：L log( N)(2.13)平均聚类系数可以表示为：3(1)2(21)3(1)pKKC (2.14)从公式也可以看出，当 N 较大时，WS 小世界网络有很小的平均路径长度（接近于随机网络）和很大的平均聚类系数（接近于规则网络）。此外，还有一种典型的 NW 模型，该模型通过随机化加边的方法构造小世界网络[61]。其构造方法中
【参考文献】
相关期刊论文 前3条
1 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
2 刘亮;邱晓刚;陈彬;樊宗臣;;人工社会中社会网络构建研究[J];系统仿真学报;2014年10期
3 何祥;骆祥峰;;基于关联语义链网络的文本聚类方法[J];上海大学学报(自然科学版);2014年02期
本文编号：2815279
本文链接：https://www.wllwen.com/xinwenchuanbolunwen/2815279.html
