在线社会网络用户的信息分享行为预测研究

在线社会网络中信息的传播路径包含着用户对内容、来源等的偏好信息,研究运用信息的传播路径来预测用户信息分享行为的方法。基于传播路径的信息过滤能力研究了信息在网络中的传播过程和信息传播路径的转换方法。运用基于关联规则的分类算法对在线社会网络中的信息分享行为进行预测。以新浪微博为例对微博用户的转发行为进行了预测,结果表明该方法对在线社会网络中的活跃用户的信息分享行为的预测具有较好的效果。     

基于行为分析的微博信息传播效果

微博的传播效果研究对于提高市场营销效率、加强舆情监控和准确发现热点具有重要作用。针对以前传播效果研究中未考虑用户个体差异的问题,提出一种基于行为分析的微博转发规模和传播深度预测方法。从微博用户自身、用户关系和微博内容3个方面提取9个相关特征,结合逻辑回归（LR）方法提出一种转发行为预测模型,并基于此模型结合信息沿用户传播特点,通过逐级对相邻用户迭代统计分析得到转发规模和传播深度预测方法。在新浪微博数据集上的实验结果表明,所提方法对转发规模和传播深度预测的正确率分别约为87.1%和81.6%,能较好地预测出信息传播效果。     

信息传播中的用户转发选择预测

在线社会关系网络中,用户之间的关注关系网络承载着上层的信息传播,关注关系网络的结构影响着消息的可见度,并影响着信息传播过程的转发选择。以新浪微博为例,围绕信息传播中的多次暴露现象展开研究,结合用户关注关系网络的结构,探索信息传播过程中多次暴露情形下用户转发选择行为的模式和规律。针对信息传播中用户在多个暴露源下的转发选择预测问题,融合消息内容、网络结构、时序和交互历史等多方面因素,建模和预测用户转发选择。实验结果表明,新方法的预测准确率高达91.3%。     

改进的SCIR模型中社交网络信息传播研究

社交网络中用户转发是信息传播的重要渠道,研究用户转发模式和信息传播规律,将有利于在网络话题传播过程中进行监控和抑制。现有的建模研究中,存在模型通常缺少时效性,用户行为难以准确刻画的问题。因此,着重分析了社交网络用户行为模式,基于用户连接强度和邻居节点的影响改进了转发概率计算,其次在经典的传染病动力学SCIR模型中,引入在线和离线状态的节点,通过用户在线比率控制网络活跃度。仿真结果表明,该模型相较传统SCIR模型在信息传播过程中具有较好的稳定性和更高的覆盖率,节点属性变化走势更加接近真实网络,可以较好地模拟社交网络中的热点话题的传播规律。     

微博中转发行为的预测技术综述

在线社交网络中,微博平台的便捷性和开放性,给信息的传播和爆发提供了很大的便利。转发是微博平台上用户的重要行为,也是信息传播的关键机制。基于转发行为,分析一条推文是否被用户转发或者一段时间后的转发量,可以使我们更好地了解信息的传播特性,探索用户的行为与兴趣,以此推进信息推荐、预防突发事件和舆情监控等应用发展。该文较为系统地梳理了预测微博是否被转发及某段时间后的转发量这两方面的相关研究工作,着重阐述了基于用户、社交和内容特征的预测模型建立的过程并评价其预测性能,分析了微博转发行为的相关预测技术面临的挑战,展望了未来的可能研究方向。     

新浪微博网信息传播分析与预测

文中以新浪微博为研究对象,以分析新浪微博的信息转发与传播特征为研究目的,并对传播行为进行预测.在获取大量新浪微博在线数据的基础上,对各种可能影响用户转发行为的因素进行统计、分析,挖掘各种影响因素特征并进行建模.提出基于用户属性、社交关系和微博内容三类综合特征,使用机器学习的分类方法,对给定微博的用户转发行为进行预测.基于微博网关注关系拓扑,利用概率级联模型对给定微博的转发路径进行预测,为预测微博的影响范围提供依据.文中通过实验分析了新浪微博符合复杂网络特征、社交类特征对转发行为有重要影响,并验证了传播预测的有效性.     

区块链社交网络信息传播模型的优化研究

区块链的出现使得社交网络信息传播的模式发生了改变,如用户信任度、信息传播的转发概率等。因此,在传统社交网络信息传播模型的基础上,通过对用户行为模式的着重分析,基于用户信任度和经济激励等影响因素优化了转发概率;新增了合约状态节点解释用户的理智性,基于此提出区块链社交网络信息传播模型。理论与仿真分析表明,该模型在区块链社交网络的信息传播过程中具有较好的稳定性和敏感性,节点属性变化走势更加接近真实网络,能够较好地模拟区块链环境下社交网络中信息的传播规律。     

预测信息传播中的转发选择

在信息传播中,用户在重复接收同一信息的情况下其转发行为会具有一定的倾向性。对这种转发的倾向性建模是影响力分析、传播动力学、社会推荐等一系列信息传播相关应用研究领域中的一个关键问题。本文假设用户的转发选择行为主要由用户间的人际影响力决定。人际影响力的大小由信息传播者的影响力和信息接收者的易感性共同作用。本文从真实的信息传播记录中推断出用户隐式的影响力和易感性,进而提出了一种转发选择模型。该模型能够有效解决目前方法存在的对转发选择行为建模不充分和模型泛化能力差的问题。本文选取典型的转发选择建模方法作为比较,将所提的转发选择模型在新浪微博数据上进行对比验证。实验表明,本文所提的模型在两种评价指标上均取得更好效果,证明了所提模型的有效性。     

社交网络用户谣言转发行为预测算法

社交网络谣言转发行为是指用户是否转发特定谣言。以往研究主要针对的是谣言在群体中的传播规律,鲜有针对个体传播行为的研究。基于信息传播理论,研究首次提出两类谣言个体转发影响因素的框架:谣言发布者以及谣言内容对个体的影响力。研究使用NLP相关技术和复杂网络分析算法等技术计算出相关特征;最后使用常见分类算法进行预测用户是否转发谣言。基于数据的实验结果表明,论文提出的算法可以有效提高预测谣言转发的准确性。     

一个基于随机森林的微博转发预测算法

转发(Retweet)是微博中一个重要的信息传播机制,用户可以将其关注者(Follower)的有趣微博转发到自身平台,分享给他的粉丝(Fan),快速地实现微博信息的传播。主要对微博转发预测进行了研究,首先提取了重要特征,比如用户间的微网络结构、权重比率、用户个人信息等,以研究用户微博转发行为,然后基于以上特征提出了一个随机森林微博转发预测算法(RFMR)。实验结果表明,RFMR算法优于其他分类算法,可以有效地用来预测微博转发。     

社交网络影响的不良信息扩散建模及最优控制策略

针对已有不良信息传播模型没有考虑不同社交网络间信息扩散情况,利用图论中的连通性原理,建立了多个社交网络间不良信息扩散的动力学模型,并且将优化控制理论应用到模型中。通过最优控制原理,证明了最优控制策略的存在性,进一步得到了不良信息扩散的优化控制模型。实验结果表明,引入优化控制措施可以有效抑制不良信息扩散规模,而且控制策略的强度可以根据需要进行动态调整。另外,通过模拟不同社交网络间是否有信息相互传递,发现社交网络间的信息传递会增大不良信息扩散的规模和速度。     

Distinguishing re-sharing behaviors from re-creating behaviors in information diffusion

Social media plays a fundamental role in the diffusion of information. There are two different ways of information diffusion in social media platforms such as Twitter and Weibo. Users can either re-share messages posted by their friends or re-create messages based on the information acquired from other non-local information sources such as the mass media. By analyzing around 60 million messages from a large micro-blog site, we find that about 69 % of the diffusion volume can be attributed to users’ re-sharing behaviors, and the remaining 31 % are caused by user re-creating behaviors. The information diffusions caused by the two kinds of behaviors have different characteristics and variation trends, but most existing models of information diffusion do not distinguish them. The recent availability of massive online social streams allows us to study the process of information diffusion in much finer detail. In this paper, we introduce a novel model to capture and simulate the process of information diffusion in the micro-blog platforms, which distinguishes users’ re-sharing behaviors from re-creating behaviors by introducing two different components. Thus, our model not only considers the effect of the underlying network structure, but also the influence of other non-local information sources. The empirical results show the superiority of our proposed model in the fitting and prediction tasks of information diffusion.     

非线性扩散和变分模型在矢量图像去噪中的应用

分析了非线性扩散、基于整体变分方法的ROF模型以及矢量图像耦合技术的原理,比较了这些扩散、去噪模型的优缺点。根据矢量图像耦合思想将TV流运用到矢量图像扩散中,并参考ROF模型逼近项变分模型的优点,提出了基于非线性扩散、ROF模型和矢量图像耦合原理的改进TV流矢量图像耦合扩散模型,目地是在彩色图像中,去噪同时更好地保留图像轮廓、边缘等重要信息。实验对比分析了改进前后模型的去噪效果,并分析了改进模型下正、逆向扩散在彩色图像去噪中的作用。实验结果表明,改进的矢量图像耦合扩散模型能有效地保持彩色图像中的边缘信息,同时具有良好的去噪性能,且改进模型下,正、逆向扩散的性质在彩色图像去噪工作中仍能保持。     

基于图注意力网络的信息级联外源因素建模研究

现有的信息级联预测方法忽略了外源因素对传播级联演化过程的影响以及个体在外源因素影响下的行为偏好,同时对底层的社交网络图结构信息的分析效果欠佳。为解决上述问题,该文提出基于图注意力网络的信息传播外源因素建模方法,利用图注意力机制提取社交图的结构信息,通过卷积神经网络对传播级联的时序信息进行分析,从而捕获外源因素的影响,利用循环神经网络对传播路径进行建模,最后在考虑到个体受外源因素的影响程度后进行级联预测。在Twitter、Douban和Memetracker三个真实数据集上的实验结果表明,相比于同类工作,该文提出的级联预测模型的性能较优。     

MODM: multi-objective diffusion model for dynamic social networks using evolutionary algorithm

A lot of research efforts have been made to model the diffusion process in social networks that varies from adoption of products in marketing strategies to disease and virus spread. Previously, a diffusion process is usually considered as a single-objective optimization problem, in which different heuristics or approximate algorithms are applied to optimize an objective of spreading single piece of information that captures the notion of diffusion. However, in real social networks individuals simultaneously receive several pieces of information during their communication. Single-objective solutions are inadequate for collective spread of several information pieces. Therefore, in this paper, we propose a Multi-Objective Diffusion Model (MODM) that allows the modeling of complex and nonlinear phenomena of multiple types of information exchange, and calculate the information worth of each individual from different aspects of information spread such as score, influence and diversity. We design evolutionary algorithm to achieve the multi-objectives in single diffusion process. Through extensive experiments on a real world data set, we have observed that MODM leads to a richer and more realistic class of diffusion model compared to a single objective. This signifies the correlation between the importance of each individual and his information processing capability. Our results indicate that some individuals in the network are naturally and significantly better connected in terms of receiving information irrespective of the starting position of the diffusion process.     

节点传播能力的偏好随机行走的信息传播方法

随机行走是社交和生物系统中用来模拟传播过程的标准化工具,针对真实社交网络中任意程度的有偏随机行走过程和由优先转移概率定义的偏向性,提出了一种新的用于研究社交网络的影响力传播范围最大化的方法,称之为基于节点传播能力的偏向性随机行走的网络信息传播方法（DCID）,该方法随机从网络中选择一个信息传播源节点,使得该模型更加符合真实的社交网络;通过节点能承受的传播信息的内容量参数以及偏向性随机行走的参数来作为节点的优先转移概率;并通过影响力传播函数来衡量信息的影响力传播范围,以此达到信息传播范围的最大化。从真实的不同规模的社交网络中选定这两个参数值,并验证了提出的模型在不同规模社交网络中信息的覆盖率和算法运行时间的性能上有所提升。     

Understanding how the semantic features of contents influence the diffusion of government microblogs: Moderating role of content topics

Understanding users’ behavior mechanism of information diffusion on government microblogs is helpful for formulating effective strategies to promote public participation. However, limited effort has been made to examine the effects of extensive textual features and their differences on different topics. Therefore, on the basis of the elaboration likelihood model, we develop a model to explain how the extensive semantic features will influence the diffusion of government microblog posts with different topics. A model test with real data from Sina Weibo demonstrates the promotional effect of positive words, city names, adjectives/adverbs, and dissimilar contents, and that negative words will hinder the diffusion. The effect of city names for political news is greater than that for living information, while the influence of positive words for living information is greater than that for political news. Contributions to the literature and practice are discussed.     

基于改进CA模型的群体辟谣信息扩散效果预测

公共危机背景下,谣言借助网络、通信渠道快速扩散,扰乱社会秩序,影响社会稳定。为了控制谣言扩散,从群体微观层面的信息协同视角研究辟谣信息扩散的过程及规律,借鉴SEIR模型,引入个体的异质性,采用异质元胞自动机构建辟谣信息扩散模型。研究表明：公共危机事件下辟谣信息交互策略对信息扩散效果具有显著影响;辟谣信息移出率与信息扩散效果负相关;初始辟谣信息传播者的分布类型决定最终辟谣信息扩散效果。     

异质信息网络中基于网络嵌入的影响力最大化

针对当前大部分影响力最大化算法忽略了异质信息网络包含多种节点类型和多种关系类型,且不同类型节点在原始空间无法直接度量的问题,提出了一种异质信息网络中基于网络嵌入的影响力最大化模型（influence maximization based on network embedding,IMNE）,用于选择初始扩散节点实现影响力最大化。该模型不仅可以在对异质信息网络进行编码的同时表征异质信息网络中潜在的信息,还可以捕获不同类型节点间影响力的不确定和复杂性。在3个真实数据集上的实验验证了IMNE算法的有效性。     

社会网络中基于核函数的信息传播模型

摘 要: 传统的社会网络信息传播模型假设整个网络结构是已知的,并在已知的网络上分析信息的动态传播,然而实际的社会网络往往是不完全的。为了研究信息在不完全社会网络上的信息传播,本文提出了一种基于核函数的信息传播模型。首先,根据信息传播在社会网络中的级联关系将网络中的节点映射为到连续的特征空间,并通过节点间的距离反应节点的传播顺序。其次,将信息在网络中的传播描述为特征空间中的能量扩散过程,并采用随机梯度下降法进行优化求解。最后,将信息的内容加入到目标特征空间中,并给出了相应的核函数。实验表明,本文提出的信息传播模型与相关的模型相比较不仅可以弥补社会网络的不完全性,还具有更高的预测性能。