基于PageRank的社交网络影响最大化传播模型与算法研究

社交网络中影响最大化问题是指找出最具有影响力的k个节点,使得最终社交网络中被影响的节点最多,信息传播范围最大。针对影响最大化问题,目前已存在一些基本传播模型,但是这些模型没有考虑网络中节点的相关性和重要性,而网络中节点的相关性和重要性是衡量其影响力的一个重要指标,因此,提出了一种基于网页排名算法的信息传播模型(PageRank-based Propagation Model,PRP),然后利用贪心算法来近似求解影响最大化问题。实验结果表明,基于PageRank的传播模型解决影响最大化问题的效果比传统的线性阈值模型、加权级联模型和独立级联模型的效果更好,影响力范围更大。     

在线社交网络下基于信任度的消息传播模型

社交网络作为一种新兴的媒体具有广泛的社会影响力,且基于社交网络的营销方式逐渐成为一种新的发展趋势,因此研究社交网络中消息的传播具有重大的现实和经济意义。通过借鉴日常生活中人与人之间的信任原理,提出了一种基于信任度的消息传播模型。该模型首先利用个体的公开信息,使用数据挖掘的算法对个体进行分类;然后,根据同类和不同类个体之间的关系计算个体之间的信任度;最后,使用消息与个体的属性相似性以及信任度来计算消息可能传播范围。给出了相应的计算方法,并与两种基准方法对比,结果表明,该模型在准确度上提升15%左右,而所用时间降低50%以上。与数据集统计结果对比,该实验的结果与统计结果相差5%左右,充分表明该模型在实际应用中有比较好的效果。     

在线社交网络下基于信任度的消息传播模型

社交网络作为一种新兴的媒体具有广泛的社会影响力,且基于社交网络的营销方式逐渐成为一种新的发展趋势,因此研究社交网络中消息的传播具有重大的现实和经济意义。通过借鉴日常生活中人与人之间的信任原理,提出了一种基于信任度的消息传播模型。该模型首先利用个体的公开信息,使用数据挖掘的算法对个体进行分类;然后,根据同类和不同类个体之间的关系计算个体之间的信任度;最后,使用消息与个体的属性相似性以及信任度来计算消息可能传播范围。给出了相应的计算方法,并与两种基准方法对比,结果表明,该模型在准确度上提升15%左右,而所用时间降低50%以上。与数据集统计结果对比,该实验的结果与统计结果相差5%左右,充分表明该模型在实际应用中有比较好的效果。     

基于局域信息的社交网络信息传播模型

针对传统传播模型更适用于均匀网络而无法有效应用于现实非均匀无标度社交网络的问题,提出一种基于用户局域信息的社交网络信息传播模型。模型中考虑了无标度网络中用户间拓扑特征差异和用户影响力不同对信息传播的影响,根据节点周边邻居节点的感染情况和权威性计算感染概率,模拟现实社交网络中的信息传播情况。通过在采集的真实微博网络数据上进行仿真实验,结果表明该模型较传统的SIR模型更能体现社交网络中信息传播的快速性与范围的广泛性;同时,通过调整模型中的相关参数,验证了相关管控措施对传播效果的影响。     

基于在线社交网络的舆论传播模型研究

考虑了真实社交网络中的舆论传播过程中存在与舆论大方向相悖的劣势观点,在MORENO Y等人研究的谣言传播模型的基础上,提出了一种新的舆论传播模型,研究了拥有劣势观点节点的存在对舆论演化带来的影响。接着对模型建立动态方程并进行分析求解,得到舆论传播的最终规模的表达式。最后,在Facebook用户数据构成的网络上进行仿真分析,得出舆论演化过程中的状态变化情况,并分析最终规模的影响因素。     

基于社交网络的信息传播模型分析

随着社交网络的蓬勃发展,网络舆论的控制变得越来越重要。信息传播模型能够揭示信息传播的规律,从而达到对传播过程进行预测的目的,因此社交网络信息传播模型的研究具有重要意义。针对经典传染病模型的不足进行了分析,结合社交网络的网络拓扑特点,考虑了网络中用户的不同感染状态,引入感染用户的衰减函数,提出了适合社交网络的信息传播模型。在真实E-mail网络中进行模型仿真,对比分析了不同模型的结果,研究了模型中各个影响因子对传播过程的影响。结果表明：不同的模型参数反映了传播趋势的差异,模型反映出的传播规律更符合信息在现实网络中的传播过程。     

社交网络中基于网络结构支撑模型的谣言传播研究

结合结构支撑理论,探究节点网络结构支持力的一些性质,提出了社交网络结构中的全网支持力和被支持力的总量一致性,并进一步提出计算节点支持力的方法。谣言作为特殊信息,在支持力不同节点之间的传播特性有所不同,借鉴随机游走模型中的PageRank计算方法,对不同节点支持力的谣言传播以及传播后的辟谣状况进行了仿真模拟,结果表明支持力不同的节点对于谣言传播和辟谣影响明显。     

在线社交网络的信息传播

定位和溯源是控制信息传播的基础,理解和研究信息传播过程则是溯源的前提.在线社交网络(online social network,OSN)是网络生活的重要内容,用户在在线社交语境中进行的一系列活动从本质上来讲都是在进行信息交互,针对这一语境下信息扩散的特征,综合现有研究中的传染病传播模型的设计思路,基于CSR模型,提出一种新型的模型CSRR,为在线社交网络的进一步分析提供重要的参考和依据,同时为公安机关的侦查工作和舆情监管提供技术支持.     

在线社交网络中信息传播模式的特征分析

在线社交网络以其独特的传播优势,已成为一种流行的社交媒体平台。针对在线社交网络中信息传播模式的形式特点,结合传染病动力学原理,提出了在线社交网络中的信息传播模型。模型考虑了不同用户行为对传播机理的影响,并建立了不同用户节点的演化方程组,模拟了信息传播的过程,分析了不同类型的用户在网络中的行为特征以及影响信息传播的主要因素。实验结果表明：不同类型的用户在信息传播过程中有着特定的行为规律,信息不会无限制地传播,并在最终达到平稳状态,并且传播系数和免疫系数越大,信息传播达到稳态的速度就越快。     

基于引力学的在线社交网络空间谣言传播分析模型

社交网络空间的谣言传播行为具有极大的危害性,探索谣言传播规律与分析模型成为当前研究的热点之一.传统谣言传播分析模型大都基于SIR等传染病传播模型,能对在线社交网络空间的谣言传播过程进行粗粒度刻画,但并未充分考虑社交网络本身特征.鉴于此,结合引力学思想,提出了一种新的在线社交网络空间谣言传播分析模型GRPModel.该模型借鉴引力学思想,从用户和谣言信息2个角度出发,探索谣言在用户间的传播规律.以用户为核心,基于用户间的关系、信息在用户间的传播关系、谣言接触率、转发率等对用户影响力、谣言影响力进行建模,对谣言信息的传播进行量化,并充分考虑用户的个性化特征,构建相应的建模与分析函数.最后利用新浪微博真实社交网络空间信息,对GRPModel进行分析验证,验证结果证明了所做模型的正确性和有效性.     

基于情感的社会网传播模型及影响最大化算法研究

针对社会网传播领域的影响最大化问题的研究，将节点本身具备的情感对事件传播的影响力进行了忽略，提出了基于情感的社会网传播模型（Emotion Independent Cascade model，E-IC），关于E-IC模型重点强调了情感影响的最大化基本问题（Influence Maximization Problem based on Emotion，IMPE），在传播整个进程中，融合了用户位置的计算值、后置情感的计算值以及交互概率值。论证并确认基于情感的社会网传播模型问题就是NP-hard问题，并给出近似算法EMS-Greedy。在训练集上调整模型参数，使得传播过程更符合传播规律，通过大规模真实数据集上的实验验证了E-IC模型的有效性。与其他模型相比，E-IC模型在传播范围上扩大了7%左右。     

社交网络信息传播预测与特定信息抑制

近年来,随着Twitter、Facebook、新浪微博等社交网站用户数量的激增,信息数量急剧膨胀,隐藏在海量信息中的不实信息的传播带来了不良的影响,如何调控或抑制特定信息的传播是网络信息管理面临的一项技术挑战.为了解决这一问题,首先从真实微博网络出发,基于机器学习方法提出了不依赖于传播模型的独立信息转发预测机制,从而对信息的传播进行预测;其次,基于独立级联模型,综合考虑本文场景的特殊性,提出了异步信息不平等竞争传播模型作为特定信息与免疫信息的竞争传播机制;最后,提出了3个种子节点集合选择算法,通过向选择的种子节点注入免疫信息使得免疫信息在网络中广泛传播从而抑制特定信息的传播.基于真实社交网站数据的实验证明,提出的信息传播预测模型以及种子节点选取算法对特定信息传播的调控和抑制具有良好的效果.     

一种基于邻居节点间相互影响和改进概率的社交网络信息传播模型

目前网络传播动力学的研究焦点之一是以经典的传染病动力学模型为基础,来研究特定网络的信息传播规律。本文针对社交网络中信息传播的特点,在传统的SIR模型基础上,加入新的一类假免疫节点,建立了SDIR模型。并考虑到邻居节点间的相互影响,定义了三个传播概率函数,对SDIR模型做了改进。通过对比不同条件下信息传播的过程,实验证明了信息不能覆盖全网络,Twitter比新浪微博有更好的信息传播效率的推测,并发现初始传播概率会对信息传播有重要影响。     

一种在线社会网络的信息扩散预测模型*

论文针对在线社会网络中的信息扩散问题,提出了一个信息扩散的预测模型。首先给出了以好友关系作为用户距离度量的方法;然后将信息扩散看作是“社会扩散”和“内部扩散”两种方式同时作用的结果,并分别将Fick扩散理论和Logistic增长模型用于描述这两个过程,设计了Fick‐Logistic扩散预测模型。最后,用该模型对Digg数据集中最具代表性的新闻实例进行预测。较高的预测准确率表明,论文提出的Fick‐Logistic扩散预测模型能较好描述Digg在线社会网络中的信息扩散过程,具有较好的预测性能。     

基于SIRS的微信信息传播模型

微信高速发展已成为人际关系交流的一个重要平台,在社会网络信息传播中占据着独特的地位.以传染病模型为基础,建立基于微信信息传播模型,利用实验数据,在多情景下分析模型参数和信息源对微信信息传播范围及特征等的影响.通过对微信信息传播影响因素改变,其仿真结果与微信传播的特征具有很好的吻合度,对管控利用微信具有重要意义.     

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。     

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...     

Competition and Information Deception in Online Social Networks

This study empirically examines the role of competition in determining intentions toward personal information deception (PID) among users of online social network (OSN) sites. PID refers to OSN users intentionally misrepresenting or refusing to disclose online personal information. The research proposes that consumers’ intentions toward PID depend on their desire for online competition with other OSN users, which in turn depends on user appraisals of available status and hedonic benefits, as well as established social norms around competition. An analysis of data gathered from 499 OSN participants (students enrolled at a state university in the southeastern United States) shows that competitive desires represent an important antecedent of PID behavior in OSN contexts. Theoretical and practical implications of the research are also discussed.