警觉与疾病的传播次序性对动力学的影响

近年来,基于双层网络研究疾病传播与警觉传播的相互作用已引起广泛关注。在该模型框架下,疾病通过物理接触网络传播,而有关疾病的警觉信息则通过虚拟接触网络传播,两个网络具有相同的节点,但对应的连边不同。已有的模型在进行理论分析时,多假设警觉意识的传播先于疾病的传播(ordered model),考虑到在真实情况下,疾病传播和警觉意识的传播难以区分先后顺序,因此该文提出了一种不考虑传播次序的模型(concurrent model)。通过研究发现,两种模型给出相同的疾病爆发阈值,但却给出不同的传播范围,当警觉意识传播率较小的时候,无序模型对应的感染范围会小于有序模型对应的感染范围,但是随着警觉意识传播率的增加,结果会发生反转,即无序性模型会导致疾病的感染范围大于有序性模型。     

基于萤火虫算法的脑效应连接网络学习方法

脑效应连接网络学习是人脑连接组研究的一个重要研究课题,准确识别脑效应连接网络对于脑疾病的早期诊断以及病理研究具有重要意义.本文将萤火虫算法与贝叶斯网相结合,提出了一种带有繁殖机制的脑效应连接网络萤火虫学习方法.新方法使用K2评分作为目标函数来衡量萤火虫个体的绝对亮度,利用萤火虫种群的寻优来完成脑效应连接网络的学习,并利用繁殖机制对种群实施进一步的优化.首先将一种仅含少数边的脑效应连接网络表示成一个萤火虫个体,并通过萤火虫个体的定向移动操作以及随机移动操作逐步构建脑效应连接网络;然后每经过一定代数的寻优后,萤火虫种群执行一次繁殖过程,以优化效应连接网络的质量.最后,当算法收敛时,将萤火虫种群中绝对亮度最高个体所代表的网络结构作为学习到的最优脑效应连接网络.在多组模拟数据集上的实验结果验证了新算法中繁殖机制的有效性,且与其它算法相比,新算法具有明显优势.在真实数据上的实验也表明了算法的潜在实用性.     

基于侥幸心理的自愿接种模型研究

该文基于个体接种疫苗倾向的差异性,结合博弈理论建立了一个基于节点重要性倾向的自愿接种模型;同时,针对人们在选择是否接种时存在的心理因素,建立了一个基于侥幸心理的自愿接种模型。针对疫苗永久有效、疫苗有效期有限和信息存在时间延迟3种情况,借助经典的SIS传染病模型在BA无标度网络与ER随机网络上对上述两个模型的疾病传播进程进行了对比分析。结果表明:若存在侥幸心理,BA网络中的感染节点密度将更大,即对BA网络影响更大;还发现对于该文所设参数,当人们存在侥幸心理时,感染人数增加了2倍以上。     

一类具有长程连接的规则网络同步

在一些自然系统中,各个子系统（单元）是通过互相交换信息的方式,最后达到行为一致,对应于一个具体的网络,可以看作是网络中各个节点之间流的互输入,使整个网络达到同步.基于以上考虑,研究了一类具有长程连接的规则网络的同步,并通过与其他网络同步的比较,考察网络结构以及在网络中增加长程连接对网络同步性能的影响.程序运行表明,该网络比同规模的最近邻耦合网络更易达到同步,且网络中长程连接的数目越多,网络越易达到同步,同步的鲁棒性越强.     

网络信息传播动力学研究

对网络传播机理建模是运用网络和实施控制的基础。针对Web信息传播系统特有的复杂性,借鉴社会物理学的基本思想,对网络状态进行了离散化定义,并根据单信息源传播与机械波类比特征的相似性,提出了一种网站传播影响强度模型,从微观层面模拟网民个体在瞬态时间点上与离散的网站个体交互时,网络传播系统各动力学因子对网民传播行为的动态影响力;在此基础上,采用蒙特卡罗法将该模型与基于Agent仿真模型的个体交互规则相结合,建立了Web信息传播仿真模型。模型的运行结果能很好与实证研究相互印证,为类似问题的建模提供了一种新的思路。     

一种社会网络搜索免疫优化算法

基于社会网络所表现出的强大的信息搜索和传播能力,提出了一种新颖的免疫优化算法--社会网络搜索免疫优化算法．该算法将优化问题的求解看作是信息的传递过程,利用经典社会网络搜索模型即Kleinberg网络模型的建模方法来构造免疫算法的寻优进化过程．通过网络的结构增长机制,分别由短程连接算子和长程连接算子来引入抗体种群中的新个体．当搜索进行到一定程度时,自适应地调整长程连接搜索概率,避免算法陷入局部极值,能够最终找到目标的最优解．短程连接算子和长程连接算子的引入充分利用了抗体种群的结构信息,加快了种群收敛速度,同时降低了算法陷入局部极值点的概率．通过对复杂函数优化问题的测试、理论分析及实验结果表明,与粒子群算法、克隆选择算法等已有算法相比,新算法可以更好地保持解的多样性,收敛速度快,求解精度高,鲁棒性强．     

微博社区演进及信息传播建模分析研究

在真实的微博在线社区网络演进过程中,个体节点间新连接的生成,不仅与个体的节点连接度有关,还与个体节点的吸引力衰变性有关,并存在一定的随机性。针对这种情况,综合考虑个体节点连接度、吸引力衰减性、随机性对在线社区网络演化的影响,提出一个BA模型的改进模型BA*来建模微博社区。结合SIR传播模式,研究了BA*模型的信息传播现象。结果证明,BA*模型更适合分析微博在线社区网络的演进与信息传播。     

基于节点态度的社交网络信息传播模型

为了揭示信息在社交网络中传播的内在规律,对社交网络的信息传播过程进行深入的研究,社交网络的信息传播过程除了受信息本身的吸引力和社交环境的影响,同时受节点对消息的态度的影响。然而,现有信息传播模型对节点态度考虑不足,不能体现节点态度的差异对信息传播所产生影响。本文结合传染病模型并考虑节点态度,提出了一种基于节点态度的社交网络信息传播模型,旨在分析节点态度对信息传播的影响,为研究社交网络的信息传播机理提供理论依据。首先,考虑到不同节点的态度及其变化规则的差异,从个体角度出发,基于节点行为定义了节点态度及其更新原则。其次,在传统传染病动力学SIRS模型基础上,结合信息传播与传染病感染扩散类似的传播机理,综合考虑节点态度对信息传播状态转移的影响,利用社会学习理论得到一种基于节点态度的社交网络传播模型。该模型能够分析节点态度对信息传播的影响,给出传播规则,并刻画信息传播的演化规律。最后,采用新浪微博的真实数据对本文的传播模型进行了仿真实验,仿真结果验证了节点态度影响着信息的传播,证明了本文所提模型能够更准确地描述信息传播规律,反映社交网络的信息传播过程。     

基于多Agent的微博社交网络信息传播模型

针对传统微博社交网络信息传播模型没有考虑用户个体差异性和用户强弱关系的问题,本文建立了基于多Agent的微博社交网络信息传播模型。将微博用户抽象为Agent,并定义Agent的属性,分析微博社交网络信息的传播机制,定义Agent之间的交互规则,考虑不同强弱关系下影响用户转发信息行为的因素,通过仿真实验探究个体态度、影响力、个体间认同度等因素对微博网络信息传播的影响。仿真结果表明,微博信息的传播呈裂变式扩散模式,微博用户的态度、影响力等因素对信息的传播起促进作用,所提出的相关影响变量对有效利用与管控微博信息传播具有一定的启示意义。     

相依型双层Holme-Kim网络合作行为研究

现实世界中的网络往往具有“无标度”、“高聚类”、“相互连接”的特点。为模拟这些特点,该文提出了一种相依型Holme-Kim网络构造算法,并分析了囚徒困境博弈在该算法构造的网络模型上的演化。通过仿真实验,研究了构造算法中提出的连接度、连接概率以及囚徒困境收益矩阵中背叛诱惑等参数对相依型网络上合作行为演化的影响。研究发现在较低的背叛诱惑参数下,同等规模的网络上连接度、连接概率的值越低越有利于相依型网络上合作行为的形成;当背叛诱惑参数超过一定的阈值,会导致网络中大量背叛行为的出现。     

基于SEI3R的微信舆情演化模型

舆情演化包括信息传播和观点演化两个相互交织、相互影响的过程。利用SEIR模型描述个体传播状态转移过程,基于Deffuant 模型描述个体观点交互过程,将传播者细分为正面传播者、负面传播者和中立传播者,建立了融合信息传播和观点演化的SEI³R模型框架。在SEI³R模型框架的基础上,分析微信传播特性,定义社会加强效应和兴趣衰减效应影响下的传播概率、基于亲密度的观点交互关系,建立了微信舆情演化模型。通过仿真实验,研究了信息传播、观点演化以及相互影响的效果,对舆情事件性质、立场调整系数以及用户心理阈值等参数进行了分析。     

基于信息熵的加权基因关联网络融合方法

针对加权基因关联网络（WGAN）的融合问题,提出了基于信息熵的加权网络数据融合方法。该方法利用信息熵来刻画基因间连边的不确定程度,并由此实现对4个现有的人类加权基因关联网络的融合,从而获得一个规模更大、生物学信息更丰富的WGAN网络。融合效果的验证结果表明,新的WGAN网络包含了更多的基因连边,其边权比原始网络中的边权有更强的生物学相关性,同时在疾病基因预测中表现出更为满意的效果。     

社交网络上基于信息驱动的行为传播研究

针对社交网络上信息与行为的交互作用与协同传播的特点,建立了基于信息驱动的行为传播模型。该模型综合反映了社交网络上信息与行为传播的交互性,以及信息传播的记忆性、时效性与社会加强效果等多种因素对传播的影响。研究发现,信息的时效性、社会加强效果、信息的转播率等模型参量,以及源节点的度与核数、节点的度及与源节点距离等网络参量,都在一定程度上影响行为传播的速度和范围,但各参量在不同环境下发挥不同的作用。     

一种用于图卷积网络的社交关系方向门控算法

针对社交网络用户态度分析任务中用户之间原有社交关系方向可能阻碍态度信息流动以及标签扩散的问题,提出了一种应用于半监督图卷积网络的社交关系方向门控算法.该算法首先在原有与逆向社交关系方向上分别进行图卷积运算,得到2种用户节点态度特征向量,然后利用门控机制对2种特征向量进行动态融合.扩展了态度信息传播路径的同时,还能够捕捉用户影响力差异,以自动选择态度信息的流动方向.在2个真实热点话题数据集上的实验结果表明,现有图卷积网络在加入该算法之后,其用户态度分析的准确率能够得到有效提升.     

基于概率加权通信社区SIR模型及信息扩散预测方法研究

针对当前电信网如何有效刻画敏感信息传播特性及对信息扩散进行预测的难题,提出了基于概率加权通信社区信息传播模型及扩散范围预测方法,该模型基于复杂网络传播动力学,考虑了电信网通信社区中用户之间的关系紧密程度、不同的用户类型以及社区中结构等因素对于信息传播的影响.采用该模型并通过扩散过程推演方法进行仿真,仿真结果中可以准确得到各类个体随时间演化的变化趋势.     

校园移动社交网络中基于种子的数据分发算法

为了研究如何利用节点间间歇性连接传输数据,提出了校园移动社交网络中基于种子的数据分发算法,其主要思想是为每一个社区选择一个种子节点,并利用种子节点来进行数据分发.仿真实验表明,与著名的Epidemic、PS和SGBR算法相比,该算法可明显地降低网络开销,同时接近Epidemic算法达到的最大传递率.     

基于抖音平台的在线短视频流行度建模研究

该文分析了"抖音"短视频平台上近1000条短视频播放量的演变模式,由统计规律发现短视频的播放量累计曲线存在两种时变模式——单梯度和多梯度传播模式;为进一步探究不同传播模式产生的原因,该文分析了用户点赞行为和评论情感倾向与播放量的相关性,发现用户的点赞行为会带来短视频进一步的传播,且负向情感评论比例越高,播放量越大.最后...     

综合时间序列分析和新颖性的信息扩散预测

现有信息扩散预测普遍依赖于社会网络构建,从而引发网络链路估计准确率低,信息扩散预测精度差的问题,为此提出了一种综合时间序列分析和信息新颖性的信息扩散预测方法.通过分析信息在网络节点上扩散随时间的变化特性,对网络节点的全局影响力进行估计,并考虑信息产生至节点受影响的时间差来衡量信息新颖性,进而平移调整节点影响力大小,最终实现信息扩散范围的预测.向斯坦福大学所提供测试数据的实验结果表明,新方法准确稳定地预测了信息扩散范围的实时变化.     

视觉测量误差的研究与讨论

通过模拟实验研究发现,测量误差随着标定参照物与摄像机之间距离的增大,及标定参照物与被测量平面间距离的减小,呈现出先增加后减小的趋势,而在标定参照物靠近摄像机时的误差最小．研究还发现,在被测平面到摄像机的距离保持不变时,被测区域越大,测量误差越大．