社交网络中考虑节点度的演化博弈

在谣言传播过程中,针对度不同的节点具有的辨识能力不同,结合节点度定义一种新的博弈收益,借助博弈论建立一种动态复杂网络演化模型。该模型考虑到谣言传播往往与节点利益相关这一特点,通过引入辨识能力描述不同节点的非一致传播率,研究谣言在该模型上的传播动力学行为,并提出两种谣言抑制策略。随后,利用两种典型网络模型进行仿真实验,并在Facebook真实网络数据中对仿真结果进行验证。研究表明,谣言模糊程度对BA（Barabási-Albert）无标度网络和Facebook网络中谣言传播速率及达到稳定状态所需时间影响较小,随着谣言模糊程度增大,谣言在网络中传播范围变大,相对于WS（Watts-Strogtz）小世界网络,谣言更容易在BA无标度网络和Facebook网络中传播;研究还发现,免疫收益增加值相同时,与BA无标度网络和Facebook网络相比,WS小世界网络中免疫节点的增长幅度更大;此外,通过节点危害程度进行抑制比通过博弈收益进行抑制具有更好的谣言抑制效果。     

基于传播者心理差异的随机谣言传播模型

社交网络已经成为信息时代的主流媒体,因此研究社交网络上的谣言传播动力学行为有助于更好地理解谣言传播机理。考虑到社交网络经常受环境因素的影响,导致网络拓扑结构是时变的,引入随机扰动的噪声,针对一些传播者由于心理差异因素,选择保持沉默,在谣言传播过程中引入沉默者个体,基于此建立一个考虑沉默-复发机制的随机Si-SIR(Silent-Susceptible-Infected-Removed)谣言传播模型,并对复杂社交网络中随机谣言传播动力学方程进行了研究。通过对随机模型进行稳定性分析,推导了谣言消亡的充分条件,讨论了同质网络和异质网络上谣言的传播阈值。通过蒙特卡洛方法分别在WS(Watts-Strogatz)小世界网络、BA(Barabási-Albert)无标度网络、Facebook真实社交网络上进行模拟仿真。仿真实验表明,添加适当强度的噪声,加速了谣言扩散的过程,扩大了谣言的最终规模;与WS和BA网络相比,Facebook网络的谣言扩散速度更快,谣言的最终规模更高;更强的沉默-复发机制能够提高传播节点密度峰值和延迟谣言消亡的时间。     

基于多特征信息传播模型的微博意见领袖挖掘

在线社交网络中的意见领袖通常是指在社交网络的信息传播中具有较大社会影响力的个体。针对当前意见领袖挖掘方法中只考虑社交网络的拓扑结构和节点的个体属性,缺乏信息传播中交互特征的问题,该文提出了基于扩展独立级联模型,并融入网络结构特征、个体属性和行为特征的意见领袖挖掘模型(extended independent cascade, EIC)。该模型以个体属性、个体在信息传播过程中的交互行为建立加权的传播网络,利用改进的CELF(cost effective lazy forward)算法,挖掘网络中影响力较大的个体。通过实验验证,在意见领袖的扩展核心率指标上,该算法优于拓扑结构类算法,且具有较好的稳定性,同时并未降低意见领袖的传播范围。     

基于非理性博弈的舆情传播仿真建模研究

随着社交网络的不断发展,借助社交网络进行传播的舆情信息的威胁越来越大. 本文利用博弈论的方法研究了舆情信息的传播机制,从理性博弈和非理性博弈的角度出发对个体与邻居的交互行为进行建模. 随后以目前较为成熟的传染病模型为基础,通过引入传播学中的社会威慑因素来构建基于非理性博弈的舆情传播模型,以实现适应舆情传播研究的仿真系统,继而将基于非理性博弈的舆情传播模型在无标度网络和小世界网络上的动力学特征进行理论分析. 在仿真环境中对非理性博弈的舆情传播模型进行实验,分析模型参数、网络密度和舆情传播源对舆情传播的影响,其结果符合理论分析结果. 最后对无标度网络上舆情传播的控制策略进行了研究,包括:社会威慑方法、目标免疫方法和正面消息方法,为社交网络上的政策制定提供了理论基础.     

病毒在无标度网络上的传播及控制仿真研究*

网络病毒的爆发给计算机用户带来巨大的损失,同时互联网被认为是无标度网络,因此研究病毒在无标度网络上的传播及控制很有意义。通过构建一个BA无标度网络模型,对病毒的传播行为及影响因素进行了仿真分析。研究表明,采取恰当的策略可以有效地控制、预防病毒传播。     

社会结构对财富分布的影响分析

将社会结构抽象化为随机网络（ER图）、小世界网络（WS网络）以及BA无标度网络三种不同的拓扑网络结构,分析了社会关系结构对社会财富分布规律的影响。通过模拟仿真以及实证研究得到,与ER随机网络以及WS网络相比,以BA无标度网络为基础的社会结构网络中的财富分布与真实社会中的财富分布规律是吻合的。因此说以BA无标度网络可以很好地刻画社会关系结构,其将为人类提供更多的财富信息,为进一步研究社会财富的累积、转移和重新分配提供了重要的理论基础。     

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。     

基于节点和信息特征的社会网络信息传播模型

随着在线社会网络的快速发展,越来越多的人开始利用微博或Twitter来传播信息或分享观点.研究社会网络中的信息传播规律对于意见领袖挖掘、舆情监控、品牌营销等有着重要意义.虽然有关社会网络中的信息传播模型已经得到广泛研究,但是影响网络中节点之间信息传播的因素有哪些,以及如何刻画信息传播过程,仍然是一个有待深入研究的重要内容.传统的传播模型及其扩展模型更多地从网络结构出发研究信息传播,很大程度上忽视了节点属性和信息内容的影响.从多个维度提取信息传播的特征,包括节点属性特征和信息内容特征,对节点间传播概率和传播延迟进行建模,提出一个细粒度的在线社会网络信息传播模型.利用随机梯度下降算法学习模型中的各个特征的权重.另外,针对模型的传播预测功能,在新浪微博真实数据集上进行了实验,结果表明,在预测准确率方面,所提出的模型要优于其他同类模型,如异步独立级联模型、NetRate模型.     

考虑节点亲密度的社交网络谣言传播研究

考虑到真实社交网络中节点间亲密程度对谣言传播的影响,提出一种新的SI2R传播模型,建立谣言传播动力学方程组,研究谣言在无标度网络上的传播特性。该模型中不同节点间谣言传播率的非一致性同时取决于节点度与节点间亲密度,理论分析得到了无标度网络上谣言传播阈值表达式。随后,在BA（Barabási-Albert）无标度网络中就节点亲密度对谣言传播过程的影响进行了仿真实验,并利用Twitter和Live Journal两种真实网络数据集对仿真结果进行验证。研究表明,无标度网络中节点间平均亲密度随网络聚类系数的增大而减小,随着网络中节点间平均亲密度增大,谣言传播最终范围变大。研究还发现,节点间亲密度的存在使无标度网络中存在传播阈值,传播阈值随着节点间平均亲密度增大而减小。     

基于复杂网络拓扑结构的评估体系研究

对复杂网络拓扑结构中特定属性的计算和评估进行了研究。层次分析法和熵权法被用来计算复杂网络拓扑结构的权重,这样既可以防止在主观赋权法上因专家经验不足使得对方案的排序造成很大的随意性,又可以避免客观赋权法的结果与实际情况不一致的现象发生。选取了规则网络模型、随机网络模型、小世界网络模型和BA无标度网络模型进行加权计算,并计算出它们各自相应的综合权重。从综合权重的角度来看,实验结果表明,随机网络效能最好,接下来是小世界网络、无标度网络,最后是规则网络。该评估体系和算法可以被广泛地用于需要对网络性能进行定量评估的情况下。