融入心理因素的在线社交网络谣言传播模型

随着社交平台的兴起,谣言会在短时间内快速扩散,对社会造成负面影响,因此研究谣言传播过程中的影响因素迫在眉睫,这对政府把控和引导突发事件的舆论起着关键性作用。而目前考虑心理因素对谣言传播过程影响的研究较少,因此该模型在经典传染病模型SEIR模型的基础上,将总人群分为四类：易感状态节点、潜伏状态节点、感染状态节点和免疫状态节点。考虑好奇心心理、从众心理、信息干扰率和个体免疫率四种因素,构建融入心理因素的改进SEIR谣言传播模型。首先,利用微分动力学方法和下一代矩阵理论计算了该模型的平衡点,分析并证明了平衡点的局部渐近稳定性。接着使用MATLAB对模型在自建网络和真实网络中进行仿真实验,数值仿真结果表明：好奇心越强烈,由易感状态节点转变为潜伏状态节点的速度越快,潜伏状态节点的峰值越大;从众心理越强烈,由潜伏状态节点转变为感染状态节点的速度越快,感染状态节点的峰值也越大。适当提高个体免疫率和信息干扰率可以缩短谣言传播时间,降低谣言传播总量。     

基于SIR模型的社交网络推手节点发现及信息传播抑制

推手节点对社交网络信息传播有非常重要的作用。在传统SIR模型中引入"推手节点"概念,研究该类节点所造成的热门话题在网络中的传播规律,以及对社交网络信息传播的影响和控制。利用You Tube数据构建社交网络拓扑结构,实验发现,当节点传播概率大于0.7时,可设置为推手节点,对于信息传播抑制可采用目标免疫算法。而在一个社交网络中传播节点的整体信息免疫大于0.2时能有效抑制信息传播,该值为使用重要熟人免疫策略对信息传播进行抑制的参数值。     

社交网络中考虑不同传播概率上的谣言传播模型

现有的谣言传播模型无法描述不同节点对谣言传播概率的影响,从而造成了谣言传播模型无法真实地描述现实社交网络中的谣言传播,进而影响了对网络中谣言传播的控制。针对这一问题,在SIR传播模型的基础上考虑了谣言在不同节点之间的传播概率,并且分析了不同节点对传播概率的影响情况,从而建立了社交网络中考虑网络节点自身影响的谣言传播模型。最后,通过将改进的谣言传播模型与常用的SIR模型进行对比,实验结果显示,提出的改进模型可以较快地控制网络中谣言的传播。     

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。     

加权网络中考虑边权和度的熟人免疫策略

在加权网络中,节点之间的边权值代表节点之间联系的紧密程度,节点的度表示该节点的邻居个数。为了有效抑制加权网络中的病毒传播,提出一种考虑边权和度的熟人免疫策略（AI-CWD）。该策略考虑免疫边权值与度乘积最大的节点,并分别在人工网络和真实网络中对该策略进行了实验分析。同时,进一步研究了边权值和度在乘积中的占比对该策略免疫效果的影响。研究结果表明,在相同的免疫节点密度下,对边权值与度乘积最大的节点进行免疫后网络中感染节点的密度比最大权值免疫、改进的熟人免疫和基于ClusterRank算法免疫的方法要低,亦即AI-CWD免疫效果要优于以上三种免疫策略。并且在相同免疫节点密度下,通过对边权值和度的占比与感染节点密度关系的研究,可以得出：存在一个最优的[α]值,使得最终的感染节点密度最低。     

复杂网络中选举免疫策略研究

受现代社会选举制度启发,提出了一种新的节点免疫策略,提出的选举免疫策略按节点得票数量多少选择节点并免疫。基于消息传递方法,给出了大规模配置模型网络上SIR传染病模型的选举免疫策略的数学解析,并比较了选举免疫、随机免疫、目标免疫和熟人免疫策略的效果。数学解析结果和仿真结果表明,选举免疫能够有效控制疾病在无标度网络上的传播。     

基于节点属性和信息价值的V-UKIR传播模型研究及仿真

为更有效地在网络中进行广告信息推广和谣言控制,针对真实社交网络信息传播的特点,对信息传播机制进行了研究。首先,在传统SIR模型的基础上,将节点状态分为未知、阅读、感染、免疫状态。然后,考虑节点自身属性的差别和不同信息在不同社区中的价值,定义了自适应节点状态转移概率函数,建立了更加符合社交网络真实传播特点的V-UKIR模型。最终,通过不同信息传播过程对比,验证了该模型的有效性。同时,通过在不同模型下的实际传播对比,证明了该模型在新浪微博和Twitter上有较好的信息推广和谣言控制效果。     

动态同质网络上的SIR谣言传播模型

针对谣言传播过程中出现感染节点移出系统的问题,改进经典SIR谣言传播模型的归一化条件,提出一种动态同质网络上的SIR谣言传播模型。首先根据谣言的传播规则,采用平均场理论建立同质网络上的谣言传播动力学方程组;然后理论分析了谣言传播过程的稳定状态和感染峰值;最后通过数值仿真研究感染率、免疫率、真实免疫系数及网络平均度对谣言传播过程的影响。研究结果表明,与经典SIR谣言传播模型相比,感染节点移出网络降低了谣言传播的稳态值,感染峰值出现小幅度增大。研究还发现感染概率增大、免疫概率减小,均会使谣言感染峰值增大;真实免疫系数增大,免疫节点稳态值增大。此外,网络平均度对谣言传播稳态没有影响,平均度越大感染峰值到达时间越早。研究结果将SIR传播模型的应用范围由封闭系统拓展到非封闭系统,为制定谣言预防措施提供指导理论和数值支撑。     

基于熟人免疫的复杂网络免疫策略

针对目标免疫和熟人免疫的不足,提出一种综合的免疫算法,即随机选择一些节点,根据节点的不同特征采取合适的免疫措施。本算法保留了熟人免疫的优点,即完全基于本地信息、不需要获知网络的全局结构和识别高连接度节点,在需要免疫的节点数量与目标免疫相同的情况下,具有理想的免疫效果。通过对几种算法在无尺度网络、随机网络以及真实世界网络上进行仿真比较,验证了本算法具有更好的免疫效果和更广泛的应用条件。     

基于节点亲密度的重要性评估算法

识别复杂网络中的重要节点一直是社会网络分析和挖掘领域的热点问题,有助于理解有影响力的传播者在信息扩散和传染病传播中的作用。现有的节点重要性算法充分考虑了邻居信息,但忽略了邻居节点与节点之间的结构信息。针对此问题,考虑到不同结构下邻居节点对节点的影响力不同,提出了一种综合考虑节点的邻居数量和节点与邻居间亲密程度的节点重要性评估算法,其同时体现了节点的度属性和"亲密"属性。该算法利用相似性指标来测量节点间的亲密程度,以肯德尔相关系数为节点排序的准确度评价指标。在多个经典的实际网络上利用SIR(易感-感染-免疫)模型对传播过程进行仿真,结果表明,与度指标、接近中心性指标、介数中心性指标与K-shell指标相比,KI指标可以更精确地对节点传播影响力进行排序。