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。     

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。     

一种基于非对称三角形割的重叠社区发现算法

发现由相似功能的个体所形成的社区结构是复杂网络分析的重要任务之一. 提出一种基于非对称三角形割的重叠社区发现算法,首先根据社区内三角形连接情况对社区质量进行评价,并根据节点与社区的三角形连接定义了节点对社区的归属度和连接强度. 考虑到网络不同部分连接密度的差异,在将节点从社区中移除或加入社区的过程中,为每个节点分别设置了不同的移除阈值和扩展阈值,以提高社区发现质量. 将每个节点与其邻居节点组成初始社区,将归属度低于移除阈值的边缘节点从社区中移除,将连接强度高于扩展阈值的外围节点加入社区,社区节点移除和扩展阶段迭代进行直至社区结构趋于稳定,最后去掉重叠率过高的社区得到最终结果. 在7个带社区标签的网络上将所提算法与其他7个经典重叠社区检测算法进行比较,通过重叠标准互信息和F₁指标进行评价,结果表明所提算法可以较好地发现不同规模网络中的社区结构.     

基于二阶信息的复杂系统弹性度量研究

基于节点最近邻信息,复杂系统弹性预测模型通过将多维方程映射为一维方程,度量复杂系统弹性。然而该模型并未引入节点二阶邻居的信息。基于复杂系统弹性预测模型,通过在映射过程引入节点二阶邻居信息,该文提出了一种考虑节点二阶邻居信息的复杂系统弹性预测模型,并在Barabási-Albert（BA）无标度网络、Watts-Strogatz（WS）小世界网络上验证了新模型的有效性,进而讨论了不同网络拓扑结构对新模型效果的影响。实验结果表明,在平均度不同的BA无标度网络和WS小世界网络中,基于节点二阶邻居信息的复杂系统弹性预测模型均可更准确地预测系统弹性。其中,网络平均度为2的BA无标度网络和WS小世界网络的系统弹性测量精度分别提高了79.89%和59.53%。且在同类网络中,网络平均度越小,基于节点二阶邻居信息的模型越适用。同时,针对同类型平均度相同的网络,改进后模型在BA无标度网络上的效果优于WS小世界网络。该文的研究为有效度量复杂系统弹性状态和设计弹性系统提供了科学的研究手段和理论支持。     

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。     

一类含个体意识的SIS网络传播模型的分析

为了研究一类含个体意识的SIS网络传播模型的动力学行为和该模型解的相关性质,运用复杂网络理论、稳定性理论以及上、下极限理论进行分析。在含个体意识的传播网络中若最初存在已感染的节点,无论这些节点的数目及其分布情况如何,随着传染病传播过程的开始,任何度的已感染节点都会在传播网络中出现。结果表明,含个体意识的传染病传播网络和不含个体意识的传染病传播网络在动力学上具有一些相同的性质。     

基于吸引力的无标度蠕虫网络构建方法

针对现有模型只用节点度来构建蠕虫网络的不足,同时考虑到影响实际网络演化的多种物理因素,引入了节点吸引力模型,并以此作为择优选择方式构建蠕虫网络,然后利用平均场理论和仿真对网络的演化机理进行研究.理论分析与仿真结果表明,蠕虫网络中的节点和新感染蠕虫主机建立的连接与节点度、网络带宽、主机性能等综合因素有着紧密的联系;所生成的蠕虫网络具有无标度网络的性质.     

网络意见领袖对微博不实信息传播的影响

为了考察网络意见领袖对微博不实信息传播过程的影响,在传染病模型ISR的基础上进行改进,构建了考虑网络意见领袖的微博不实信息传播模型,利用Matlab软件进行数值仿真和结果分析.模拟结果表明:网络平均度和意见领袖对不实信息的传播力越大,不实信息的影响力越大;微博不实信息传播的持续时间随网络意见领袖的初始密度变化而变化.     

社会强化效应及连边权重对网络信息传播的影响分析

研究加权网络中社会增强效应、连边权重和网络结构非局域性效应对于信息传播的影响。将网络个体间的亲密程度定义为节点之间的共同邻居数,并基于亲密关系赋予边权值。通过研究发现,当个体越倾向于接受亲密朋友的信息的时候,信息越不容易大范围传播,即强连接会降低传播范围;反之,当个体倾向于接受非亲密朋友的信息的时候信息更容易大范围传播,即弱连接会增加传播范围。强化效应强度较小的时候,随机网络可以比规则网络传播范围广,反之规则网络传播范围更广。     

复杂网络上的局域免疫研究

在网络全局结构信息未知的情况下,如何对大规模网络进行有效的免疫是疾病预防控制中的重要课题之一.本文介绍了针对社区网络、自适应网络和双层耦合网络等的局域免疫方法研究.对于社区网络,通过对5个真实社区网络的分析,发现桥节点的弱连接数目具有一定程度的异质性,存在一些更重要的桥中心节点,进而提出了一种有效的局域桥节点发现算法.对于自适应网络,发现传播过程中会出现很强的社区结构,由此提出一种基于社区效应的局域控制策略,结果显示疾病并非控制越早效果越好.对于双层耦合网络,提出一种促进-抑制的非对称耦合传播模型,研究危机意识的局域散布对于疾病传播的影响,分别解析得到了意识和疾病传播的爆发阈值与稳态分布.这些研究增进了人们对于复杂网络中关键节点的理解,也为实际的疾病防控工作提供了一些借鉴.     

改进的BA网络拓扑结构的分析

改进的BA网络其节点生长采用多种择优生长方式,可分为线性和非线性择优生长。利用主方程方法分析了改进的BA网络其节点择优增长的演化特征,证明了改进的BA网络其节点度分布满足幂律分布的形式,若节点生长模式是线性择优生长,得到其度分布的幂指数介于2和3之间。随着这种网络结构的不断演化,其网络的性质与经典的BA网络模型的性质具有相似性。     

内部演化网络分析

分析了Barabasi-Albert(BA)无标度网络内部演化加边对网络结构的影响,考虑了线性和非线性择优连接．基于扩展的率方程方法,考虑引入新节点和内部加边引起的网络中已有节点的度的变化率,得到了度分布的精确表达式．当择优连接为线性时,度分布服从幂律;对于亚线性择优连接,度分布呈拉伸的指数分布形式．对于超线性择优连接,边的两端都择优连接会出现几乎与网络中其他所有节点都相连的“凝胶”节点．     

在线社交超网络的信息全局传播模型

信息爆炸时代,在线社交网络作为信息传播的主要途径被广泛应用,但在线社交网络中信息传播的动态过程往往难以准确预测和防控.该文引入超图中的超边描述两个或两个以上个体之间复杂的社交关系,利用基于超网络动态演化模型构建在线社交超网络,并结合基于反应过程策略的SIS模型,对在线社交超网络中信息全局传播的动态过程进行理论分析和仿真...     

基于C-DGCN的信息流行度预测

提出了一种基于上下文依赖的动态图卷积网络（context dependent dynamic graph convolutional network,CDGCN）对在线社交网络进行信息流行度预测,即根据信息的历史转发动态预测将来的流行度。根据信息转发动态构建转发网络,并将转发文本嵌入作为节点属性。C-DGCN基于扩散核的图卷积网络对转发网络进行嵌入,得到空间依赖表示,并输入循环神经网络(recurrent neural network, RNN)学习实时依赖表示。在2020年1月的微博数据集上进行了实验,并将C-DGCN与传统的基于特征设计、基于生成模型、基于深度学习的方法进行了比较。CDGCN的优势在于：1）充分考虑了文本内容对信息传播的驱动作用,建模表示了语义特性变化的影响,捕获了上下文依赖特性;2）扩散核是基于时间延迟特性的,循环神经网络能够捕获实时特性,充分建模表示了信息传播的时-空依赖。     

基于部分路径的社交网络信息源定位方法

随着微博、微信等在线社交网络的快速发展,社交网络上的不实信息呈现爆发式的传播,往往会引起严重的后果,如何寻找谣言等不实信息在社交网络中的传播源头具有重要的应用意义。该文提出一种面向在线社交网络的信息源点定位方法,与现有的基于观察点的定位方法不同,该方法考虑了传播过程中信息普遍带有的部分传播路径,并以此重构传播过程,修正传播子图,从而更准确地定位信息源点。在模型网络及实际网络上进行实验,说明了该算法的有效性。     

一种基于话题传播的微博用户影响力分析方法

基于微博话题传播过程,提出了一种新的用户影响力分析方法.该方法首先结合微博信息传播机制,构建信息推送网和信息转发网;其次,基于上述网络建立话题传播网模型并提出CTDN构建算法;最后,以该模型为基础设计并实现了一种用户影响力排序算法TD-InfluenceRank,该算法在迭代计算用户影响力时通过考虑节点间的信息传播,使影响力更多地转移给关系密切的节点.实验结果表明,以TD-InfluenceRank算法为核心的用户影响力分析方法,能够有效提高话题传播中用户影响力分析的准确性.     

谣言短信传播网络拓扑性质研究

作者分析了谣言短信传播的特点及方式,把谣言短信的传播过程抽象成一个网络的生长过程.根据谣言短信传播的特点,以星形网络表示初始网络,在局域世界中选择新增节点的连接节点.局域世界的选取,采用了依据节点之间的网络路径值作为选取局域世界的原则.给出了生成谣言短信传播网络模型的算法,并且通过理论推导说明网络模型的度分布为幂律函数,模拟了网络节点的度分布、聚类系数和平均路径长度,通过GN算法对模型的社团结构进行分析,发现谣言短信传播网络具有明显的社团结构特征.仿真结果表明,谣言短信传播网络具有无标度特性、小世界特性以及明显的社团结构特征.     

DHC定理在有向含权网络上的推广及应用

节点影响力排序是网络科学研究领域的热点问题,对该问题的研究极具理论意义与应用价值。最近有研究将原本用于衡量科学家科研影响力的H指数,引入到复杂网络中刻画节点的影响力,并发现节点的度、H指数和核数的内在联系,称为DHC定理。本文在原有研究基础上提出了有向含权网络上的H指数,并证明了DHC定理在有向含权网络中仍然成立。在此基础上,本文比较了这些节点中心性指标在含权网络上进行节点排序的准确性和分辨力,并考察了权重因素对排序准确性的影响。最后本文用含权有向网络上的DHC定理深入分析了中国城市间微博转发网络,对中国城市的在线媒体影响力进行排名,并总结了信息在不同城市用户之间的传播模式。     

三种构建无尺度蠕虫网络的蠕虫传播模型

鉴于无尺度网络的健壮性和小世界特性是蠕虫网络的理想特征,提出以无尺度网络的形式构建蠕虫网络。结合蠕虫的传播特性,设计了三种构建无尺度蠕虫网络的蠕虫传播模型。传播模型基于蠕虫网络中节点的度数、适应度等参量,选择合适的蠕虫节点与网络中新感染蠕虫的主机建立连接。理论分析和模拟实验表明,传播模型所生成的蠕虫网络为无尺度网络。