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。     

基于个体兴趣度差异和辟谣机制的谣言传播模型

针对现有谣言传播模型未同时考虑个体兴趣度差异和辟谣机制的问题,提出基于个体兴趣度差异和辟谣机制的IWSR谣言传播模型。计算了模型的平衡点和基本再生数,利用Lyapunov稳定性定理、Hurwitz判据和LaSalle不变性原理,得到部分谣言传播平衡点局部稳定和全局稳定的条件。通过数值仿真得出加强政府辟谣力度或提升个体判断能力等均能有效抑制谣言传播的结论,最后在WS小世界网络和BA无标度网络上的仿真结果得出在不同网络拓扑结构下谣言传播影响因子的影响力度存在差异性的结论。     

基于BA模型的微博谣言传播机理研究

基于BA无标度网络模型,融合微博用户网络的特征,构造一种微博谣言传播网络模型。提出一种新的SIR(susceptible-infected-removed)模型,通过数值仿真探讨微博谣言的传播动力学行为。研究表明,当微博用户规模以及节点间新建连接数量不断增大时,微博谣言的最终感染程度显著增大,网络的传播临界值却大幅降低。研究还发现,拥有较大吸引度的节点比例以及微博用户之间添加反向关注的概率基本不影响谣言的传播特性。     

无标度网络中谣言传播的研究

在网络化高度发展的今天,网络谣言传播泛滥,控制网络谣言传播逐渐成为一个值得关注的问题。文中通过分析现实世界中网络谣言的传播特性和方式,提出一种新的谣言传播模型-HKASI模型,建立基于HKASI模型的动力学方程组。在无标度网络中仿真谣言的传播演化过程,分析模型特性,求出无标度网络谣言传播各状态的临界值,选取不同概率仿真比较模型中的参数对各个传播状态的影响,得出在无标度网络中谣言扩散的高速性,以及通过提高公民求证意识可以有效阻止网络谣言传播的结论。     

无标度网络中谣言传播的研究

在网络化高度发展的今天,网络谣言传播泛滥,控制网络谣言传播逐渐成为一个值得关注的问题。本文通过分析现实世界中网络谣言的传播特性和方式,提出一种新的谣言传播模型——HKASI模型,建立基于HKASI模型的动力学方程组。在无标度网络中仿真谣言的传播演化过程,分析模型特性,求出无标度网络谣言传播各状态的临界值,选取不同概率仿真比较模型中的参数对各个传播状态的影响,得出在无标度网络中谣言扩散的高速性,以及通过提高公民求证意识可以有效阻止网络谣言传播的结论。     

考虑非支持性评论的网络谣言传播模型

针对现有谣言传播模型尚未分析非支持性评论对网络谣言传播的影响,提出一个引入带有非支持性评论的谣言传播者的SII_CR₁R₂（Susceptible-Infected-Infected with non-supportive comment-Removed1-Removed2）网络谣言传播模型。首先,对模型进行稳态分析,以证明无谣言平衡点和谣言传播平衡点的稳定性;其次,通过数值仿真验证理论成果,并分析非支持性评论率、恢复率、传播率和非支持性评论的说服力对网络谣言传播的影响。分析结果表明：提高非支持性评论率对网络谣言传播具有抑制效果,但是该效果受到恢复率的影响,而增强非支持性评论的说服力和降低传播率均能有效降低网络谣言的影响范围。基于WS（Watts-Strogatz）小世界网络和BA（Barabási-Albert）无标度网络进行模型仿真,仿真结果证实了非支持性评论能够抑制网络谣言传播;最后,根据分析结果提出相应的谣言防控策略。     

个体特征对在线社会网络中信息传播的影响

为研究个体特征对在线社会网络中信息传播的影响,结合个体特征、社会加强和信息属性,提出一个简单的信息传播模型。在传播模型中主要考虑记忆效应、社会加强、信息属性和个体特征这4个因素,并根据服从均匀分布与幂律分布的个体在规则网络、WS小世界网络、BA无标度网络上传播信息的能力,对此进行仿真实验,同时在Facebook上进行实证研究。结果表明,不论哪种情况下,信息的传播速度遵循BA无标度网络最快,规则网络最慢的规律,规则网络的稳定时间也最长。Facebook的传播图与BA网络的结果图类似。     

微博谣言免疫策略的研究

当前网络谣言控制策略的研究大多考虑高连接度对消息传播的影响,即节点自身邻居数,忽略了其邻居信息产生的间接影响。为此,提出一种SDND谣言免疫策略,该策略只需了解网络局部信息,在选取免疫节点时综合考虑节点自身出度及其邻居最大出度。在新浪微博数据集上,借助SEIR谣言传播模型仿真谣言传播,对比分析目标免疫、熟人免疫、重要熟人免疫、SDND免疫对谣言传播的影响。仿真结果表明,SDND免疫效果优于目标免疫、熟人免疫等策略,能够较好地抑制谣言传播。     

考虑从众效应的谣言传播模型

考虑到真实社交网络中存在的从众效应,根据个体心理特征的变化,改进了对谣言传播概率以及谣言传播者恢复理性概率的动态化描述,提出了考虑从众效应的谣言传播模型,并针对不同的网络拓扑结构建立了相应的谣言传播动力学方程组。在考虑从众效应的谣言传播模型中,对谣言的最终传播规模进行了数值分析,结果表明,随着谣言的初始传播概率的增大,谣言的最终传播规模也随之增大;改进模型的仿真结果也表明从众效应会加速谣言的传播演化。利用蒙特卡罗方法模拟了谣言在小世界网络和无标度网络中的传播演化,结果表明在从众效应的影响下,谣言在无标度网络中传播速度更快,扩散程度更深。将改进模型基于真实社交网络拓扑进行了模拟仿真,发现谣言的初始传播个体影响力对于谣言的传播演化具有重要的影响。     

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。     

基于微博的UVFR谣言传播模型研究及仿真

针对微博网络谣言的传播机制进行了研究,根据其传播特征将微博谣言的受众用户划分为未知者、浏览者、转发者、评论者四类,从而构建一个UVFR网络谣言传播模型。利用该模型分析主要参数对传播过程的影响,提出相应的控制策略。模型的主要特点是重新定义了谣言传播规则和传播动力学方程,使得传播过程的描述更加符合微博用户行为。使用多主体仿真平台在无标度网络结构下对谣言的传播行为进行了仿真研究。通过将仿真结果与新浪微博真实数据进行比较,证实了所得结论的合理性和有效性。仿真实验结果表明,初始传播节点越多,谣言传播的速度越快;转发概率越大,谣言传播的范围越广。     

基于SIR模型的时间侵占行为传播动力学建模与仿真

针对时间侵占行为在复杂网络上的传播问题,基于基本SIR传染病模型,提出了一种考虑了自发感染率和外部组织环境因素的时间侵占行为传播模型,探讨了时间侵占行为在ER随机网络,NW小世界网络,WS小世界网络以及BA无标度网络上的传播,在此基础上,集中分析了无标度网络上时间侵占行为传播的影响因素。研究发现:1. 时间侵占行为的传播受压力和公平系数的影响,一定范围内,压力越小,员工发生时间侵占行为的概率越大,传播过程也越快;反之压力越大,发生时间侵占行为的概率越小,传播过程也相对较为缓慢。2.时间侵占行为的传播与传播概率和自发感染概率密切相关,初始节点的度越大,传播越快,反之传播越慢。     

基于节点亲密度挖掘的谣言抑制算法

通过对谣言等易误导大众舆论的信息传播进行抑制,从而实现对谣言、错误舆论等负面信息的控制。首先,通过对社交网络的结构拓扑以及节点行为特点的分析,提出了基于节点亲密度的社交网络舆论领袖节点识别方法;然后,利用谣言传播特性及节点的亲密度,建立谣言传播模型,并分析谣言在社交网络中传播时节点的状态转化过程;最后,提出了一种利用节点亲密度实现谣言抑制的方法。     

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。