“随机”与“择优”——超网络演化的内在驱动力

基于"随机连接"和"择优选择"的演化机制,构建了一个随机-择优混合超网络演化模型。使用Poisson过程理论和连续化方法对模型进行分析,获得超度分布的解析表达式,分析表明网络的稳态平均超度分布服从漂移的幂律分布。该模型可以退化到复杂网络和超网络中的标准模型,具有一定的普适性。通过调节机制系数,模型可以体现混合连接机制。并对3个实证数据进行了分析,该模型能有效刻画不同数据的演化机理。     

基于超网络的舆情演化多主体建模

创新性地将复杂系统多主体建模方法应用到集社交、环境、心理和观点等子网的舆情超网络模型中,通过对该超网络模型中各子网间不同属性节点(即异质Agent)交互规则设计,建立基于超网络的多主体舆情演化模型,深度刻画网络舆情的演化规律,即模拟人-信息-观点之间微观意见如何交互并涌现出宏观网络舆情的过程;应用舆情超网络拓扑结构相关测度指标,设置多主体舆情演化模型中各属性参数值,如网民活跃度(节点超度)、信息影响范围(超边间距离)和舆论领袖权威性(超边重叠度)等,并重点分析舆情演化过程中政府抢占舆论先机的重要作用,以及舆论领袖对大众网民的引导作用和网民发表观点形成舆论场的控制作用。最后,运用NetLogo仿真平台对具体舆情实例进行仿真,结果与现实舆情演化情况相符,证明了模型的合理性与有效性。     

基于加权超图的产学研合作申请专利超网络——以上海ICT产业为例

本文对产学研合作情况进行超网络描述,以产、学、研作为节点,以专利作为超边,以每条超边中组织机构合作专利的次数作为超边的权重,构建基于加权超图的产学研合作申请专利超网络拓扑结构。以国家知识产权局专利检索数据库为数据来源,采用超网络方法分析了上海2015年ICT产业产学研申请发明专利的合作关系。实证显示,超网络中节点的度、超度、超强度累计概率分布均服从幂律分布,说明网络结构中的节点具有异质性。最后构建了基于加权超图的超网络演化模型,对模型进行模拟仿真,理论值与模拟值相符合。通过分析发现,上海ICT产业内各技术领域创新格局不平衡,应该进一步加强产学研合作,并加强与其它地区的合作。本文的拓扑指标能够较好地反映合作网络所具有的特点,该方法也适用于实证分析其它合作网络。     

复杂网络实证研究——中国教育网

通过对中国教科网中.edu.cn域名下的网页进行搜索,建立了一个由366 422个网页和540 755条网页之间的超链接构成的复杂有向网络———中国教育网。经分析发现该网络的网页分别处于四个不同的层次上,各网页自组织连接构成一个复杂有向网络。大部分节点具有入连接边,只有少数节点具有出连接边,既有入连接边又有出连接边的节点就更少,节点度分布尾部呈幂律分布。该网络演化时,网页的增添通常仅在各高校子网中选择有关网页进行连接,不会在整个中国教育网中去择优连接。根据中国教育网的这些特点提出了该有向网络的演化模型,模型反映了中国教育网的一些主要特征。     

基于超网络的作战信息流转建模及特性分析

针对现有单一要素模式的信息网络不能有效反映作战信息流转复杂结构及动态过程的问题,提出一种基于超网络的作战信息流转"两层三网"模型构建及特性分析方法。首先,分析作战信息流转超网络结构特征,抽象作战节点和信息关系的多维属性,定义关联映射规则,建立作战信息流转超网络模型;其次,从节点的超度分布、超边的度分布、介数、聚类系数、子图向心性和网络弹性6个方面,研究了作战信息流转超网络的拓扑特性。最后,以空中突击作战为例,通过仿真实验,验证了模型与方法的可行性和合理性。     

贸易网络综合演化模型的研究

根据实地调查结果启示,在综合节点适应度择优连接、节点删除、边的重建与删除的基础上建立了有向加权网络演化综合模型,并对其进行了解析推导,主要以入强度分布指数为研究对象,在节点适应度同质、服从[0,1]分布及服从指数分布时分别进行模型验证。最后分析多种演化机制对于幂律指数的影响,并通过数值仿真分析进行验证。     

点权有限的加权网络演化模型

在BBV(Barrat-Barthélemy-Vespignani)模型的基础上加入节点强度有限限制,即节点强度不允许超过某一定值S,构造了节点强度有限的加权网络演化模型--LBBV模型.理论分析与仿真试验表明,对于3节点的全耦合网络,当S《2mw0时,网络经有限步后演化结束,其结构为同质网络;当S≥2mw0时,LBBV模型的节点强度分布与网络的度分布都呈现幂律分布,并且幂律指数与BBV模型的幂律指数一致,只是相比BBV模型平移了某一常数;当S→∞时,LBBV模型退化为BBV模型.同时通过数值仿真还得到了在不同的S值下、不同规模网络演化后的节点强度分布与度分布都表现出幂律特征,而且幂律指数不随S变化.     

基于超网络的社会化标注行为

构建了以标签为节点、以标注活动为超边的社会化标注行为超网络,定义了超度、超度分布、余平均超度和超度条件概率等刻画社会化标注超网络性质的指标,结合Delicious数据进行了实证分析,实证结果表明:(1)用户会不断地使用新标签来进行资源标注;(2)利用新标签标注资源的同时通常会与大众化标签共同进行标注;(3)用户一般会同时使用多个个性化标签和一个或少量大众化标签对资源进行标注。     

基于边数随机增长的扩展无标度网络演化模型研究

经典BA无标度网络演化模型假定所有嵌入节点的初始连边数量均相同,而该假定对于许多真实的演化网络往往显得过于严格.为进一步增强模型的通用性,构建了具有边数随机增长特征,即所有嵌入节点的初始连边数量为独立同分布随机变量序列的扩展无标度网络演化模型(简记为ENRG-BA模型).运用马氏链解析法获得了ENRG-BA模型网络稳态度分布的精确表达式,并从分布的性质与数值模拟两个方面验证了解析结果的正确性.研究结果表明,当所有嵌入节点的初始连边数量均具有有限的期望和方差时,ENRG-BA模型存在网络稳态度分布;当所有嵌入节点的初始连边数量均具有相同的分布参数与相同有限区间长度的定义域时,ENRG-BA模型退化为Degenerate ENRG-BA模型(简记为DENRG-BA模型);当所有嵌入节点的初始连边数量均服从相同参数的单点分布时,DENRG-BA模型进一步退化为BA模型.ENRG-BA模型与DENRGBA模型的网络稳态度分布在大度数处均具有与BA模型网络稳态度分布相同的幂律行为,在小度数处则呈现出BA模型网络稳态度分布所不具备且类型丰富的马头形状,其中部分马头形状与某些实际演化网络的度分布中所...     

一种灵活的加权复杂网络演化模型及其仿真

对实际加权网络的网络特征进行了统计,分析了在网络演化过程中应考虑的演化机制.在此基础上,提出了一种灵活的加权复杂网络演化模型.该模型可以灵活的调整网络演化过程中各种演化机制影响作用的大小,网络规模和平均节点强度可控,节点和连接的状态能够动态变化.对模型进行仿真验证后发现其能够较好的拟合实际加权网络的拓扑结构特征.最后,对网络模型中幂律分布的成因进行了分析.     

The Dynamics of Two-State Public Opinion Propagation On Signed Networks

The formation of public opinion on the network is a hot issue in the field of complex network research, and some classical dynamic models are used to solve this problem. The signed network is a particular form of the complex network, which can adequately describe the amicable and hostile relationships in complex real-world systems. However, the methods for studying the dynamic process of public opinion propagation on signed networks still require to be further discussed. In this paper, the authors pay attention to the influence of negative edges in order to design a two-state public opinion propagation mechanism suitable for signed networks. The authors first set the interaction rules between nodes and the transition rules of node states and then apply the model to synthetic and real-world signed networks. The simulation results show that there is a critical value of the negative edge ratio.When the negative edge ratio exceeds this critical value, the evolutionary result of public opinion will change from a consistent state to a split state. This conclusion is also consistent with the distribution result of opinions within communities in the signed network. Besides, the research on the network structural balance shows that the model makes the network evolve in a more balanced direction.     

作战体系复杂网络研究

运用仿真方法,探索信息化战争作战体系拓扑网络的连接机制与分布规律,实验发现这一分布是由δ分布、指数分布与幂律分布(尾部)构成的混合分布;当网络规模较大时,节点之间的连接机制成为网络分布形式是否具有幂律尾的唯一决定因素;当尾部接近幂律分布时,常常是近似服从具有长尾的SF分布,但与同规模基于优先连接机制形成的SF网络相比,拥有大得多的Hub节点,分布标度指数λ一般取值于[1.4,2.2]之间.     

企业社会责任负面事件网络舆情演化与政企合作研究

企业社会责任负面事件网络舆情演化具有主体行为复杂性,是动态的复杂网络系统,把握舆情演化过程中主体的行为特征和互动关系有助于舆情管理.本文以企业、政府、民众、媒体和意见领袖五个主体为节点,以不同主体之间交互关系为路径,构建了企业社会责任负面事件网络舆情演化的多主体模型.选取"百度魏则西"为基础事件,采用系统动力学理论和方法,探究了企业社会责任负面事件网络舆情的演化过程和系统结构中的动力学行为.研究结果表明:企业社会责任负面事件网络舆情演化总体呈现了诱发、扩散和消退三个阶段的周期性过程.企业与利益相关者之间的交互作用是推动舆情演化的主要动因,其中企业和政府作为两个重要的行为主体,在联动的时点选择上,按照政府调控行为在先、企业应对行为在后的方式,能有效发挥政府的调控作用和企业的主观能动性,缓解舆论危机.     

基于公众认知与政府引导的邻避舆情演化模型

针对近年邻避群体事件的舆情诱发性,基于公众认知和政府引导视角研究邻避舆情演化问题.首先,通过多案例比较分析,提炼邻避舆情演化的宏观特征,并基于Gompertz模型改进给予刻画;随后,分析个体对邻避项目的微观认知交互行为,运用演化博弈建模来描述个体复制动态;同时,考虑政府通过正面舆论对邻避舆情给予回应,运用信息熵理论和动力学方法构建政府舆论引导的交互熵模型和动力学方程;进而在此基础上,给出"公众-政府"邻避舆情演化模型;最后,讨论该模型均衡点的存在性和稳定性,并以"广东茂名PX事件"的邻避舆情演化为基础案例进行数值仿真研究.结果表明:当公众对邻避项目风险认知偏差较小时,政府应适当尊重邻避舆情,并遵循渐进式的引导路径对邻避舆情给予及时、主动的关切性回应,否则,邻避舆情会愈演愈烈;而当公众对邻避项目风险认知偏差较大时,政府应对邻避舆情加强跟踪和监管,并给予及时、适量的客观回应,否则,邻避舆情会演化到较高稳态.     

基于超网络的线上线下舆情演化模型研究

舆情交互存在于现实空间与虚拟空间,为具体研究两空间中舆情的演化,首先分析了舆情在不同空间中传播演化的特点及演化过程中相互间的联系.随后,结合改进的有界信任机制构建基于超网络的线上线下舆情演化模型,并针对该模型提出了包括模型初始化模块、信息传播与交互影响模块与双空间同步模块三部分的仿真系统框架.根据同步方向,提出"现实空间-虚拟空间"和"虚拟空间-现实空间"两种同步率,并通过对比仿真实验研究了同步率与空间速度比对舆情演化的影响.     

微博舆论场:突发事件舆情演化分析的新视角

微博舆论场逐渐成为了突发事件网络舆情的策源地,在舆情生成演化中扮演重要角色.本文以微博舆论场为研究视角,首先运用超网络建模理论,构建了集社交、信息、心理、观点四层子场为一体的微博舆论场超网络模型,并对各层子场内部以及子场间关系进行建模分析;然后提出了微博舆论场超网络模型的衡量指标,对微博舆论场"场强"进行了量化分析;最后使用社会计算和数据挖掘算法,定量分析了微博舆论场对新进入的无知者和感染者的作用过程,以及对新个体发生作用后,微博舆论场中舆情的演化.以期对突发事件舆情态势进行预测预警,为舆情干预治理提供理论依据,有效引导突发事件舆情良性发展.     

Internet 的一种新的动态演化模型

提出了Internet网络的一个新的演化模型,新模型允许新增节点引向已有节点的连接数随时间变化.仿真结果及理论分析表明,新模型所演化出的网络具备上述所有特点,较好地符合Internet网络的形成特征.     

基于BERT-LDA模型的新冠肺炎疫情网络舆情演化仿真

构建大规模网络舆情演化仿真模型,对新冠疫情武汉重灾区与全国其他地区采取差异化的应急管理和舆情疏导具有指导价值。为实现主题细粒度的舆情情感演化仿真,将LDA(Latent Dirichlet Allocation)主题模型与BERT(Bidirectional Encoder Representations from Transformers)词向量深度融合,优化主题向量助力文本主题聚类;同时,在改进BERT预训练任务的基础上,叠加深度预训练任务,以提高模型在情感分类中的精确度。结果表明:在主题向量训练过程中,改进的BERT-LDA模型较原始LDA模型NPMI(Normalized Pointwise Mutual Information)值提升0.357;在疫情事件情感分类任务上,AUC(Area Under the Curve)值超过了99.6%,证明其能够有效运用于大规模网络舆情演化仿真。     

Evolution of two properties for scale-free network

1 .INTRODUCTIONBecause complex network structure can describe awide variety of systems of high technological andintellectual i mportance ,there has been a consider-able interest in the growth properties of randomnetworks[1 ,2]. The typical random network is ascale-free network, which connectivity distribu-tions behave as power law. Scale-free network isan evolving network, which has many propertiesduring evolution, for example , the fitness andclustering coefficient of node are two i mport…