基于在线社交网络的舆论传播模型研究

考虑了真实社交网络中的舆论传播过程中存在与舆论大方向相悖的劣势观点,在MORENO Y等人研究的谣言传播模型的基础上,提出了一种新的舆论传播模型,研究了拥有劣势观点节点的存在对舆论演化带来的影响。接着对模型建立动态方程并进行分析求解,得到舆论传播的最终规模的表达式。最后,在Facebook用户数据构成的网络上进行仿真分析,得出舆论演化过程中的状态变化情况,并分析最终规模的影响因素。     

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...     

基于节点亲密度的链路预测算法

链路预测作为复杂网络分析的一个重要分支,在不同领域中有着广泛的应用。现有的链路预测算法通常根据共同邻居节点的结构信息来度量节点对之间的相似性,忽略了节点对与其共同邻居节点之间的连接紧密程度。针对此问题,提出了一种基于节点亲密度的链路预测算法。该算法利用边聚集系数来测量节点对与其共同邻居节点之间的紧密程度,以AUC值作为链路预测的精确度评价指标。在4个真实网络上的实验结果表明,相比于其他相似性算法,所提出的算法提高了链路预测的预测精度。     

基于团结构亲密度的移动社交网络数据转发算法

由于移动社交网络中不存在稳定的端到端连接,因此移动社交网络中的数据转发是一个重要问题.从节点的友好性角度出发,利用节点间的友好性,构造了节点间的团结构并利用团与节点、社区之间的亲密度,提出了一种基于团结构亲密度的数据转发算法(DFAIG).基本思想是,数据包携带节点只有在本社区AP或者相遇节点与以目的节点为中心的团结构的亲密度达到一定要求时,才转发数据包给相遇节点.仿真结果显示:与著名的Epidemic,Label和SGBR相比,提出的算法在降低网络开销上具有明显优势,且有效地提高数据包传递率.     

属性和亲密度关系兼顾的影响力研究

随着5G的发展,网络传播以前所未有的速度向各领域渗透.其中,影响力分析是研究网络信息传播机制的关键技术.传统的影响力分析算法主要通过选取具有最大传播特性的种子节点用于网络传播.但在种子节点选取上,其度量算法没有反映社交网络中的潜在信息.这将对影响力传播分析造成影响,同时一旦社交网络结构遭到破坏,网络的传播能力将会受到影...     

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。     

一种基于社交网络舆论影响的推荐算法

社交网络中的朋友间信任度是影响用户决策的重要因素之一。基于社交网络的拓扑结构和相邻节点间的信任度,构建推荐模型,给出推荐算法,并进行理论分析和仿真模拟。研究结果显示,社交网络结构和信任度在社会交往的作用下会对用户的产品预期产生较大的影响。社交网络中单个产品的推荐者数量随时间呈S型曲线变化。推荐系统中产品推荐等级序列呈尾部截断的幂律分布。该研究不但分析了用户对产品预期的形成机理,而且推荐算法在一定程度上提高了推荐的效率。     

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。     

社交网络中舆论共识形成的动态模型分析

本研究致力于深入探讨社交网络中舆论形成的复杂过程,尤其是关注去中心化环境下达成共识的机制.研究提出了一种新的意见分类策略,即第二置信区间.该策略旨在对传统DeGroot共识模型进行改进,从而发展出两种不同的意见动态模型:FAI模型和ORA模型.这些模型综合考虑了个体对周围意见的接受程度和重视程度,并通过对社交网络中邻域意见的深入分析,对个体模型进行了全面设置,涵盖私人意见、表达意见、固执度以及偏好等多重因素.研究结果表明,在特定参数设定下,FAI模型和ORA模型均能比原DeGroot模型更加迅速地达成共识.具体来说,ORA模型的收敛速度在 700 步长左右,而FAI模型的收敛速度随参数值的增加而逐步接近ORA模型.相较于基准模型,ORA模型在收敛意见值上的差异较小,不超过 3.5%,而FAI模型则显示出更大的波动性.这些发现不仅加深了对于社交网络中公共意见形成机制的理解,也强调了个体邻域内意见动力学在共识形成过程中的重要性,为此领域的未来研究提供了新的视角和研究方向.     

基于大数据的学生社交网络心理健康模型研究

以某高校的学生行为数据为基础,利用大数据和数据挖掘技术对学生日常行为进行建模分析,构造出学生亲密度算法,生成学生共现社交网络图,分析社交网络图中网络连边可客观真实地反映学生的孤僻度和亲密度,可为高校的心理辅导工作提供参考依据。     

个体间相互影响的网络舆情演变模型

提出了一个社会网络中舆论形成的演化模型,模型考虑了网络中个体受其邻居影响的概率。假设个体A受到其他邻居影响的概率为α（A）,并且所有k度个体具有相同的受影响概率为α（k）,其中k是某个体邻居的个数。证明了如果概率α的分布满足对所有k满足α（k）=kp_kc,那么持某种舆论个体的人数比例是一个鞅,即数学期望是一个常数。本模型有助于衡量某给定社会网络中舆论传播的快慢程度。     

微博话题符号网络下的意见领袖挖掘算法研究*

随着移动互联网的快速发展,用户逐渐成为社交媒体的主导者,新媒体的迅速崛起,改变了传统的信息传播的格局以及规律,经典的大众传播理论中的意见领袖、把关人等有了新的时代意义,在一定程度上得到进一步的扩展和延伸。在现有的意见领袖的挖掘中主要是从网络结构和用户行为研究方向,没有考虑到是否真正对用户产生影响这一重要的属性,本文以符号网络作为研究工具,通过赋予用户之间的观点关系链接相应的代表支持或者反对的符号,将传统的意见领袖挖掘算法结合符号网络中的能够描述用户观点变化的符号关系,将真正对用户产生影响的意见领袖挖掘出来,从而挖掘得出更加精准有效地意见领袖。     

基于银行账户亲密度网络推理的团伙预测研究

近年来,针对涉众型非法金融活动在资金交易规律的研究引起了研究者的高度关注。为解决利用银行交易数据进行异常账户犯罪团伙主动发现的问题,提出一种基于银行账户非对称亲密度网络的团伙预测方法。首先,建立银行账户交易通用网络模型,将时序交易数据嵌入网络结构中。然后,利用节点的直接和间接交易关系信息,提出一种账户非对称亲密度计算方法。最终,利用节点在亲密度网络上的非对称交互信息,得到节点的异常倾向性指标。在包含传销团伙的真实数据上的实验结果表明,基于亲密度网络的团伙预测方法能有效发现潜在传销人员。     

Asymptotic behaviours of a class of threshold models for collective action in social networks

A class of dynamic threshold models is proposed for describing the upset of collective actions in social networks. The agents of the network have to decide whether to undertake certain action or not. They make their decision by comparing the activity level of their neighbours with a time-varying threshold, evolving according to a time-invariant opinion dynamic model. Key features of the model are a parameter representing the degree of self-confidence of the agents and the mechanism adopted by the agents to evaluate the activity level of their neighbours. The case in which a radical agent, initially eager to undertake the action, interacts with a group of ordinary agents, is considered. The main contribution of the paper is the complete characterisation of the asymptotic behaviours of the network, for three different graph topologies. The asymptotic activity patterns are determined as a function of the self-confidence parameter and of the initial threshold of the ordinary agents. Numerical validation on a real ego network shows that the theoretical results obtained for simple graph structures provide useful insights on the network behaviour in more complex settings.     

社交网络中基于K核分解的意见领袖识别算法

针对在社交网络中挖掘意见领袖时存在的计算复杂度高的难题,提出了一种基于K核分解的意见领袖识别算法CR.首先,基于K核分解方法获取社交网络中的意见领袖候选集,以缩小识别意见领袖的数据规模;然后,提出包括位置相似性和邻居相似性的用户相似性的概念,利用K核值、入度数、平均K核变化率和用户追随者个数计算用户相似性,并根据用户相...     

考虑群组结构的在线社交网络竞争性舆情信息传播模型研究

针对在线社交网络中竞争性舆情信息同时传播的问题,在无标度网络的基础上引入群组结构,构建竞争性舆情信息传播模型,考虑舆情信息内容、用户亲密度、社会强化效应因素并进行仿真研究。仿真结果表明,引入群组结构的无标度网络充分契合了在线社交网络的复杂性质;群组数量、群组规模、用户亲密度、社会强化效应对竞争性舆情信息的传播有不同的促进作用;控制舆情信息内容的重要性与模糊度可有效调控竞争性舆情信息的传播与扩散。     

融合位置和社交属性的热点轨迹聚类算法

提出一种新的热点轨迹聚类算法（LSHT）,结合社交网络中的位置属性和社交特征,利用基于位置的社交网络（LBSN）用户中的好友关系特征,引入用户亲密度和用户活跃度,对用户之间的联系进行分析;提出对用户轨迹进行评分的评分函数,计算用户轨迹的影响力。结合用户亲密度和轨迹评分值,挖掘用户好友中的热点轨迹。该算法能够将热门轨迹中的不真实轨迹进行过滤。实验表明,该算法能更快更准确地挖掘出用户好友中的热点轨迹。     

基于公共邻居的MHK一致性协议及其稳定性分析

如何增强多智能体系统一致性收敛是其一致性研究的重要问题。提出了一种新的MHK(multi-agentbased Hegselmann-Krause)一致性协议,该协议将智能体间的公共邻居作为切换网络下多智能体分布式协作的重要调控因素。针对该协议下的多智能体系统设计了能量函数,分析并证明了该系统具有李雅普诺夫意义下的稳定性,将收敛为一个或多个子观点集群。数值仿真采用增量分析方法考察了系统所收敛的观点集群数量与初始拓扑区间长度的关系;实验表明,该协议使多智能体系统收敛为数量更少的观点集群。所提出的基于公共邻居的MHK一致性协议能够有效提高切换网络的连通性,从而增强系统的一致性收敛,并能为观点演化模型的控制与优化提供理论支撑。     

基于区块链技术的在线社会网络舆情传播模型与干预治理

区块链的快速发展和普及,为网络社会网络舆情的传播提供了便捷的平台,这使得网络舆情逐渐成为人民群众最活跃的反映方式.当网络舆情涉及社会热点等问题时,会引起网民的快速关注,甚至引发突发事件和连锁反应,考察政府的治理干预能力,甚至对国家社会安全和稳定构成紧张.本文根据网络舆情传播的特点,从个体行为和群体社会强化两个方面揭示网...     

基于长短期意见的观点演化模型

意见动力学可以帮助分析和预测信息在社交网络中的传播,有助于社交媒体营销、舆情监测。该文结合深度学习和意见动力学模型,同时考虑了社会互动机制和数据驱动;引入了数据增强模块;融合了长短期意见,使用自注意力网络学习用户长期意见特征,采用门控循环单元捕获用户短期意见特征。实验结果表明,在合成数据集和真实数据集上,该文提出的基于长短期意见的观点演化模型(LST-OD)在预测用户意见方面优于其他几种基线方法。消融实验也证实了该模型各模块的有效性。