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SIR的Device-to-Device移动社交网络信息传播模型

智能移动设备的迅速普及在加快移动社交网络发展的同时,也给底层通信网络带来了沉重的负担。为了缓解底层通信网络的负担,越来越多的社交网络应用开始采用Device-to-Device技术传播信息。本文以Device-to-Device移动社交网络为研究对象,首先分析该网络中用户参与信息传播的特点,然后在传染病模型的基础上构建适合此网络特点的信息传播模型,并利用该模型分析真实Device-to-Device环境中的信息传播过程。结果表明,Device-to-Device移动社交网络中的信息传播与基于Internet的社交网络中的信息传播有相似之处;但是,由于Device-to-Device移动社交网络存在较大的传播时延,信息在该网络中需要较长的时间才能达到传播高峰。     

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。     

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Multiagent的社交网络舆情传播模型

为分析与预测社交网络中舆情传播过程和演化趋势,本文基于Multiagent分布式技术,建立了社交网络舆情传播模型,研究社交网络舆情传播方式,并根据Agent的行为和状态特性,对A-gent进行分类,分析Agent的属性特征,通过剖析Agent个体之间的交互微观行为,依据信息价值时效性、信息源覆盖率和信息关注度,对转发行...     

社交网络突发事件传播速率模型研究

针对传统信息传播速率模型中对各因素描述不准确且仿真结果误差偏高的问题,该文提出了一种PPS信息传播速率计算模型。该模型选取Digg社交平台的数据集进行分析,拟合大量数据改进了传统模型中固有增长率及用户承载力的计算方法,并根据新闻投票量对新闻划分范围得到PPS模型,最后针对不同投票范围的新闻信息进行了仿真分析。仿真结果表明,在此平台上的新闻均经历增长期而到达稳定期,而通过传播速率分析图得出新闻在进入头版后增长速率最快。结合传统模型及算法进行准确率分析得到,该文提出的PPS模型在准确率上有了较大提升,证明提出的模型在分析社交平台的信息传播速率合理、有效。     

基于多Agent的个性化网络学习环境模型设计

传统的教学系统难以满足用户个性化的需求.将人工智能的Agent技术引入网络学习环境的研究中,提出了基于多Agent的个性化网络学习环境模型.并详细阐述了系统的体系结构、设计思想和实现技术.     

社交网络中的谣言传播模型与全局动力学分析

传统的谣言传播模型不考虑人群评价对谣言传播的影响,但随着弹幕、评论点赞、评论排序等新机制的广泛应用,人群评论对谣言传播产生了不可忽视的影响.基于上述情况,本文提出一类新型的基于评价机制的ICST谣言传播模型,该模型将人群细化为无知者(I)、评论者(C)、传播者(S)和静默者(T)四类.在验证平衡点存在性的基础上给出了谣...     

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.     

微博中的信息传播: 媒体效应与社交影响

该文从媒体性和社交性两方面入手, 区分两种效应对于信息传播产生的影响. 实证分析了新浪微博中大规模的信息转发行为, 发现大规模转发链的信息扩散路径呈现出比较明显的星形结构, 尤其是大度节点对于信息传播规模及传播速度的促进作用非常明显; 另一方面, 发现社交结构中好友的转发行为能提高用户转发的概率, 且关系相对较强的双向好友之间的影响更大.     

基于时间异质性的微博信息传播模型

提出了具有时间异质性的SI(susceptible-infected)传播模型。通过构建异质的时间间隔序列,将微博信息传播动力学过程在无标度网络上仿真。研究结果发现信息新接受个体数n(t) 以幂律形式减少, n(t) ~ t-β。与传统假设的时间间隔服从泊松分布的信息传播模型相比,时间间隔服从幂律分布的传播速度要缓慢很多。同时,传播动力学的幂指数β 受行为时间间隔分布幂指数α 影响,且具有关系β ≈α-1 。本文的仿真分析结果与理论预测结果一致。     

基于历史信息和时间约束的多Agent协商模型

协商是多Agent系统（Multi—Agent Systems：MAS）实现协调、协作和冲突消解的关键环节。如何在不完全信息的情况下构造有效的协商模型来提高Agent的协商能力,是多Agent系统研究中占有重要地位的问题之一。通过考虑历史信息和时间约束的情况下,讨论了多Agent多问题的协商类型,提出了基于历史信息和时间约束的协商模型（HTANM）和协商算法,为多Agent能进行自动协商奠定了一定的基础。     

基于社团信息传播能力分析的微博舆情热点监测

在分析微博舆情热点监测研究局限的基础上,从信息传播角度提出一种基于社团信息传播能力分析的微博舆情热点监测方法。该方法首先基于微博用户间信息交互构建微博信息交互网络;然后采用快速Newman社团发现算法挖掘信息交互网络中的信息传播社团;最后根据用户传播影响力和用户间交互紧密度对社团的传播能力进行评估,并通过对具有较强信息传播能力社团中信息交互的监测实现微博潜在舆情热点的挖掘。实验结果表明,微博信息传播社团的信息传播能力与热点微博信息在社团中的真实传播效果具有较高的拟合度,通过对强传播能力社团中信息交互情况的实时监测,可发现潜在舆情热点信息。     

基于多Agent的网络智能答疑系统的研究

分析了网络答疑系统的现状,阐述了Agent系统和多Agent系统的特征,并提出了如何在网络答疑系统中引入Agent技术.基于现代教育教学思想和Agent技术应用于答疑系统的优势,提出了多Agent的网络智能答疑系统模型.该模型通过多Agent之间相互合作使得网络答疑系统更加科学化、人性化.     

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。     

微博的传播偏向研究

就伊尼斯"传播的偏向理论",从内容和关系维度对微博的传播偏向进行重新的解读。提出了在当下的微博环境以及信息的传播偏向中,仰视关系存在的必然性和合理性。     

面向社交网络的认证模型

针对目前基于凭证的社交认证系统中社交凭证产生方式匮乏和应用场景单一以及基于知识的社交认证系统存在社交知识种类缺乏等问题,提出了应用短信、电话和数据连接等多种社交活动的基于凭证的社交认证模型及应用边特性和节点特性多种类型的基于知识的社交认证模型.结合传统认证方式提出一种多层次、多因子式的统一认证模型.结果表明,结合线上线下两种社交认证场景,该统一认证模型可以解决社交认证信息只能为特定系统使用的问题并且能为其他认证系统提供社交认证服务.     

微博网络中用户主题兴趣相关性及主题信息扩散研究

运用Twitter-LDA主题模型对新浪微博数据进行了主题分析,基于用户主题兴趣相关性的研究表明用户间的主题兴趣具有三度相关性,同一主题兴趣下三度以内粉丝的发文数随用户发文数增加而波动式增加,各度粉丝与用户主题兴趣的相似度随粉丝度数的增加而下降。通过分析比较不同主题类别微博的扩散差异,发现生活情感类的信息最受用户欢迎,不同主题类别微博被转发的概率存在显著差异,平均转发数相差可达10倍,微博信息扩散树中各类主题在微博信息扩散深度、扩散时间间隔和用户的扩散能力方面都表现出不同的特征。