基于幂律分布和小世界特性的无结构P2P网络中搜索方法研究

目前无结构P2P系统得到了大量的应用,但其常用的基于简单flooding机制的信息资源搜索方法造成了严重的通信消耗.基于P2P网络的幂律分布和小世界特性,通过对复杂网络幂律特性产生机制的分析并借鉴人际传播中谣言传播机制,提出了一种结合择优连接机制和谣言传播中兴趣衰减机制的信息资源搜索方法.其中择优连接是导致复杂网络幂律特性产生的机制之一,而谣言传播中的兴趣衰减机制适合于聚合网络中的信息传播.分析和仿真结果表明,提出的搜索方法可以有效地减少无结构P2P网络中信息搜索的通信开销.     

万维网无尺度特征与主动服务网格

万维网从网页到站点所形成的链接结构构成一个规模宏大的复杂网络.尽管其发展包含许多随机因素,传统的随机网络模型并不适合描述其结构,实证研究表明其结构呈现一种无尺度网络特征,即海量网络信息资源是由少量的以信息集散节点为核心的网络链接方式构成的.万维网中同时具有“小世界”特征,具有相似主题的资源构成一系列小集群,进而组成无尺度网络.提出了一种万维网的信息传播与访问过程的主动服务与信息推荐体系结构,该结构为资源优化传播以及个性化虚拟社区服务的主动服务网格奠定了理论基础.     

走进网络信息资源

一、定义信息资源可根据其载体形式与传递方式分为文献信息资源与网络信息资源两大类型。网络信息资源作为信息资源的一个下位概念,与传统的文献信息资源相并列,一般可以理解为:以数字化的形式存贮于网络节点中,并通过计算机网络、通讯网络广泛传输的、可以利用的各种信息资源的总和。这时里要注意的是"可以利用"一词的限制,它表明通过网络而获得的各种信息并非全部归入"资源"范畴。网络信息资源已经不只是传统出版物的电子化,而且直接在网络上出版、流通、和传播的各种信息资源,是电子出版发展到高级阶段的产物。与传统信息资源不同,网络信…     

浅析思政教育网络传播过程与管理

随着时代的发展与科技的进步,计算机已经成为人们生活与工作中不可或缺的电子设备,网络的存在不仅为人们提供了获取资源的平台,更实现了跨越距离的接触,而通过网络进行思政教育传播可以突破传统的单一性与局限性,使信息传播范围更广传播速度更快,因此网络传播无疑以成为传播信息的最佳选择,通过对网络的利用开展思政教育网络传播,可使传播效果大幅度提升。     

新媒介环境下网络编辑的媒介素养管窥

网络编辑在网络信息传播中担当着“把关人”的角色,其媒介素养的高低在一定程度上影响媒介质量和用户的媒介体验.网络编辑提高媒介素养,加强对网络信息的选择、分析、评价和创造性传播能力,对改善当前网络信息传播现状、构建和谐的网络公共环境具有重要作用.本文通过概述网络编辑和媒介素养的内容,提高网络编辑媒介素养的必要性及具体要求.     

网络新媒体对行政管理的影响

网络新媒体具有信息传播迅捷、广泛，信息资源丰富、信息交互方便等特征，让公众对于现有行政管理中有了更多知情权、表达权、监督权，本文就网络新媒体及其特征和对行政管理的影响进行了较为详尽的分析论证。并指出了新媒体对行政管理提升有着正面积极作用和意义。     

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...     

地方性网络论坛热点舆情话题传播机制研究

地方性网络论坛是网络热点舆情话题信息传播的一个重要平台.对其传播机制的研究有助于对网络舆情进行管控.但是,现有的信息传播机制的研究都是基于对信息的"转发"行为进行的,无法适用于网络论坛中信息传播机制的研究.针对这一问题,通过普通的大型论坛和地方性论坛进行数据对比分析,得到了地方性论坛信息传播机制的三个特点.根据论坛中信息传播与帖子回复量呈正相关的特点,在SIR模型的基础上,加入新的浏览者(Browser)节点,引入兴趣指数函数P(m),建立了UBIR(Unknow-Browser-Infected-Removed)模型.根据地方性论坛信息传播的三个特点,对模型的参数进行修改.使用该模型进行仿真实验,对地方性网络论坛中热点舆情话题的传播机制进行了研究.结果表明,该模型能够较好地拟合实际数据并描述地方性网络论坛的热点舆情话题传播机制.     

基于关系强度理论与反馈机制的信息传播动态网络表示

现有多数网络表示学习方法不能很好地贴合真实世界的信息传播网络,且无法对信息传播动态网络的时间特性与动力学演化特征进行有效建模。提出一种新的信息传播动态网络表示模型,基于关系强度将信息传播动态网络划分为关系网络与传播网络,并分别计算变化节点对的概率密度和邻接矩阵。通过更新节点注意力强度矩阵,聚合节点邻域变化信息,并融合节点邻域变化信息、自身历史信息以及外部影响因素,对信息传播动态网络进行归纳式表示学习。引入反馈机制,将最新的节点表示反馈到邻居节点,解决网络表示不及时的问题,提升网络表示性能。实验结果表明,与Know-Evolve、DyRep、LDG等模型相比,该模型的命中率和平均排名提升显著,与LDG模型相比,其时间效率在Social Evolution数据集和Github数据集上分别提升了91.8%、87.2%。     

利用社交网络的影响力骨架探索信息传播

理解社交网络上的信息传播机制,通常包括对拓扑结构的分析和对用户行为的分析。由于社交网络上连边的强度具有异质性,只有一部分连边对于信息传播有实质作用,构成隐藏在社交网络中的影响力骨架。对影响力骨架的拓扑研究可帮助我们获得比直接研究社交网络拓扑结构更深入的认识。我们从连边正负性和个体节点角色分化入手,探讨了微观层面连边和节点在信息传播中的作用,进而从宏观层面分析信息传播所依赖的影响力骨架的连通性和扩散效率,发现信息传播具有一定程度的脆弱性,且其传播效率低于对社交网络本身研究的预期。