在社交網(wǎng)絡(luò)中,信息傳播指以社交網(wǎng)絡(luò)為媒介進(jìn)行的觀點(diǎn)、謠言、評論、用戶行為等多種形式信息的傳播過程。社交網(wǎng)絡(luò)對當(dāng)今社會的信息傳播發(fā)揮越來越重要的作用,社交網(wǎng)絡(luò)信息傳播的研究具有現(xiàn)實(shí)意義。研究觀點(diǎn)演化與謠言傳播可以深入理解信息傳播的內(nèi)在規(guī)律,及時地發(fā)現(xiàn)和監(jiān)控網(wǎng)絡(luò)輿情,預(yù)測突發(fā)事件;研究微博信息傳播可以分析用戶的群體行為以及愛好,預(yù)測用戶行為趨勢;通過對微博網(wǎng)絡(luò)信息傳播的研究,有助于分析不同類型用戶的行為特征和興趣愛好,從而更加精準(zhǔn)地投放廣告。因此,針對社交網(wǎng)絡(luò)的信息傳播研究越來越受到研究學(xué)者的重視。本文結(jié)合復(fù)雜網(wǎng)絡(luò)理論、傳播動力學(xué)、社會心理學(xué)和機(jī)器學(xué)習(xí)等學(xué)科的思想和方法,對社交網(wǎng)絡(luò)的觀點(diǎn)傳播與演化、謠言傳播、微博網(wǎng)絡(luò)傳播覆蓋范圍和傳播深度預(yù)測等問題進(jìn)行了研究。論文的主要工作和創(chuàng)新點(diǎn)如下:針對觀點(diǎn)和網(wǎng)絡(luò)的共同演化問題,提出了一種動態(tài)自適應(yīng)網(wǎng)絡(luò)的有界信任輿論演化模型。模型中觀點(diǎn)的演化受網(wǎng)絡(luò)的影響,觀點(diǎn)的演化也會導(dǎo)致網(wǎng)絡(luò)的動態(tài)變化。提出了平均觀點(diǎn)集合數(shù)、觀點(diǎn)統(tǒng)一概率、最大集合人數(shù)比例和平均步數(shù)四個統(tǒng)計指標(biāo),分析動態(tài)網(wǎng)絡(luò)中觀點(diǎn)演化的內(nèi)在規(guī)律。實(shí)驗(yàn)結(jié)果表明,在動態(tài)自適應(yīng)網(wǎng)絡(luò)模型中,重連概率對觀點(diǎn)演化... 

【文章來源】：西北工業(yè)大學(xué)陜西省 211工程院校 985工程院校

【文章頁數(shù)】：116 頁

【學(xué)位級別】：博士

【部分圖文】：

考慮遺忘機(jī)制的謠言傳播模型

圖 3-7 who-trust-whom 網(wǎng)絡(luò)度分布規(guī)律傳播者在人群中的密度設(shè)置為0.5%，未知者的密度設(shè)所有的實(shí)驗(yàn)中都設(shè)置為相同的概率 0.2， 0.2，

1. 用戶關(guān)注數(shù)在微博網(wǎng)絡(luò)中，用戶可以是一個關(guān)注者也可以是一個被關(guān)注者，這種行為是單方面的。圖4-2展示了一個小型的用戶關(guān)注關(guān)系網(wǎng)。在一個關(guān)注邊中，當(dāng)用戶B單方面的關(guān)注了 A，說明 A 是用戶 B 感興趣的用戶，A 用戶發(fā)布的微博會出現(xiàn)在 B 用戶的好友圈頁面，B就可以對該微博進(jìn)行評論或者轉(zhuǎn)發(fā)。一個用戶的關(guān)注數(shù)在一定程度上可以反映出該用戶的活躍程度。圖 4-2 微博用戶關(guān)系示意圖2. 用戶粉絲數(shù)用戶的粉絲相對于用戶的關(guān)注事件來說，是一個逆向過程。如圖 4-2 所示，用戶 C關(guān)注用戶B，用戶 B也可以關(guān)注用戶C

【參考文獻(xiàn)】：
期刊論文
[1]融合異常檢測與隨機(jī)森林的微博轉(zhuǎn)發(fā)行為預(yù)測方法[J]. 周先亭,黃文明,鄧珍榮.  計算機(jī)科學(xué). 2017(07)
[2]動態(tài)自適應(yīng)網(wǎng)絡(luò)中有界信任輿論演化算法[J]. 王彥本,蔡皖東,盧光躍,白菊蓉,馮景瑜.  西北工業(yè)大學(xué)學(xué)報. 2017(03)
[3]在線社交網(wǎng)絡(luò)信息傳播研究綜述[J]. 胡長軍,許文文,胡穎,方明哲,劉峰.  電子與信息學(xué)報. 2017(04)
[4]媒體介入下的謠言傳播模型及其控制策略[J]. 梁新媛,萬佑紅.  南京郵電大學(xué)學(xué)報(自然科學(xué)版). 2017(01)
[5]動態(tài)影響力下網(wǎng)絡(luò)輿論傳播的計算實(shí)驗(yàn)研究[J]. 徐迪,戴曉沛.  系統(tǒng)工程理論與實(shí)踐. 2016(12)
[6]基于轉(zhuǎn)發(fā)傳播過程的微博轉(zhuǎn)發(fā)量預(yù)測[J]. 趙惠東,劉剛,石川,吳斌.  電子學(xué)報. 2016(12)
[7]基于神經(jīng)網(wǎng)絡(luò)的微博輿情預(yù)測方法[J]. 何炎祥,劉健博,孫松濤.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2016(09)
[8]在線網(wǎng)絡(luò)中具有反沉默螺旋現(xiàn)象的謠言傳播模型[J]. 王小初,萬佑紅.  南京郵電大學(xué)學(xué)報(自然科學(xué)版). 2016(04)
[9]兩層無標(biāo)度網(wǎng)絡(luò)謠言傳播模型仿真研究[J]. 覃志華,劉詠梅.  系統(tǒng)仿真學(xué)報. 2016(07)
[10]基于用戶行為的微博網(wǎng)絡(luò)信息擴(kuò)散模型[J]. 劉紅麗,黃雅麗,羅春海,胡海波.  物理學(xué)報. 2016(15)

碩士論文
[1]基于新浪微博數(shù)據(jù)的處理與用戶行為分析[D]. 王魯飛.北京交通大學(xué) 2016
[2]社交網(wǎng)絡(luò)大數(shù)據(jù)分析平臺及用戶轉(zhuǎn)發(fā)行為分析[D]. 鄧凱.西安電子科技大學(xué) 2015
[3]社交網(wǎng)絡(luò)中轉(zhuǎn)發(fā)預(yù)測的研究[D]. 任天功.哈爾濱理工大學(xué) 2015



本文編號：3447115