研究信息或觀點在社交網(wǎng)絡中的傳播對于理解復雜網(wǎng)絡理論動力學特征、挖掘傳播規(guī)律等具有重要理論意義�；贒effuant模型,設計一種節(jié)點狀態(tài)伴隨其自身觀點變化而改變的信息傳播模型,模型節(jié)點具有一個影響其狀態(tài)的觀點值,通過引入狀態(tài)改變域參數(shù),使節(jié)點觀點在傳播過程中逐漸變化,最終節(jié)點狀態(tài)發(fā)生改變,而節(jié)點狀態(tài)則由初始傳播者觀點鄰域決定。在該模型中引入擾動信號源,結合在實際復雜網(wǎng)絡結構中的仿真實驗結果與相應理論分析模型特征,驗證模型正確性與有效性。實驗表明,初始觀點傳播者對最終傳播結果具有重要影響作用;作為傳播目標的觀點,其概念越寬泛,在網(wǎng)絡中引發(fā)的群體猶豫越大。 

【文章來源】：軟件導刊. 2020,19(08)

【文章頁數(shù)】：6 頁

【部分圖文】：

SCADR模型概念

對比圖2(a）、（b）可以發(fā)現(xiàn)，隨著傳播概率β的增加，節(jié)點觀點同步到統(tǒng)一時的時間步逐漸減少。這說明傳播者（Spreader）對觀點的傳播能力越強，群體越容易達到觀點統(tǒng)一。對比圖2(a）、（c）與圖2(b）、（d）可以發(fā)現(xiàn)，隨著狀態(tài)改變域θ的增加，節(jié)點同步速度逐漸增加，同步到統(tǒng)一時的時間步也逐漸減少，因為隨著狀態(tài)改變域θ的增加，有資格成為傳播者的“門檻”變低，當傳播者基數(shù)增加，節(jié)點觀點同步到統(tǒng)一時的時間步也會減少，且隨著傳播概率β與狀態(tài)改變域θ增加。實驗表明，某觀點的可接受度越大，越容易達成觀點一致，因此為加快觀點統(tǒng)一可適當降低成為傳播者的“門檻”以增加傳播者基數(shù)。在SCADR模型實驗中，本文依舊選擇具有明顯小世界特性的悲慘世界復雜網(wǎng)絡作為實驗對象，將置信域δ固定為0.5，在實驗開始時根據(jù)度中心性算法選擇一個節(jié)點作為初始傳播者，此處依舊選取度值為36的11號節(jié)點作為初始傳播者S0，將其觀點值設置為0.9，狀態(tài)設置為“Spreader”，剩下所有節(jié)點初始觀點值均設置為0.5，狀態(tài)設置為“Crowd”，設置干擾者出現(xiàn)時間步為tn。在每一個時間步，狀態(tài)為“Spreader”傳播者i對其鄰居節(jié)點進行傳播，若傳播者和其鄰居節(jié)點觀點差超過置信域δ，即Sij>δ，則二者觀點不改變；如果它們觀點差在置信區(qū)間內，即Sij<δ，則根據(jù)式（2）、式（3）改變兩者觀點值。在第tn時間步依舊根據(jù)度中心性算法選出一個節(jié)點作為初始干擾者D0。此處選取度值為22，排在第二的48號節(jié)點作為初始干擾者D0，將其意見值設置為0.1，狀態(tài)設置為“Disturber”，在后面的每一個時間步，狀態(tài)為“Disturber”的干擾者對其鄰居節(jié)點進行干擾。同樣，若干擾者和其鄰居節(jié)點觀點差超過置信區(qū)間，則它們觀點不會改變，如其觀點差在置信區(qū)間內，則根據(jù)式（2）、式（3）改變兩者觀點值。在每一時間步結束后計算每個節(jié)點與初始傳播者S0和干擾者D0之間的觀點差Sij(t)。如果節(jié)點與初始傳播者S0之間的觀點差小于狀態(tài)改變域θ，則節(jié)點狀態(tài)會以γ的概率變?yōu)閭鞑フ�，�?-γ的概率變?yōu)榻邮苷�；同樣如果�?jié)點與初始干擾者D0之間的觀點差小于狀態(tài)改變域θ，則節(jié)點狀態(tài)會以γ的概率變?yōu)楦蓴_者，以1-γ的概率變?yōu)榫芙^者。

為研究觀點同步過程，本文將狀態(tài)改變域θ設置為0.05，將變?yōu)榫哂袀鞑ツ芰?jié)點狀態(tài)概率γ設置為0.5進行實驗，將干擾者出現(xiàn)時間點設置為t2，依舊根據(jù)度中心性算法選擇11號節(jié)點作為初始傳播者和48號節(jié)點作為初始干擾者，最終節(jié)點狀態(tài)如圖3所示。其中節(jié)點大小表示度值大小，連邊粗細代表權值，節(jié)點狀態(tài)中黑色表示“Spreader”、深灰色表示“Accepter”、白色表示“Disturber”、淺灰色表示“Rejecter”，觀點值演化過程如圖3所示。其中，黑色節(jié)點代表傳播者，深灰色節(jié)點代表接受者，白色節(jié)點代表干擾者，淺灰色節(jié)點代表拒絕者。圖3中，左側最大的黑色節(jié)點是初始選定的傳播者，右邊最大橙色節(jié)點是t2時刻選定的干擾者�？梢钥吹匠跏紓鞑フ哙従庸�(jié)點幾乎均被“感染”為“傳播者”或“接受者”，初始干擾者鄰居節(jié)點狀態(tài)也與初始干擾者保持一致，大部分為“干擾者”和“拒絕者”，這說明初始傳播者和干擾者的選擇對周圍社團相同鄰居節(jié)點的影響很大。

【參考文獻】：
期刊論文
[1]復雜網(wǎng)絡視角下上海市加油站布局特征研究——以中石油為例[J]. 施佳怡,郭進利.  軟件導刊. 2019(09)
[2]基于改進凝聚算法與鐵路網(wǎng)的社團劃分[J]. 李勤敏,郭進利.  軟件導刊. 2019(01)
[3]基于復雜網(wǎng)絡的SEIA流行病傳播模型最優(yōu)控制研究[J]. 王賽,劉子龍.  軟件導刊. 2018(11)
[4]自媒體復雜網(wǎng)絡消息傳播模型[J]. 盛成成,劉亞平,朱勇.  軟件導刊. 2019(03)
[5]具有跨鄰居傳播能力的信息輻射模型研究[J]. 汪筱陽,王瑛,朱參世,朱琳,傅超琦.  物理學報. 2017(03)
[6]Subtle role of latency for information diffusion in online social networks[J]. 熊菲,王夕萌,程軍軍.  Chinese Physics B. 2016(10)
[7]基于信息熵的社交網(wǎng)絡觀點演化模型[J]. 黃飛虎,彭艦,寧黎苗.  物理學報. 2014(16)
[8]CONSENSUS FORMATION OF TWO-LEVEL OPINION DYNAMICS[J]. Yilun SHANG.  Acta Mathematica Scientia. 2014(04)
[9]基于社交網(wǎng)絡的觀點傳播動力學研究[J]. 熊熙,胡勇.  物理學報. 2012(15)



本文編號：3395566