隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,各類社交網(wǎng)絡(luò)如雨后春筍般涌現(xiàn),成為人們?nèi)粘Ｉ�、工作等方面不可或缺的一部分。社交網(wǎng)絡(luò)中的信息傳播速度快,自由度高,在方便人們之間的溝通時,也導(dǎo)致大量未經(jīng)證實的謠言在網(wǎng)絡(luò)中肆意傳播。謠言不僅能夠誤導(dǎo)人們的判斷,影響市場經(jīng)濟(jì)的發(fā)展,還會威脅社會秩序的穩(wěn)定。因此,基于復(fù)雜網(wǎng)絡(luò)理論研究社交網(wǎng)絡(luò)上謠言傳播的潛在規(guī)律,建立合理有效的謠言傳播模型和溯源模型,在網(wǎng)絡(luò)安全、輿情監(jiān)控等領(lǐng)域具有十分重要的意義。經(jīng)典的謠言傳播模型基于傳染病模型,大多是靜態(tài)網(wǎng)絡(luò)中的確定性模型。但在網(wǎng)絡(luò)謠言的傳播過程中,網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)會根據(jù)用戶間的好友關(guān)系動態(tài)變化且用戶自身在傳播謠言這一行為過程中也存在許多不確定性。因此,在經(jīng)典模型的基礎(chǔ)上,考慮謠言傳播過程中的隨機(jī)性,構(gòu)建隨機(jī)模型將幫助我們更好地理解實際網(wǎng)絡(luò)中的謠言傳播機(jī)制。為此,本課題以網(wǎng)絡(luò)中的“隨機(jī)擾動”為研究出發(fā)點,試圖構(gòu)造符合實際傳播規(guī)律的謠言傳播模型和溯源模型,主要包括如下四個方面:（1）考慮網(wǎng)絡(luò)連接的隨機(jī)改變,分別在均質(zhì)網(wǎng)絡(luò)和異質(zhì)網(wǎng)絡(luò)中構(gòu)建隨機(jī)微分方程模型描述謠言在動態(tài)網(wǎng)絡(luò)中的傳播過程。本文將網(wǎng)絡(luò)連接的變化對謠言傳播產(chǎn)生的影響抽象為一種噪聲,... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：123 頁

【學(xué)位級別】：博士

【部分圖文】：

社交網(wǎng)絡(luò)謠言的時空傳播方式[36]

南京郵電大學(xué)博士研究生學(xué)位論文第四章考慮用戶行為決策不確定性的謠言時空擴(kuò)散模型45為簡化模型，不妨設(shè)行為代價為常數(shù)0，則選擇傳播謠言的概率可進(jìn)一步改寫為：((1,)(0,))/(1,)/(1,)/(0,)/1(,)(0)1ddddduxuxuxuxuxdpdeeee(4.13)圖4.2謠言傳播概率隨平均決策收益差的變化圖像[27]將兩種行為決策的平均收益之差視為整體，圖4.2展示了不同不確定度取值下，用戶傳播謠言的概率變化。當(dāng)不確定度很小時，謠言傳播概率近似一個與收益差正負(fù)相關(guān)的分段函數(shù)，此時用戶的行為決策幾乎完全傾向于收益高的選擇。而隨著不確定度的增大，函數(shù)曲線逐漸平緩，當(dāng)不確定度很大時，趨于常數(shù)0.5，表明此時選擇傳播或不傳播的概率是均勻的，用戶決策完全隨機(jī)，不再考慮收益的影響。最后，基于不同的博弈模型，構(gòu)造收益矩陣，即可計算采納不同決策的平均收益。假定收益矩陣如(4.14)所示，R表示博弈雙方均選擇傳播謠言的收益；P表示博弈雙方均選擇不傳播謠言的收益；S表示我方選擇傳播而對方不傳播謠言的收益；T則與S情形相反。以囚徒博弈為例，參數(shù)滿足TRPS，當(dāng)雙方均選擇不采取行動時，達(dá)到平衡；而雪堆博弈則滿足TRSP，最佳策略是制定與對方相反的決策。在謠言傳播過程中，協(xié)同博弈往往更符RSTP(4.14)合實際傳播情況，當(dāng)有更多的鄰居節(jié)點相信并傳播謠言時，用戶趨向于制定傳播謠言的決策。由此，平均決策收益可表示為：max(1,)(())/()dupdpRddpSdR(4.15)max(0,)(())/()dupdpTddpPdR(4.16)其中p表示鄰居節(jié)點在某一時刻選擇傳播謠言的概率，或者說是整個網(wǎng)絡(luò)中謠言傳播者的比

南京郵電大學(xué)博士研究生學(xué)位論文第四章考慮用戶行為決策不確定性的謠言時空擴(kuò)散模型56(a)(b)(c)(d)圖4.5不同距離上的謠言擴(kuò)散演化過程：(a)WS網(wǎng)絡(luò)上的數(shù)值解；(b)WS網(wǎng)絡(luò)上的仿真解；(c)BA網(wǎng)絡(luò)上的數(shù)值解；(d)BA網(wǎng)絡(luò)上的仿真解圖4.5展示了不同距離上感染連接密度隨時間變化的圖像。其中模型參數(shù)依然設(shè)置為d0.1，I(t*)0.1。網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)參數(shù)如表4.1所示。子圖4.5(a)和4.5(b)展示了在不確定度0.1下，WS網(wǎng)絡(luò)中各距離處的感染連接密度的變化。由于在閾值時刻在各距離處較為均勻的感染連接分布，以及WS網(wǎng)絡(luò)拓?fù)涞木|(zhì)特征，不同距離處的感染連接密度呈均勻上升趨勢。而在BA網(wǎng)絡(luò)中，基于不確定度0.01，觀察發(fā)現(xiàn)閾值時刻，距離信源3處的感染連接密度相對較大，表明此處謠言的影響力更大，傳播謠言的用戶更多，因此相較其他距離，距離3處的感染連接密度增長更快，說明初值條件對不同距離謠言演化過程存在顯著影響。隨著時間推移，由于不同距離間的信息流動使得各處的感染連接密度相對均衡，最終各距離處的感染連接密度近似相等，達(dá)到穩(wěn)態(tài)。通過觀察圖4.4與圖4.5，雖然數(shù)值解與仿真解的傳播趨勢和取值變化十分相似，但二者仍有不同。在實際網(wǎng)絡(luò)中，僅有整數(shù)距離具有實際意義，但數(shù)值解法由于考慮了各個距離步長上的謠言流動，導(dǎo)致整數(shù)距離上的謠言流量得到分流，因此相較仿真結(jié)果，數(shù)值解描述的謠言擴(kuò)散過程速度相對較慢慢，擴(kuò)散規(guī)模也更校4.4.3不確定度對系統(tǒng)性能的影響為進(jìn)一步研究社交能力d以及用戶行為決策不確定對謠言時空擴(kuò)散演化過程的影響，我

【參考文獻(xiàn)】：
期刊論文
[1]基于Web3.0的知識交流與傳播服務(wù)平臺構(gòu)建[J]. 劉愛琴,陳宋敏,趙慧敏.  圖書館工作與研究. 2017(10)
[2]基于方法論分析傾向性網(wǎng)絡(luò)輿情的思考[J]. 周俊.  環(huán)球市場信息導(dǎo)報. 2016(18)
[3]隨機(jī)利率和復(fù)合泊松損失情形下的災(zāi)難期權(quán)的定價（英文）[J]. 金運(yùn)國,鐘守銘.  應(yīng)用概率統(tǒng)計. 2015(04)
[4]Rumor Spreading Model with Trust Mechanism in Complex Social Networks[J]. 王亞奇,楊曉元,韓益亮,王緒安.  Communications in Theoretical Physics. 2013(04)
[5]關(guān)于輿論的基本理念[J]. 陳力丹.  新聞大學(xué). 2012(05)

博士論文
[1]幾類反應(yīng)擴(kuò)散系統(tǒng)的自由邊界問題[D]. 朱丹丹.鄭州大學(xué) 2019

碩士論文
[1]面向復(fù)雜網(wǎng)絡(luò)的免疫策略研究[D]. 姜孟津.杭州電子科技大學(xué) 2019



本文編號：3601611