【摘要】：社交網(wǎng)絡(luò)的盛行,為人們的溝通提供便利。個人可以向朋友圈發(fā)布消息,轉(zhuǎn)發(fā)熱點(diǎn)新聞,正逐漸成為一種重要的社會宣傳媒體及個人展示平臺。但同時也為謠言傳播提供了便利,謠言可以在短時間內(nèi)傳播至整個網(wǎng)絡(luò),給社會帶來巨大的負(fù)面影響。研究社交網(wǎng)絡(luò)的增長演化模型,以及研究謠言在社交網(wǎng)絡(luò)上的傳播規(guī)律和控制策略,具有重要的現(xiàn)實(shí)意義,引來眾多學(xué)者的參與。社交網(wǎng)絡(luò)的研究,正成為學(xué)術(shù)研究的熱點(diǎn)。社交網(wǎng)絡(luò)中謠言的擴(kuò)散,會影響到社會的穩(wěn)定,一些波及范圍廣的謠言甚至?xí)鹑罕姷目只徘榫w。而謠言的傳播范圍,不僅與謠言的內(nèi)容有關(guān),而且與社交網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)密不可分,并且會受到綜合社會因素的影響。其中,網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)會影響到謠言傳播的傳播速度、謠言傳播的閾值;而社會因素會加速謠言的傳播。因此,研究網(wǎng)絡(luò)的拓?fù)涮卣饕约坝绊懼{言傳播的社會因素,已經(jīng)成為社交網(wǎng)絡(luò)領(lǐng)域的重要科研課題。這些領(lǐng)域的研究成果,可以為輿情控制、謠言控制提供重要的理論支撐與方法指導(dǎo)。本論文緊緊圍繞社交網(wǎng)絡(luò)的增長演化過程、謠言的傳播規(guī)律以及謠言的控制策略,研究成果包括以下三個方面:1)本文在Holme和Kim(HK)模型的基礎(chǔ)上,通過引入擇優(yōu)與擇弱可選的三角連接機(jī)制,提出一種聚類系數(shù)和度相關(guān)性均可調(diào)的HK擴(kuò)展模型:HK-TDCC模型(HK extended model with turnable degree correlation and clustering)。通過該模型,能構(gòu)造出具正相關(guān)、高聚類特性的社交網(wǎng)絡(luò)。論文首先利用平均場理論,研究了該模型的度分布;隨后通過Matlab進(jìn)行仿真,證實(shí)HK-TDCC模型生成網(wǎng)絡(luò)的各拓?fù)鋮?shù),符合真實(shí)社交網(wǎng)絡(luò)特征。2)本文在SEIR(Susceptible-Exposed-Infected-Removed)病毒傳播模型的基礎(chǔ)上,考慮綜合社會因素對傳播造成的影響,提出新的謠言傳播模型。該建模方法為多種疊加因素影響下的謠言傳播建模,提供了參考。論文首先對該謠言傳播模型的傳播方程進(jìn)行分析,得出社交網(wǎng)絡(luò)中謠言擴(kuò)散的閾值,發(fā)現(xiàn)該閾值與網(wǎng)絡(luò)結(jié)構(gòu)相關(guān);然后,在真實(shí)社交網(wǎng)絡(luò)和HK-TDCC模型構(gòu)造社交網(wǎng)絡(luò)上,詳細(xì)研究了網(wǎng)絡(luò)拓?fù)浜途C合社會因素對傳播造成的影響。仿真結(jié)果表明,在考慮綜合社會因素后,即使感染率較小,初始傳播度值較低,謠言也會較快的傳播至整個網(wǎng)絡(luò),這表明了謠言控制的必要性;同時也驗(yàn)證了HK-TDCC模型在謠言傳播模型中的實(shí)用性。3)最后結(jié)合熟人免疫算法和目標(biāo)免疫算法的優(yōu)點(diǎn),通過設(shè)置閾值排除非重要鄰居節(jié)點(diǎn),提出改進(jìn)的熟人免疫策略:通過迭代的方法查找重要鄰居。通過與計(jì)算代價(jià)較高的目標(biāo)免疫相比,發(fā)現(xiàn)本文提出的改進(jìn)的熟人免疫策略,在免疫比例較低的情況下,也能取得與其近似的免疫效果。
【圖文】：

圖 2-1 Facebook 網(wǎng)絡(luò)的初始數(shù)據(jù)形式正如 2.2.1 節(jié)所述，在研究復(fù)雜網(wǎng)絡(luò)時，通常用鄰接矩陣表示網(wǎng)絡(luò)連接。因的數(shù)據(jù)形式，需要做進(jìn)一步的處理。facebook.tar.gz 文件從 0 開始對節(jié)點(diǎn)進(jìn)行個節(jié)點(diǎn)值加 1，使之成為描述網(wǎng)絡(luò)連接的稀疏矩陣。將稀疏矩陣轉(zhuǎn)變成完全矩該網(wǎng)絡(luò)的鄰接矩陣。進(jìn)一步分析 facebook.tar.gz 文件中的數(shù)據(jù)，還可得知，述了一種單向連接，是一個上三角矩陣，需要做對稱處理，即A=A+A′，就的網(wǎng)絡(luò)鄰接矩陣A。通過 2.2.1 節(jié)介紹的網(wǎng)絡(luò)參數(shù)計(jì)算方法，可以得到該網(wǎng)絡(luò)拓?fù)鋮?shù)如表 2-1 所表 2-1：Facebook 網(wǎng)絡(luò)拓?fù)鋮?shù)節(jié)點(diǎn)數(shù)目 N 網(wǎng)絡(luò)直徑 D平均路徑長度 L平均連接度<k>平均聚類系數(shù) C度相關(guān)系數(shù)r度分ook4039 5 2.4602 22.18 0.6120 0.2063 節(jié)點(diǎn)的度分布是描述一個網(wǎng)絡(luò)的重要特征，對 Facebook 網(wǎng)絡(luò)的度分布做進(jìn)

圖 3-3 可靠性隨時間變化曲線[21]0 條曲線分別對應(yīng)移除率 從 1.0 均勻減小到 0.1�？煽繒r隨著 的下降，傳播過程進(jìn)入穩(wěn)定狀態(tài)所需時間越來示了輿論傳播者密度隨時間的演化情況，，隨著 的下降應(yīng)的傳播者曲線形狀相似，都在同一天進(jìn)入峰值，所了在穩(wěn)定狀態(tài)下，易感者密度 ( )隨節(jié)點(diǎn)度值變化的情
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP393.09;G206

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王景麗;許立波;龐超逸;;復(fù)雜網(wǎng)絡(luò)中的在線社交網(wǎng)絡(luò)演化模型[J];智能系統(tǒng)學(xué)報(bào);2015年06期

2 張亞明;唐朝生;李偉鋼;;在線社交網(wǎng)絡(luò)謠言傳播興趣衰減與社會強(qiáng)化機(jī)制研究[J];情報(bào)學(xué)報(bào);2015年08期

3 劉霞;姚東任;姚兵;;邊界增長網(wǎng)絡(luò)模型的演化性質(zhì)[J];東北師大學(xué)報(bào)(自然科學(xué)版);2015年02期

4 崔愛香;傅彥;;加速增長的HK網(wǎng)絡(luò)演化模型[J];計(jì)算機(jī)科學(xué);2015年04期

5 顧亦然;夏玲玲;;在線社交網(wǎng)絡(luò)中謠言的傳播與抑制[J];物理學(xué)報(bào);2012年23期

6 李勇軍;;在線社交網(wǎng)絡(luò)的拓?fù)涮匦苑治鯷J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2012年03期

7 王丹;井元偉;郝彬彬;;擴(kuò)展HK網(wǎng)絡(luò)結(jié)構(gòu)與同步能力的研究[J];物理學(xué)報(bào);2012年22期

8 王亞奇;楊曉元;;一種無線傳感器網(wǎng)絡(luò)簇間拓?fù)溲莼Ｐ图捌涿庖哐芯縖J];物理學(xué)報(bào);2012年09期

9 葛新;趙海;張君;;基于熟人免疫的復(fù)雜網(wǎng)絡(luò)免疫策略[J];計(jì)算機(jī)科學(xué);2011年11期

10 李穩(wěn)國;王力虎;陳明芳;;HK網(wǎng)絡(luò)演化模型的研究和改進(jìn)[J];計(jì)算機(jī)工程;2009年03期

相關(guān)博士學(xué)位論文 前1條

1 劉建國;復(fù)雜網(wǎng)絡(luò)模型構(gòu)建及其在知識系統(tǒng)中的應(yīng)用[D];大連理工大學(xué);2007年

相關(guān)碩士學(xué)位論文 前1條

1 華盛;網(wǎng)絡(luò)謠言傳播的影響因素研究[D];浙江師范大學(xué);2013年

本文編號：2599845