基于复杂网络理论的微博用户关系网络演化模型研究

微博给人们提供便利的同时也产生了较大的负面影响.为获取微博谣言的传播规律,进而采取有效措施防控其传播,本文基于复杂网络理论研究微博用户关系网络的内部特征,提出一种微博用户关系网络演化模型,借助于平均场理论,分析该演化模型的拓扑统计特性,以及谣言在该演化模型上的传播动力学行为.理论分析和仿真实验表明,由该模型演化生成的微博用户关系网络具有无标度特性.度分布指数不仅与反向连接概率有关,而且还取决于节点的吸引度分布.研究还发现,与指数分布和均匀分布相比,当节点吸引度满足幂律分布时,稳态时的谣言传播程度较大.此外,随着反向连接概率或节点初始连边数量的增加,谣言爆发的概率以及网络中最终接受谣言的节点数量都会明显增大.     

一种基于分支过程的信息流行度动力学模型

Web 2.0时代,建模和预测在线信息流行度是信息传播中的重要问题.本文基于社交网络系统信息传播的机制,通过假设和简化,提出了分支过程的概率模型,来描述在线社交网络信息的流行度动力学过程.对典型在线社交网络系统的信息流行度数据和网络结构数据进行了分析,统计结果表明信息流行度衰减遵循幂律分布(幂指数为1.8),微博网络的入度和出度分布也均服从幂律分布(幂指数为1.5).模型仿真结果发现,该模型能够再现真实社交网络数据的若干特征,且信息流行度与网络结构相关.对模型方程进行求解得到理论预测的结果与仿真分析和实际数据结果相符合.     

微博双向“关注”网络节点中心性及传播 影响力的分析

根据新浪微博的实际数据, 建立了两个基于双向“关注”的用户关系网络, 通过分析网络拓扑统计特征, 发现二者均具有小世界、无标度特征. 通过对节点度、紧密度、介数和k-core 四个网络中心性指标进行实证分析, 发现节点度服从分段幂率分布; 介数相比其他中心性指标差异性最为显著; 两个网络均具有明显的层次性, 但不是所有度值大的节点核数也大; 全局范围内各中心性指标之间存在着较强的相关性, 但在度值较大的节点群这种相关性明显减弱. 此外, 借助基于传染病动力学的SIR信息传播模型来分析四种指标在刻画节点传播能力方面的差异性, 仿真结果表明, 选择具有不同中心性指标的初始传播节点, 对信息传播速度和范围均具有不同影响; 紧密度和k-core较其他指标可以更加准确地描述节点在信息传播中所处的网络核心位置, 这有助于识别信息传播拓扑网络中的关键节点.     

具有局部结构的增长无标度网络中传染病传播机制研究

为了研究人群中的一些基本的社会关系结构,如家庭、室友、同事等,对传染病传播过程的影响机制,本文建立了一个具有局部结构的增长无标度网络模型.研究表明,局部结构的引入使得该网络模型能够同时再现社会网络的两个重要特征：节点度分布的不均匀性以及节点度之间的相关性.首先,该网络的节点度和局部结构度均服从幂律分布,且度分布指数依赖于局部结构的大小.此外,局部结构的存在还导致网络节点度之间具有正相关特性,而这种正相关正是社会网络所特有的一个重要特性.接着,通过理论分析和数值模拟,我们进一步研究了该网络结构对易感者-感染 关键词： 复杂网络 无标度网络 局部结构 传染病建模     

基于元胞自动机的复杂信息系统安全风险传播研究

基于元胞自动机建立复杂信息系统安全风险传播模型, 研究复杂信息系统安全风险在最近邻耦合网络、 随机网络,　Watts-Strogatz 小世界网络和Barabasi-Albert无标度网络 四种网络拓扑下的传播问题. 通过研究安全风险传播模型在四种网络拓扑下安全风险的传播阈值, 与现有的传播阈值研究成果进行比较, 验证模型的正确性, 并分析验证网络拓扑结构中度分布的异质化程度越高传播阈值越小的结论. 通过对安全风险的传播演化趋势进行研究, 分析验证网络度分布的异质化程度越高、安全风险影响范围越小、传播速度越快的结论, 并指出度分布的异质化程度越高、模型后期的免疫机制对控制安全风险传播的效果越缓慢. 通过对安全风险在传播最早期就趋于消亡的情况进行研究, 分析得出安全风险在传播之初就趋于消亡的消亡率与传播率之间呈现近似负指数的关系, 并且初期的感染源越多安全风险的消亡率越低. 分析了影响复杂信息系统安全风险传播的关键要素, 对复杂信息系统中安全风险传播的控制具有指导作用. 关键词： 复杂信息系统 复杂网络 安全风险传播 元胞自动机     

基于新曝光冲突性消息的网络舆论逆转研究

对网络舆论逆转过程进行研究具有十分重要的意义,它有助于管理者有效引导舆论朝良性方向发展.目前,网络舆论逆转研究主要集中于动力学模型构建与仿真实验分析,其研究结果具有一定的理论价值.然而,这是否适用于真实社交网络环境,还尚未经过测试.为了对舆论逆转过程进行研究,构建了符合实际的模型,并对网络舆论逆转典型事例进行了深入分析.通过观察统计,发现网络舆论逆转具有自身的规律:新曝光冲突性消息是导致舆论发生逆转的根本原因;消息的传播影响着群体的发声与沉默;消息的属性包括传播率、可信度、观点倾向、起始传播时间和消息源中心度决定着舆论逆转的幅度.依据这一规律,设置了消息属性参数,并将消息传播与观点演化过程相结合,构建了网络舆论逆转模型.模型的仿真实验结果表明,新冲突性消息的传播率、可信度和消息源中心度正向影响着舆论逆转幅度,其中可信度较传播率影响更大.新的冲突性消息曝光的时间越早,舆论逆转的速率越快,幅度越大.该模型与实际相符,可为理解和解释网络舆论逆转过程、引导网络舆论提供理论依据.     

基于社交网络的观点传播动力学研究

社交网络和微博是重要的Web2.0应用模式, 其观点传播模式与其他网络媒体以及传统媒体相比有很大差异. 本文提出一种基于在线社交网络的观点传播模型, 研究社交网络中舆论观点扩散的形式与特征. 仿真结果表明: 模型中信息传播的速度与六度分割理论的结论十分符合; 一个带强烈倾向性的观点在固有观点均匀分布的网络中传播的情况下, 稳定时网络中不会出现相反的观点; 稳定时的观点分布与源节点的度和回溯深度有关, 并不受信任界限的限制, 这与Deffuant模型和Hegselmann-Krause模型不同. 同时, 本文还分析了传播意愿、观点变更率和信任界限对弛豫时间的影响.     

基于有向渗流理论的关联微博转发网络信息传播研究

微博网络的快速性、爆发性和时效性, 以及用户复杂的行为模式, 使得研究其信息传播模型及影响因素成为网络舆情的热点方向. 利用压缩映射定理, 分析不动点迭代过程的收敛条件, 得到有向网络信息传播过程的渗流阈值和巨出向分支的数值解法; 通过可变同配系数生成模型, 分析关联特征对信息传播的影响; 最后利用微博转发网络数据进行仿真对比实验. 结果表明: 虽然四类关联特征同时体现出同配、异配特征, 但信息传播结果更多受入度-入度相关性、入度-出度相关性影响; 通过删除少量节点的方法, 提取边同配比例, 验证大部分节点的四类关联特征呈现一致性.     

一种基于用户相对权重的在线社交网络信息传播模型

根据在线社交网络信息传播特点和目前社交网络传播模型研究中存在的问题, 本文定义了网络用户之间的相互影响力函数, 在此基础上提出了一种基于用户相对权重的社交网络信息传播模型, 并对网络中的传播路径及传播过程进行了分析, 讨论了不同路径的信息传播影响力.为验证模型的有效性, 将传统的SIR模型和本文模型在六类不同网络拓扑下进行了仿真实验.仿真结果表明, 两类模型在均匀网络中没有明显差异, 但在非均匀网络中本文模型更能体现真实网络特点, 实验同时验证了节点的地位影响着信息的传播, 并且发现英文社交平台Twitter和中文社交平台新浪微博在拓扑结构上具备一定相似性.     

基于最大熵模型的微博传播网络中的链路预测

微博是基于用户关注关系建立的具有媒体特性的实时信息分享社交平台.微博上的信息扩散具有快速性、爆发性和时效性.理解信息的传播机理,预测信息转发行为,对研究微博上舆论的形成、产品的推广等具有重要意义.本文通过解析微博转发记录来研究影响信息转发的因素或特征,把微博信息转发预测问题抽象为链路预测问题,并提出基于最大熵模型的链路预测算法.实例验证的结果表明:1)基于最大熵模型的算法在运行时间上具有明显的优势;2)在预测结果方面,最大熵模型比同类其他算法表现优异;3)当训练集大小和特征数量变化时,基于最大熵模型的预测结果表现稳定.该方法在预测链路时避免了特征之间相互独立的约束,准确率优于其他同类方法,对解决复杂网络中其他类型的预测问题具有借鉴意义.     

An evolving network model with modular growth

In this paper, we propose an evolving network model growing fast in units of module, according to the analysis of the evolution characteristics in real complex networks. Each module is a small-world network containing several interconnected nodes and the nodes between the modules are linked by preferential attachment on degree of nodes. We study the modularity measure of the proposed model, which can be adjusted by changing the ratio of the number of inner-module edges and the number of inter-module edges. In view of the mean-field theory, we develop an analytical function of the degree distribution, which is verified by a numerical example and indicates that the degree distribution shows characteristics of the small-world network and the scale-free network distinctly at different segments. The clustering coefficient and the average path length of the network are simulated numerically, indicating that the network shows the small-world property and is affected little by the randomness of the new module.     

A general evolving model for growing bipartite networks

In this Letter, we propose and study an inner evolving bipartite network model. Significantly, we prove that the degree distribution of two different kinds of nodes both obey power-law form with adjustable exponents. Furthermore, the joint degree distribution of any two nodes for bipartite networks model is calculated analytically by the mean-field method. The result displays that such bipartite networks are nearly uncorrelated networks, which is different from one-mode networks. Numerical simulations and empirical results are given to verify the theoretical results.     

Dynamics of organizational rumor communication on connecting multi-small-world networks

We study the dynamics of an epidemic-like model for the spread of a rumor on a connecting multi-small-world-network (CM-SWN) model, which represents organizational communication in the real world. It has been shown that this model exhibits a transition between regimes of localization and propagation at a finite value of network randomness. Here, by numerical means, we perform a quantitative characterization of the evolution in the three groups under two evolution rules, namely the conformity and obeying principles. The variant of a dynamic CM-SWN, where the quenched disorder of small-world networks is replaced by randomly changing connections between individuals in a single network and stable connection by star nodes between networks, is also analysed in detail and compared with a mean-field approximation.     

Dynamics of organizational rumor communication on connecting multi-small-world networks

We study the dynamics of an epidemic-like model for the spread of a rumor on a connecting multi-small-world-network (CM-SWN) model, which represents organizational communication in the real world. It has been shown that this model exhibits a transition between regimes of localization and propagation at a finite value of network randomness. Here, by numerical means, we perform a quantitative characterization of the evolution in the three groups under two evolution rules, namely the conformity and obeying principles. The variant of a dynamic CM-SWN, where the quenched disorder of small-world networks is replaced by randomly changing connections between individuals in a single network and stable connection by star nodes between networks, is also analysed in detail and compared with a mean-field approximation.     

An evolutionary model of urban bus transport network based on B-space

In this paper, an evolutionary model of bus transport network in B-space is developed. It includes the effect of the overlapping ratio of new route on network performance and overcomes the disadvantage, i.e. lack of economic consideration, in the evolutionary bus transport network model in P-space proposed by Chen et al （2007）. The degree distribution functions are derived by using the mean-field method and the master equation method, separately. The relationship between the new stop ratio of a route, λ, and the error in exponential of degree distribution function from the mean-field method is developed as ASlope= λ/（1 -λ） ＋ ln（1-λ）. Finally, the bus transport networks of Hangzhou and Nanjing are simulated by using this model, and the results show that some characteristic index values of the simulated networks are closer to the empirical data than those from Chen＇s model.     

A model for the spread of rumors in Barrat–Barthelemy–Vespignani (BBV) networks

Rumor propagation is a typical form of social communication and plays a significant role in social life. In this paper, we studied the process of rumor propagation by accounting for the mechanism of forgetting in Barrat–Barthelemy–Vespignani (BBV) networks. First, we derived mean-field equations for rumor propagation based on the strength of the nodes in the propagation network. We then analyzed the stability of the model to determine whether a propagation threshold existed in the BBV networks. We also conducted numerical simulations of the BBV networks and found that rumors propagate more slowly in BBV networks than in unweighted networks. The numerical simulation results also demonstrated that as the forgetting rate increases, the rumor’s influence decreases in both BBV networks and unweighted networks. Finally, the simulation results confirmed that a threshold exists for rumor propagation in BBV networks, but that it was independent of the value of the stifling rate.     

基于在线社交网络的信息传播模型

本文构造了一个基于在线社交网络的信息传播模型.该模型考虑了节点度和传播机理的影响,结合复杂网络和传染病动力学理论,进一步建立了动力学演化方程组.该方程组刻画了不同类型节点随着时间的演化关系,反映了传播动力学过程受到网络拓扑结构和传播机理的影响.本文模拟了在线社交网络中的信息传播过程,并分析了不同类型节点在网络中的行为规律.仿真结果表明:由于在线社交网络的高度连通性,信息在网络中传播的门槛几乎为零;初始传播节点的度越大,信息越容易在网络中迅速传播;中心节点具有较大的社会影响力;具有不同度数的节点在网络中的变 关键词： 在线社交网络 信息传播 微分方程 传染病动力学     

基于一维元胞自动机的复杂网络恶意软件传播研究

基于一维元胞自动机,研究复杂网络恶意软件传播行为.利用信息网络节点全局交互的特点,建立元胞自动机邻域和状态转换函数,提出恶意软件传播模型,研究在多种网络拓扑下恶意软件传播的概率行为.研究表明,该模型能够准确描述在最近邻耦合网络（nearest-neighbor coupled network, NC）,Erdos-Renyi（ER）随机网络,Watts-Strogatz（WS） 小世界网络和Barabasi-Albert（BA）幂率网络等拓扑下的传播动力学行为,不仅能反映恶意软件传播的平均趋势,而且可以描述病毒消亡和渗透等稀有概率事件,有效克服基于平均场方法建立的微分方程模型只能反映传播的平均趋势,只适合对传播作整体预测的局限性.同时,研究指出网络中度分布的异质化程度和网络的局域空间交互特征是影响传播及免疫行为的关键要素. 关键词： 复杂网络 恶意软件传播 元胞自动机 状态转换函数