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.     

基于移动社交网络的谣言传播动力学研究

本文在CSR传播模型的基础上提出基于移动社交网络的CSR的谣言传播模型. 改进了CSR模型的传播规则和传播动力学方程, 使得更符合移动SNS上用户的使用习惯. 在CSR模型中的接受概率数学模型基础上, 考虑个人接受阈值对接受概率的影响, 更符合人类接受谣言的心理学特点. 本文对该传播模型进行了理论分析. 并在仿真实验中, 利用多agent仿真平台对新模型和CSR模型以及SIR模型 在匀质网络和异质网络中的传播效果进行了对比研究, 从实验的结果来看, 新的谣言传播模型在匀质网络中传播范围更广, 传播速度更快. 新模型具有初值敏感性的特点. 关键词： 复杂网络 移动社交网络 谣言传播     

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     

社交网络中信息传播的稳定性研究

社交网络已成为当前最重要的信息传播媒体之一,因此有必要研究信息在社交网络上的传播规律.本文探索了包含遏制机制和遗忘机制的信息传播机理,提出了信息传播的模型,给出了信息传播的规则,建立了相应的平均场方程,计算了平衡点和基本再生数R_0,并从理论上证明了平衡点的渐进稳定性.仿真实验分析了遏制机制、遗忘机制等因素对信息传播过程的影响,并验证了所得结论的正确性.     

具有空间因素的社会网络上的舆论形成

舆论形成是个体因素与外部影响共同作用的结果. 个体因素包括个体理性的认知与非理性的情绪因素, 外部影响则包括文化、认知以及行为模式的作用和社会网络上个体之间的影响, 而文化、认知等背景因素往往与空间地域相关联. 本文通过构建一个同时具有空间位置特征与小世界特征的无标度网络以及网络上的Ising模型, 全面考察了空间与网络共同作用对舆论形成的影响, 研究了舆论形成中的相变行为, 重点分析了与区域文化或认知背景以及与整体社会情绪等相关的参数在舆论形成过程中的作用. 计算机数值模拟结果表明, 区域间的认知背景差异足够大时, 会导致公共舆论形成明显的区域性特征, 此时, 空间因素和社会网络具有同样的影响强度时, 会有利于全局一致舆论的形成. 同时, 非理性因素引发的社会情绪可以通过提高个体影响力及降低背景差异使得一致性公共舆论快速形成.     

基于信息熵的社交网络观点演化模型

随着网络服务的发展,社交网络逐渐成为信息传播的新媒介.因此,研究网络舆情演化具有重要意义和实用价值.为了更好地研究网络舆论,在信息熵的基础上,提出了一个社交网络观点演化模型.此模型存在以下两个特点:一是可以反映个体面对正负两种观点趋向做出抉择时的心理过程;二是可以反映个体形成新观点时主观因素和客观因素的影响.在仿真实验中,讨论了舆论环境对个体观点演化的影响,初始观点和自信度对观点演化的影响,以及意见领袖对群体观点演化的影响.实验结果表明,该模型可以反映真实社交网络中个体的心理学特征,比如个体的观点形成会受到舆论环境的影响,自信的个体不愿意接受他人的观点,当意见领袖存在时群体的观点会受到影响等.     

基于朴素贝叶斯算法的社交网络数据挖掘技术研究

近年来,随着互联网技术飞速发展与普及,大量社交网络平台迅速崛起。社交网络平台拉近了日常人际关系,提供了便捷的信息通讯交流通道。同时,针对社交网络平台数据挖掘的技术研究成为不可缺少的网络数据研究领域一部分。现有社交网络数据挖掘技术所采用的传统数据挖掘算法与数据分离模式,存在大数据多元特征条件下,数据挖掘准确度降低、挖掘分类逻辑混乱等现象。针对问题产生根源,提出基于朴素贝叶斯算法的社交网络数据挖掘技术研究。采用基于朴素贝叶斯算法设计的PCIE-FN社交网络数据挖掘平台进行全面化的深入性解决。通过实验证明,提出的基于朴素贝叶斯算法的社交网络数据挖掘技术研究,各项数据满足社交网络数据挖掘日常应用要求。     

复杂网络上的意见动力学对谣言传播的影响

通过在SIR(susceptible-infected-recovered)模型中引入抑制者对谣言的辟谣机制研究了在线社交网络上的意见动力学对谣言传播的影响.在这一模型中,节点可以与自身的邻居组成1个群,传播者可以通过该群传播信息,抑制者也可以在此群中对信息发表意见进行辟谣.辟谣机制在降低未知者对于谣言的接受概率的同时也可以促使传播者向抑制者转变.本文采用ER(Erd?s-Rényi)随机网络、无标度网络以及真实的社交网络研究了抑制者的沉默概率对于谣言传播范围的影响.首先发现,谣言传播的过程以传播者的峰值为界可以分为两个阶段,即谣言自由传播的前期以及抑制者和传播者互相制衡的后期;其次,谣言的传播会随着抑制者的沉默概率的增大而突然暴发.在谣言暴发阈值之下,沉默概率的增大不会导致谣言传播范围显著增大,这是由于未知者在感知到谣言并转变为传播者后又迅速转变为抑制者;而当沉默概率达到谣言暴发阈值时,抑制者将不能控制传播者对谣言的传播从而导致抑制者的降低和谣言的暴发;最后,无标度上的谣言自由传播的前期阶段比随机网络持续的时间更短,从而使无标度上的谣言更难以暴发.本文的模型综合考虑了意见动力学和谣言传播的相互作用,更加真实地模拟了真实世界社交网络中的谣言传播过程.为谣言传播的控制和干预提供了一些有用的思路和见解.     

基于无标度网络拓扑结构变化的舆论演化模型

基于BA无标度网络,构建了舆论和网络结构相互影响的自适应舆论演化模型.舆论的演化不仅受制于网络拓扑结构,而且也导致拓扑结构的变化.研究表明,演化达到稳态后,网络结构不再是初始的无标度网络而呈现泊松分布,而且随着时间的推移,系统中的舆论演化表现出很强的趋同效应,原来初始状态的几十个舆论,在长时间的演化后,大部分舆论灭亡,只有少数的舆论存留,且发展壮大.这种趋向与社会上的舆论、意见、信仰的演化大体上是符合的.     

基于时间反演的局域空间多目标均匀恒定长时无线输能

在局域有限空间中,如何保证电磁能量的多目标精准均匀恒定无线传输是亟待解决的科学难题.本文针对此难题,以具有时空聚焦特性的时间反演技术为基础,提出一种自动区域选择信道匹配的恒定均匀无线输能方法.该方法不仅能够依据多径信号的贡献率,自适应性地补偿不同目标处的信道差异,还可以利用距离系数动态划分时间反演镜阵元的工作范围,降低不同目标间的相互影响.在提高能量聚焦精度的同时,解决微波无线输能(microwave power transmission, MPT)中多目标能量非均匀传输的问题,从而实现长时间恒定的多目标均匀MPT.     

一种改进的基于信息传播率的复杂网络影响力评估算法

评价网络中节点的信息传播影响力对于理解网络结构与网络功能具有重要意义.目前,许多基于最短路径的指标,如接近中心性、介数中心性以及半局部(SP)指标等相继用于评价节点传播影响力.最短路径表示节点间信息传播途径始终选择最优方式,然而实际上网络间的信息传播过程更类似于随机游走,信息的传播途径可以是节点间的任一可达路径,在集聚系数高的网络中,节点的局部高聚簇性有利于信息的有效扩散,若只考虑信息按最优传播方式即最短路径传播,则会低估节点信息传播的能力,从而降低节点影响力的排序精度.综合考虑节点与三步内邻居间的有效可达路径以及信息传播率,提出了一种SP指标的改进算法,即ASP算法.在多个经典的实际网络和人工网络上利用SIR模型对传播过程进行仿真,结果表明ASP指标与度指标、核数指标、接近中心性指标、介数中心性指标以及SP指标相比,可以更精确地对节点传播影响力进行排序.     

基于混沌理论和改进径向基函数神经网络的网络舆情预测方法

网络舆情发展趋势具有混沌系统的特征, 提出一种基于EMPSO-RBF神经网络的方法对网络舆情的发展趋势进行预测. 首先根据Lyapunov指数证明网络舆情具备混沌的特征, 然后对网络舆情时间序列数据进行相空间重构, 最后采用EMPSO-RBF方法进行预测, 并和其他模型进行对比试验, 实验结果表明EMPSO-RBF方法具有较高精确度.     

一种信息传播促进网络增长的网络演化模型

为了研究信息传播过程对复杂网络结构演化的影响,提出了一种信息传播促进网络增长的网络演化模型,模型包括信息传播促进网内增边、新节点通过局域世界建立第一条边和信息传播促进新节点连边三个阶段,通过多次自回避随机游走模拟信息传播过程,节点根据路径节点的节点度和距离与其选择性建立连接。理论分析和仿真实验表明,模型不仅具有小世界和无标度特性,而且不同参数下具有漂移幂律分布、广延指数分布等分布特性,呈现小变量饱和、指数截断等非幂律现象,同时,模型可在不改变度分布的情况下调节集聚系数,并能够产生从同配到异配具有不同匹配模式的网络.     

Shannon information capacity of time reversal wideband multiple-input multiple-output system based on correlated statistical channels

Utilizing channel reciprocity, time reversal(TR) technique increases the signal-to-noise ratio(SNR) at the receiver with very low transmitter complexity in complex multipath environment. Present research works about TR multiple-input multiple-output(MIMO) communication all focus on the system implementation and network building. The aim of this work is to analyze the influence of antenna coupling on the capacity of wideband TR MIMO system, which is a realistic question in designing a practical communication system. It turns out that antenna coupling stabilizes the capacity in a small variation range with statistical wideband channel response. Meanwhile, antenna coupling only causes a slight detriment to the channel capacity in a wideband TR MIMO system. Comparatively, uncorrelated stochastic channels without coupling exhibit a wider range of random capacity distribution which greatly depends on the statistical channel. The conclusions drawn from information difference entropy theory provide a guideline for designing better high-performance wideband TR MIMO communication systems.