發(fā)布時間：2020-11-22 09:16

　　 隨著信息時代的發(fā)展,計算機﹑科技﹑手機﹑互聯(lián)網(wǎng)﹑社交網(wǎng)絡等關(guān)鍵名詞已成為人們?nèi)粘Ｉ�活中接觸度較廣的幾個信息時代相關(guān)的專有代名詞。與此同時,這些信息時代的產(chǎn)物,它們所帶來的便利也是大家有目共睹的。以社交網(wǎng)絡為例,它的成功搭建與應用,使得人們?nèi)粘Ｉ�活中彼此�?lián)系與交流更加方便與快捷。微信﹑QQ﹑微博等在線社交網(wǎng)絡應用在給人們帶來便利的同時,也改變著人們的交流方式。微博,因為其社交網(wǎng)絡應用度很廣,以其為切入點構(gòu)建合適的網(wǎng)絡信息傳播模型,對研究在線社交網(wǎng)絡上的信息傳播規(guī)律,分析網(wǎng)絡上的信息傳播特點,實現(xiàn)網(wǎng)絡信息傳播的有效監(jiān)管等都有著積極的意義。本文主要工作如下:(1)論文在對轉(zhuǎn)發(fā)行為影響因素分析中,提出了基于轉(zhuǎn)發(fā)影響因素的SCIR信息模型。通過對消息轉(zhuǎn)發(fā)力度﹑用戶影響力﹑個體信任水平﹑內(nèi)容相似性﹑有效轉(zhuǎn)發(fā)率五個轉(zhuǎn)發(fā)行為的特征性分析,給出了行為影響力計算公式。并將行為影響力應用于提出的SCIR模型中,其取值在文中直接作為C節(jié)點轉(zhuǎn)變?yōu)镮節(jié)點的內(nèi)部傳播速率p的取值。并通過SIR模型和SCIR模型在BA模型﹑WS模型和新浪微博三種網(wǎng)絡環(huán)境中的對比實驗,表明SCIR模型無論在信息傳播的全網(wǎng)覆蓋率還是傳播穩(wěn)定性上都優(yōu)于SIR模型。(2)以單層網(wǎng)絡為背景的在線網(wǎng)絡上信息傳播研究能夠做到統(tǒng)籌全局﹑整體性分析網(wǎng)絡節(jié)點的傳播規(guī)律,但是鑒于信息傳播具有一定的局域性與特異性,單純的整體性網(wǎng)絡研究對于實際網(wǎng)絡中信息傳播過程的刻畫仍具有局限性,故而論文中提出了DTM-SIR分層網(wǎng)絡模型。將整個網(wǎng)絡虛擬為信任層與信息層兩層,實際上信息層作為輔助層是虛化出來的,它上面的個體與信息層的個體屬于同一個體,因為所處功能層不同而屬性有所差異,而實際傳播層仍是信息層,只是因為信任層的影響,信息傳播速率與網(wǎng)路覆蓋率較SIR模型有明顯性提升。利用博弈論分析出的信任層個體狀態(tài)過程中的轉(zhuǎn)變因子引入傳染病動力學微分方程中,通過模型比對,表明文中提出的DTM-SIR具有很好的適用性。
【學位單位】：蘭州理工大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP393.09;G206
【部分圖文】：

入度就是指向該節(jié)點的邊數(shù)總和，出度則表示的是該節(jié)點指向其他節(jié)點的邊數(shù)之和。網(wǎng)絡中所有節(jié)點的平均度<k>，就是網(wǎng)絡 G 中所有節(jié)點 j 的度jk 的平均值。分布函數(shù) P(k)用于描述網(wǎng)絡中節(jié)點度的分布情況，它指的是隨機選定節(jié)點的度為k 的概率。泊松分布與冪律分布。完全隨機網(wǎng)絡的度分布(Degree distribution)情況可以近似為 Poisson 分布，其概率分布式和分布圖表示分別如公式(2.1)和圖 2.1(a)。因為其分布圖在遠離峰值<k>處指數(shù)下降，那么當 k>> <k>，度為 k 的節(jié)點實際上并不存在，故而該類網(wǎng)絡也稱為均勻網(wǎng)絡(homogeneous network)。近些年通過對實際網(wǎng)絡的大量研究表明，許多真實網(wǎng)絡的度分布與 Poisson 分布有明顯差別。但是能用如圖 2.1(b)所示的無標度(scale-free)分布更好地描述網(wǎng)絡中的度分布情況。因為冪律分布函數(shù)具有無標度特性，所以冪律分布也叫做無標度分布，故而具有冪律分布的網(wǎng)絡也可被稱之為無標度分布網(wǎng)絡。,0,1,2,(2.1)!( ) kkkPxkekk

(a)全局耦合網(wǎng)絡 (b)最近鄰耦合網(wǎng)絡 (c)星形耦合網(wǎng)絡圖 2.2 規(guī)則網(wǎng)絡實例圖2)隨機網(wǎng)絡Erdos 和 Renyi 提出的 ER 隨機網(wǎng)絡是一個經(jīng)典的隨機網(wǎng)絡模型。ER 隨機的 G(N,p)生成方法的思想為：以概率 p 連接 N 個節(jié)點中的每一對節(jié)點。圖表示節(jié)點數(shù)為 10，p 依次為 0﹑0.1﹑0.25﹑0.4 的一組 ER 隨即圖的演化實(a)p=0,ER 隨機圖 (b)p=0.1,ER 隨機圖

(a)p=0 時 WS 小世界網(wǎng)絡 (b)p=0.5 時 WS 小世界網(wǎng)絡 (c)p=1.0 時 WS 小世界網(wǎng)絡圖 2.4 WS 小世界網(wǎng)絡演化過程圖(N=10，K=4)4)無標度網(wǎng)絡Barabasi 和 Albert 的提出的無標度網(wǎng)絡模型，簡稱為 BA 無標度網(wǎng)絡模型。該模型提出了兩個之前研究中并未被考慮到的實際網(wǎng)絡的重要特性：1)增長性，也就是網(wǎng)絡本身的規(guī)模會出現(xiàn)擴大趨勢，例如新浪微博中不斷有新的用戶產(chǎn)生；2)優(yōu)先接入性，新生節(jié)點趨向于與大度節(jié)點相連接。設定初始時有兩個節(jié)點，那么 BA 模型的演化圖則如圖 2.5 所示。
【參考文獻】

相關(guān)期刊論文 前10條

1 鄭志蘊;郭芳;王振飛;李鈍;;基于行為分析的微博傳播模型研究[J];計算機科學;2016年12期

2 李娟;周學廣;陳斌;鄭笛;;基于概率遞減機制的信息傳播模型構(gòu)建與分析[J];海軍工程大學學報;2016年01期

3 李娟;陳斌;;基于SI模型的信息傳播研究[J];信息系統(tǒng)工程;2015年08期

4 丁學君;;基于SCIR的微博輿情話題傳播模型研究[J];計算機工程與應用;2015年08期

5 周東浩;韓文報;王勇軍;;基于節(jié)點和信息特征的社會網(wǎng)絡信息傳播模型[J];計算機研究與發(fā)展;2015年01期

6 陳波;唐相艷;于泠;劉亞尚;;基于勝任力模型的社交網(wǎng)絡意見領袖識別方法[J];通信學報;2014年11期

7 王超;楊旭穎;徐珂;馬建峰;;基于SEIR的社交網(wǎng)絡信息傳播模型[J];電子學報;2014年11期

8 郭靜;曹亞男;周川;張鵬;郭莉;;基于線性閾值模型的影響力傳播權(quán)重學習[J];電子與信息學報;2014年08期

9 丁鑫;劉其成;張偉;;一種改進的微博網(wǎng)絡信息傳播與預測模型[J];中國科學技術(shù)大學學報;2014年07期

10 趙蓉英;曾憲琴;;微博信息傳播的影響因素研究分析[J];情報理論與實踐;2014年03期

相關(guān)碩士學位論文 前3條

1 黃瑋鵬;基于擴展獨立級聯(lián)模型的競爭影響最大化傳播[D];云南大學;2015年

2 陳乾國;復雜網(wǎng)絡上流行病傳播動力學行為及其免疫控制策略研究[D];西南大學;2013年

3 易成岐;社會網(wǎng)絡的信息傳播規(guī)律研究[D];哈爾濱理工大學;2013年

本文編號：2894471