高校在线社交网络谣言传播模型

针对高校思想政治工作特点,将在校师生分为无知者、传谣者和智者三类,建立了一类在线社交网络谣言传播模型;应用微分方程定性理论讨论了模型的边界平衡点和正平衡点的局部稳定性,仿真研究了通过控制模型参数达到控制谣言传播的策略.结果表明,只有教师(智者)经常联系学生、及时告知突发事件真相、正确引导学生,并通过网络舆情教育讲座等形式提升学生辨别是非的能力,努力实现“谣言止于智者”,才能有效抑制网络谣言的传播.     

基于博弈论的社交网络谣言传播模型

考虑到社交网络中谣言传播存在博弈现象,基于博弈论的方法建立适用于社交网络的谣言传播模型,该模型中将节点分为传播节点和健康节点,两类节点根据自身收益选择最优策略使自身利益最大化;并得到纳什均衡。对所提模型中各类节点收益进行分析,并用收益损失参数和额外收益参数来对节点收益进行量化分析。以MATLAB为实验平台,分别选取满足不同条件的参数进行分析。结果证明了所提模型的正确性。基于博弈论对谣言传播展开研究,有助于更加深入了解社交网络上谣言传播的内在机理,也为谣言的防控提供了理论参考。     

多关系类型社交网络信息传播模型

考虑到用户之间的好友关系存在多种类型,且不同类型的好友关系信息传播偏好不同,提出了一种多关系类型社交网络信息传播模型,并建立了信息传播的动力学方程.在该模型中,用户根据自身的传播偏好决定是否分享或传播信息,并根据信息传播偏好主动选择可能的好友关系分享或传播信息.数据仿真结果表明:在多关系类型社交网络中,信息的传播范围和信息在网络中持续的时间与信息的特征有关;信息通过多种类型的好友关系传播能够有效提高信息的传播范围和传播速度.该模型与现实社交网络中信息传播的规律具有一致性,是一种有效的社交网络信息传播模型.     

基于博弈论的社交网络谣言传播模型研究

考虑到社交网络中谣言传播存在博弈现象,基于博弈论的方法建立适用于社交网络的谣言传播模型,该模型中将节点分为传播节点和健康节点,两类节点根据自身收益选择最优策略使自身利益最大化;并得到纳什均衡。对所提模型中各类节点收益进行分析,并用收益损失参数和额外收益参数来对节点收益进行量化分析。以MATLAB为实验平台,分别选取满足不同条件的参数进行分析。结果证明了所提模型的正确性。基于博弈论对谣言传播展开研究,有助于更加深入了解社交网络上谣言传播的内在机理,也为谣言的防控提供了理论参考。     

复杂网络上的知识传播模型

针对知识在知识合作网络中的传播特征,结合复杂网络理论,提出了一种网络上的知识传播模型．该模型将由知识扩散所引起的知识增长当作一种知识产品的合作生产,引入柯布-道格拉斯生产函数,并分别考察在个体不进行知识自我增长和进行知识自我增长情况下的知识传播．研究结果表明,在其它条件相同的情况下,网络的随机化程度越大．网络中知识的扩散速度越快,知识的分布越均匀。     

在线社交网络信息有效分类传播模型研究

针对在线社交网络信息传播模型在事件描述中没有对其利害分类、等待时间概率下降意义模糊,提出了一种非线性时变信息有效分类传播方法,并在此基础上建立了事件分类的E-C模型.首先利用动力学的网络传播模型、传播用户之间的社会网络关系与用户行为之间的联系,其次结合任务优先级、等待时间与概率发生函数的非线性时变关系分析了在线网络信息传播模型,最后引入N指数函数建立E-C模型.仿真结果表明,传播过程中等待时间概率图遵循幂律分布,改进后的模型对有利事件与传统模型作对比,在等待时间概率分布图中的效果有23.1%的提升;对于有害事件,则有21.8%的提升;理论仿真结果与真实数据的变化趋势一致,证明提出的E-C模型是合理有效的.     

在线社交网络中谣言传播模型的稳定性分析

针对一类具有政府控制效应的社交网络谣言传播模型,运用常微分方程稳定性理论讨论边界平衡点和正平衡点的全局稳定性,并通过数值仿真验证了理论分析的正确性.结果表明,政府部门施加控制能有效缩减谣言传播的最终规模.     

社交网络传播要素分析

社交网络服务是近年兴起的新型网络形式,本文以国内极具代表性的社交网站——“人人网”为例,分析了社交网络传播过程中的传播者、受传者、媒介、讯息以及反馈这五个基本要素。     

多关系社交网络中基于兴趣匹配的网络舆情传播模型

以网络爬虫方式获取新浪微博用户属性信息及微博内容数据,利用数据挖掘技术从中发现微博用户间的多种显式和隐式关系.在此基础上,提出一种基于半监督学习的用户兴趣匹配预测算法,参照仓室模型的传播个体状态划分方法,基于传播个体间的兴趣匹配度界定各状态之间的转移过程和转移概率,进而构建基于用户兴趣匹配的网络舆情传播模型.研究结果表明,该模型能够较好地描述社交网络中的舆情传播规律,重现网络舆情在社交网络中的真实传播过程链.     

基于引力势的在线社交网络信息传播动力学模型

借用物理学中引力势理论,推导了社交网络中的信息传递过程,并在分析各变量因子的基础上,得出了信息传播的动力学概率模型。该模型主要考虑了信源信息的时效性、用户之间的关系远近以及信息价值对社交网络中信息传播的影响。实验结果表明:信源信息的价值时效性是先增大后逐渐减小直至保持不变的;当用户之间的关系越远时,两个用户之间的信息传播必然经历多次信息运动模式,说明信息源产生势的范围越广并且信息传播的越深远;信息价值的大小与信息传播范围之间的关系呈现"S"型的变化特性。     

基于大数据分析的多关系社交网络舆情传播模型研究

为了真实再现舆情在多关系社交网络中的传播过程,通过对爬取的新浪微博数据进行大数据分析,从中得到社交网络中多种关系对网络舆情传播的影响,基于复杂网络理论提出了一种适用于多关系社交网络的舆情传播模型,该模型根据多种关系对舆情传播的影响界定传播模型中各状态之间的转移过程和转移概率.仿真结果表明:与传统社交网络舆情传播模型相比,该舆情传播模型可以更好地描述真实互联网环境中的舆情传播规律.     

基于社会网络与知识传播网络互动的集群超网络模型

针对集群中社会网络和知识网络如何相互作用的问题,构造了由社会网络和知识网络构成的超网络模型.根据超网络中的社会关系水平和知识传播种类2个决策变量,建立了个体基于知识种类、社会关系价值、知识传播的风险、收益、成本等不同偏好下的多目标最优决策模型.在此基础上,运用变分不等式理论,得到同时满足所有个体最优目标约束条件的社会关系水平和知识传播种类的分布(流),发现了超网络的均衡状态.最后,通过对浙江产业集群发展内在机制的剖析及对南浔周边麻业集群的实证结果,佐证了所提出的模型和分析结果.     

基于小世界网络的企业集群知识传播模型

在企业集群理论的基础上,将小世界网络的思想引入企业集群知识管理系统中,运用小世界网络的构成方式,以企业集群员工为企业集群的网络节点,建立了基于复杂网络理论的知识传播模型,描述了知识在企业集群中的传播机理,探讨了知识在企业集群网络中的传播规律,分析了在加快企业集群网络知识传播中员工的主体作用。     

基于SNS社交网络的增长模型

随着网络信息技术的发展,社交网络(SNS)成为目前最热门的休闲交友平台。文章研究表明,这类网络具有3个典型的拓扑特征:幂律度分布、小平均距离和大聚集系数。为了进一步研究此类网络的拓扑结构及其动力学行为,文中基于社交网络的增长机制提出了一种二步式增长模型。运用平均场理论及数值仿真验证发现,该模型同时满足上述3个拓扑特征,符合社交网络的基本结构特性。     

基于知识图谱的社交网络用户行为研究进展

社交网络包含复杂的结构信息与丰富的语义信息.互联的多类型数据,实体对象的行为关系等问题的研究面临极大的挑战.知识图谱旨在处理用户数据知识及行为信息,发现事物、概念与实体对象间的复杂联系,使事物间关联关系得到清晰说明.首先介绍知识图谱基本知识;其次基于知识图谱,在社交网络中,可视化表示用户的行为关系,对其中的行为知识抽取...     

基于新浪微博的社交网络演化模型

随着在线社交网络的高速发展和影响力日渐扩大, 研究其演化发展规律已经成为非常重要的课题.通过抓取新浪微博的数据, 将用户划分为意见领袖和普通用户, 并建立了一个定量的两层演化模型. 在此基础上, 分析了意见领袖和普通用户之间社交影响力的差异, 研究了网络内部病毒传播机制和外部媒体因素对在线社交网络演化过程的影响, 并利用抓取的实际数据验证了模型的准确性. 研究结果对进一步探寻在线社交网络结构、社会价值观对在线信息传播的影响均有积极意义.     

学术社交网络信息传播特征与规律研究

分析学术社交网络信息传播的特征,构造了一个学术社交网络信息传播模型.然后,通过编程提取了学术社交网络——研究之门网站中的用户数据,构造一个用户关系网络数据集.根据对随机内容的传播情况统计,绘制出信息传播的趋势图,同时还计算了该网络中信息传播的概率,形成了信息在网络中的传播规律.     

基于文献计量的社交网络信息传播机制的研究

本研究通过对知网收录的2000-2019年间社交网络信息传播研究领域的8400篇期刊、2464篇核心期刊便用文献计量的方法,对其年载文量、高产作者、高产机构与高产来源刊物情况进行分析,并使用CiteSpaceⅢ可视化分析工具,对关键词进行聚类分析,得到当前研究热点。研究揭示了国内社交网络信息传播相关领域的发展现状,得出了当前社交网络信息传播的六大热点,进而分析了各关键领域的研究趋势,为该领域的进一步发展提供参考。     

基于社交网络的虚拟团队成员推荐模型

为研究如何帮助社交网络中虚拟团队从海量的用户中筛选更多行为相似的用户加入团队,建立了一种基于社交网络的团队成员推荐模型,为虚拟团队推荐一些行为特征相似的用户作为候选团队成员。通过对用户信息和团队信息进行分词处理,得到用户标签向量集和团队标签向量集;将基于遗传算法的聚类算法应用于团队标签向量集,得到团队聚类簇和团队聚类中心;在此基础上,将团队聚类中心作为用户集的初始聚类中心,聚类出行为特征与团队聚类中心相似的用户簇,将这些用户簇作为相应团队聚类簇的候选推荐用户;再应用协同过滤思想,筛选出团队推荐成员列表。实验结果表明,该算法有效地解决了虚拟团队成员推荐问题。     

学术网络社区的知识传播机理研究

泛在知识环境使人类进入了一个前所未有的＂学习化社会＂,而学术网络社区正是促进教育终身性、主动性和教育的全民化的一个智能网络知识平台。本文重点阐述学术网络社区的四个知识传播机理,即知识建构机理、知识转移机理、知识共享机理和知识创新机理。