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.     

基于任务队列的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,提出的E-C模型合理、有效。