突发事件发生后谣言传播的IS_rS_nR模型

随着社交网络的发展,谣言传播的模拟变得尤为重要。基于传统的D-K谣言传播模型,首先提出一种新的考虑谣言信息和非谣言信息竞争传播的未知者-谣言传播者-非谣言信息传播者-沉默者(IS_rS_nR)模型,并综合考虑网络结构、用户间的交互行为等多种属性以用户群体的平均社会影响力计算不同群体间的转移概率。其次,给出IS_rS_nR模型的平均场方程,并分析方程平衡解的存在性和稳定性。MATLAB的仿真结果显示:(1)非谣言信息的传播与谣言传播的趋势一致;(2)网络平均度、谣言传播者、非谣言信息传播者群体的平均社会影响力对信息传播的传播速度、传播周期及传播范围均有显著作用。研究成果可以在一定程度上对于舆情监测和市场营销起到指导作用。     

基于用户相对权重的在线社交网络舆情传播控制模型

在线社交网络(online social networks,OSN)中舆情传播干预时机的选择对网络舆情的管控具有重要意义.通过分析用户的网络地位、社会强化效应与用户感知价值等影响网络舆情传播控制的关键因素,以研究舆情管控的合理干预时机为目的,构建了基于用户相对权重的网络舆情传播控制模型.基于该模型,针对两类OSN开展仿真研究.研究发现,网络舆情传播与信息初始传播源的网络地位密切相关;在开放式OSN中,存在与干预时机选择关系密切的关键相变点;用户活跃度随社会强化效应强度的增大而下降,随干预时机的提前而降低,并存在有效干预时机区间;"悖民意"成本是干预时机选择的重要衡量指标.并据此,提出了相应现实干预时机选择的对策建议.     

反沉默螺旋效应下社交媒体谣言传播动力学研究

目前，社交媒体已经成为网络谣言滋生的温床，其庞大的用户规模，以及即时性、开放性等特点，使得谣言传播的广度和速度远远高于现实社会网络，从而对人们的生活和社会的稳定产生巨大的影响.为此，基于传染病动力学及"反沉默螺旋"理论，构建了考虑辟谣行为及网络结构的社交媒体谣言传播模型；并进一步分析了模型中无谣言平衡点和谣言存在平衡点的存在性和稳定性，计算了模型的基本再生数；利用MATLAB对模型中各参数变化对谣言传播的影响进行了仿真分析，并对部分参数进行了敏感性分析；利用实际案例对模型进行了进一步的分析与验证；最后，给出了控制社交媒体中谣言传播的策略建议.     

动态社交网络中非完全信息下谣言溯源问题研究

突发事件发生后,在线社交网络往往成为谣言滋生与传播的重灾区.追溯谣言源头,从源头阻断谣言传播是舆情管控的有效手段.但在实际中在线社交网络是动态变化的,并且谣言传播的历史情况信息很难完全获取,通常只能获取当前时刻下谣言的传播情况,因此本文聚焦于研究动态社交网络中非完全信息下谣言溯源问题.本文根据节点的传播级联在最后一层网络上的感染集合与当前时刻下新增被谣言感染节点集合的期望对称差构造目标函数,并证明了目标函数具有#P-hard的性质,且既不是次模函数也不是超模函数.接下来设计了基于可达集合抽样的方法寻找谣言源头节点,并给出了算法框架和计算复杂度分析.最后在三个真实的动态网络数据集上仿真验证了本文所提出谣言溯源方法 RSS相比于已有方法的效果更好,并探究了动态社交网络的拓扑结构变化对本文提出的谣言溯源方法准确性的影响.     

基于社交网络结构特征的S2IR谣言传播模型

针对社交网络中的用户对谣言的抵抗能力存在差异以及用户间亲密度不同的情形,通过引入谣言信度函数与个体亲密度函数,定义体现网络结构特征的非一致接触传播率。考虑传谣者的信谣程度及传谣力度不同,基于平均场理论建立一种新的网络谣言传播动力学模型。在BA无标度网络中通过数值仿真验证了理论分析的正确性。实验结果表明,谣言在度大的节点中传播更快、范围更广;高谣言信度与用户亲密度会使谣言传播速度加快、传播范围变广;进一步探究了模型中遗忘率、辟谣率等相关参数对谣言传播的影响。对基本再生数进行敏感性分析,进而提出了控制谣言传播的建议,并对比分析了随机免疫与目标免疫两种常见免疫策略的效果;在仿真网络与真实网络中分析了网络结构对谣言传播的影响规律。     

谣言传播模型研究综述

简要介绍了自二战以来谣言现象的研究成果及不同领域的谣言传播模型,综述了现有模型的特点及进展.指出谣言传播模型建模过程中要对谣言传播的复杂性、心理特征、蝴蝶效应、从无序到有序的演化等问题进行深入思考,并借鉴舆论传播等多学科的现有成果,以建立基于Agent的复杂网络上的谣言传播模型.     

在线社交网络谣言传播的仿真研究——基于聚类系数可变的无标度网络环境

在经典SIR传染病模型的基础上,根据在线社交网络中谣言传播的特点,将网络谣言的受众用户扩展为无知者、知晓者、信任者、传播者、暂时免疫者和永久免疫者6类。同时考虑到用户会因为不断接触某一相同的谣言而导致对该谣言的信任水平增加的现实情况,引入社会加强正向效应,提出了一个改进的在线社交网络谣言传播模型,并结合复杂网络的相关理论建立了一个考虑聚类系数可变的无标度网络环境进行仿真研究。仿真发现,谣言的传播能力与影响范围会随着社会加强正向效应、用户首次接触并相信谣言的概率、孤立节点密度以及初始传播节点的度的增大而增大,但会随着网络聚类系数的增加而得到抑制。本文提出的谣言传播模型比较符合真实在线社交网络的谣言传播特性,可以为实践中网络谣言的管控提供一定理论参考。     

无标度网络中遗忘率变化的谣言传播模型研究

本文在无标度网络中研究了遗忘率随时间变化的谣言传播模型,推导出了对应的平均场方程,并在社交网络人人网中就遗忘率对谣言传播过程的影响进行了数值模拟.结果表明:遗忘率对谣言传播的最终规模有重要影响,初始遗忘率越大或遗忘速度越大,谣言的最终传播规模越小;与遗忘率为常数的谣言传播模型相比,谣言在遗忘率随时间变化的模型中传播规模更小.研究还表明,网络结构对谣言传播也有重要影响,谣言在无标度网络中的传播速度比在均匀网络中更快,最终传播规模更小.     

基于OSN的谣言传播模型及影响力节点研究

经典的谣言传播模型较难描述现实在线社交网络的复杂活跃模式,为此提出一个基于在线社交网络的动态谣言传播模型。该模型采用传播者基于时间退化函数的自发退化方式,动态指定节点的权威度和免疫力,并考虑了接收增强信号效应。通过对真实微博网络的谣言传播仿真验证了模型的有效性。将模型用于识别网络中的影响力节点,根据传播仿真数据评估节点的传播影响力,并分析节点传播影响力与各中心性指标间的相关性。结果显示:有向社交网络中节点的影响力并不能由k-核的大小表征,而出度和紧密中心性才是更好的描述标量。     

基于小世界网络的微博谣言传播演进研究

刻画谣言在微博上的快速传播状态,研究影响谣言传播的关键因素。基于传染病的基础模型,将受众扩展为5类(无知者、接触者、传播者、沉寂者、失去兴趣者),引入兴趣衰减系数描述个体多次接触谣言时转发兴趣降低状态,同时考虑了个体只会转发一次的现实状况。为验证模型的有效性,对模型进行了多主体仿真,并将仿真数据与两个真实案例的数据对比,发现构建的模型可以较好地拟合现实情况。通过仿真实验,对不同因素的系数进行对比分析,发现改变兴趣衰减系数、首次转发概率以及小世界网络的属性都显著影响了微博的传播演进过程。     

非均匀网络中考虑辟谣机制的谣言传播模型

通过研究政府辟谣策略对谣言传播过程的影响,建立了非均匀网络中考虑辟谣机制的谣言传播模型,并得到了对应的平均场方程。通过稳定性分析得到了与辟谣机制强度以及网络结构有关的谣言传播阈值。仿真结果表明:无论是在均匀网络中还是在BA无标度网络中,传谣者最大影响力随辟谣率的增大而减小,并且对无知者进行辟谣可以有效降低谣言传播的最大影响力,对传谣者进行辟谣可以有效地降低谣言传播中移出者最终数。     

网络结构对谣言传播的影响

在分析战时谣言传播心理学机制的基础上,将谣言传播人群划分为三类,通过设计个体的交互规则,利用度分布来描述个体间的交互结构,建立了复杂网络谣言传播的新模型.并从理论推导和计算机仿真两个角度分析了网络结构与谣言传播效果之间的关系,结果表明:1)网络平均度分布越大,异质性越高,越有利于谣言传播;2)谣言在社区结构网络传播时会出现震荡行为.     

基于曲率信息的改进BP算法及其在FNN中的应用

针对步长选取影响误差反向传播(BP,Back Propagation)算法优化效率问题,提出一种基于曲率信息的步长优化BP算法,并将其应用到了模糊神经网络(FNN)的训练过程中。参考牛顿法的思想,根据代价函数的梯度及梯度方向上的曲率信息来确定模型参数调整的方向和幅度。仅需考虑梯度方向上的二阶信息,因此不需要存储和处理Hessian矩阵。通过一个数值仿真和高炉炼铁过程数据建模实验,验证了方法的有效性及训练效率。     

基于多尺度贝叶斯网络的SAR图像分割

提出了一种多尺度贝叶斯网络模型和相应推断算法,并将其应用于合成孔径雷达（synthetic aperture radar, SAR）图像分割。首先根据SAR图像的多尺度序列构建多尺度贝叶斯网络模型;然后设计了模型估计的置信传播（belief propagation, BP）算法,该算法包括同尺度结点之间的信息传播、细尺度到粗尺度的信息传播和粗尺度到细尺度的信息传播;最后计算出细尺度隐含结点的最大后验概率（maximum a posteriori probability, MAP）,实现SAR图像的分割。实验结果表明,与单尺度贝叶斯网络模型方法和基于条件迭代模式的Markov随机场模型方法相比,基于多尺度贝叶斯网络的SAR图像分割方法具有较好的分割效果。     

意识扩散和SEIR病毒的双层网络传播模型

针对类似于新型冠状病毒(coronavirus disease 2019, COVID-19)具有明显潜伏期特性的病毒,为了解其传播特性,做出相应预测和措施,提出了一种考虑时变因素的双层网络传播模型。上层网络采用考虑时变遗忘概率的UAU(unaware-aware-unaware)信息传播模型表示关于病毒的意识信息扩散过程;下层网络采用具有潜伏态的SEIR(susceptible-exposed-infected-recovered)类病毒传播模型描述受意识信息影响的病毒传播过程。利用MMCA(microscopic Markov chain approach)推导出传染病传播阈值,通过分析遗忘因素、感染衰减因子等关键因素,仿真结果表明了所提考虑时变因素的双层网络传播模型的有效性。     

面向网络论坛的谣言传播与抑制研究

基于网络论坛中用户行为的异质性和病毒传播的SEIR模型,提出了面向网络论坛的SEIR谣言传播模型。首先根据模型在非均匀网络中的平均场方程,推导网络论坛中谣言传播的临界阈值,表明在谣言传播率有限的情况下,增加用户间的信任机制可以有效抑制谣言在网络中的传播;然后通过仿真与数值分析,验证模型的有效性以及信任机制的引入能够有效降低谣言的影响力、传播速率和影响范围;最后结合仿真与数值分析的结论和网络论坛用户间的高影响力有限信任关系,给出了抑制谣言传播的高影响力用户免疫策略。实验结果表明,该策略与传统的免疫策略相比能够取得更好的谣言抑制效果。     

可变聚类系数无标度网络上的谣言传播仿真研究

在经典谣言传播模型的基础上,研究了具有幂律度分布和可变聚类系数的无标度网络上的谣言传播行为。目标是研究聚类系数对谣言传播的影响,通过改变特殊的参数调节网络的聚类系数来观察谣言传播的变化情况。仿真结果表明,聚类系数越高的网络,越能抑制谣言的传播,而聚类系数越低的网络,谣言传播将更加猖獗。     

具有非一致传播率的无标度网络谣言传播模型

考虑到实际复杂网络中的个体对于谣言的免疫存在差异的情况,通过引入谣言接受度函数,描述不同节点的非一致性传播率。基于平均场理论,建立具有非一致传播率的无标度网络谣言传播模型,研究了无标度网络上的谣言传播行为。理论分析和仿真实验表明,节点对谣言接受度的差异可导致谣言传播速度减缓,传播规模减小,同时谣言在无标度网络上的传播阈值明显增加,可以有效抑制谣言的爆发和降低谣言传播的风险。     

测试代价敏感的粗糙集方法

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙集模型代价敏感,并将新模型与基于强不可分辨、弱不可分辨以及传统α量化不可分辨关系的粗糙集模型进行了对比分析.进一步地,通过分析传统启发式算法在求解约简的过程中未考虑降低代价这一不足之处,提出一种新的属性适应性函数,并将其应用于基于遗传算法的约简求解中.实验结果表明该方法不仅可以降低由边界域所带来的不确定性而且同时降低了约简后的测试代价.     

基于复杂网络的谣言传播模型

分析了谣言传播的心理学机制和敌我双方的对抗策略, 引入谣言属性变量并藉此建立了平均场下的谣言传播新模型. 借助严格一阶随机占优和严格二阶随机占优的概念分别讨论了谣言属性、敌我双方干预强度、网络结构特征和谣言传播效果之间的关系,提出并证明了具有重要管理意义的4个命题. 通过仿真实验进一步验证了命题的正确性.