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。     

基于最大可达概率的虚假信息溯源问题研究

随着互联网的持续普及,虚假信息传播的速度和趋势在增加,广泛的传播将会不断影响并损害国家、社会及个人的利益,负面影响会变得难以控制.因此,本文基于最大可达概率研究了在社交网络中的三阶段虚假信息溯源问题,对于无向且连通的感染图G(V,E,p)而言,给出了最大可达概率的定义,从而进一步得到网络中每个节点的接近可达概率和最长可达路径值.除此之外,本文基于IC模型获取源候选节点集(IC-OCNS),再基于最大可达概率对网络中源候选节点集进一步筛选,提出三阶段可达概率算法(TSRA)来更好地解决社交网络中虚假信息的溯源问题.最后,在实验阶段,本文在现实世界的三个社交网络数据集中进行实验比较,验证算法的可行性和误差率,该研究可以为网络安全中虚假信息的控制和应对提供管理和决策支持.     

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。     

在线社交网络中考虑抑制代价的谣言澄清策略研究

现有针对谣言澄清问题的研究,往往忽略了实施谣言澄清策略需要付出的代价问题.为此,本文构建了一种在线社交网络(online social networks,OSN)中,同时考虑信息整体流行度和个体传播倾向的动态线性阈值谣言传播模型(dynamic linear threshold based rumor spreading,DLTRS);并基于该模型,设计了一种考虑辟谣信息传播时间、种子节点数量、信息内容等谣言抑制代价的谣言澄清算法(rumor clarification considering cost restraint,RCCR);利用构建的网络和真实OSN环境下的数据集,对提出的谣言传播模型和澄清算法进行了仿真实验,并进一步分析了各参数变化对算法性能的影响.     

面向应急管理的大图重要节点中介度高效近似计算方法

社交网络中的重要节点对于信息的传播效率有着至关重要的作用,也是近年来的研究热点问题.同时,随着新媒体时代手机、微博、微信等新兴媒介日益变快的信息传播速度,政府部门和企业已经逐渐认识到通过识别社交网络中的重要节点对于管理和控制社交网络中的信息传播,在面向应急的非常规突发事件数据获取与分析中,有着举足轻重的作用.新媒体时代也扩展了人们社会活动的信息容量与交换速度,以MapReduce为代表的分布式计算系统在应急管理的大规模社交网络数据分析中也变得越来越普遍.为了便于应急管理中的信息传播控制,针对应急管理中大规模社交网络图上重要节点识别的关键问题,本文提出了一种新颖的基于轴节点选择策略的大图重要节点中介度近似计算方法和原型系统,并通过模拟数据和真实数据(包含一个连续六个月的真实社交网络数据集)进行了验证.实验结果表明,该方法能非常有效地找出社交网络上的重要节点,对于应急管理中的信息传播控制有着重要的作用.     

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。     

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。     

基于社交网络信息的新冠疫情抽检策略研究

为解决全员定期核酸检测成本高,导致间隔周期长且效率低的问题,给出了基于社交网络信息的抽检策略,将在线社交网络信息与新冠肺炎传播规律融合,建立了带抽检策略的新冠肺炎传播模型。在此基础上,研究了随机抽检策略、熟人监测策略、度大节点目标抽检监测策略三种策略对新冠肺炎传播的影响。研究发现在校园等人群密集接触的环境下,熟人和度大节点目标抽检策略在峰值幅度、峰值时间、早期预警等指标下都好于随机监测策略,减少了新冠病毒传播天数以及感染人数,能更早、更快地控制住疫情,预警效果从高到低依次是度大节点目标监测策略、熟人监测策略、随机监测策略。     

超图结构下的在线社交网络中隐性影响力评估

本文将超图结构、概率行为与信息理论三者进行合理综合,并将它们应用到在线社交网络及其隐性影响力评估的研究中,从而提出了一种新的有效数学分析方法.本文首先利用超图理论并通过超路径建立了在线社交网络中用户之间的信息传播过程,同时结合概率行为描述了信息传播的量化关系与波动强度.然后,本文通过平均互信息提出了一种新的在线社交网络隐性影响力评估的量化方法,同时也使用数值算例验证了这种评估方法的有效性.     

用户行为驱动的在线社交网络建模

基于节点威望和节点相似性这两个驱动在线社交网络连接形成的潜在机制,从用户连接行为入手,本文提出一个在线社交网络生成模型.采用优先连接刻画网络无标度特性;从微博好友推荐机制建模节点趋同性.该网络模型考虑了社交网络形成的一些重要驱动因素,如同质性和聚类性.从网络连接的微观交互中寻求刻画网络宏观特性的连接机制是本文研究的出发点.模型有力刻画了在线社交网络的统计特性,如度分布、聚类系数、度相关性.结果表明节点威望吸引和节点相似性是在线社交网络结构形成的内在机理.     

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.     

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.     

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。     

基于不等概率抽样的不完全信息条件下复杂网络抗毁性模型

为了填补随机失效与故意攻击之间的空白,将复杂网络攻击信息的获取抽象成无放回的不等概率抽样问题,建立了不完全信息条件下的复杂网络抗毁性模型.其中网络攻击信息可以通过信息广度参数和信息精度参数调节控制,随机失效或故意攻击是该模型的两个特例.利用母函数方法解析推导出了任意度分布广义随机网络在随机不完全信息和优先不完全信息条件下的两个重要抗毁性度量参数——临界移除比例和巨组元规模,得到的解析结果可以分析和预测不完全信息条件下复杂网络的抗毁性.以无标度网络为例对一般攻击信息参数组合进行了仿真分析,发现随机隐藏少量节点信息将大幅度提高复杂网络的抗毁性,获取少量重要节点的信息可以大幅度降低复杂网络的抗毁性.     

在线社会系统的用户行为分析研究进展

从社交、点评行为分析,超图网络模型构建,节点重要性识别和网络信息传播等角度介绍了在线社会系统的相关工作,并指出了可能的一些研究方向,为相关的研究工作者提供了借鉴。     

基于信号流图的动态神经网络在线学习算法

复杂的链式规则求导计算是动态神经网络在线学习算法中梯度向量计算的主要瓶颈,针时这一问题,根据P.Campolucci等人提出的动态系统梯度信息信号流图分析方法,设计了动态神经网络的在线学习算法,该算法可以直接从网络的信号流图及其伴随流图中获取目标函数关于网络参数的梯度信息,从而简化了算法梯度向量的计算.为了确保算法的稳定,根据Lyapunov稳定性定理,提出并证明了可以保证算法收敛的自适应学习速率,并且学习速率容易获得.利用NARX神经网络对非线性动态系统在线辨识的仿真实例也表明了本算法的有效性.     

基于多目标优化的传感器网络任务分配模型

由于网络节点资源受限,节点任务分配对传感器网络性能和网络服务质量影响很大.本文以优化系统时延、能量消耗及网络均衡度为目标,建立了基于多目标优化的传感器网络任务分配模型.同时为了有效协调多目标间的关系,采用目标协调优化方法构造目标函数.利用关键路径法解决通信路径选择,给出了基于遗传算法的最佳任务分配方案,进而最大限度地提高了传感器网络效率.最后,仿真结果表明了该模型和算法是合理的和有效的.     

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。     

基于RS-DBN的电子对抗目标清单生成方法

由于电子对抗作战目标类型和工作方式多样, 变化速度快, 有效信息难以充分获得, 且在不同作战阶段呈现出不同特点, 使用传统评估方法难以对其等级排序实施精确评估。对此, 提出一种基于随机集的动态贝叶斯网络电子对抗目标等级评估方法。首先，对电子对抗作战目标清单生成方式进行梳理, 确定了评价指标体系, 并根据作战阶段的变化特点，结合动态贝叶斯网络完善了评价体系。然后, 充分考虑作战过程中数据获取不完整的特点, 通过引入随机集方法将传统贝叶斯网络的节点参数求解方法进行拓展, 使用区间数学的思想得到了较为准确的动态贝叶斯网络节点参数。最后，进行了案例仿真计算和结果分析, 并对节点概率确定方法进行算法复杂度讨论。结果表明，所提方法更加适合样本不完整的军事评估问题, 评估结果与实际作战基本一致, 使用的算法具有高效性、适用性和推广性。     

社交网络中种子用户分布对产品扩散的影响

在社交网络中同样数量的种子用户群体在社交网络中的不同分布,往往对新产品的传播效率造成影响.探讨在具备小世界特性的社交网络中,种子用户分布与社交产品扩散速度的关系.设计了基于阈值模型和基于节点相关性的仿真实验,基于大规模实际社交网络的数据,采用计算机仿真模拟方法来从微观角度进行观察.研究发现,社交网络中种子用户紧密度与社交产品扩散速度正相关,但影响加速递减.