社交网络信息传播论文（精品）.docx

《社交网络信息传播论文（精品）.docx》由会员分享，可在线阅读，更多相关《社交网络信息传播论文（精品）.docx（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、社交网络信息传播论文1模型建立在线社交网络，一般用一个有向或无向图G=(V，E)表示，其中V和E分别表示图的节点集合和边集合。每个节点代表一个用户，本文中节点与用户同义;每条边连接该用户的一个好友。本文根据信息在社交网络中传播情况，仍将社交网络中人群分为三类:易感节点(S态)、传播节点(I态)、免疫节点(态)，网络构造用无向图表示。热门舆情事件发生后，S态对应不知道消息的节点用户;I态对应知道消息并继续传播的节点用户;态对应在用户的自我考虑或者正面信息的影响下，知道消息但失去传播能力或兴趣的节点用户。由于社交网络中用户关系相对稳定，信息传播的速度较网络动态变化更快，周期要小得多。因而，本模型中

2、暂不考虑网络的动态性，即社交网络的关系更新问题。传播机制及符号讲明1)初始时刻，选定某节点作为消息源传播节点，其余为易感节点。传播节点向其邻居节点发送消息，邻居中的易感节点与传播节点接触，即接收到传播节点的消息，以概率变为传播节点，进行一次这样的传播定义为一个时间步。当网络中用户节点度一样时，则感染概率一样，模型退化为经典SI疾病传播;当用户节点度高于平均节点度时，该用户对其他用户的感染概率高于正常值;当用户节点度低于平均节点度时，该用户对其他用户的感染概率低于正常值aver_D，体现了社交网络中各节点用户对舆情传播的影响不同。2仿真与分析建立传播模型后，选择适宜的网络拓扑进行仿真模拟。新浪(

3、Sina)微博作为国内最受欢迎的在线社交网络，在热门事件传播中最具有代表性，并具有无标度与小世界的特性，网络节点的度服从幂律分布。本文使用数据堂中下载的新浪微博用户关系数据，将微博用户作为网络的节点，粉丝及关注关系处理为边，进而构成实验用的传播网络。将网络拓扑矩阵导入PAJEX软件，计算得到网络的基本特征如表2。21模型比照实验在采集的微博网络上进行三种传播仿真实验:实验一采用经典SI模型;实验二采用G-SI模型;实验三采用IG-SI模型。初始状态设置:三种实验中选取一样的10个节点作为初始传播源，其余节点设为易感节点;其次，设置模型参数如下:=005，=002，时间步设置为T=150。G-S

4、I模型网络中传播节点、易感节点和免疫节点的密度随传播时间的演化情况如图3所示。从图3能够看出:微博网络的高度连通性，使谣言等舆情信息在网中迅速传播。传播开场后，易感节点密度S(t)随时间快速下降，传播个体密度I(t)随时间快速攀升，表示信息很快被网络中大部分用户所获知;同时，伴随着传播个体I(t)的增加，其中一部分用户会本人根据正面舆论或本人考虑变为免疫个体，使受谣言影响的个体数量不断降低，直至谣言事件趋于平息，大部分用户变为免疫个体，了解事件真相，信息的传播经过也趋于平稳。进行10次传播实验，每次实验中初始传播节点固定。分别记录传播者数量峰值时传播者占总人数的比例与所用的时间步。取均值后数据

5、比照结果如表3。由表3可知:相比经典的SI模型，G-SI、IG-SI模型传播到达峰值的时间步更短，传播峰值时传播者数量更多;另外，能够发现由于微博网络各节点度的差异，G-SI模型与IG-SI模型传播到达峰值时时间步不同，但传播峰值时传播者比例相近。22参数敏感性分析为进一步研究模型中相关参数对舆情传播的影响，探索相应的舆情信息管控方法，选取G-SI模型信息传播中初始用户节点度、免疫经过的时滞、恢复率等参数在采集的微博网络中进行仿真传播，考察对信息传播效果的影响。节点度:分别选择节点度k=42，170，820的用户作为初始传播用户。易感节点密度随时间变化如图4(a)，传播节点密度随时间变化如图4

6、(b)。由图4能够看出，在微博这种无标度网络中，初始传播节点的度值大，信息在网络中传播快，易感用户密度S(t)在传播开场不久便快速下降;初始传播节点的度值小，信息的传播具有滞后性，需要经过一段时间后，信息才能在网络大规模扩散传播，即S(t)在传播开场一段时间后才快速下降。但当t趋向于无穷大时，不管初始传播节点的度为多少，最终各状态节点数量基本一致，且传播节点所到达的数量峰值也基本一样，讲明不同度值的用户作为初始传播节点，对传播用户范围影响有限。联络到微博网络中情形，由网络大V用户发出的信息会在网中快速传播，或者由一般用户发出的信息经大V用户转发后也会在网中大规模传播。这也进一步表明:无标度网络

7、中，当网络规模很大时，信息传播阈值很小，趋于零，这也从侧面讲明具有无标度特性的微博网络更容易爆发谣言或舆情事件。免疫经过的时滞:免疫经过可看作用户的自我转变，或者真实信息的传播使用户对热门事件作出正确判定。讨论在一定传播时滞T后再开场有向免疫状态的转变。选用采集的网络拓扑数据，观察不同时滞下传播的变化如图5。从图5中能够看出，正确的舆论引导信息滞后，会导致传播人群数量范围的扩大，加大负面影响。因而，对于热门事件舆情传播，提早发现并公布真实信息有助于降低传播蔓延时间，避免长时间的传播引起公众情绪的进一步发酵，导致事件升级。3结语本文提出一种基于局域信息的社交网络信息传播模型。本模型主要特点是:1

8、)根据节点的周围局部信息确定节点所处状态的概率，以更准确地刻画舆情信息在网络中不同节点的传播情况。2)建立了一种不同节点感染概率随用户影响力变化的传播模型，能够更真实地反映社交网络中用户影响力不同对传播的影响。仿真实验表明，本文中所建立模型较SI模型具有传播速度更快、传播范围更广的特点。通过分析节点度、免疫经过的时滞、恢复率等参数对传播效果的影响，可知当热门事件爆发时，迅速而有力地真实信息，能够有效地减少不良言论的传播时间与范围。本文对于深入理解社交网络传播机制，了解舆情发展动向，实现对网络舆情的合理监管与引导具有重要的理论意义与实用价值，有助于政府在社会实践中有效消除负面消息的影响。在下一步的研究中，将结合更多实际数据，分析多信息竞争的动态社交网络中的传播机制与舆情演化经过。