CN106549799B - 一种社会网络同步的实现方法 - Google Patents

Abstract

一种社会网络同步的实现方法，包括以下步骤：S1：构建社交网络；S2：根据社会网络同步模型，计算社会网络同步的行为深度指标；S3：计算社会网络同步的影响广度指标；S4：计算社会网络同步的异质化指标；S5：计算社会网络同步的显著度指标；本发明提供一种社会网络同步的实现方法，提出了社会网络同步模型，从理论上很好地解释了社会同步性的四个特征，该模型能帮助研究人员更好地了解人类的集体行为。

Description

一种社会网络同步的实现方法

技术领域

本发明涉及网络同步与计算机技术领域，特别是涉及一种社会网络同步的实现方法。

背景技术

同步现象是很多自然系统、人工系统是一种重要的现象。目前。它主要被理解为：由于个体与他人的互动为原因，从而产生的对个体节奏、行为的调整(参考文献[1]:A.S.Pikovsky,M.G.Rosenblum,and J.Kurths,Synchronization:A Universal Conceptin Nonlinear Science(Cambridge University Press,Cambridge,U.K.,2001)，即A.S.Pikovsky,M.G.Rosenblum,and J.Kurths，同步：非线性科学中的一个普遍概念，(Cambridge University Press,Cambridge,U.K.,2001))。例如，萤火虫通过闪烁来辅助性别选择(参考文献[2]：R.E.Mirollo and S.H.strogatz,Synchronization of pulse-coupled biological oscillators.SIAM Journal on Applied Mathematics,50(6):1645-1662,1990，即R.E.Mirollo and S.H.strogatz，脉冲耦合生物振荡器的同步，SIAMJournal on Applied Mathematics,50(6):1645-1662,1990.)，认知过程中神经元的同步放电(参考文献[3]：P.Fries,A mechanism for cognitive dynamics:neuronalcommunication through neuronal coherence.Trends in cognitive sciences,9(10):474-480,2005，即P.Fries，认知动力学的一种机制：神经元的神经元通信，Trends incognitive sciences,9(10):474-480,2005.)等。在这里，我们感兴趣于一种同步形式：发生在成群的生物，可以沟通并模仿彼此行为，即社会同步。这是一种重要的集体行为，通常来源于人类或动物的自发活动。例如，群组中的动物迁徙行为表现出不同的同步模式，如鸟类蜂拥(参考文献[4]：J.J.T.Emlen,Flocking behavior in birds.The Auk,69:160-170,1952，即J.J.T.Emlen，鸟群聚集行为，The Auk,69:160-170,1952.)和鱼群效应(参考文献[5]：E.Shaw,Schooling fishes:the school,a truly egalitarian form oforganization in which all members of the group are alike in influence,offerssubstantial benefits to its participants.American Scientist,66(2):166-175,1978，即E.Shaw，鱼群：一个真正平等的群体，所有的成员都是地位一致，所有参与者提供了可观的利益，American Scientist,66(2):166-175,1978.)。

社会网络同步的研究具有重要意义。例如，在机器人编队的通讯网络中引入网络同步理论，可以处理多机器人之间的协调问题，有效防止由于多机器人之间存在的干扰、冲突导致的系统整体性降低；在信息传播网络中，社会网络同步技术，既可以加速良好信息蔓延网络的速度，也可以通过降低个体之间的同步率使得恶劣信息蔓延得到抑制。社会网络同步在很多领域中都得到了广泛应用。

虽然社会网络同步普遍存在，但目前为止大多数最新的工作都是基于经验性的而不是理论，即它们解释了现实社会中存在的同步现象，这些现象可以在收集到的数据集中观察到，但是却没有提出模型来解释这些现象。现今的社会网络同步工作存在弊端，主要表现在：1.经验性解释居多，缺乏理论模型来量化解释现象；2.网络同步的指标单一，同步指标考虑不全面。

因此，本发明受到以往经验性工作学习的推动，我们旨在解决以下两方面问题：(1)概括社会网络同步中的典型特征；(2)提出理论模型来解释这些观测到的社会同步特征。

发明内容

为了克服现有社会网络同步存在的以经验性解释居多、缺乏理论模型指导、以及同步指标单一的不足，本发明提供了一种社会网络同步的实现方法，提出了社会网络同步模型，从理论上很好地解释社会同步性的四个特征；并与仿真实验结合，在两者之间找到一个平衡，该模型能帮助研究人员更好地了解人类的集体行为。

本发明解决其技术问题所采用的技术方案如下：

一种社会网络同步的实现方法，包括如下步骤：

S1：产生人工无标度网络G＝(V,E)，其节点集和连边集分别为V＝{v₁,v₂,...,v_N}和节点总数N；

S2:根据网络同步模型，按照公式(1)计算模型下的行为深度指标

其中，ρ(t)为网络同步实现机制模型中激活态节点的占有比率，由公式(2)计算得到；表示初始状态时激活态节点的占有比率；N表示网络中总节点数目，T表示模型运行时间，以天数为单位；可调参数α表示节点接受到的其他节点影响强度，可调参数β表示网络节点自身的激发概率，参数η＝α(1-β)，参数<k>表示t时刻网络的度平均值；

S3:根据网络同步模型，按照公式(3)计算模型下的影响广度指标φ(T)：

其中，P(k)为网络中节点度值k所占的比例；f_T(x)＝1-(1-x)^T；度值为k的节点平均激活概率为公式(4)：

S4:根据网络同步模型，按照公式(5)计算模型下的异质化指标

S5:根据网络同步模型，按照公式(6)计算模型下的显著度指标χ(θ)；

其中，表示随机模型得到的θ天内新激活的节点数量。

本发明的有益效果为：提出了社会网络同步的实现方法，通过理论分析与推导，得出了网络同步模型，并能够很好解释社会网络同步时的各种属性，对于社会网络同步问题，以及进一步地研究人类集体行为提供了很好的帮助。

附图说明

图1为本发明一种社会网络同步的实现方法的算法流程图。

图2为本发明实施例的二维人工无标度网络示意图，满足网络最低度值k_min＝2，网络度值分布律P_k～k^-γ,γ＝2。

图3为本发明实施例在行为深度指标上，一种社会网络同步模型机制与网络同步仿真实验中在参数α,β变化时的对比图。

图4为本发明实施例在影响广度指标上，一种社会网络同步模型机制与网络同步仿真实验中在参数α,β变化时的对比图。

图5为本发明实施例在异质化指标上，一种社会网络同步模型机制与网络同步仿真实验中在参数k变化时的对比图，横坐标为度值k，纵坐标为行为深度指标；直线表示仿真模型得到的离散点的回归直线，虚线表示通过社会网络同步模型得到的分析曲线。

图6为本发明实施例在显著度指标上，一种社会网络同步模型机制与网络同步仿真实验中在参数α,β变化时的对比图。

具体实施方式

下面结合说明书附图对本发明的具体实施方式作进一步详细的描述。

参照图1～图5，一种社会网络同步的实现方法，本发明使用人工无标度网络进行建模分析，该网络具有无标度性、全连通性，既符合现实社会网络，其全连通的性质也可以防止由于网络存在断边而带来的网络结构破坏的问题。这里，行为深度指标、影响广度指标以及显著度指标这三个步骤采用的网络参数为节点总数N＝100，网络最低度值k_min＝2(保证节点存在环路)，网络度值分布律P_k～k^-γ,γ＝2；异质化指标采用的参数为N＝1000；k_min＝2；P_k～k^-γ,γ＝2(保证度值分布具有较大范围)。

本实施例中，一种社会网络同步的实现方法，其具体步骤为：

1)产生人工无标度网络G＝(V,E)，其节点集和连边集分别为V＝{v₁,v₂,...,v_N}和节点总数N，网络符合参数k_min＝2；P_k～k^-γ,γ＝2；

2)网络同步的行为深度指标测试，具体步骤为：

2.1)令T＝100，此处单位为天数，选择的网络节点数N＝100；

2.2)按照公式(1)进行社会网络同步的方法计算，得到同步模型下的行为深度指标

其中，ρ(t)为网络同步实现机制模型中激活态节点的占有比率，由公式(2)计算得到；表示初始状态时激活态节点的占有比率；N表示网络中总节点数目，T表示模型运行时间，以天数为单位；可调参数α表示节点接受到的其他节点影响强度，α∈[0,0.25]；可调参数β表示网络节点自身的激发概率，β∈[0,0.1]；参数η＝α(1-β)，参数<k>表示t时刻网络的度平均值；

3)网络同步的影响广度指标测试，具体步骤为：

3.1)令T＝25，此处单位为天数，选择的网络节点数N＝100；α∈[0,0.25],β∈[0,0.1]；

3.2)按照公式(3)进行社会网络同步的方法计算，得到同步模型下的影响广度指标φ(T)；

其中，P(k)为度值网络中度值k所占的比例；f_T(x)＝1-(1-x)^T；度值为k的节点平均激活概率为公式(4)：

4)网络同步的异质化指标测试，具体步骤为：

4.1)令T＝25，此处单位为天数，选择的网络节点数N＝1000；

4.2)按照公式(5)进行社会网络同步的方法计算，得到同步模型下每个k值的平均激发节点数目

4.3)以k值为横坐标，平均激发节点数目为纵坐标，对离散节点进行直线回归；

5)网络的显著度指标测试，具体步骤为：

5.1)令T＝500，此处单位为天数，选择的网络节点数N＝100，时间窗θ＝5；α∈[0,0.25],β∈[0,0.1]；

5.2)按照公式(6)进行社会网络同步的方法计算，得到同步模型下的显著度指标χ(θ)：

其中，表示随机模型得到的θ天内新激活的节点数量。

由图3，图4，图6可以得知，在行为深度指标、影响广度指标以及显著度指标这三个指标上，我们的同步模型结果与网络同步仿真实验得到的结果很好的符合；同时，在异质化指标上，图5表明当α,β较小时，即网络邻居间影响力较小，自发态激活概率较小时，我们的模型几乎与仿真实验结果一致。

如上所述为本发明人工无标度网络上的实施例介绍，通过理论推导并构建网络同步模型，并在行为深度指标、影响广度指标、异质化指标以及显著度指标等四个常用网络同步的指标来衡量模型性能。可以看到，我们提出的社会网络同步实现方法对网络的同步提供了良好的解释，并希望它能帮助研究人员更好地了解人类的集体行为。

Claims (1)

1.一种社会网络同步的实现方法，其特征在于，所述方法包括如下步骤：

S1：产生人工无标度网络G＝(V,E)，其节点集和连边集分别为V＝{v₁,v₂,...,v_N}和节点总数N；

S2:根据网络同步模型，按照公式(1)计算模型下的行为深度指标

其中，ρ(t)为网络同步实现机制模型中激活态节点在全网络中的占有比率，由公式(2)计算得到；表示初始状态时激活态节点在全网络中的占有比率；N表示网络中总节点数目，T表示模型运行时间，以天数为单位；可调参数α表示节点接受到的其他节点影响强度，可调参数β表示网络节点自身的激发概率，参数η＝α(1-β)，参数<k>表示t时刻网络的度平均值；

S3:根据网络同步模型，按照公式(3)计算模型下的影响广度指标φ(T)：

其中，P(k)为网络中节点度值k所占的比例；f_T(x)＝1-(1-x)^T；度值为k的节点平均激活概率为公式(4)：

S4:根据网络同步模型，按照公式(5)计算模型下的异质化指标

S5:根据网络同步模型，按照公式(6)计算模型下的显著度指标χ(θ)；

其中，表示随机模型得到的θ天内新激活的节点数量。