CN107798623A - 媒体干预下三分意见群体网络舆情传播模型 - Google Patents
媒体干预下三分意见群体网络舆情传播模型 Download PDFInfo
- Publication number
- CN107798623A CN107798623A CN201711010841.0A CN201711010841A CN107798623A CN 107798623 A CN107798623 A CN 107798623A CN 201711010841 A CN201711010841 A CN 201711010841A CN 107798623 A CN107798623 A CN 107798623A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- opinion
- model
- neutral
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007935 neutral effect Effects 0.000 claims abstract description 26
- 230000007246 mechanism Effects 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract description 8
- 238000011160 research Methods 0.000 abstract description 6
- 230000000644 propagated effect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract 1
- 230000005484 gravity Effects 0.000 abstract 1
- 230000009471 action Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 230000008929 regeneration Effects 0.000 description 3
- 238000011069 regeneration method Methods 0.000 description 3
- 208000035473 Communicable disease Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000005251 gamma ray Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Peptides Or Proteins (AREA)
Abstract
本发明通过构建带有讨论机制的舆情传播模型,研究媒体作用下三分意见群体舆情演变的内在规律。在参考疾病传播模型SIR(Susceptible,Infected,Recovered)、和媒体干预下的二分意见模型SIaIbR(Susceptible,Infected‑a,Infected‑b,Recovered)的基础上,提出了带有三分意见群体舆情演变的SI3R(Susceptible,triple Infected,Recovered)模型。与二分意见模型不同的是,三分意见模型引入了中立群体这一概念,并且在传播群体中占有较大比重。通过对中立群体的影响,媒体能够发挥更有效的作用。给出了三分意见群体模型及其动力学方程,求出了其数值解。
Description
技术领域
本发明涉及网络安全领域,具体涉及到媒体作用下的网络舆情传播安全。
背景技术
媒体作用下的网络舆情传播引起了学者们的广泛关注,但大部分研究均局限于通过加入媒体节点,对经典复杂网络传播模型进行改进,关注于媒体节点本身在模型上的体现。
近年来,对媒体作用下互联网舆情传播定量研究工作现已成为热点问题,Musselle考察了社会网络中两个持对立观点媒体对个体意见传播演化的影响,发现当对立媒体连接个体数量越多,随着时间变化个体意见演化受媒体意见影响越大。Crokidakis把大众媒体作为外部影响因素引入二维Sznajd模型中,发现在媒体因素影响下,即使初始持赞同观点的个体密度很小,但受媒体传播影响,最终个体意见也会达成统一。
互联网舆情传播研究工作通常借鉴传染病模型,如利用SIR(Susceptible,Infected,Recovered)模型和SIS(Susceptible-Infected-Susceptible)模型来模拟互联网舆情传播。自Sudbury首次将传染病SIR模型用于解释谣言传播以来,不断有学者提出改进模型来描述网络舆情传播。如:顾亦然提出一个新的基于在线社交网络的谣言传播SEIR(Susceptible,Exposed Infected,Recovered)模型,并给出了抑制谣言传播的免疫策略。钱颖等基于SIR模型对微博上的舆情传播进行了研究,建立了微博舆情传播模型。Xu等通过将信息价值与用户行为引入社交网络信息传播模型中,改进和修改了传统的SEIR模型,构建了基于社交网络的S-SEIR(Social Susceptible,Exposed Infected,Recovered)模型。李林等利用网络传播的SIR模型,考虑两种冲突信息在社会网络上同时传播,传播过程中引入个体处理冲突信息的三种行为方式,建立了信息的传播演化模型。张立凡等通过构建带有讨论机制的舆情传播模型,研究媒体作用下网络舆情演变的内在规律,把媒体对舆情传播的干预作用抽象为强化度及分歧度,构建新的SIaIbR模型。本发明在SIaIbR模型的基础上,引入中立群体构建新的SI3R模型。
发明内容
在考虑网络媒体传播实际情况后,提出如下带有媒体作用讨论机制的网络舆情话题传播模型。该模型中网络群体处于5种状态:未知态(S)、支持传播态(Ia)、中立传播态(Ib)、反对传播态(Ic)、移除态(R)。用S(t)、Ia(t)、Ib(t)、Ic(t)、R(t)分别表示t时刻处于5种状态的网民占网民总数的比率。本发明中还用到了强化度、分歧度和渗透率三个概念,下面给出了相关的三个定义。
定义1强化度ε。在话题出现的时候,媒体的导向会使得未感染人群加入话题行列,表现为未知状态往移除状态转变的概率减小,并完整叠加到未知状态转变为转播状态的概率。
定义2分歧度η。当媒体观点与原有观点发生碰撞时,会导致传播过程中激烈的争论,从而产生意见分歧,改变传播态势。分歧度定义为一个概率,表示一部分传播者因受到媒体的影响而持另一种观点的概率。
定义3渗透率γ。表示持不同观点的个体在交互过程中,因受到他方的影响而改变之前对时间的看法,进而转变到他方的阵营中。这里假设有三方:支持方Ia,中立方Ib,反对方Ic。这种因接触而发生状态转移的概率定义为渗透度,这里假设支持方与反对方的转换必须经过中立方,即不能直接转换,相应的渗透率分别为:γab,γba,γbc,γcb。
本发明解决方案主要是通过在支持群体和反对群体之间引入了中立群体,其主要特征为:在媒体传播过程中,主要影响对象是中立传播个体,因为这些个体容易随意改变自己的观点,将这种中立状态的个体考虑进传播模型中,能够更好反应网络舆论网民的分布规律。本发明通过引入中立群体提出的SI3R模型,对应的动力学方程为:
其中,αi(i=0,1,2,3)、βj(j=1,2,3)分别为状态转换概率;Ia、Ib、Ic和R分别为支持层、中间层、反对层和移除状态;α0、α1、α2、α3表示未知个体向移除个体、支持个体、中立个体以及反对个体转变的概率;β1、β2、β3表示支持个体、中立个体和反对个体变为移除状态的概率;γab、γba、γbc、γcb分别表示支持个体转变为中立状态、中立个体转变为支持状态、中立个体转变为反对状态、反对状态转变为中立状态的概率;A为新网民输入率。
另外,本发明中所用到的传播参数为α、β、γ,它们之间的转换关系如下(其中ε∈(0,1),η∈(0,0.5)):
下面对模型进行具体分析,求解平衡点。
上述模型(1)中前4个变量不含变量R,因此仅需考虑前4个方程构成的系统。得到如下模型:
传播动力学理论表面,网络传播动力系统中都会存在一个传播阈值R0,又叫基本再生数,它决定了网络舆情传播与否。当R0≤1时,传播将逐渐消失,当R0>1时,舆情信息将会在一定区域内传播。
令x=(Ia,Ib,Ic,S)T,则模型(3)可以表示为dx=F(x)-V(x),计算基本再生数,如下:
则
由A=FV-1,可得谱半径(基本再生数R0)如下:
经使用Matlab的solve符号演算可知,上述齐次方程不存在精确解,即无法得到精确平衡点。但可以通过简化方程得到它的4个平衡点:
可以看出P1、P2、P3属于对称的3个点,参数P1中的α1,β1在P2、P3中分别以α2,β2或α3,β3替换。P1、P2、P3中Ia、Ib、Ic分别有2个为0,在实际传播情况中代表只有一种讨论声音。
上述分析给出了动力学方程组出现的4组平衡点精确解。然而若结合媒体作用下的舆论传播模型分析可发现,由于η<1–η,α1>α2、α3,β1<β2、β3,均衡状态下,Ia不会比Ib、Ic小,因此P2、P3解不会出现。因此,当R0>1时,基于媒体干预的带有讨论机制的舆情传播模型只有一个平衡点P1。
附图说明
结合附图和下面的具体实施方式,将更加清楚地了解本发明所提出的媒体干预下三分意见群体网络舆情传播模型。图1是本发明的流程框图,图2是本发明的模型示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图1和具体实施方式对本发明作进一步详细的说明,这些附图均为简化的示意图,仅以示意方式说明本方面的基本结构,因此其仅显示与本发明有关的构成。
本发明的实验平台为Matlab2012a,计算机主机配置:CPU为i3_2310M,内存6G;操作系统为Microsoft Windows10Professional。
请参考图1,展示出了本发明的媒体干预下三分意见群体网络舆情传播模型算法100的具体实施例子的流程图。所述方法100包括:
步骤102,初始化变量:S(未知态)、Ia(支持传播态)、Ib(中立传播态)、Ic(反对传播态)、R(移除态),给定这五个变量的初始值;
步骤104,利用常微分方程数值解的欧拉法,设置迭代次数step=150,针对下面的常微分方程组中的S(未知态)、Ia(支持传播态)、Ib(中立传播态)、Ic(反对传播态)、R(移除态)这五个变量,进行循环求解;
步骤106,对求解出的五个变量进行输出。
本发明能够更好的反映传播群体内部的层次结构,符合实际谣传传播系统的特点。整个系统是在三个层次的传播(支持传播、中立传播和反对传播)影响下运行的,更能够反映网络舆论网民的分布规律。
上述说明已经充分表述了本发明的具体实施方式。需要指出的是,熟悉该领域的技术人员对本发明的具体实施方式所做的任何改动均不脱离本发明的权利要求书的范围。相应地,本发明的权利要求的范围也并不仅仅局限于所述具体实施方式。
Claims (4)
1.一种三分意见群体网络舆情传播模型(SI3R模型),其特征是:构建带有讨论机制的舆情传播模型,研究媒体作用下三分意见群体舆情演变的内在规律,提出带有媒体作用讨论机制的网络舆情话题传播模型。该模型的主要特征为:增加了一个中间层,使支持群体和反对群体之间有一个缓冲过程。
2.根据权利要求1所述的中间层,主要特征为:在媒体传播过程中,主要影响对象是中立传播个体,因为这些个体容易随意改变自己的观点,将这种中立状态的个体考虑进传播模型中,更能够反应网络舆论网民的分布规律。
3.根据权利要求1所述的SI3R模型,对应的动力学方程为:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mfrac>
<mrow>
<mi>d</mi>
<mi>S</mi>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mi>A</mi>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<mi>S</mi>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mi>S</mi>
<msub>
<mi>I</mi>
<mi>a</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>2</mn>
</msub>
<mi>S</mi>
<msub>
<mi>I</mi>
<mi>b</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>3</mn>
</msub>
<mi>S</mi>
<msub>
<mi>I</mi>
<mi>c</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<msub>
<mi>dI</mi>
<mi>a</mi>
</msub>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mi>S</mi>
<msub>
<mi>I</mi>
<mi>a</mi>
</msub>
<mo>+</mo>
<mo>(</mo>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>b</mi>
<mi>a</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>a</mi>
<mi>b</mi>
</mrow>
</msub>
<mo>)</mo>
<msub>
<mi>I</mi>
<mi>a</mi>
</msub>
<msub>
<mi>I</mi>
<mi>b</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>I</mi>
<mi>a</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>dI</mi>
<mi>b</mi>
</msub>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<msub>
<mi>&alpha;</mi>
<mn>2</mn>
</msub>
<msub>
<mi>SI</mi>
<mi>b</mi>
</msub>
<mo>+</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>a</mi>
<mi>b</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>b</mi>
<mi>a</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>I</mi>
<mi>a</mi>
</msub>
<msub>
<mi>I</mi>
<mi>b</mi>
</msub>
<mo>+</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>c</mi>
<mi>b</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>b</mi>
<mi>c</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>I</mi>
<mi>b</mi>
</msub>
<msub>
<mi>I</mi>
<mi>c</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&beta;</mi>
<mn>2</mn>
</msub>
<msub>
<mi>I</mi>
<mi>b</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>dI</mi>
<mi>c</mi>
</msub>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<msub>
<mi>&alpha;</mi>
<mn>3</mn>
</msub>
<msub>
<mi>SI</mi>
<mi>c</mi>
</msub>
<mo>+</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>b</mi>
<mi>c</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&gamma;</mi>
<mrow>
<mi>c</mi>
<mi>b</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>I</mi>
<mi>b</mi>
</msub>
<msub>
<mi>I</mi>
<mi>c</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&beta;</mi>
<mn>3</mn>
</msub>
<msub>
<mi>I</mi>
<mi>c</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<mi>d</mi>
<mi>R</mi>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<mi>S</mi>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>I</mi>
<mi>a</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>2</mn>
</msub>
<msub>
<mi>I</mi>
<mi>b</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>3</mn>
</msub>
<msub>
<mi>I</mi>
<mi>c</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,αi(i=0,1,2,3)、βj(j=1,2,3)分别为状态转换概率;Ia、Ib、Ic和R分别为支持层、中间层、反对层和移除状态;α0、α1、α2、α3表示未知个体向移除个体、支持个体、中立个体以及反对个体转变的概率;β1、β2、β3表示支持个体、中立个体和反对个体变为移除状态的概率;γab、γba、γbc、γcb分别表示支持个体转变为中立状态、中立个体转变为支持状态、中立个体转变为反对状态、反对状态转变为中立状态的概率;A为新网民输入率。
4.根据权利要求3所属的动力学方程进行求解平衡点,然后进行数值模拟即可得到对应的网络舆论网民的分布规律。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711010841.0A CN107798623A (zh) | 2017-10-26 | 2017-10-26 | 媒体干预下三分意见群体网络舆情传播模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711010841.0A CN107798623A (zh) | 2017-10-26 | 2017-10-26 | 媒体干预下三分意见群体网络舆情传播模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107798623A true CN107798623A (zh) | 2018-03-13 |
Family
ID=61547308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711010841.0A Pending CN107798623A (zh) | 2017-10-26 | 2017-10-26 | 媒体干预下三分意见群体网络舆情传播模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107798623A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508443A (zh) * | 2018-11-14 | 2019-03-22 | 重庆理工大学 | 基于在线社交网络数据的竞争性信息宏观传播模型提取工作方法 |
CN110674411A (zh) * | 2018-07-02 | 2020-01-10 | 北京信息科技大学 | 一种基于媒体与人际影响的舆情传播模型及其传播方法 |
CN111581477A (zh) * | 2020-04-30 | 2020-08-25 | 中国传媒大学 | 一种基于信息传播的融媒体舆情引导分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559233A (zh) * | 2012-10-29 | 2014-02-05 | 中国人民解放军国防科学技术大学 | 微博中网络新词抽取方法和微博情感分析方法及系统 |
WO2014190351A1 (en) * | 2013-05-24 | 2014-11-27 | Gold Zara Arianne | System of poll initiation and data collection through a global computer/communication network and methods thereof |
CN104991956A (zh) * | 2015-07-21 | 2015-10-21 | 中国人民解放军信息工程大学 | 基于主题概率模型的微博传播群体划分与账户活跃度评估方法 |
CN105243448A (zh) * | 2015-10-13 | 2016-01-13 | 北京交通大学 | 网络舆论的演化趋势的预测方法和装置 |
-
2017
- 2017-10-26 CN CN201711010841.0A patent/CN107798623A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559233A (zh) * | 2012-10-29 | 2014-02-05 | 中国人民解放军国防科学技术大学 | 微博中网络新词抽取方法和微博情感分析方法及系统 |
WO2014190351A1 (en) * | 2013-05-24 | 2014-11-27 | Gold Zara Arianne | System of poll initiation and data collection through a global computer/communication network and methods thereof |
CN104991956A (zh) * | 2015-07-21 | 2015-10-21 | 中国人民解放军信息工程大学 | 基于主题概率模型的微博传播群体划分与账户活跃度评估方法 |
CN105243448A (zh) * | 2015-10-13 | 2016-01-13 | 北京交通大学 | 网络舆论的演化趋势的预测方法和装置 |
Non-Patent Citations (3)
Title |
---|
张立凡 等: "媒体干预下带有讨论机制的网络舆情传播模型研究", 《现代图书情报技术》 * |
王长峰 等: "基于改进SIR模型的群体意见竞争演化研究", 《情报杂技》 * |
赵凯: "媒体作用下网络舆情传播模型研究", 《中国优秀硕士学位论文全文数据库社会科学Ⅰ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674411A (zh) * | 2018-07-02 | 2020-01-10 | 北京信息科技大学 | 一种基于媒体与人际影响的舆情传播模型及其传播方法 |
CN110674411B (zh) * | 2018-07-02 | 2023-03-24 | 北京信息科技大学 | 一种基于媒体与人际影响的舆情传播模型及其传播方法 |
CN109508443A (zh) * | 2018-11-14 | 2019-03-22 | 重庆理工大学 | 基于在线社交网络数据的竞争性信息宏观传播模型提取工作方法 |
CN109508443B (zh) * | 2018-11-14 | 2019-11-19 | 重庆理工大学 | 基于在线社交网络数据的竞争性信息宏观传播模型提取工作方法 |
CN111581477A (zh) * | 2020-04-30 | 2020-08-25 | 中国传媒大学 | 一种基于信息传播的融媒体舆情引导分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103064917B (zh) | 一种面向微博的特定倾向的高影响力用户群发现方法 | |
Michiardi et al. | Analysis of coalition formation and cooperation strategies in mobile ad hoc networks | |
Tian et al. | Isolation, insertion, and reconstruction: Three strategies to intervene in rumor spread based on supernetwork model | |
CN106096075A (zh) | 一种基于社交网络的消息传播模型 | |
CN107798623A (zh) | 媒体干预下三分意见群体网络舆情传播模型 | |
CN108153884B (zh) | 一种微博谣言传播的分析方法 | |
CN106373015A (zh) | 社交网络中的亲密度确定方法及系统 | |
CN109300056A (zh) | 一种基于sirs的情感网络传播动力模型及利用该模型的情感传播模拟方法 | |
Ebrahimi et al. | How complex contagions spread quickly in preferential attachment models and other time-evolving networks | |
CN108322328B (zh) | 基于传染病动力学的网络病毒扩散模型构建的方法 | |
Kumar et al. | Information diffusion model for spread of misinformation in online social networks | |
Yin et al. | Modeling and quantifying the influence of rumor and counter-rumor on information propagation dynamics | |
Nian et al. | Message propagation in the network based on node credibility | |
Liu et al. | The evolution of structural balance in time-varying signed networks | |
Huang et al. | Node attitude aware information dissemination model based on evolutionary game in social networks | |
Zheng et al. | A node-based SIRS epidemic model with infective media on complex networks | |
Yang et al. | Imitation dynamics of vaccine decision-making behaviours based on the game theory | |
CN111079024B (zh) | 基于加强效应scir网络的舆情传播模型构建方法 | |
Chung et al. | Dirichlet PageRank and trust-based ranking algorithms | |
Fu et al. | Preferential information dynamics model for online social networks | |
Cheng et al. | On dynamics and Nash equilibriums of networked games | |
Kleinberg | Cascading behavior in social and economic networks | |
Zhao et al. | Prediction of competitive diffusion on complex networks | |
Pandey et al. | Modeling signed networks as 2-layer growing networks | |
Meng et al. | A study of rumor spreading with epidemic model based on network topology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180313 |
|
WD01 | Invention patent application deemed withdrawn after publication |