CN108540369A - 考虑用户重度传播行为的sndr信息传播过程描述方法 - Google Patents
考虑用户重度传播行为的sndr信息传播过程描述方法 Download PDFInfo
- Publication number
- CN108540369A CN108540369A CN201810181836.4A CN201810181836A CN108540369A CN 108540369 A CN108540369 A CN 108540369A CN 201810181836 A CN201810181836 A CN 201810181836A CN 108540369 A CN108540369 A CN 108540369A
- Authority
- CN
- China
- Prior art keywords
- node
- severe
- user
- sndr
- dissemination
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种考虑用户重度传播行为的SNDR信息传播过程描述方法,首先结合用户重度传播行为将用户分为4类节点:健康节点、正常传播节点、重度传播节点、免疫节点,上述四种类型节点都是无权节点;然后结合上述划分节点,建立SNDR信息传播模型,根据该模型对信息传播过程进行描述。本申请针对感染概率固定,并考虑由于主观或者利益因素导致的在微博社交网络中传播用户群体中进行深度传播、发表评论并转播和多次传播的行为对信息传播的影响。本发明还在传统的SIR病毒传播基础上考虑节点的差异与社交网络的特性,可以更加准确的反应真实的信息在社交网络中的传播过程。仿真验证本发明对真实的微博社交网络信息传播效果更准确更贴近实际。
Description
技术领域:
本发明涉及一种考虑用户重度传播行为的SNDR信息传播过程描述方法,属于社交网络技术领域。
背景技术:
SNS网站的兴起改变了人们参与信息传播的方式,让人们的意见和主张通过评论和转发等方式可以直接添加进信息传播的环节中,在微博网络中消息传播依靠用户之间关注和被关注的方式(follow-follower),一个用户发送消息他的粉丝有一定的概率看到并转发此消息,而由于每个人的兴趣方向和利益关系不同,用户会选择多次传播等重度传播行为,根据实际情况克制,很多时候信息传播的爆发是有些人可以从中获利而故意“炒作”其消息,传播者中也会有些正常传播而没有特别企图的传播者,所以在信息传播模型中,传播者可以根据实际情况进行分类讨论,所以我们初步定义重度传播为:用户由于利益因素进行微博信息的多次传播和重复传播或进行评论并转发的行为,此类用户虽然占总体的很小一部分但因为主观因素而很难成为免疫者。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容:
本发明的目的在于提供一种考虑用户重度传播行为的SNDR信息传播过程描述方法,从而克服上述现有技术中的缺陷。
为实现上述目的,本发明提供了一种考虑带重度传播行为的SNDR信息传播过程描述方法,按照如下步骤进行:
步骤1,划分节点,结合用户重度传播行为将用户分为4类节点:未接收到消息的节点或者接收到消息并未开始传播的节点为健康节点;接收到消息并开始而且只传播一次的节点为正常传播节点;接收到消息开始传播多次或进行评论后传播的节点为重度传播节点;不会再传播消息的节点为免疫节点,上述四种类型节点都无权值即节点内部属性一致;
步骤2,结合上述划分节点,建立SNDR信息传播模型,根据该模型对信息传播过程进行描述;
SNDR信息传播模型为:
其中,健康者数量为S(t)、正常传播者数量为N(t)、重度传播者数量为D(t)、免疫者数量为R(t);处于健康状态的节点接触到正常传播的节点,其中健康状态的节点会以概率p1变成正常传播节点;处于健康状态的节点接触到重度传播的节点,其中健康状态的节点会以概率p2变成重度传播节点;处于将康状态的节点会以概率p3不参与信息传播直接变成免疫节点;正常传播节点会以概率p4转换为免疫节点,重度传播节点会以概率p5转换为免疫节点。
经典的信息传播模型通常将用户分为基础的三类:健康者、传播者、免疫者,本发明基于针对传播用户进行行为划分为正常传播和重度传播用户,建立了考虑到重度传播的SNDR模型。
本方面进一步限定的技术方案为:
优选地,上述技术方案中,步骤1中,节点划分的依据为:健康节点表示该用户的客户端软件中未出现特定的消息内容或者是存在此特定消息但用户未看到;正常传播节点表示健康节点用户看到消息并转发但其仅进行一次转发而且没有特定目的的转发;重度传播节点表示健康节点看到消息之后考虑到此消息的传播对自己有利或者此用户属于人为雇佣特意的消息炒作而多次转发并带有评论进行评论并转发的重度传播行为;免疫节点表示用户已经对此消息不再感兴趣或者对此用户已经没有利益关系,此用户不再进行信息转发和传播行为。
优选地,上述技术方案中,步骤2中,t时刻(即网络中开始有节点收到信息的时刻并以秒s为单位),处于健康状态的节点以概率P1在t+1s时刻转换为正常传播状态节点;处于健康状态的节点以概率P2在t+1s时刻转换为重度传播状态节点;处于健康状态的节点以概率P3在t+1s时刻直接转换为免疫状态节点;处于正常传播状态的节点以概率P4在t+1s时刻转换为免疫状态节点;处于重度传播状态的节点以概率P5在t+1s时刻转换为免疫状态节点。
优选地,上述技术方案中,步骤2中,第一个公式表示健康节点S的变化率;第二个公式表示正常传播节点N的变化率;第三个公式表示重度传播D的变化率;第四个公式表示免疫节点R的变换率。
优选地,上述技术方案中,0≤P1+P2+P3≤1。
优选地,上述技术方案中,0≤P2≤P1≤1。
优选地,上述技术方案中,0≤P5≤P4≤1。
与现有技术相比,本发明具有如下有益效果:本发明考虑用户重度传播行为的SNDR信息传播过程描述方法,在传统的病毒传播模型基础上,建立了SNDR信息传播模型,此模型考虑了在社交网络信息传播过程中节点传播行为会因人而异,此模型基于此实际情况考虑将传播人群分为了正常传播和重度传播两种类型并根据其特点定义其特有传播特点,本发明更加准确反映了真实的社交网络中信息传播过程,本发明对真实的微博社交网络效果最佳。
附图说明:
图1是本发明的传播流程图;
图2是本发明的状态转移框图;
图3是本发明sina用户关系网络在SNDR模型的信息传播仿真图;
图4是本发明SNDR模型与SIR模型传播状态节点及免疫状态节点数量比较图。
具体实施方式:
下面对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
在用户数为N的用户关系网络中,每种用户都会处于健康、正常传播、重度传播、免疫者几种状态并随着时间不断变化,健康节点表示该用户的微博中未出现特定的消息内容或者是存在此特定消息但用户未看到;正常传播节点表示健康节点用户看到消息并转发但其仅进行一次转发而且没有特定目的的转发;重度传播节点表示健康节点看到消息之后考虑到此消息的传播对自己有利或者此用户属于雇佣“水军”进行特意的消息炒作而多次转发并带有评论进行评论并转发的重度传播行为;免疫节点表示用户已经对此消息不再感兴趣或者对此用户已经没有利益关系,此用户不再进行信息转发和传播行为。与经典SIR模型不同的是,此信息传播模型基于社交网络将传播节点分为两类不同用户进行分类研究。在SNDR网络图中存在健康状态S、正常传播状态N、重度传播状态D、免疫状态R,这4类状态节点传播遵循以下规则:
(1)处于健康状态的节点接触到正常传播的节点,其中健康状态的节点会以概率p1变成正常传播节点;
(2)处于健康状态的节点接触到重度传播的节点,其中健康状态的节点会以概率p2变成重度传播节点;
(3)处于将康状态的节点会以概率p3不参与信息传播直接变成免疫节点;
(4)正常传播节点会以概率p4转换为免疫节点,重度传播节点会以概率p5转换为免疫节点。
将t时刻在线社交网络中的用户数分为健康者S(t)、正常传播者N(t)、重度传播者D(t)、免疫者R(t),总用户数量为N,则有N=S(t)+N(t)+D(t)+R(t),则SNDR模型可以用如下公式3.1微分方程描述各状态转移过程。
公式中第一个式子表示健康节点S的变化率;第二个式子表示正常传播节点N的变化率;第三个式子表示重度传播D的变化率;第四个式子表示免疫节点R的变换率。
在上述建立的SNDR模型中,考虑到实际因素,可以给出关于转换概率P的取值范围,由于在实际社交网络中大部分传播者都是正常传播者而重度传播经过我们数据分析只有所有传播人群中的10%-50%左右,所以P1>P2;同样的在传播过程中正常传播者比重度传播者更容易变成免疫者,所以P4>P5。在社交网络中健康群体并不一定都变成传播者和免疫者,有一部分健康者会暂时对消息置之不理或者并未重视,所以P1+P2+P3<1。本次模拟选取sina用户关系网络进行仿真,sina用户关系网络节点数为672,所以N=672,鉴于我们获取的sina用户关系网络平均度为42.28,选取度为42的用户节点作为初始传播节点进行模拟信息传播。
表1 sina实际网络参数表,
在传播的初始时刻设定全网络所有节点均为健康节点,平均运行次数n=50,取各个状态数量的平均值。在模拟之前作出假设:所有的健康用户均以0.8的概率对消息做出举动进行状态变化,因此P1+P2+P3=0.8,所以仿真时用的参数为P1=0.4,考虑到重度传播用户占正常传播用户的10%-50%,所以假设P2=0.15并设置P3=0.25,P4=0.2,由于考虑到P4>P5,所以取P5=0.05。从图3仿真图可以发现在传播初期信息扩散速度迅速增加,在t=5(h)左右的时候正常传播节点开始变得最大,在t=8(h)左右的时候重度传播用户增加到顶峰,重度传播用户也晚于正常传播用户趋于稳定,在t=20(h)的时候各节点状态数量达到最稳定值。
SNDR模型与SIR模型不同状态节点数量比较图是在相同网络下两种模型传播节点和免疫节点数量对比。可以看出在传播节点状态转移中SNDR模型中传播节点由于是正常传播节点和重度传播节点数量相加,所以在峰值上SNDR的传播节点峰值早于且高于SIR模型;在免疫节点数量上,可以看出SNDR的免疫节点恢复速度要慢于SIR模型,这也是由于重度传播节点由于会进行多次传播而且其变成免疫节点的概率较小而导致恢复成免疫节点速度变慢,这也更符合真实社交网络中的信息传播特点。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (7)
1.考虑带重度传播行为的SNDR信息传播过程描述方法,其特征在于,按照如下步骤进行:
步骤1,划分节点,结合用户重度传播行为将用户分为4类节点:健康节点、正常传播节点、重度传播节点、免疫节点,上述四种类型节点都是无权节点;
步骤2,结合上述划分节点,建立SNDR信息传播模型,根据该模型对信息传播过程进行描述;
SNDR信息传播模型为:
其中,健康者数量为S(t)、正常传播者数量为N(t)、重度传播者数量为D(t)、免疫者数量为R(t);处于健康状态的节点接触到正常传播的节点,其中健康状态的节点会以概率p1变成正常传播节点;处于健康状态的节点接触到重度传播的节点,其中健康状态的节点会以概率p2变成重度传播节点;处于将康状态的节点会以概率p3不参与信息传播直接变成免疫节点;正常传播节点会以概率p4转换为免疫节点,重度传播节点会以概率p5转换为免疫节点。
2.根据权利要求1所述的考虑带重度传播行为的SNDR信息传播过程描述方法,其特征在于,步骤1中,节点划分的依据为:健康节点表示该用户的客户端软件中未出现特定的消息内容或者是存在此特定消息但用户未看到;正常传播节点表示健康节点用户看到消息并转发但其仅进行一次转发而且没有特定目的的转发;重度传播节点表示健康节点看到消息之后考虑到此消息的传播对自己有利或者此用户属于人为雇佣特意的消息炒作而多次转发并带有评论进行评论并转发的重度传播行为;免疫节点表示用户已经对此消息不再感兴趣或者对此用户已经没有利益关系,此用户不再进行信息转发和传播行为。
3.根据权利要求1所述的考虑带重度传播行为的SNDR信息传播过程描述方法,其特征在于,步骤2中,t时刻,处于健康状态的节点以概率P1在t+1s时刻转换为正常传播状态节点;处于健康状态的节点以概率P2在t+1s时刻转换为重度传播状态节点;处于健康状态的节点以概率P3在t+1s时刻直接转换为免疫状态节点;处于正常传播状态的节点以概率P4在t+1s时刻转换为免疫状态节点;处于重度传播状态的节点以概率P5在t+1s时刻转换为免疫状态节点。
4.根据权利要求1所述的考虑带重度传播行为的SNDR信息传播过程描述方法,其特征在于,步骤2中,第一个公式表示健康节点S的变化率;第二个公式表示正常传播节点N的变化率;第三个公式表示重度传播D的变化率;第四个公式表示免疫节点R的变换率。
5.根据权利要求1或3所述的考虑重度传播行为的SNDR信息传播过程描述方法,其特征在于,0≤P1+P2+P3≤1。
6.根据权利要求1或3所述的考虑重度传播行为的SNDR信息传播过程描述方法,其特征在于,0≤P2≤P1≤1。
7.根据权利要求1或3所述的考虑重度传播行为的SNDR信息传播过程描述方法,其特征在于,0≤P5≤P4≤1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810181836.4A CN108540369A (zh) | 2018-03-06 | 2018-03-06 | 考虑用户重度传播行为的sndr信息传播过程描述方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810181836.4A CN108540369A (zh) | 2018-03-06 | 2018-03-06 | 考虑用户重度传播行为的sndr信息传播过程描述方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108540369A true CN108540369A (zh) | 2018-09-14 |
Family
ID=63486573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810181836.4A Pending CN108540369A (zh) | 2018-03-06 | 2018-03-06 | 考虑用户重度传播行为的sndr信息传播过程描述方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108540369A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109462506A (zh) * | 2018-11-14 | 2019-03-12 | 重庆理工大学 | 一种在线社交网络数据竞争性信息提取传播工作方法 |
CN114298009A (zh) * | 2022-03-08 | 2022-04-08 | 中国传媒大学 | 混合信息传播动力学模型及其信息传播分析方法 |
-
2018
- 2018-03-06 CN CN201810181836.4A patent/CN108540369A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109462506A (zh) * | 2018-11-14 | 2019-03-12 | 重庆理工大学 | 一种在线社交网络数据竞争性信息提取传播工作方法 |
CN114298009A (zh) * | 2022-03-08 | 2022-04-08 | 中国传媒大学 | 混合信息传播动力学模型及其信息传播分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Understanding the power of opinion leaders’ influence on the diffusion process of popular mobile games: Travel Frog on Sina Weibo | |
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 | |
Liu et al. | Rumor propagation in online social networks like twitter--a simulation study | |
CN103886105B (zh) | 一种基于社交网络用户行为的用户影响力分析方法 | |
CN110807556B (zh) | 对微博谣言或/和辟谣话题传播趋势的预测方法及装置 | |
CN106972952B (zh) | 一种基于网络度相关性的信息传播领袖节点提取方法 | |
CN109120460B (zh) | 社交网络中基于移动节点的辟谣方法 | |
CN102663047A (zh) | 移动阅读中的社交关系挖掘方法及装置 | |
CN103179198A (zh) | 基于多关系网络的话题影响力个体挖掘方法 | |
Lv et al. | A game model for information dissemination in live streaming e‐commerce environment | |
CN108540369A (zh) | 考虑用户重度传播行为的sndr信息传播过程描述方法 | |
CN106373015A (zh) | 社交网络中的亲密度确定方法及系统 | |
CN107918610A (zh) | 一种面向时间感知的微博传播模型 | |
CN111460679B (zh) | 基于动力学的同步交叉信息传播分析方法及系统 | |
CN108334953A (zh) | 一种基于权重更新的社交网络信任度学习方法 | |
CN104715034A (zh) | 基于中心人物的有权图重叠社区发现方法 | |
CN107391637B (zh) | 针对具备地理社交信息的群组推荐方法 | |
CN111079024B (zh) | 基于加强效应scir网络的舆情传播模型构建方法 | |
CN111414552B (zh) | 一种在线社交网络谣言传播范围的估计方法 | |
CN108965287A (zh) | 一种基于有限临时删边的病毒传播控制方法 | |
CN108268618A (zh) | 一种微博热度分析获取方法 | |
CN107171835A (zh) | 一种基于dwm 的社会信息传播与预测的仿真方法 | |
CN103279484A (zh) | 一种面向微博客系统中未来意见领袖的创建方法及系统 | |
Xu et al. | Information dissemination model of microblogging with Internet marketers | |
CN110020375B (zh) | 一种社交网络用户影响力的评估方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180914 |
|
RJ01 | Rejection of invention patent application after publication |