隨著信息時代的發展,計算機﹑科技﹑手機﹑互聯網﹑社交網絡等關鍵名詞已成為人們日常生活中接觸度較廣的幾個信息時代相關的專有代名詞。與此同時,這些信息時代的產物,它們所帶來的便利也是大家有目共睹的。以社交網絡為例,它的成功搭建與應用,使得人們日常生活中彼此聯系與交流更加方便與快捷。微信﹑QQ﹑微博等在線社交網絡應用在給人們帶來便利的同時,也改變著人們的交流方式。微博,因為其社交網絡應用度很廣,以其為切入點構建合適的網絡信息傳播模型,對研究在線社交網絡上的信息傳播規律,分析網絡上的信息傳播特點,實現網絡信息傳播的有效監管等都有著積極的意義。本文主要工作如下:(1)論文在對轉發行為影響因素分析中,提出了基于轉發影響因素的SCIR信息模型。通過對消息轉發力度﹑用戶影響力﹑個體信任水平﹑內容相似性﹑有效轉發率五個轉發行為的特征性分析,給出了行為影響力計算公式。并將行為影響力應用于提出的SCIR模型中,其取值在文中直接作為C節點轉變為I節點的內部傳播速率p的取值。并通過SIR模型和SCIR模型在BA模型﹑WS模型和新浪微博三種網絡環境中的對比實驗,表明SCIR模型無論在信息傳播的全網覆蓋率還是傳播穩定性上都優于SIR模型。(2)以單層網絡為背景的在線網絡上信息傳播研究能夠做到統籌全局﹑整體性分析網絡節點的傳播規律,但是鑒于信息傳播具有一定的局域性與特異性,單純的整體性網絡研究對于實際網絡中信息傳播過程的刻畫仍具有局限性,故而論文中提出了DTM-SIR分層網絡模型。將整個網絡虛擬為信任層與信息層兩層,實際上信息層作為輔助層是虛化出來的,它上面的個體與信息層的個體屬于同一個體,因為所處功能層不同而屬性有所差異,而實際傳播層仍是信息層,只是因為信任層的影響,信息傳播速率與網路覆蓋率較SIR模型有明顯性提升。利用博弈論分析出的信任層個體狀態過程中的轉變因子引入傳染病動力學微分方程中,通過模型比對,表明文中提出的DTM-SIR具有很好的適用性。
【學位單位】：蘭州理工大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP393.09;G206
【部分圖文】：

入度就是指向該節點的邊數總和，出度則表示的是該節點指向其他節點的邊數之和。網絡中所有節點的平均度<k>，就是網絡 G 中所有節點 j 的度jk 的平均值。分布函數 P(k)用于描述網絡中節點度的分布情況，它指的是隨機選定節點的度為k 的概率。泊松分布與冪律分布。完全隨機網絡的度分布(Degree distribution)情況可以近似為 Poisson 分布，其概率分布式和分布圖表示分別如公式(2.1)和圖 2.1(a)。因為其分布圖在遠離峰值<k>處指數下降，那么當 k>> <k>，度為 k 的節點實際上并不存在，故而該類網絡也稱為均勻網絡(homogeneous network)。近些年通過對實際網絡的大量研究表明，許多真實網絡的度分布與 Poisson 分布有明顯差別。但是能用如圖 2.1(b)所示的無標度(scale-free)分布更好地描述網絡中的度分布情況。因為冪律分布函數具有無標度特性，所以冪律分布也叫做無標度分布，故而具有冪律分布的網絡也可被稱之為無標度分布網絡。,0,1,2,(2.1)!( ) kkkPxkekk

(a)全局耦合網絡 (b)最近鄰耦合網絡 (c)星形耦合網絡圖 2.2 規則網絡實例圖2)隨機網絡Erdos 和 Renyi 提出的 ER 隨機網絡是一個經典的隨機網絡模型。ER 隨機的 G(N,p)生成方法的思想為：以概率 p 連接 N 個節點中的每一對節點。圖表示節點數為 10，p 依次為 0﹑0.1﹑0.25﹑0.4 的一組 ER 隨即圖的演化實(a)p=0,ER 隨機圖 (b)p=0.1,ER 隨機圖

(a)p=0 時 WS 小世界網絡 (b)p=0.5 時 WS 小世界網絡 (c)p=1.0 時 WS 小世界網絡圖 2.4 WS 小世界網絡演化過程圖(N=10，K=4)4)無標度網絡Barabasi 和 Albert 的提出的無標度網絡模型，簡稱為 BA 無標度網絡模型。該模型提出了兩個之前研究中并未被考慮到的實際網絡的重要特性：1)增長性，也就是網絡本身的規模會出現擴大趨勢，例如新浪微博中不斷有新的用戶產生；2)優先接入性，新生節點趨向于與大度節點相連接。設定初始時有兩個節點，那么 BA 模型的演化圖則如圖 2.5 所示。
【參考文獻】

相關期刊論文 前10條

1 鄭志蘊;郭芳;王振飛;李鈍;;基于行為分析的微博傳播模型研究[J];計算機科學;2016年12期

2 李娟;周學廣;陳斌;鄭笛;;基于概率遞減機制的信息傳播模型構建與分析[J];海軍工程大學學報;2016年01期

3 李娟;陳斌;;基于SI模型的信息傳播研究[J];信息系統工程;2015年08期

4 丁學君;;基于SCIR的微博輿情話題傳播模型研究[J];計算機工程與應用;2015年08期

5 周東浩;韓文報;王勇軍;;基于節點和信息特征的社會網絡信息傳播模型[J];計算機研究與發展;2015年01期

6 陳波;唐相艷;于泠;劉亞尚;;基于勝任力模型的社交網絡意見領袖識別方法[J];通信學報;2014年11期

7 王超;楊旭穎;徐珂;馬建峰;;基于SEIR的社交網絡信息傳播模型[J];電子學報;2014年11期

8 郭靜;曹亞男;周川;張鵬;郭莉;;基于線性閾值模型的影響力傳播權重學習[J];電子與信息學報;2014年08期

9 丁鑫;劉其成;張偉;;一種改進的微博網絡信息傳播與預測模型[J];中國科學技術大學學報;2014年07期

10 趙蓉英;曾憲琴;;微博信息傳播的影響因素研究分析[J];情報理論與實踐;2014年03期

相關碩士學位論文 前3條

1 黃瑋鵬;基于擴展獨立級聯模型的競爭影響最大化傳播[D];云南大學;2015年

2 陳乾國;復雜網絡上流行病傳播動力學行為及其免疫控制策略研究[D];西南大學;2013年

3 易成岐;社會網絡的信息傳播規律研究[D];哈爾濱理工大學;2013年

本文編號：2894471