搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于有向渗流理论的关联微博转发网络信息传播研究

王小娟 宋梅 郭世泽 杨子龙

基于有向渗流理论的关联微博转发网络信息传播研究

王小娟, 宋梅, 郭世泽, 杨子龙
PDF
导出引用
  • 微博网络的快速性、爆发性和时效性, 以及用户复杂的行为模式, 使得研究其信息传播模型及影响因素成为网络舆情的热点方向. 利用压缩映射定理, 分析不动点迭代过程的收敛条件, 得到有向网络信息传播过程的渗流阈值和巨出向分支的数值解法; 通过可变同配系数生成模型, 分析关联特征对信息传播的影响; 最后利用微博转发网络数据进行仿真对比实验. 结果表明: 虽然四类关联特征同时体现出同配、异配特征, 但信息传播结果更多受入度-入度相关性、入度-出度相关性影响; 通过删除少量节点的方法, 提取边同配比例, 验证大部分节点的四类关联特征呈现一致性.
    • 基金项目: 国家自然科学基金(批准号: 61171097, 61272491, 61309021)资助的课题.
    [1]

    Centola D 2010 Science 329 1194

    [2]

    Zhang Y C, Liu Y, Zhang H F, Cheng H, Xiong F 2011 Acta Phys. Sin. 60 050501 (in Chinese) [张彦超, 刘云, 张海峰, 程辉, 熊菲 2011 物理学报 60 050501]

    [3]

    Centola D 2011 Science 334 1269

    [4]

    Miller J C 2007 Phys. Rev. E 76 010101

    [5]

    Java A, Song X, Finin T, Tseng B 2007 Proceedings of the 9th WebKDD and 1st SNA-KDD 2007 Workshop on Web Mining and Social Network Analysis San Jose, USA, August 12-15, 2007 p56

    [6]

    Kwak H, Lee C, Park H, Moon S 2010 Proceedings of the 19th International Conference on World Wide Web Raleigh USA, April 26-30, 2010 p591

    [7]

    Backstrom L, Boldi P, Rosa M, Ugande J 2012 Proceedings of the 3rd Annual ACM Web Science Conference Evanston, USA, June 22-24, 2012 p33

    [8]

    Xiong F, Liu Y, Si X M, Ding F 2010 Acta Phys. Sin. 59 6889 (in Chinese) [熊菲, 刘云, 司夏萌, 丁飞 2010 物理学报 59 6889]

    [9]

    Zou S R, Peng Y J, Liu A F, Xu X L, He D R 2011 Chin. Phys. B 20 018902

    [10]

    Watts D J, Dodds P S 2007 J. Consum. Res. 34 441

    [11]

    Crandall D, Cosley D, Huttenlocher D, Kleinberg J, Suri S 2008 Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining Las Vegas, USA, August 24-26, 2008 p160

    [12]

    Newman M E J 2002 Phys. Rev. Lett. 89 208701

    [13]

    Kenah E, Robins J M 2007 Phys. Rev. E 76 036113

    [14]

    Grabowski A, Kosinski R A 2010 Acta Phys. Pol. B 41 1135

    [15]

    Callaway D S, Newman M E J, Strogatz S H, Watts D J 2000 Phys. Rev. Lett. 85 5468

    [16]

    Schwartz N, Cohen R, Ben-Avraham D, Barabási A L 2002 Phys. Rev. E 66 015104

    [17]

    Dorogovtsev S N, Mendes J F F, Samukhin A N 2001 Phys. Rev. E 64 025101

    [18]

    Newman M E J, Strogatz S H, Watts D J 2001 Phys. Rev. E 64 026118

    [19]

    Vázquez A, Moreno Y 2003 Phys. Rev. E 67 015101

    [20]

    Goltsev A V, Dorogovtsev S N, Mendes J F F 2008 Phys. Rev. E 78 051105

    [21]

    Foster J G, Foster D V, Grassberger P, Paczuski M 2010 Proc. Nat. Acad. Sci. 107 10815

    [22]

    Piraveenan M, Prokopenko M, Zomaya A 2012 IEEEACM Trans. Computat. Biol. Bioinform. 9 66

  • [1]

    Centola D 2010 Science 329 1194

    [2]

    Zhang Y C, Liu Y, Zhang H F, Cheng H, Xiong F 2011 Acta Phys. Sin. 60 050501 (in Chinese) [张彦超, 刘云, 张海峰, 程辉, 熊菲 2011 物理学报 60 050501]

    [3]

    Centola D 2011 Science 334 1269

    [4]

    Miller J C 2007 Phys. Rev. E 76 010101

    [5]

    Java A, Song X, Finin T, Tseng B 2007 Proceedings of the 9th WebKDD and 1st SNA-KDD 2007 Workshop on Web Mining and Social Network Analysis San Jose, USA, August 12-15, 2007 p56

    [6]

    Kwak H, Lee C, Park H, Moon S 2010 Proceedings of the 19th International Conference on World Wide Web Raleigh USA, April 26-30, 2010 p591

    [7]

    Backstrom L, Boldi P, Rosa M, Ugande J 2012 Proceedings of the 3rd Annual ACM Web Science Conference Evanston, USA, June 22-24, 2012 p33

    [8]

    Xiong F, Liu Y, Si X M, Ding F 2010 Acta Phys. Sin. 59 6889 (in Chinese) [熊菲, 刘云, 司夏萌, 丁飞 2010 物理学报 59 6889]

    [9]

    Zou S R, Peng Y J, Liu A F, Xu X L, He D R 2011 Chin. Phys. B 20 018902

    [10]

    Watts D J, Dodds P S 2007 J. Consum. Res. 34 441

    [11]

    Crandall D, Cosley D, Huttenlocher D, Kleinberg J, Suri S 2008 Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining Las Vegas, USA, August 24-26, 2008 p160

    [12]

    Newman M E J 2002 Phys. Rev. Lett. 89 208701

    [13]

    Kenah E, Robins J M 2007 Phys. Rev. E 76 036113

    [14]

    Grabowski A, Kosinski R A 2010 Acta Phys. Pol. B 41 1135

    [15]

    Callaway D S, Newman M E J, Strogatz S H, Watts D J 2000 Phys. Rev. Lett. 85 5468

    [16]

    Schwartz N, Cohen R, Ben-Avraham D, Barabási A L 2002 Phys. Rev. E 66 015104

    [17]

    Dorogovtsev S N, Mendes J F F, Samukhin A N 2001 Phys. Rev. E 64 025101

    [18]

    Newman M E J, Strogatz S H, Watts D J 2001 Phys. Rev. E 64 026118

    [19]

    Vázquez A, Moreno Y 2003 Phys. Rev. E 67 015101

    [20]

    Goltsev A V, Dorogovtsev S N, Mendes J F F 2008 Phys. Rev. E 78 051105

    [21]

    Foster J G, Foster D V, Grassberger P, Paczuski M 2010 Proc. Nat. Acad. Sci. 107 10815

    [22]

    Piraveenan M, Prokopenko M, Zomaya A 2012 IEEEACM Trans. Computat. Biol. Bioinform. 9 66

  • [1] 苑卫国, 刘云, 程军军, 熊菲. 微博双向关注网络节点中心性及传播 影响力的分析. 物理学报, 2013, 62(3): 038901. doi: 10.7498/aps.62.038901
    [2] 张彦超, 刘云, 张海峰, 程辉, 熊菲. 基于在线社交网络的信息传播模型. 物理学报, 2011, 60(5): 050501. doi: 10.7498/aps.60.050501
    [3] 李明杰, 吴晔, 刘维清, 肖井华. 手机短信息传播过程和短信息寿命研究. 物理学报, 2009, 58(8): 5251-5258. doi: 10.7498/aps.58.5251
    [4] 刘树新, 季新生, 刘彩霞, 郭虹. 一种信息传播促进网络增长的网络演化模型. 物理学报, 2014, 63(15): 158902. doi: 10.7498/aps.63.158902
    [5] 杨李, 宋玉蓉, 李因伟. 考虑边聚类与扩散特性的信息传播网络结构优化算法. 物理学报, 2018, 67(19): 190502. doi: 10.7498/aps.67.20180395
    [6] 肖云鹏, 李松阳, 刘宴兵. 一种基于社交影响力和平均场理论的信息传播动力学模型. 物理学报, 2017, 66(3): 030501. doi: 10.7498/aps.66.030501
    [7] 王金龙, 刘方爱, 朱振方. 一种基于用户相对权重的在线社交网络信息传播模型. 物理学报, 2015, 64(5): 050501. doi: 10.7498/aps.64.050501
    [8] 李鑫, 赵城利, 刘阳洋. 有限步传播范围期望指标判别节点传播影响力. 物理学报, 2020, 69(2): 028901. doi: 10.7498/aps.69.20191313
    [9] 袁昌来, 刘心宇, 杨云, 许积文, 谷岩. BaFe0.4Sn0.6O3/BaBiO3负温度系数复合热敏陶瓷阻抗分析. 物理学报, 2010, 59(10): 7396-7403. doi: 10.7498/aps.59.7396
    [10] 胡庆成, 张勇, 许信辉, 邢春晓, 陈池, 陈信欢. 一种新的复杂网络影响力最大化发现方法. 物理学报, 2015, 64(19): 190101. doi: 10.7498/aps.64.190101
    [11] 刘红丽, 黄雅丽, 罗春海, 胡海波. 基于用户行为的微博网络信息扩散模型. 物理学报, 2016, 65(15): 158901. doi: 10.7498/aps.65.158901
    [12] 吴腾飞, 周昌乐, 王小华, 黄孝喜, 谌志群, 王荣波. 基于平均场理论的微博传播网络模型. 物理学报, 2014, 63(24): 240501. doi: 10.7498/aps.63.240501
    [13] 李勇军, 尹超, 于会, 刘尊. 基于最大熵模型的微博传播网络中的链路预测. 物理学报, 2016, 65(2): 020501. doi: 10.7498/aps.65.020501
    [14] 王丁, 张美根. 各向异性渗流条件下弹性波的传播特征. 物理学报, 2014, 63(6): 069101. doi: 10.7498/aps.63.069101
    [15] 张昭庆. 自洽的关联渗流问题. 物理学报, 1982, 31(11): 1576-1580. doi: 10.7498/aps.31.1576
    [16] 李铁城. 三体关联与次近邻两体关联下的渗流. 物理学报, 1982, 31(10): 1431-1435. doi: 10.7498/aps.31.1431
    [17] 王亚奇, 王静, 杨海滨. 基于复杂网络理论的微博用户关系网络演化模型研究. 物理学报, 2014, 63(20): 208902. doi: 10.7498/aps.63.208902
    [18] 陆坤权, 厚美瑛, 王强, 姜泽辉, 刘寄星. 震前兆信息传播、分布及其探测原理. 物理学报, 2011, 60(11): 119101. doi: 10.7498/aps.60.119101
    [19] 王超, 刘骋远, 胡元萍, 刘志宏, 马建峰. 社交网络中信息传播的稳定性研究. 物理学报, 2014, 63(18): 180501. doi: 10.7498/aps.63.180501
    [20] 汪筱阳, 王瑛, 朱参世, 朱琳, 傅超琦. 具有跨邻居传播能力的信息辐射模型研究. 物理学报, 2017, 66(3): 038901. doi: 10.7498/aps.66.038901
  • 引用本文:
    Citation:
计量
  • 文章访问数:  1095
  • PDF下载量:  423
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-07-24
  • 修回日期:  2014-08-27
  • 刊出日期:  2015-02-05

基于有向渗流理论的关联微博转发网络信息传播研究

  • 1. 北京邮电大学电子工程学院, 北京 100876;
  • 2. 北方电子设备研究所, 北京 100083
    基金项目: 

    国家自然科学基金(批准号: 61171097, 61272491, 61309021)资助的课题.

摘要: 微博网络的快速性、爆发性和时效性, 以及用户复杂的行为模式, 使得研究其信息传播模型及影响因素成为网络舆情的热点方向. 利用压缩映射定理, 分析不动点迭代过程的收敛条件, 得到有向网络信息传播过程的渗流阈值和巨出向分支的数值解法; 通过可变同配系数生成模型, 分析关联特征对信息传播的影响; 最后利用微博转发网络数据进行仿真对比实验. 结果表明: 虽然四类关联特征同时体现出同配、异配特征, 但信息传播结果更多受入度-入度相关性、入度-出度相关性影响; 通过删除少量节点的方法, 提取边同配比例, 验证大部分节点的四类关联特征呈现一致性.

English Abstract

参考文献 (22)

目录

    /

    返回文章
    返回