搜索

文章查询

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

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

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

肖云鹏, 李松阳, 刘宴兵
PDF
导出引用
导出核心图
  • 在线社会网络中,信息传播蕴含着复杂的动力学成因.本文将传染病模型与社交影响力要素相结合,并针对影响力度量中主要研究静态网络拓扑结构、忽略个体行为特征的问题,提出一种基于动态节点行为和用户影响力的信息传播动力学模型,旨在量化影响力强度,为研究信息扩散过程中不同用户群体状态转变提供理论依据.首先,在网络拓扑结构和用户行为两方面,提取个人记忆和用户交互两个表征,分析影响力形成的内因和外因两个动力学成因,并基于多元线性回归模型,提出一种度量用户社会影响力的方法.其次,在传统传染病SIR(susceptible-infected-recovered)模型基础上,结合信息扩散与传染病蔓延相似的传播机理,综合考虑信息传播的多源并发性和双向性,引入影响力因子,利用平均场理论改进得到一种基于用户影响力的信息传播模型.实验表明,该模型能有效地解释在线社会网络中信息传播的动力学原因,感知社会网络中信息传播演化态势.
      通信作者: 肖云鹏, xiaoyp@cqupt.edu.cn
    • 基金项目: 国家重点基础研究发展计划(批准号:2013CB329606)、国家自然科学基金(批准号:61272400)、重庆市青年人才项目(批准号:cstc2013kjrc-qnrc40004)、教育部-中国移动研究基金(批准号:MCM20130351)、重庆市研究生研究与创新项目(批准号:CYS14146)、重庆市教委科学计划项目(批准号:KJ1500425)和重庆邮电大学文峰基金(批准号:WF201403)资助的课题.
    [1]

    Cai M, Du H F, Feldman M W 2014 Acta Phys. Sin. 63 060504 (in Chinese)[蔡萌, 杜海峰, Feldman M W 2014物理学报63 060504]

    [2]

    Zhou B, He Z, Jiang L L, Wang N X, Wang B H 2014 Sci. Rep. 4 7577

    [3]

    Huang J, Li C, Wang W Q, Shen H W, Li G, Cheng X Q 2014 Sci. Rep. 4 5334

    [4]

    Zheng M, L L, Zhao M 2013 Phys. Rev. E 88 012818

    [5]

    Chen D B, Huang S, Shang M S 2011 Comput. Sci. 38 118 (in Chinese)[陈端兵, 黄晟, 尚明生2011计算机科学38 118]

    [6]

    Chen D B, Gao H 2012 Chin. Phys. Lett. 29 048901

    [7]

    Borge-Holthoefer J, Moreno Y 2012 Phys. Rev. E 85 026116

    [8]

    Wang C, Liu C Y, Hu Y P, Liu Z H, Ma J F 2014 Acta Phys. Sin. 63 180501 (in Chinese)[王超, 刘骋远, 胡远萍, 刘志宏, 马建峰2014物理学报63 180501]

    [9]

    Lu W, Chen W, Lakshmanan L V S 2015 Proceedings of the VLDB Endowment Hawaii, USA, August 31-September 4, 2015 p60

    [10]

    Elias Boutros K, Dilkina B, Song L 2014 Proceedings of the 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining New York, USA, August 24-27, 2014 p1226

    [11]

    Singer Y 2012 Proceedings of the Fifth ACM International Conference on Web Search and Data Mining Washington, USA, February 8-12, 2012 p733

    [12]

    Liu J G, Lin J H, Guo Q, Zhou T 2016 Sci. Rep. 6 21380

    [13]

    Montanari A, Saberi A 2010 Proc. Natl. Acad. Sci. 107 20196

    [14]

    Yuan X P, Xue Y K, Liu M X 2013 Chin. Phys. B 22 030207

    [15]

    Pastor-Satorras R, Castellano C, van Mieghe P, Vespignani A 2015 Rev. Mod. Phys. 87 925

    [16]

    Kempe D, Jon K, Éva T 2003 Proceedings of the Ninth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining Washington, USA, August 24-27, 2003 p137

    [17]

    Liu Q M, Deng C S, Sun M C 2014 Physica A 410 79

    [18]

    Li C H, Tsai C C, Yang S Y 2014 Commun. Nonlinear Sci. 19 1042

    [19]

    Chen L, Sun J 2014 Physica A 410 196

    [20]

    Xiong F, Liu Y, Zhang Z J, Zhu J, Zhang Y 2012 Phys. Lett. A 376 2103

    [21]

    Li T, Wang Y, Guan Z H 2014 Commun. Nonlinear Sci. 19 686

    [22]

    Xiong F, Wang X M, Cheng J J 2016 Chin. Phys. B 25 108904

    [23]

    Kitsak M, Gallos L K, Havlin S, Liljeros F, Muchnik L, Stanley H E, Makse H A 2010 Nat. Phys. 6 888

    [24]

    Hu Q C, Zhang Y, Xu X H, Xing C X, Chen C, Chen X H 2015 Acta Phys. Sin. 64 190101 (in Chinese)[胡庆成, 张勇, 许信辉, 邢春晓, 陈池, 陈信欢2015物理学报64 190101]

    [25]

    L L Y, Chen D B, Ren X L, Zhang Q M, Zhang Y C, Zhou T 2016 Phys. Rep. 650 1

    [26]

    Wu Y, Yang Y, Jiang F, Jin S, Xu J 2014 Physica A 416 467

    [27]

    Liben-Nowell D, Kleinberg J 2008 Proc. Natl. Acad. Sci. 105 4633

    [28]

    L L Y, Zhou T, Zhang Q M, Stanley H E 2016 Nat. Commun. 7 10168

    [29]

    Myers S A, Zhu C, Leskovec J 2012 Proceedings of the 18th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining Beijing, China, August 12-16, 2012 p33

    [30]

    Aral S, Walker D 2012 Science 337 337

    [31]

    La Fond T, Neville J 2010 Proceedings of the 19th International Conference on World Wide Web Raleigh, USA, April 26-30, 2010 p601

    [32]

    Li P, Zhang J, Xu X K, Small M 2012 Chin. Phys. Lett. 29 048903

    [33]

    Newman, M E J 2012 Nat. Phys. 8 25

    [34]

    Barabási A L, Albert R, Jeong H 1999 Physica A 272 173

    [35]

    Pedroche F, Moreno F, González A, Valencia A 2013 Math. Comput. Model 57 1891

  • [1]

    Cai M, Du H F, Feldman M W 2014 Acta Phys. Sin. 63 060504 (in Chinese)[蔡萌, 杜海峰, Feldman M W 2014物理学报63 060504]

    [2]

    Zhou B, He Z, Jiang L L, Wang N X, Wang B H 2014 Sci. Rep. 4 7577

    [3]

    Huang J, Li C, Wang W Q, Shen H W, Li G, Cheng X Q 2014 Sci. Rep. 4 5334

    [4]

    Zheng M, L L, Zhao M 2013 Phys. Rev. E 88 012818

    [5]

    Chen D B, Huang S, Shang M S 2011 Comput. Sci. 38 118 (in Chinese)[陈端兵, 黄晟, 尚明生2011计算机科学38 118]

    [6]

    Chen D B, Gao H 2012 Chin. Phys. Lett. 29 048901

    [7]

    Borge-Holthoefer J, Moreno Y 2012 Phys. Rev. E 85 026116

    [8]

    Wang C, Liu C Y, Hu Y P, Liu Z H, Ma J F 2014 Acta Phys. Sin. 63 180501 (in Chinese)[王超, 刘骋远, 胡远萍, 刘志宏, 马建峰2014物理学报63 180501]

    [9]

    Lu W, Chen W, Lakshmanan L V S 2015 Proceedings of the VLDB Endowment Hawaii, USA, August 31-September 4, 2015 p60

    [10]

    Elias Boutros K, Dilkina B, Song L 2014 Proceedings of the 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining New York, USA, August 24-27, 2014 p1226

    [11]

    Singer Y 2012 Proceedings of the Fifth ACM International Conference on Web Search and Data Mining Washington, USA, February 8-12, 2012 p733

    [12]

    Liu J G, Lin J H, Guo Q, Zhou T 2016 Sci. Rep. 6 21380

    [13]

    Montanari A, Saberi A 2010 Proc. Natl. Acad. Sci. 107 20196

    [14]

    Yuan X P, Xue Y K, Liu M X 2013 Chin. Phys. B 22 030207

    [15]

    Pastor-Satorras R, Castellano C, van Mieghe P, Vespignani A 2015 Rev. Mod. Phys. 87 925

    [16]

    Kempe D, Jon K, Éva T 2003 Proceedings of the Ninth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining Washington, USA, August 24-27, 2003 p137

    [17]

    Liu Q M, Deng C S, Sun M C 2014 Physica A 410 79

    [18]

    Li C H, Tsai C C, Yang S Y 2014 Commun. Nonlinear Sci. 19 1042

    [19]

    Chen L, Sun J 2014 Physica A 410 196

    [20]

    Xiong F, Liu Y, Zhang Z J, Zhu J, Zhang Y 2012 Phys. Lett. A 376 2103

    [21]

    Li T, Wang Y, Guan Z H 2014 Commun. Nonlinear Sci. 19 686

    [22]

    Xiong F, Wang X M, Cheng J J 2016 Chin. Phys. B 25 108904

    [23]

    Kitsak M, Gallos L K, Havlin S, Liljeros F, Muchnik L, Stanley H E, Makse H A 2010 Nat. Phys. 6 888

    [24]

    Hu Q C, Zhang Y, Xu X H, Xing C X, Chen C, Chen X H 2015 Acta Phys. Sin. 64 190101 (in Chinese)[胡庆成, 张勇, 许信辉, 邢春晓, 陈池, 陈信欢2015物理学报64 190101]

    [25]

    L L Y, Chen D B, Ren X L, Zhang Q M, Zhang Y C, Zhou T 2016 Phys. Rep. 650 1

    [26]

    Wu Y, Yang Y, Jiang F, Jin S, Xu J 2014 Physica A 416 467

    [27]

    Liben-Nowell D, Kleinberg J 2008 Proc. Natl. Acad. Sci. 105 4633

    [28]

    L L Y, Zhou T, Zhang Q M, Stanley H E 2016 Nat. Commun. 7 10168

    [29]

    Myers S A, Zhu C, Leskovec J 2012 Proceedings of the 18th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining Beijing, China, August 12-16, 2012 p33

    [30]

    Aral S, Walker D 2012 Science 337 337

    [31]

    La Fond T, Neville J 2010 Proceedings of the 19th International Conference on World Wide Web Raleigh, USA, April 26-30, 2010 p601

    [32]

    Li P, Zhang J, Xu X K, Small M 2012 Chin. Phys. Lett. 29 048903

    [33]

    Newman, M E J 2012 Nat. Phys. 8 25

    [34]

    Barabási A L, Albert R, Jeong H 1999 Physica A 272 173

    [35]

    Pedroche F, Moreno F, González A, Valencia A 2013 Math. Comput. Model 57 1891

  • [1] 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
    [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] 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. 物理学报, 2015, 64(4): 044502. doi: 10.7498/aps.64.044502
    [4] 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
    [5] 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
    [6] 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
    [7] 王延, 郑志刚. 无标度网络上的传播动力学. 物理学报, 2009, 58(7): 4421-4425. doi: 10.7498/aps.58.4421
    [8] 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
    [9] 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
    [10] 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
    [11] 宋玉蓉, 蒋国平, 徐加刚. 一种基于元胞自动机的自适应网络病毒传播模型. 物理学报, 2011, 60(12): 120509. doi: 10.7498/aps.60.120509
    [12] 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
    [13] 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
    [14] 刘建国, 任卓明, 郭强, 汪秉宏. 复杂网络中节点重要性排序的研究进展. 物理学报, 2013, 62(17): 178901. doi: 10.7498/aps.62.178901
    [15] 郑容森, 吕集尔, 朱留华, 陈时东, 庞寿全. 主干道交通流的路口效应. 物理学报, 2009, 58(8): 5244-5250. doi: 10.7498/aps.58.5244
    [16] 谢彦波, 汪秉宏, 全宏俊, 杨伟松, 王卫宁. EZ模型中的有限尺寸效应. 物理学报, 2003, 52(10): 2399-2403. doi: 10.7498/aps.52.2399
    [17] 阮逸润, 老松杨, 王竣德, 白亮, 侯绿林. 一种改进的基于信息传播率的复杂网络影响力评估算法. 物理学报, 2017, 66(20): 208901. doi: 10.7498/aps.66.208901
    [18] 熊熙, 胡勇. 基于社交网络的观点传播动力学研究. 物理学报, 2012, 61(15): 150509. doi: 10.7498/aps.61.150509
    [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] 张菊平, 郭昊明, 荆文君, 靳祯. 基于真实信息传播者的谣言传播模型的动力学分析. 物理学报, 2019, 68(15): 150501. doi: 10.7498/aps.68.20190191
  • 引用本文:
    Citation:
计量
  • 文章访问数:  754
  • PDF下载量:  695
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-06-07
  • 修回日期:  2016-10-18
  • 刊出日期:  2017-02-05

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

  • 1. 重庆邮电大学, 网络与信息安全技术重庆市工程实验室, 重庆 400065
  • 通信作者: 肖云鹏, xiaoyp@cqupt.edu.cn
    基金项目: 

    国家重点基础研究发展计划(批准号:2013CB329606)、国家自然科学基金(批准号:61272400)、重庆市青年人才项目(批准号:cstc2013kjrc-qnrc40004)、教育部-中国移动研究基金(批准号:MCM20130351)、重庆市研究生研究与创新项目(批准号:CYS14146)、重庆市教委科学计划项目(批准号:KJ1500425)和重庆邮电大学文峰基金(批准号:WF201403)资助的课题.

摘要: 在线社会网络中,信息传播蕴含着复杂的动力学成因.本文将传染病模型与社交影响力要素相结合,并针对影响力度量中主要研究静态网络拓扑结构、忽略个体行为特征的问题,提出一种基于动态节点行为和用户影响力的信息传播动力学模型,旨在量化影响力强度,为研究信息扩散过程中不同用户群体状态转变提供理论依据.首先,在网络拓扑结构和用户行为两方面,提取个人记忆和用户交互两个表征,分析影响力形成的内因和外因两个动力学成因,并基于多元线性回归模型,提出一种度量用户社会影响力的方法.其次,在传统传染病SIR(susceptible-infected-recovered)模型基础上,结合信息扩散与传染病蔓延相似的传播机理,综合考虑信息传播的多源并发性和双向性,引入影响力因子,利用平均场理论改进得到一种基于用户影响力的信息传播模型.实验表明,该模型能有效地解释在线社会网络中信息传播的动力学原因,感知社会网络中信息传播演化态势.

English Abstract

参考文献 (35)

目录

    /

    返回文章
    返回