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

基于平均场理论的微博传播网络模型

吴腾飞 周昌乐 王小华 黄孝喜 谌志群 王荣波

引用本文:
Citation:

基于平均场理论的微博传播网络模型

吴腾飞, 周昌乐, 王小华, 黄孝喜, 谌志群, 王荣波

Microblog propagation network model based on mean-field theory

Wu Teng-Fei, Zhou Chang-Le, Wang Xiao-Hua, Huang Xiao-Xi, Chen Zhi-Qun, Wang Rong-Bo
PDF
导出引用
  • 微博是在通过用户关注机制建立的用户网络上分享实时信息的社交平台, 而微博消息主要通过用户的转发行为使消息在用户网络上传播. 掌握微博消息的传播机制, 对研究微博上舆论谣言的传播、产品推广等具有指导作用. 本文通过对微博传播网络的结构分析来探索微博传播过程, 利用新浪微博数据, 建立微博传播网络, 分析该网络的生成机制, 使用平均场论的方法, 推导微博传播网络的度分布模型. 实验结果表明: 微博传播网络的度分布是时间相依的, 在特定时间下网络的度分布服从幂律分布.
    Microblog is a social medium platform allowing users to share real-time information through the user relationship networks which are established by the mechanism of “following”. Message is spread through the user relationship networks by users' behavior of “retweeting”. The research on the spread mechanism of microblog message is very important for public sentiment analysis and rumor propagation control. In this paper, we intend to explore the process of microblog propagation through structural analysis of microblog propagation network. First, we adopt the data of Sina Microblog to establish microblog propagation network, then analyze the formation mechanism of this network, finally, derive the degree distribution model of microblog propagation network by mean-field theory. Experimental results show that the degree distribution of microblog propagation network is a time-dependent model, and it is a power-law distribution at specific time.
    • 基金项目: 国家自然科学基金青年科学基金(批准号: 61103101, 61202281)和教育部人文社会科学研究项目青年基金(批准号: 10YJCZH052, 12YJCZH201)资助的课题.
    • Funds: Project supported by the Young Scientists Fund of the National Natural Science Foundation of China (Grant Nos. 61103101, 61202281) and the Humanity and Social Sciences Foundation for Young Scholars of China's Ministry of Education, China (Grant Nos. 10YJCZH052, 12YJCZH201).
    [1]

    Erdos P, Rényi A 1961 Bull. Inst. Internat. Statist 38 343

    [2]

    Erd Hos P, Rényi A 1959 Publ. Math.: Debrecen 6 290

    [3]

    Solomonoff R, Rapoport 1951 B Math. Biol. 13 107

    [4]

    Watts D J, Strogatz S H 1998 Nature 393 440

    [5]

    Barabási A, Albert R 1999 Science 286 509

    [6]

    Dorogovtsev S N, Mendes J F F 2001 Phys. Rev. E 63 25101

    [7]

    Krapivsky P L, Redner S 2005 Phys. Rev. E 71 36118

    [8]

    Li X, Chen G 2003 Physica A 328 274

    [9]

    Pastor-Satorras R, Vespignani A 2001 Phys. Rev. Lett. 86 3200

    [10]

    Watts D J 2004 Annu. Rev. Sociol. 30 243

    [11]

    Kermark M, Mckendrick A G 1927 Proc. R. Soc. A London, August 1, 1927 p700

    [12]

    Moreno Y, Nekovee M, Pacheco A F 2004 Phys. Rev. E 69 66130

    [13]

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

    [14]

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

    [15]

    Chen L, Sun J 2014 Physica A 410 196

    [16]

    Gong Y W, Song Y R, Jiang G P 2012 Chin. Phys. B 21 010205

    [17]

    Lu Y L, Jiang G P, Song Y R 2012 Chin. Phys. B 21 100207

    [18]

    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]

    [19]

    Xiong X, Hu Y 2012 Acta Phys. Sin. 61 150509 (in Chinese) [熊熙, 胡勇 2012 物理学报 61 150509]

    [20]

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

    [21]

    Shi D H 2011 Theory of Network Degree Distributions (Beijing: Higher Education Press) p60 (in Chinese) [史定华 2011 网络度分布理论 (北京: 高等教育出版社) 第60页]

    [22]

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

    [23]

    Newman M E 2003 Phys. Rev. E 67 26126

    [24]

    Leskovec J, Backstrom L, Kumar R, Tomkins A 2008 Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data mining Las Vegas, NV, USA, August 24-27, 2008 p462

    [25]

    Allamanis M, Scellato S, Mascolo C 2012 Proceedings of the 2012 ACM Conference on Internet Measurement Conference Boston, MA, USA, November 14-16, 2012 p145

  • [1]

    Erdos P, Rényi A 1961 Bull. Inst. Internat. Statist 38 343

    [2]

    Erd Hos P, Rényi A 1959 Publ. Math.: Debrecen 6 290

    [3]

    Solomonoff R, Rapoport 1951 B Math. Biol. 13 107

    [4]

    Watts D J, Strogatz S H 1998 Nature 393 440

    [5]

    Barabási A, Albert R 1999 Science 286 509

    [6]

    Dorogovtsev S N, Mendes J F F 2001 Phys. Rev. E 63 25101

    [7]

    Krapivsky P L, Redner S 2005 Phys. Rev. E 71 36118

    [8]

    Li X, Chen G 2003 Physica A 328 274

    [9]

    Pastor-Satorras R, Vespignani A 2001 Phys. Rev. Lett. 86 3200

    [10]

    Watts D J 2004 Annu. Rev. Sociol. 30 243

    [11]

    Kermark M, Mckendrick A G 1927 Proc. R. Soc. A London, August 1, 1927 p700

    [12]

    Moreno Y, Nekovee M, Pacheco A F 2004 Phys. Rev. E 69 66130

    [13]

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

    [14]

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

    [15]

    Chen L, Sun J 2014 Physica A 410 196

    [16]

    Gong Y W, Song Y R, Jiang G P 2012 Chin. Phys. B 21 010205

    [17]

    Lu Y L, Jiang G P, Song Y R 2012 Chin. Phys. B 21 100207

    [18]

    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]

    [19]

    Xiong X, Hu Y 2012 Acta Phys. Sin. 61 150509 (in Chinese) [熊熙, 胡勇 2012 物理学报 61 150509]

    [20]

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

    [21]

    Shi D H 2011 Theory of Network Degree Distributions (Beijing: Higher Education Press) p60 (in Chinese) [史定华 2011 网络度分布理论 (北京: 高等教育出版社) 第60页]

    [22]

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

    [23]

    Newman M E 2003 Phys. Rev. E 67 26126

    [24]

    Leskovec J, Backstrom L, Kumar R, Tomkins A 2008 Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data mining Las Vegas, NV, USA, August 24-27, 2008 p462

    [25]

    Allamanis M, Scellato S, Mascolo C 2012 Proceedings of the 2012 ACM Conference on Internet Measurement Conference Boston, MA, USA, November 14-16, 2012 p145

  • [1] 武喜萍, 杨红雨, 韩松臣. 基于复杂网络理论的多元混合空管技术保障系统网络特征分析. 物理学报, 2016, 65(14): 140203. doi: 10.7498/aps.65.140203
    [2] 杨先霞, 濮存来, 许忠奇, 陈荣斌, 吴洁鑫, 李伦波. 无标度网络中基于能量的混合路由策略. 物理学报, 2016, 65(24): 248901. doi: 10.7498/aps.65.248901
    [3] 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
    [4] 胡耀光, 王圣军, 金涛, 屈世显. 度关联无标度网络上的有倾向随机行走. 物理学报, 2015, 64(2): 028901. doi: 10.7498/aps.64.028901
    [5] 郭进利. 非均齐超网络中标度律的涌现富者愈富导致幂律分布吗?. 物理学报, 2014, 63(20): 208901. doi: 10.7498/aps.63.208901
    [6] 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
    [7] 王丹, 郝彬彬. 一类高聚类系数的加权无标度网络及其同步能力分析. 物理学报, 2013, 62(22): 220506. doi: 10.7498/aps.62.220506
    [8] 王丹, 金小峥. 可调聚类系数加权无标度网络建模及其拥塞问题研究 . 物理学报, 2012, 61(22): 228901. doi: 10.7498/aps.61.228901
    [9] 王亚奇, 蒋国平. 考虑网络流量的无标度网络病毒免疫策略研究. 物理学报, 2011, 60(6): 060202. doi: 10.7498/aps.60.060202
    [10] 濮存来, 裴文江, 缪瑞华, 周思源, 王开. 无标度网络上队列资源分配研究. 物理学报, 2010, 59(9): 6009-6013. doi: 10.7498/aps.59.6009
    [11] 马丽娟, 唐明, 梁小明. 在无标度网络上基于偏好聚集机理的零区域凝聚现象. 物理学报, 2009, 58(1): 83-89. doi: 10.7498/aps.58.83
    [12] 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
    [13] 王丹, 于灏, 井元伟, 姜囡, 张嗣瀛. 基于感知流量算法的复杂网络拥塞问题研究. 物理学报, 2009, 58(10): 6802-6808. doi: 10.7498/aps.58.6802
    [14] 倪顺江, 翁文国, 范维澄. 具有局部结构的增长无标度网络中传染病传播机制研究. 物理学报, 2009, 58(6): 3707-3713. doi: 10.7498/aps.58.3707
    [15] 裴伟东, 刘忠信, 陈增强, 袁著祉. 无标度网络中最大传染能力限定的病毒传播问题研究. 物理学报, 2008, 57(11): 6777-6785. doi: 10.7498/aps.57.6777
    [16] 张 立, 刘 云. 虚拟社区网络的演化过程研究. 物理学报, 2008, 57(9): 5419-5424. doi: 10.7498/aps.57.5419
    [17] 郭进利. 新节点的边对网络无标度性影响. 物理学报, 2008, 57(2): 756-761. doi: 10.7498/aps.57.756
    [18] 杜海峰, 李树茁, W. F. Marcus, 悦中山, 杨绪松. 小世界网络与无标度网络的社区结构研究. 物理学报, 2007, 56(12): 6886-6893. doi: 10.7498/aps.56.6886
    [19] 潘灶烽, 汪小帆. 一种可大范围调节聚类系数的加权无标度网络模型. 物理学报, 2006, 55(8): 4058-4064. doi: 10.7498/aps.55.4058
    [20] 李 季, 汪秉宏, 蒋品群, 周 涛, 王文旭. 节点数加速增长的复杂网络生长模型. 物理学报, 2006, 55(8): 4051-4057. doi: 10.7498/aps.55.4051
计量
  • 文章访问数:  5974
  • PDF下载量:  779
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-04-07
  • 修回日期:  2014-08-08
  • 刊出日期:  2014-12-05

基于平均场理论的微博传播网络模型

  • 1. 杭州电子科技大学计算机学院, 认知与智能计算研究所, 杭州 310018;
  • 2. 厦门大学智能科学与技术系, 福建省仿脑智能系统重点实验室, 厦门 361005
    基金项目: 国家自然科学基金青年科学基金(批准号: 61103101, 61202281)和教育部人文社会科学研究项目青年基金(批准号: 10YJCZH052, 12YJCZH201)资助的课题.

摘要: 微博是在通过用户关注机制建立的用户网络上分享实时信息的社交平台, 而微博消息主要通过用户的转发行为使消息在用户网络上传播. 掌握微博消息的传播机制, 对研究微博上舆论谣言的传播、产品推广等具有指导作用. 本文通过对微博传播网络的结构分析来探索微博传播过程, 利用新浪微博数据, 建立微博传播网络, 分析该网络的生成机制, 使用平均场论的方法, 推导微博传播网络的度分布模型. 实验结果表明: 微博传播网络的度分布是时间相依的, 在特定时间下网络的度分布服从幂律分布.

English Abstract

参考文献 (25)

目录

    /

    返回文章
    返回