面向社会网络的信息传播模型研究

在当今信息社会,如何利用人与人之间的联系,使得信息能够快速高效的传播具有非常重要的理论价值和现实意义,围绕该课题,影响最大化研究、社区挖掘等都是目前社会网络研究的热点问题,而这些问题能否行之有效地解决则依赖于准确的信息传播模型的构建。信息在社会网络中的传播过程除了受到传播机理和网络拓扑结构的影响,另外还存在着许多不确定性因素,如何针对社会网络中复杂的传播现象建立简单而不失其主要特征的理想数学模型是本文研究的重点。 具有内在联系的多信息传播现象广泛存在于现实社会网络中,如多种不同品牌的同类型商品在市场中借助于口碑传播(Word of Mouth)进行推广等,因此研究社会网络中的多信息传播机制有着十分重要的现实意义。而在目前的传播动力学研究中,对于多信息传播现象的研究尚处于起步阶段,针对该问题,我们对经典传播模型——LT(Linear Threshold,线性阈值)模型进行了改进和发展,提出了一种面向社会网络的多信息并行竞争传播模型。在该模型中我们考虑到社会网络中节点的差异性,对LT模型的主要参数bu ,v做了有效的改进,同时给出了新的影响力计算公式,并通过计算机仿真证明了该公式与能很好地反映现实传播机理。 另外,现有的传播模型多是基于传统社会网络提出的,而近年来兴起的在线社交网络打破了传统网络的信息传播方式,为此本文研究了在线社交网络的信息传播机制,并以此为基础提出了一种面向在线社交网络的单信息传播模型,在模型中我们将接近中心性的概念引入了初始传播节点影响力的计算。基于该模型,本文模拟了不同条件下新浪微博网络中的单信息传播行为,仿真结果表明该模型符合在线社交网络的传播特性,有助于更深刻地理解在线社交网络中的传播机理。 最后,本文将社交网络的传播特性引入第三章的多信息竞争传播模型,并基于对新浪微博中的用户行为进行采集和统计分析,得出了微博网络中节点的特异性阈值服从幂律分布这一重要结论,从而建立了面向微博网络的多信息竞争传播模型。微博网络中所有节点的特异性阈值服从幂律分布这一重要结论对未来将LT模型移植到在线社交网络中的工作具有重要的启发意义。