本站小編為你精心準(zhǔn)備了社交網(wǎng)絡(luò)信息傳播論文參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

1模型建立

在線社交網(wǎng)絡(luò)，一般用一個(gè)有向或無(wú)向圖G=(V，E)表示，其中V和E分別表示圖的節(jié)點(diǎn)集合和邊集合。每個(gè)節(jié)點(diǎn)代表一個(gè)用戶，本文中節(jié)點(diǎn)與用戶同義;每條邊連接該用戶的一個(gè)好友。本文根據(jù)信息在社交網(wǎng)絡(luò)中傳播情況，仍將社交網(wǎng)絡(luò)中人群分為三類:易感節(jié)點(diǎn)(S態(tài))、傳播節(jié)點(diǎn)(I態(tài))、免疫節(jié)點(diǎn)(R態(tài))，網(wǎng)絡(luò)結(jié)構(gòu)用無(wú)向圖表示。熱點(diǎn)輿情事件發(fā)生后，S態(tài)對(duì)應(yīng)不知道消息的節(jié)點(diǎn)用戶;I態(tài)對(duì)應(yīng)知道消息并繼續(xù)傳播的節(jié)點(diǎn)用戶;R態(tài)對(duì)應(yīng)在用戶的自我思考或者正面信息的影響下，知道消息但失去傳播能力或興趣的節(jié)點(diǎn)用戶。由于社交網(wǎng)絡(luò)中用戶關(guān)系相對(duì)穩(wěn)定，信息傳播的速度較網(wǎng)絡(luò)動(dòng)態(tài)變化更快，周期要小得多。因此，本模型中暫不考慮網(wǎng)絡(luò)的動(dòng)態(tài)性，即社交網(wǎng)絡(luò)的關(guān)系更新問題。

傳播機(jī)制及符號(hào)說(shuō)明1)初始時(shí)刻，選定某節(jié)點(diǎn)作為消息源傳播節(jié)點(diǎn)，其余為易感節(jié)點(diǎn)。傳播節(jié)點(diǎn)向其鄰居節(jié)點(diǎn)發(fā)送消息，鄰居中的易感節(jié)點(diǎn)與傳播節(jié)點(diǎn)接觸，即接收到傳播節(jié)點(diǎn)的消息，以概率λ變?yōu)閭鞑ス?jié)點(diǎn)，進(jìn)行一次這樣的傳播定義為一個(gè)時(shí)間步。當(dāng)網(wǎng)絡(luò)中用戶節(jié)點(diǎn)度相同時(shí)，則感染概率相同，模型退化為經(jīng)典SIR疾病傳播;當(dāng)用戶節(jié)點(diǎn)度高于平均節(jié)點(diǎn)度時(shí)，該用戶對(duì)其他用戶的感染概率高于正常值λ;當(dāng)用戶節(jié)點(diǎn)度低于平均節(jié)點(diǎn)度時(shí)，該用戶對(duì)其他用戶的感染概率低于正常值aver_D，體現(xiàn)了社交網(wǎng)絡(luò)中各節(jié)點(diǎn)用戶對(duì)輿情傳播的影響不同。

2仿真與分析

建立傳播模型后，選擇合適的網(wǎng)絡(luò)拓?fù)溥M(jìn)行仿真模擬。新浪(Sina)微博作為國(guó)內(nèi)最受歡迎的在線社交網(wǎng)絡(luò)，在熱點(diǎn)事件傳播中最具有代表性，并具有無(wú)標(biāo)度與小世界的特性，網(wǎng)絡(luò)節(jié)點(diǎn)的度服從冪律分布。本文使用數(shù)據(jù)堂中下載的新浪微博用戶關(guān)系數(shù)據(jù)，將微博用戶作為網(wǎng)絡(luò)的節(jié)點(diǎn)，粉絲及關(guān)注關(guān)系處理為邊，從而構(gòu)成實(shí)驗(yàn)用的傳播網(wǎng)絡(luò)。將網(wǎng)絡(luò)拓?fù)渚仃噷?dǎo)入PAJEX軟件，計(jì)算得到網(wǎng)絡(luò)的基本特征如表2。

2．1模型對(duì)比實(shí)驗(yàn)在采集的微博網(wǎng)絡(luò)上進(jìn)行三種傳播仿真實(shí)驗(yàn):實(shí)驗(yàn)一采用經(jīng)典SIR模型;實(shí)驗(yàn)二采用G-SIR模型;實(shí)驗(yàn)三采用IG-SIR模型。初始狀態(tài)設(shè)置:三種實(shí)驗(yàn)中選取相同的10個(gè)節(jié)點(diǎn)作為初始傳播源，其余節(jié)點(diǎn)設(shè)為易感節(jié)點(diǎn);其次，設(shè)置模型參數(shù)如下:λ=0．05，β=0．02，時(shí)間步設(shè)置為T=150。G-SIR模型網(wǎng)絡(luò)中傳播節(jié)點(diǎn)、易感節(jié)點(diǎn)和免疫節(jié)點(diǎn)的密度隨傳播時(shí)間的演化情況如圖3所示。從圖3可以看出:微博網(wǎng)絡(luò)的高度連通性，使謠言等輿情信息在網(wǎng)中迅速傳播。傳播開始后，易感節(jié)點(diǎn)密度S(t)隨時(shí)間快速下降，傳播個(gè)體密度I(t)隨時(shí)間快速攀升，表示信息很快被網(wǎng)絡(luò)中大部分用戶所獲知;同時(shí)，伴隨著傳播個(gè)體I(t)的增加，其中一部分用戶會(huì)自己根據(jù)正面輿論或自己思考變?yōu)槊庖邆€(gè)體，使受謠言影響的個(gè)體數(shù)量不斷降低，直至謠言事件趨于平息，大部分用戶變?yōu)槊庖邆€(gè)體，了解事件真相，信息的傳播過程也趨于平穩(wěn)。進(jìn)行10次傳播實(shí)驗(yàn)，每次實(shí)驗(yàn)中初始傳播節(jié)點(diǎn)固定。分別記錄傳播者數(shù)量峰值時(shí)傳播者占總?cè)藬?shù)的比例與所用的時(shí)間步。取均值后數(shù)據(jù)對(duì)比結(jié)果如表3。由表3可知:相比經(jīng)典的SIR模型，G-SIR、IG-SIR模型傳播達(dá)到峰值的時(shí)間步更短，傳播峰值時(shí)傳播者數(shù)量更多;另外，可以發(fā)現(xiàn)由于微博網(wǎng)絡(luò)各節(jié)點(diǎn)度的差異，G-SIR模型與IG-SIR模型傳播達(dá)到峰值時(shí)時(shí)間步不同，但傳播峰值時(shí)傳播者比例相近。

2．2參數(shù)敏感性分析為進(jìn)一步研究模型中相關(guān)參數(shù)對(duì)輿情傳播的影響，探索相應(yīng)的輿情信息管控方法，選取G-SIR模型信息傳播中初始用戶節(jié)點(diǎn)度、免疫過程的時(shí)滯、恢復(fù)率等參數(shù)在采集的微博網(wǎng)絡(luò)中進(jìn)行仿真?zhèn)鞑ィ疾鞂?duì)信息傳播效果的影響。節(jié)點(diǎn)度:分別選擇節(jié)點(diǎn)度k=42，170，820的用戶作為初始傳播用戶。易感節(jié)點(diǎn)密度隨時(shí)間變化如圖4(a)，傳播節(jié)點(diǎn)密度隨時(shí)間變化如圖4(b)。由圖4可以看出，在微博這種無(wú)標(biāo)度網(wǎng)絡(luò)中，初始傳播節(jié)點(diǎn)的度值大，信息在網(wǎng)絡(luò)中傳播快，易感用戶密度S(t)在傳播開始不久便快速下降;初始傳播節(jié)點(diǎn)的度值小，信息的傳播具有滯后性，需要經(jīng)過一段時(shí)間后，信息才能在網(wǎng)絡(luò)大規(guī)模擴(kuò)散傳播，即S(t)在傳播開始一段時(shí)間后才快速下降。但當(dāng)t趨向于無(wú)窮大時(shí)，不論初始傳播節(jié)點(diǎn)的度為多少，最終各狀態(tài)節(jié)點(diǎn)數(shù)量基本一致，且傳播節(jié)點(diǎn)所達(dá)到的數(shù)量峰值也基本相同，說(shuō)明不同度值的用戶作為初始傳播節(jié)點(diǎn)，對(duì)傳播用戶范圍影響有限。聯(lián)系到微博網(wǎng)絡(luò)中情形，由網(wǎng)絡(luò)大V用戶發(fā)出的信息會(huì)在網(wǎng)中快速傳播，或者由一般用戶發(fā)出的信息經(jīng)大V用戶轉(zhuǎn)發(fā)后也會(huì)在網(wǎng)中大規(guī)模傳播。這也進(jìn)一步表明:無(wú)標(biāo)度網(wǎng)絡(luò)中，當(dāng)網(wǎng)絡(luò)規(guī)模很大時(shí)，信息傳播閾值很小，趨于零，這也從側(cè)面說(shuō)明具有無(wú)標(biāo)度特性的微博網(wǎng)絡(luò)更容易爆發(fā)謠言或輿情事件。免疫過程的時(shí)滯:免疫過程可看作用戶的自我轉(zhuǎn)變，或者真實(shí)信息的傳播使用戶對(duì)熱點(diǎn)事件作出正確判斷。討論在一定傳播時(shí)滯ΔT后再開始有向免疫狀態(tài)的轉(zhuǎn)變。選用采集的網(wǎng)絡(luò)拓?fù)鋽?shù)據(jù)，觀察不同時(shí)滯下傳播的變化如圖5。從圖5中可以看出，正確的輿論引導(dǎo)信息滯后，會(huì)導(dǎo)致傳播人群數(shù)量范圍的擴(kuò)大，加大負(fù)面影響。因此，對(duì)于熱點(diǎn)事件輿情傳播，提早發(fā)現(xiàn)并公布真實(shí)信息有助于降低傳播蔓延時(shí)間，避免長(zhǎng)時(shí)間的傳播引起公眾情緒的進(jìn)一步發(fā)酵，導(dǎo)致事件升級(jí)。

3結(jié)語(yǔ)

本文提出一種基于局域信息的社交網(wǎng)絡(luò)信息傳播模型。本模型主要特點(diǎn)是:1)根據(jù)節(jié)點(diǎn)的周圍局部信息確定節(jié)點(diǎn)所處狀態(tài)的概率，以更準(zhǔn)確地刻畫輿情信息在網(wǎng)絡(luò)中不同節(jié)點(diǎn)的傳播情況。2)建立了一種不同節(jié)點(diǎn)感染概率隨用戶影響力變化的傳播模型，能夠更真實(shí)地反映社交網(wǎng)絡(luò)中用戶影響力不同對(duì)傳播的影響。仿真實(shí)驗(yàn)表明，本文中所建立模型較SIR模型具有傳播速度更快、傳播范圍更廣的特點(diǎn)。通過分析節(jié)點(diǎn)度、免疫過程的時(shí)滯、恢復(fù)率等參數(shù)對(duì)傳播效果的影響，可知當(dāng)熱點(diǎn)事件爆發(fā)時(shí)，迅速而有力地真實(shí)信息，可以有效地減少不良言論的傳播時(shí)間與范圍。本文對(duì)于深刻理解社交網(wǎng)絡(luò)傳播機(jī)制，了解輿情發(fā)展動(dòng)向，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)輿情的合理監(jiān)管與引導(dǎo)具有重要的理論意義與實(shí)用價(jià)值，有助于政府在社會(huì)實(shí)踐中有效消除負(fù)面消息的影響。在下一步的研究中，將結(jié)合更多實(shí)際數(shù)據(jù)，分析多信息競(jìng)爭(zhēng)的動(dòng)態(tài)社交網(wǎng)絡(luò)中的傳播機(jī)制與輿情演化過程。

作者：程曉濤劉彩霞劉樹新單位：國(guó)家數(shù)字交換系統(tǒng)工程技術(shù)研究中心