基于阈值自适应变化的社交网络信息传播实现方法及系统技术方案

基于阈值自适应变化的网络信息传播实现方法，包括：构造随机网络；给网络中所有节点分配初始阈值，设置网络所有节点初始状态为S态并随机选取一个节点作为传播源；从三种阈值自适应变化策略中随机选定一种策略；按照阈值模型机制传播信息，从一个节点开始进行“有时差”和“无时差”两种传播方式的信息级联传播；计算传播结束后网络中非S态节点数量在节点总数中的占做为最终级联范围。本发明专利技术的系统包括：随机网络构造模块、初始化模块、阈值自适应变化模块、信息级联传播模块和级联范围计算模块。本发明专利技术提出结合了网络信息阈值自适应变化传播模型和三种阈值自适应变化策略，能够使得网络中的信息传播受到阻碍。络中的信息传播受到阻碍。络中的信息传播受到阻碍。

【技术实现步骤摘要】
基于阈值自适应变化的社交网络信息传播实现方法及系统


[0001]本专利技术涉及网络信息传播领域，特别是涉及一种基于阈值自适应变化的社交网络信息传播实现方法及实现这种方法的系统。

技术介绍

[0002]对信息扩散过程(如时尚、创新、病毒式模因、观点和谣言等)进行建模，对于分析信息在社交网络上的传播模式、进而控制其传播过程具有重要意义。迄今为止，科学家们提出了多种模型来描述这一过程，其中最经典的模型包括独立级联传播模型和阈值模型。
[0003]阈值模型最早由社会学家Granovetter提出来用于描述集体行为，并已被广泛应用于描述经济学和社会学中的一系列二元决策现象。该模型的主要思想是网络中的个体表现出类群行为，即他们根据邻居的行为做出决定。2002年，Watts彻底研究了阈值模型的物理特性，并证明了随机网络上何时会引发信息全局级联的条件。此后，该模型引起了网络科学家的广泛关注。主要集中在以下几方面：1.底层网络结构的影响。Centola等人最先研究了小世界网络的情形，指出小世界网络中的随机连边会阻碍复杂性的传播行为。Galstyan研究了弱耦合社区网络结构的影响，结果表明信息的传播速度会呈现出双层现象。Payne等人考虑了度关联网络的影响，他们发现节点之间的正关联性(即度大的节点跟度大的节点连接)能够扩大级联窗口。Yagan等人考察了多重网络的情况，表明不同类型边的传播权重(对传播某一产品或信息的偏向性)会对传播动力学行为产生极大的影响。2.初始种子大小的影响。Gleeson等人发展了一套平均场方法研究了多种子对信息级联传播的影响。3.不同阈值分布的影响。Karampourniotis等人则研究了节点阈值呈高斯分布的情形，结果发现最终活跃态的人数比例会随着标准方差(高斯分布函数的参数，表示离散程度)的增加而产生非单调的变化。
[0004]虽然对于阈值模型的研究已经如此之多，但目前的研究大多都假设节点阈值在整个传播中保持不变。然而随着近年来计算机科学及大数据领域的飞速发展，人们在一些在线实证数据中发现真实社会系统展现了一些传统阈值模型(及其扩展模型)所忽略的关键因素。例如，当人们在采纳某种新产品或观看新电影后，会对该商品进行评价，其中有些负面反馈会对其他用户产生一定程度的影响，导致其“阈值”会发生变化。对yelp数据集的分析可知，某餐厅收到的差评会对后续这家餐厅的营业额度产生一定的影响。这在某种程度上证明了个体的采纳阈值会随着邻居节点的反馈发生自适应变化。

技术实现思路

[0005]为了克服现有的阈值模型研究中考虑节点阈值保持为定值(即不随时间而变)的不足，本专利技术提供一种基于阈值自适应变化的社交网络信息传播实现方法，提出结合时差机制的阈值自适应变化传播模型和不同阈值自适应变化策略。
[0006]本专利技术的技术构思为：本专利技术通过仿真实验，从理论上解释了商品营销或消息传播过程中负面评论对信息传播的影响，帮助研究人员更好地了解营销过程中负面评论造成
的影响。
[0007]本专利技术解决其技术问题所采用的技术方案如下：
[0008]基于阈值自适应变化的网络信息传播模型包含四种节点状态：未接触状态S、已接触未发表评论状态E、已接触并发表正面评论状态I
P
、已接触并发表负面评论状态I
N
；所述基于阈值自适应变化的网络信息传播实现方法包括如下步骤：
[0009]S1：构造网络G＝(V,E)，其中V＝{v1,v2,...,v
N
}为网络节点集，N为节点总数，为网络连边集；
[0010]S2：初始化：给网络中所有节点分配相同初始阈值随机选择一个节点作为信息传播源；
[0011]S3：考虑三种阈值自适应变化策略：(1)S态节点阈值随邻居中I
N
态节点数量呈线性增长；(2)S态节点阈值随邻居中I
N
态节点数量呈指数型增长；(3)S态节点阈值随邻居中I
N
态节点数量呈对数型增长；
[0012]S4：网络信息级联传播过程，考虑两种传播方式，即“存在时差”和“不存在时差”，区别在于S态节点是否立即以概率p变为I
P
态节点；节点按照阈值模型机制传播信息，对于满足阈值条件的S态节点按照是否存在“时差”以概率p变化节点状态，直至网络中不再出现新的非S态节点，传播结束；
[0013]S5：计算信息传播最终级联范围，对于每组实验指标进行多次实验，计算传播结束后网络中非S态节点数量在节点总数中的占比。
[0014]进一步的，所述步骤S1具体包括：
[0015]考虑一平均度为z的随机网络，节点数量为N＝1000，连边数量满足
[0016]进一步的，所述步骤S2具体包括：
[0017]网络中每一个节点v
i
都具有节点阈值，记为对于网络中的所有节点，赋予其相同初始阈值为设置网络所有节点初始状态为S态，随机选取一个节点令其处于I
P
态。
[0018]进一步的，所述步骤S3具体包括：
[0019]本专利技术设计了三种阈值自适应变化策略，假设S态节点v
i
的邻居中I
N
态的节点数量为n
neg
：第一种为线性阈值自适应变化策略，节点v
i
的阈值在的基础上增长第二种为指数变化策略，节点v
i
的阈值在的基础上增长第三种为对数变化策略，节点v
i
的阈值在的基础上增长其中变量δ为节点阈值增速指标，其值设置为0.01；节点阈值的范围为[0，1]。
[0020]进一步的，所述步骤S4具体包括：
[0021]所述步骤S4的信息传播过程中，有“存在时差”和“不存在时差”两种情况；“时差”是指，S态节点v
i
在满足阈值判定式后马上以概率p转变为I
P
态节点，还是先转变为E态再在一段时间Δt后以概率p转变为I
P
态；
[0022]“不存在时差”的传播过程具体如下：
[0023]S4.1：随机选择网络中的一个节点，作为发表评论的源头，发表一则正面评论，设
置其状态为I
P
态；
[0024]S4.2：信息传播每一步的开始，对于目前网络中的S态节点v
i
，根据其邻居中I
N
态节点的数量n
neg
并随机选择一种阈值自适应变化策略更新其节点阈值
[0025]S4.3：随机选择一个S态节点v
i
，假设邻居节点中发表正面评论的个数为n
pos
，采用以下阈值判定式：
[0026][0027]其中k为节点v
i
的邻居数量；对于满足阈值判定式(1)的S态节点v
i
，生成一个随机数r与概率值p进行比较，当随机数r小于等于p时，节点v
i
的状态变换为I
P
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于阈值自适应变化的社交网络信息传播实现方法，其特征在于：基于阈值自适应变化的社交网络信息传播模型包含四种节点状态：未接触状态S、已接触未发表评论状态E、已接触并发表正面评论状态I
P
、已接触并发表负面评论状态I
N
；包括如下步骤：S1：构造网络G＝(V,E)，其中V＝{v1,v2,...,v
N
}为网络节点集，N为节点总数，为网络连边集；S2：初始化：给网络中所有节点分配相同初始阈值随机选择一个节点作为信息传播源；S3：考虑三种阈值自适应变化策略：(1)S态节点阈值随邻居中I
N
态节点数量呈线性增长；(2)S态节点阈值随邻居中I
N
态节点数量呈指数型增长；(3)S态节点阈值随邻居中I
N
态节点数量呈对数型增长；S4：网络信息级联传播过程，考虑两种传播方式，即“存在时差”和“不存在时差”，区别在于S态节点是否立即以概率p变为I
P
态节点；节点按照阈值模型机制传播信息，对于满足阈值条件的S态节点按照是否存在“时差”以概率p变化节点状态，直至网络中不再出现新的非S态节点，传播结束；S5：计算信息传播最终级联范围，对于每组实验指标进行多次实验，计算传播结束后网络中非S态节点数量在节点总数中的占比。2.如权利要求1所述的基于阈值自适应变化的社交网络信息传播实现方法，其特征在于：所述步骤S1具体包括：考虑一平均度为z的随机网络，节点数量为N＝1000，连边数量满足3.如权利要求1所述的基于阈值自适应变化的社交网络信息传播实现方法，其特征在于：所述步骤S2具体包括：网络中每一个节点v
i
都具有节点阈值，记为对于网络中的所有节点，赋予其相同初始阈值为设置网络所有节点初始状态为S态，随机选取一个节点令其处于I
P
态。4.如权利要求1所述的基于阈值自适应变化的社交网络信息传播实现方法，其特征在于：所述步骤S3具体包括：设计三种阈值自适应变化策略，S态节点v
i
的邻居中I
N
态的节点数量为n
neg
：第一种为线性阈值自适应变化策略，节点v
i
的阈值在的基础上增长第二种为指数变化策略，节点v
i
的阈值在的基础上增长第三种为对数变化策略，节点v
i
的阈值在的基础上增长其中变量δ为节点阈值增速指标，其值设置为0.01；节点阈值的范围为[0，1]。5.如权利要求1所述的基于阈值自适应变化的社交网络信息传播实现方法，其特征在于：所述步骤S4的信息传播过程中，有“存在时差”和“不存在时差”两种情况；“时差”是指，S态节点v
i
在满足阈值判定式后马上以概率p转变为I
P
态节点，还是先转变为E态再在一段时间Δt后以概率p转变为I
P
态；“不存在时差”的传播过程具体如下：S4.1：随机选择网络中的一个节点，作为发表评论的源头，发表一则正面评论，设置其
状态为I
P
态；S4.2：信息传播每一步的开始，对于目前网络中的S态节点v
i
，根据其邻居中I
N
态节点的数量n
neg
并随机选择一种阈值自适应变化策略更新其节点阈值S4.3：随机选择一个S态节点v
i
，邻居节点中发表正面评论的个数为n
pos
，采用以下阈值判定式：其中k为节点v
i
的邻居数量；对于满足阈值判定式(1)的S态节点v
i
，生成一个随机数r与概率值p进行比较，当随机数r小于等于p时，节点v
i
的状态变换为I
P

【专利技术属性】
技术研发人员：阮中远，张丽娜，殳欣成，宣琦，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：