Please wait a minute...
Advanced Search
数据分析与知识发现  2017, Vol. 1 Issue (10): 53-63     https://doi.org/10.11925/infotech.2096-3467.2017.0503
  研究论文 本期目录 | 过刊浏览 | 高级检索 |
基于无标度网络模型和传染病模型的舆论演化仿真研究*
韩普1,2(), 王鹏1
1南京邮电大学管理学院 南京 210003
2江苏省数据工程与知识服务重点实验室 南京 210023
Simulating Public Opinion Evolution with Scale-Free Network Model and Infectious Disease Model
Han Pu1,2(), Wang Peng1
1 School of Management, Nanjing University of Posts & Telecommunications, Nanjing 210003, China
2 Jiangsu Key Laboratory of Data Engineering and Knowledge Service, Nanjing 210023, China
全文: PDF (3145 KB)   HTML ( 1
输出: BibTeX | EndNote (RIS)      
摘要 

目的】精确地呈现网络社交中信息传播状态和传播过程, 从而更深入理解网络信息的传播机制。【方法】在无标度网络模型和传染病模型基础上, 加入可调整参数, 构建改进的网络信息传播模型, 并在NetLogo平台上进行舆情传播演化仿真。【结果】仿真实验结果表明: 在信息传播过程中, 不断变化的传播速率能够更好地描述网络信息传播; 在集群度大的网络中对信息传播进行引导和控制的最佳时机是在传播速率增大阶段。【局限】模型对人群分类仍然不够精细。【结论】模型不仅能够在设定条件下模拟不同类型信息的传播过程, 还可以为网络舆情监测、引导和控制提供支持。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
韩普
王鹏
关键词 无标度网络传染病模型舆情传播    
Abstract

[Objective] This article tries to explore the information dissemination status and process in the social network systems, aiming to reveal the online information evolution mechanism. [Methods] First, we added adjustable parameters to the scale-free network model and the infectious disease model. Then, we executed the modified model on the NetLogo platform to simulate the evolution of public opinion. [Results] We found that the changing propagation rate was a better way to describe the online information dissemination process. We could effectively guide and control the information flow in a large network at the stage with increasing propagation rate. [Limitations] We need better classification method for the target population. [Conclusions] The proposed model could simulate information evolution and then support the online public opinion monitoring, guidance and control.

Key wordsScale-Free Network    Infectious Disease Model    Public Opinion Communication
收稿日期: 2017-05-31      出版日期: 2017-11-08
ZTFLH:  TP311 G350  
基金资助:*本文系江苏省社会科学基金项目“社会化媒体环境下公众参与智慧城市管理的网络众包模式研究”(项目编号: 15TQC005)、江苏高校哲学社会科学研究项目“大数据环境下科技词汇语义知识挖掘研究”(项目编号: TJS216035)和南京邮电大学大学生创新训练计划项目“基于数据挖掘与社会网络分析法的网络媒体舆情传播研究”(项目编号: XZD2016084)的研究成果之一
引用本文:   
韩普, 王鹏. 基于无标度网络模型和传染病模型的舆论演化仿真研究*[J]. 数据分析与知识发现, 2017, 1(10): 53-63.
Han Pu,Wang Peng. Simulating Public Opinion Evolution with Scale-Free Network Model and Infectious Disease Model. Data Analysis and Knowledge Discovery, 2017, 1(10): 53-63.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2017.0503      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2017/V1/I10/53
  网络规模为300的无标度网络
  网络节点为300和3000的度分布
微分方程 实际意义 NetLogo中表示
k 潜在传播者与传播者接触, 接受并传播信息的概率 virus-spread-chance
λ 网络模型中节点的度
μ 传播者变为抵触者和潜在传播者的概率 recovery-chance
φ 传播者转变为抵触者的概率 gain-resistant-chance
  微分方程参数表
  “徐玉玉案开庭案例事件”传播趋势模拟图
  “徐玉玉案开庭案例事件”传播趋势真实图
参数 网络A 网络B
初始孤立节点个数 10 8
目标网络节点个数 1 000 2 000
初始化网络选择连接点数 10 8
新加入节点时与网络中连接的节点个数 3 10
初始节点个数 3 2
重新连接边数 4 10
Gain-resistant-chance(变为抵触者概率) 8% 8%
Virus-spread-chance(传播概率) 2% 2%
Recovery-chance(传播者变为抵触者和潜在传
播者的概率)
3% 3%
  两个网络参数对照表(时间单位: tick)
  网络A系统演化图Ⅰ
  网络A系统演化图Ⅱ
  “徐玉玉案开庭案例事件”微博转发趋势图
  网络A系统持续演化图
  媒体参与的系统演化图
  网络B度分布图
  网络B系统演化图
  信息热度不同时获得相同触发的网络状态
  网络A演变趋势图
  网络B演变趋势图
[1] Barabasi A, Albert R.Emergence of Scaling in Random Networks[J]. Science, 1999, 286(5439): 509-512.
doi: 10.1126/science.286.5439.509 pmid: 10521342
[2] Watts D J, Strogatz S H.Collective Dynamics of ‘Small- World’ Networks[J]. Nature, 1998, 393(6684): 440-442.
doi: 10.1038/30918
[3] Chen P Y, Chen K C.Information Epidemics in Complex Networks with Opportunistic Links and Dynamic Topology[C]// Proceedings of the 2010 IEEE Global Telecommunications Conference (GLOBECOM). 2010: 1-6.
[4] 宋楠, 付举磊, 鲍勤, 等. 基于无标度网络的恐怖信息传播与最优应对策略[J]. 系统工程理论与实践, 2015, 35(3): 630-640.
[4] (Song Nan, Fu Julei, Bao Qin, et al.Cyber Terrorism Spreading and Optimal Intervention Policies Based on a Scale-free Network[J]. Systems Engineering—Theory & Practice, 2015, 35(3): 630-640.)
[5] 沈贤. 基于无标度网络的谣言传播模型与控制策略的研究[D]. 南京: 南京邮电大学, 2013.
[5] (Shen Xian.The Propagation and Control Strategies of Rumors in Scale-free Network[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2013. )
[6] 余海林, 庄亚明. 具有无标度特性的群体性突发事件信息传播网络模型及仿真[J]. 情报科学, 2015, 32(11): 90-94.
[6] (Yu Hailin, Zhuang Yaming.Modeling and Simulating of the Information Propagation Network of Mass Unexpected Incidents with Scale-free Characteristic[J]. Information Science, 2015, 32(11): 90-94.)
[7] 易成岐. 社会网络的信息传播机制及控制方法研究[D]. 哈尔滨: 哈尔滨理工大学, 2016.
[7] (Yi Chengqi.Research on Mechanisms of Information Propagation and Control Strategies in Social Networks[D]. Harbin: Harbin University of Science and Technology, 2016.)
[8] 黄宏程, 蒋艾玲, 胡敏. 基于社交网络的信息传播模型分析[J]. 计算机应用研究, 2016, 33(9): 2738-2742.
doi: 10.3969/j.issn.1001-3695.2016.09.040
[8] (Huang Hongcheng, Jiang Ailing, Hu Min.Analysis of Information Diffusion Model on Social Network[J]. Application Research of Computers, 2016, 33(9): 2738-2742.)
doi: 10.3969/j.issn.1001-3695.2016.09.040
[9] 徐翔斌, 李恒, 王坤. Web2.0网络信息传播影响机制研究[J]. 情报科学, 2015, 33(8): 44-49.
[9] (Xu Xiangbin, Li Heng, Wang Kun.Research on the Influence Mechanism of Information Spreading in Web2.0 Network[J]. Information Science, 2015, 33(8): 44-49.)
[10] 孙立晟, 何东之. 改进无标度网络模型研究[J]. 电子设计工程, 2016, 24(6): 115-117.
[10] (Sun Lisheng, He Dongzhi.Research on Improved Scale-free Networks Model[J]. International Electronic Elements, 2016, 24(6): 115-117.)
[11] 李涛, 刘启明. 基于无标度网络的谣言传播模型研究[J]. 河北师范大学学报, 2016, 40(3): 195-199.
[11] (Li Tao, Liu Qiming.A Study of Rumors Spreading Model with on Scale-free Network[J]. Journal of Hebei Normal University, 2016, 40(3): 195-199.)
[12] 姜启源, 谢金星, 叶俊. 数学模型[M]. 第4版. 北京: 高等教育出版社, 2011.
[12] (Jiang Qiyuan, Xie Jinxing, Ye Jun.Mathematical Model [M]. The 4th Edition. Beijing: Higher Education Press, 2011.)
[13] 魏静, 朱恒民, 宋瑞晓, 等. 个体视角下的网络舆情传递链路预测分析[J]. 现代图书情报技术, 2016(1): 55-64.
[13] (Wei Jing, Zhu Hengmin, Song Ruixiao, et al.Link Prediction Analysis of Internet Public Opinion Transfer from the Individual Perspective[J]. New Technology of Library and Information Service, 2016(1): 55-64.)
[14] 朱恒民, 刘凯, 卢子芳. 媒体作用下互联网舆情话题传播模型研究[J]. 现代图书情报技术, 2013(3): 45-50.
[14] (Zhu Hengmin, Liu Kai, Lu Zifang.Study on Topic Propagation Model of Internet Public Opinion Under the Influence of the Media[J]. New Technology of Library and Information Service, 2013(3): 45-50.)
[15] 马知恩. 传染病动力学的数学建模与研究[M]. 北京: 科学出版社, 2004.
[15] (Ma Zhien.Mathematical Modeling and Research on Dynamics of Infectious Diseases[M]. Beijing: Science Press, 2004. )
[16] 沈乾, 马宁, 黄远, 等. 微博传播波的函数解析实证研究[J]. 数学的实践与认识, 2014, 44(21): 143-151.
[16] (Shen Qian, Ma Ning, Huang Yuan, et al.Empirical Study on Microblog Forwarding Wave Based on Functional Analysis[J]. Mathematics in Practice and Theory, 2014, 44(21): 143-151.)
[17] 刘咏梅, 彭琳, 赵振军. 基于小世界网络的微博谣言传播演进研究[J]. 复杂系统与复杂性科学, 2014, 11(4): 54-60.
doi: 10.13306/j.1672-3813.2014.04.010
[17] (Liu Yongmei, Peng Lin, Zhao Zhenjun.The Evolution of Rumor Spread on Micrblog Based on Small-World Network[J]. Complex Systems and Complexity Science, 2014, 11(4): 54-60.)
doi: 10.13306/j.1672-3813.2014.04.010
[1] 王林,王可,吴江. 社交媒体中突发公共卫生事件舆情传播与演变*——以2018年疫苗事件为例[J]. 数据分析与知识发现, 2019, 3(4): 42-52.
[2] 魏静,朱恒民,宋瑞晓,蒋世兵. 个体视角下的网络舆情传递链路预测分析*[J]. 现代图书情报技术, 2016, 32(1): 55-64.
[3] 何玉梅, 齐佳音, 刘慧丽. 微博局部世界演化模型探究*[J]. 现代图书情报技术, 2014, 30(5): 66-73.
[4] 杨柳, 朱恒民, 马静. 考虑次近邻影响的微博舆论观点演化模型[J]. 现代图书情报技术, 2014, 30(12): 78-84.
[5] 李青, 朱恒民, 杨东超. 微博网络中舆情话题传播演化模型[J]. 现代图书情报技术, 2013, (12): 74-80.
[6] 谌楠, 王恒山. 网络舆情政府干预最佳点选择的研究[J]. 现代图书情报技术, 2012, 28(3): 53-58.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn