一种基于SIRS的情感网络传播动力模型及利用该模型的情感传播模拟方法技术

本发明专利技术一种基于SIRS的情感网络传播动力模型及利用该模型的情感传播模拟方法，通过改进原有的传统病毒传播模型，给出SIRS传播模型的动力学方程，对该模型的稳定性进行了证明，对比经典SIRS病毒传播对每一种情感密度变化进行仿真实验结果分析，该模型能更好地反应情感传播特征。本发明专利技术将情感这一主观心理概念与社交网络行为融合在一起，模型准确反映两者的合理映射。可用于相似负面舆情事件情绪传播演变过程。

【技术实现步骤摘要】
一种基于SIRS的情感网络传播动力模型及利用该模型的情感传播模拟方法
本专利技术属于计算机
，特别涉及一种基于SIRS的情感网络传播动力模型及利用该模型的情感传播模拟方法。
技术介绍
社交网络中的情感指的是用户通过获得信息所产生的生理或心理体验，比如害怕、生气、愤怒、厌恶等，它是人类智能或者认知的重要标志，驱动着人类的行为发生，作用于人类学习、交流以及决策的方方面面，使人类在解决问题时更富有创造性和灵活性。研究社交网络应用中群体情感形成与涌现的原因，分析群体网络行为与情感传播之间的影响关系，研究群体的情感表现形式、情感传播机理与情感演化动力学模型，对于舆情监控，产品营销，公共事件评论等公共媒体关注事件有着基础性作用。传染病传播模型由产生至今依然是计算机网络传播的基础思想，在复杂网络的舆情传播上也有良好的应用研究，因此在考虑情感网络传播模型构建时同样也采用传染病传播模型作为基础理论。在SIR传播模型基础上，提出了基于SIRS的情感传播模型，由于经典的SIRS模型中的个体在免疫后也可能以一定的概率再次被感染，此现象与情感在网络中传播的实际情况相似，但传统病毒传播中未考虑情感传播过程中并非所有R态都会立即获得免疫，仍有部分个体会转化成I态，这就需要一段较长的缓冲期。
技术实现思路
综上，已有的基于网络空间的信息传播机理与真实社会中的并不完全一致，而经典的SIRS模型中的个体在免疫后还会以一定的概率再次被感染，这种现象与情感在网络中传播的实际情况相似，因此本专利技术提供一种基于SIRS的情感网络传播动力模型及利用该模型的情感传播模拟方法，通过改进原有的传统病毒传播模型，给出SIRS传播模型的动力学方程，对该模型的稳定性进行了证明，对比经典SIRS病毒传播对每一种情感密度变化进行仿真实验结果分析，该模型能更好地反应情感传播特征。为了实现上述目的，本专利技术采用的技术方案是：一种基于SIRS的情感网络传播动力模型，模型公式如下：其中，第一个等式表示S状态中节点的变化率；第二个等式I状态中情感节点的变化率；第三个等式表示R状态中节点变化率；S状态、I状态、R状态在情感传播中定义如下：S状态：没有任何情感特征，默认设定节点处于中性情感状态；I状态：个体受到情感刺激具有正向情感，并且节点的情感状态具有传播给下一节点的可能；R状态：个体受到情感刺激具有负向情感，并且节点的情感状态具有传播给下一节点的可能，同时有部分个体经过网络事件获得免疫，有了自己的看法，有情绪稳定、恢复为中性情感状态的趋势；公式中各参数定义如下：α为S状态受到刺激转变为I状态的概率；β为I状态向相邻S状态个体刺激并使之变为R状态的概率，其中α>>β；λ为R状态中个体稳定至初始S状态的概率；Θt表示感染个体与被感染个体相接触的概率，k表示个体间相互之间联系的平均度，S(t)、I(t)、R(t)分别代表t时刻S状态、I状态、R状态节点在情感网络中的个体密度，N为系统个体总数，n表示网民个体总数；i表示目标已感染个体；P(i|k)表示平均连接度为k的节点与目标已感染个体节点i相连接的概率；Ii(t)表示情绪受到感染的网民密度，S(t)表示t时刻处于中性情感状态节点密度，Sk(t)、Ik(t)、Rk(t)分别表示连接度为k的人群所对应的中性情感群体、正向情感群体和负向情感群体，Sk(t)的稳态值为Sk，SkΘ(t)表示网络的传播临界值。模型公式的初始条件有：Sk(θ)＝φk1(θ),Ik(θ)＝φk2(θ),Rk(θ)＝φk3(θ)θ∈[0,τ],φki(0)≥0.(i＝1,2,3)Sk(θ)表示网络中各节点的S状态以阻尼震荡形式收敛于φk1(θ)的稳定平衡点；Ik(θ)表示网络中各节点的I状态以阻尼震荡形式收敛于φk2(θ)的稳定平衡点；Rk(θ)表示网络中各节点的R状态以阻尼震荡形式收敛于φk3(θ)的稳定平衡点；θ是t的稳态平衡临界值；负面舆论完全消失时，所需t最大，定义为τ；φki(θ)表示连接度为k的人群中三种情绪的三个稳定值。情绪在平衡点Y0＝(1,0,0)处趋于稳态，令：若R0≤1，Y0是全局稳定的，若R0>1，则情绪传播平衡点Y0是全局渐进稳定的。本专利技术还提供了基于所述基于SIRS的情感网络传播动力模型的情感传播模拟方法，包括如下步骤：1)基于社交网络与复杂网络理论，利用图论概念构建情感网络；定义情感网络图的结构为：G＝(V,E,P)，其中V代表情感网络中所有节点集合，E代表情感网络中所有节点之间连接关系集合，P则表示情感网络中每个节点的情感属性；在情感网络图G＝(V,E,P)中，P的情感属性分为三种：正向情感、负向情感和中性情感，在一个情感网络中每个节点的情感属性都只能其中一个；2)在模型上的传播基于SIRS的情感网络传播算法在构建好的情感网络上进行模拟仿真，用可视化图来展现情感传播的过程。所述基于SIRS的情感网络传播算法以情感网络G，网民个体总数n，传播概率参数α，β，λ为输入，方法如下：与现有技术相比，本专利技术的有益效果是：1，将情感这一主观心理概念与社交网络行为融合在一起，模型准确反映两者的合理映射。2，可用于相似负面舆情事件情绪传播演变过程。附图说明图1是本专利技术社交情感传播模型图。图2是本专利技术在线读取的情感网络图。图3是本专利技术基于随机游走的社群划分图。图4是本专利技术情感网络增长结果图。图5是本专利技术情感传播可视化图，t＝0(左)与t＝10(右)。图6是本专利技术情感传播可视化图，t＝20。图7是本专利技术情感传播可视化图，t＝30(左)与t＝50(右)。图8是本专利技术情感网络传播模型仿真图。图9是本专利技术情感变化图(i(0)＝0.2)。图10是本专利技术情感变化图(r(0)＝0.1)。图11是本专利技术R态个体随时间变化对比折线图。图12是本专利技术I态个体随时间变化对比折线图。图13是本专利技术S状态个体随时间变化对比折线图。具体实施方式下面结合附图和实施例详细说明本专利技术的实施方式。本专利技术基于SIRS的情感网络传播动力模型，重新定义S状态、I状态、R状态在情感传播中意义如下：S状态——没有任何情感的特征，默认设定为节点的情感处于中性情感状态；I状态——个体受到情感刺激具有了正向情感，并且节点的情感状态具有传播给下一节点的可能；R状态——个体受到情感刺激具有了负向情感，并且节点的情感状态具有传播给下一节点的可能。也有部分个体经过网络事件获得免疫，有了自己的看法。有情绪稳定、恢复为中性情感状态趋势。针对以上，给定如下数学定义α：为S状态受到刺激转变为I状态的概率。β：为I状态向相邻S状态个体刺激并使之变为I状态的概率,其中α>>β。λ：为R状态中个体稳定至初始S状态的概率。Θt：表示感染个体与被感染个体相接触的概率，公式为k：表示个体间相互之间联系的平均度。因此情感网络的传播模型可以使用图1的不同节点之间的状态转移图表示。针对所设计的情感转移状态模型，令S(t)、I(t)、R(t)分别代表着t时刻S状态、I状态、R状态节点在情感网络中的个体密度，N为系统个体总数，则情感网络中I状态的个体密度随时间的变化率为情感网络中S状态的个体密度随时间的变化率为由于Sk(t)+Ik(t)+Rk(t)＝1，情感本文档来自技高网...

【技术保护点】
1.一种基于SIRS的情感网络传播动力模型，模型公式如下：

【技术特征摘要】
1.一种基于SIRS的情感网络传播动力模型，模型公式如下：其中，第一个等式表示S状态中节点的变化率；第二个等式I状态中情感节点的变化率；第三个等式表示R状态中节点变化率；S状态、I状态、R状态在情感传播中定义如下：S状态：没有任何情感特征，默认设定节点处于中性情感状态；I状态：个体受到情感刺激具有正向情感，并且节点的情感状态具有传播给下一节点的可能；R状态：个体受到情感刺激具有负向情感，并且节点的情感状态具有传播给下一节点的可能，同时有部分个体经过网络事件获得免疫，有了自己的看法，有情绪稳定、恢复为中性情感状态的趋势；公式中各参数定义如下：α为S状态受到刺激转变为I状态的概率；β为I状态向相邻S状态个体刺激并使之变为R状态的概率，其中α>>β；λ为R状态中个体稳定至初始S状态的概率；Θt表示感染个体与被感染个体相接触的概率，k表示个体间相互之间联系的平均度，S(t)、I(t)、R(t)分别代表t时刻S状态、I状态、R状态节点在情感网络中的个体密度，N为系统个体总数，n表示网民个体总数；i表示目标已感染个体；P(i|k)表示平均连接度为k的节点与目标已感染个体节点i相连接的概率；Ii(t)表示情绪受到感染的网民密度，S(t)表示t时刻处于中性情感状态节点密度，Sk(t)、Ik(t)、Rk(t)分别表示连接度为k的人群所对应的中性情感群体、正向情感群体和负向情感群体，Sk(t)的稳态值为Sk，SkΘ(t)表示网络的传播临界值。2.根据权利要求1所述基于SIRS的情感网络传播动力模型，其特征在于，模型公式的初始条件有：Sk(θ)＝φk1(θ),Ik(θ)＝φk2(θ)...

【专利技术属性】
技术研发人员：马力，李培，张思敏，徐沛东，白琳，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：陕西,61