一种基于复杂网络的谣言传播过程模拟方法技术

本发明专利技术公开了一种基于复杂网络的谣言传播过程模拟方法，包括：网络初始化；模拟谣言传播过程；隔离态节点转变；进行随机免疫；本发明专利技术将网络中所有节点模拟为轻信节点S、传播节点I、隔离节点Q、免疫节点R，通过四者转化关系来分析谣言传播时各类节点动态比例，还可以进行随机免疫，并在小世界网络中进行模拟仿真。本发明专利技术可以更加真实地展现现实社会中谣言的传播状态，从而使有关部门能够根据谣言传播的预测情况来及时发布辟谣信息，提出有效抑制谣言扩散的免疫策略。

【技术实现步骤摘要】
一种基于复杂网络的谣言传播过程模拟方法
本专利技术属于网络科学
，具体涉及一种基于复杂网络的谣言传播过程模拟方法。
技术介绍
目前常见的模拟谣言传播的方法主要有SIR、SIRH等模型，SIRH模型是基于经典传播模型SIR加入遗忘因素建立的。Zanette与Busna结合复杂网络传播动力学的知识，计算出了谣言传播过程的阈值，Aiello和Freedman建立了一类由于时间推移而拥有阶段性特点的模型。谣言传播过程的研究已经得到了广泛的关注和不同角度的探索，尤其是复杂网络理论的迅猛发展，其传播特性得到进一步的剖析。但目前仍然存在许多的问题，比如模型对人群的分类不够细致，没有考虑到在谣言传播过程中加入真实信息干预(辟谣行为)或自身求真挖掘主动获取相关可靠信息的行为、谣言传播的阶段性结构研究等都未深入触及。事实上，真相的存在和现实中的辟谣行为对谣言的大面积散布进行了有效控制，因此在研究谣言的传播过程中把真相在人群中的传播考虑进去是十分符合生活场景的。
技术实现思路
本专利技术的目的在于提供一种基于复杂网络的谣言传播过程模拟方法，解决现有技术中模拟谣言传播的模型对人群的分类不够细致，没有考虑到在谣言传播过程中加入真实信息干预或自身求真挖掘主动获取相关可靠信息的行为、谣言传播的阶段性结构研究等都未深入触及的技术问题。本专利技术为了解决上述技术问题，采用如下技术方案实现：具体步骤如下：步骤1：网络初始化。包括网络拓扑以及模型参数的初始赋值。包括：网络节点总数、平均节点度<;k>、初始时谣言传播者数量以及相关参数α、β、λ、γ、μ、η。网络初始化时，使用BA无标度网络搭建的算法，有倾向性的连接新增节点，从而构成满足小世界特性的网络。步骤2：模拟谣言传播过程。谣言传播者节点I向轻信者传播谣言并以概率α将其转化为I状态节点。在谣言传播过程中加入一种隔离状态，对应于辟谣行为和主动获取信息辨别行为对网络节点的影响。步骤3：隔离态节点转变。检测节点状态是否为谣言传播状态I，如果是，则以概率β移出网络称为隔离态节点。该状态节点以概率λ有效辨识谣言，并以概率μ转化为谣言免疫节点R。步骤4：进行随机免疫。通过定时对节点进行检测，50tickts后，以概率γ向对轻信节点S和谣言传播态节点I进行权威性辟谣，但该辟谣效果将以概念η失效。谣言传播过程使用参数方程表示为：式中，S(t)、R(t)、I(t)、Q(t)分别对应与t时刻轻信节点、免疫节点、传播节点、隔离态节点所占网络总节点的比例，并且S(t)+R(t)+I(t)+Q(t)＝1；α表示谣言传播率，β表示隔离率，γ辟谣信息接收率，η辟谣失效率，λ表示谣言辨识有效率，μ表示将谣言辨识为假的概率。为了更好的理解本专利技术所涉及的技术和方法，在此对本专利技术涉及的理论进行介绍。1、SIR模型SIR模型(SusceptibleInfectedRecoveredModel)是信息传播过程的抽象描述，最初Kermack与McKendrick用动力学方法建立了经典的SIR传染病模型。SIR模型将总人数N(t)分为三类，分别为：易感染者(susceptibles)，数量为S(t)，感染者(infectives)，数量记为I(t)，恢复者(recovered)，数量记为R(t)。SIR模型的建立基于以下几个假设：1)不考虑人口的自然出生、死亡和人口流动等种群动力因素，人口总数保持为一个常数，即N(t)≡K。2)易感染者接触一旦与感染者接触存在一定概率成为感染者。假设t时刻单位时间内，一个病人能传染的易感者数目与此环境内易感者总数S(t)成正比，比例系数为β，从而在t时刻单位时间内被所有感染者传染的人数为βS(t)I(t)。3)t时刻，单位时间内从染病者中移出的人数与病人数量成正比，比例系数为γ，单位时间内移出者的数量为γI(t)。基于以上三个假设条件，当易感染者和感染者充分混合时，可以得出各类个体的增长率如下：由上述微分方程得到感染者数量为：(S0和I0为初始值)。其中，S(t)、I(t)、R(t)各自代表时刻t时，易感状态、感染状态以及免疫状态在网络中所占的比例，β、μ分别表示感染率和恢复率，有效感染率γ定义为β/μ。基于微分方程求解的SIR模型可以根据已有的数据较为准确地拟合曲线，分析利用相轨线得出控制传染病蔓延的措施。信息传播领域中该模型把社交网络中的节点分为三类:传播节点(I)、未感染节点(S)、免疫节点(R)。传播节点已经接受了信息并有可能将该信息传播给其他节点；未感染节点S不会感染别人，但是有可能被接触到的信息所感染，变为传播节点；免疫节点缺乏对传染信息的传播能力，可能没有接触过信息，也可能接触但是并未相信该信息。2、SIRH模型将遗忘机制与谣言传播理论相结合产生了SIRH模型，该模型将总人数分为了四类：未知者S(Susceptible)、传播者I(Infected)、听闻谣言但不传播者H(Healthy)、免疫者R(Removed)。由于遗忘机制的存在，传播者在发生遗忘之后将不再传播，成为免疫节点。1)不考虑在谣言传播过程中人口的迁入迁出及出生死亡等对谣言传播的影响。2)当未知者与传播者接触时，未知者以概率β转变为传播者，以概率ε变为听闻谣言但不传播者，以概率α变为免疫者。3)听闻谣言但不传播者与传播者接触时以θ的概率转变为传播者，以μ的概率转变为免疫者。4)传播者传播谣言后失去兴趣以遗忘率γ转变为免疫者。5)S、I、H、R四类人所占比例之和为1。根据以上假设建立模型可以得出各类人所占比例为：其中，α表示未知者辨识谣言为假概率，β未知者听信谣言的概率，γ表示传播者的遗忘概率，ε未知者变为听闻但不传播者概率，θ表示听闻谣言者相信谣言概率，μ表示听闻谣言者辨识谣言为假的概率。3、BA无标度网络BA模型是为了解释幂律的产生机制而提出来的，该模型具有两个特性，一是增长性，即网络规模是在不断扩大的；一是优先连接机制，这个特性是指网络中不断产生的新的节点更倾向于和连接度较大的节点连接。有倾向性的连接节点容易构成小世界网络。本专利技术的有益效果在于：本专利技术将网络中所有节点模拟为轻信节点S、传播节点I、隔离节点Q、免疫节点R，通过四者转化关系来分析谣言传播时各类节点动态比例，还可以进行随机免疫，并在小世界网络中进行模拟仿真。本专利技术可以更加真实地展现现实社会中谣言的传播状态，从而使有关部门能够根据谣言传播的预测情况来及时发布辟谣信息，提出有效抑制谣言扩散的免疫策略。附图说明图1为本专利技术模型的节点转换图；图2为模型中谣言传播算法流程图；图3为模型中隔离态节点算法流程图；图4(a)为α＝2.5％(实验A)时SIR模型节点比例变化图；图4(b)为α＝2.5％(实验B)时SIQR模型节点比例变化图；图5(a本文档来自技高网...

【技术保护点】
1.一种基于复杂网络的谣言传播过程模拟方法，其特征在于：包括以下步骤：/n步骤1：网络初始化；包括网络拓扑以及模型参数的初始赋值，包括：网络节点总数、平均节点度、初始时谣言传播者数量以及相关参数α、β、λ、γ、μ、η；/n步骤2：模拟谣言传播过程；谣言传播者节点I向轻信者传播谣言并以概率α将其转化为I状态节点；/n步骤3：隔离态节点转变；检测节点状态是否为谣言传播状态I，如果是，则以概率β移出网络称为隔离态节点，该状态节点以概率λ有效辨识谣言，并以概率μ转化为谣言免疫节点R；/n步骤4：进行随机免疫；通过定时对节点进行检测，以概率γ向对轻信节点S和谣言传播态节点I进行权威性辟谣，该辟谣效果将以概念η失效。/n

【技术特征摘要】
1.一种基于复杂网络的谣言传播过程模拟方法，其特征在于：包括以下步骤：
步骤1：网络初始化；包括网络拓扑以及模型参数的初始赋值，包括：网络节点总数、平均节点度、初始时谣言传播者数量以及相关参数α、β、λ、γ、μ、η；
步骤2：模拟谣言传播过程；谣言传播者节点I向轻信者传播谣言并以概率α将其转化为I状态节点；
步骤3：隔离态节点转变；检测节点状态是否为谣言传播状态I，如果是，则以概率β移出网络称为隔离态节点，该状态节点以概率λ有效辨识谣言，并以概率μ转化为谣言免疫节点R；
步骤4：进行随机免疫；通过定时对节点进行检测，以概率γ向对轻信节点S和谣言传播态节点I进行权威性辟谣，该辟谣效果将以概念η失效。


2.如权利要求1所述的基于复杂网络的谣言传播过程模拟方法，其特征在于：在网络初始化时，使用BA无标度网络搭建的算法，有倾向性的连接新增节点，从而构成满足小世界特性的网络。...

【专利技术属性】
技术研发人员：杨孟冉，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32