基于阈值模型的信息关联传播和非关联传播实现方法技术

基于阈值模型的信息关联传播和非关联传播实现方法，包括：(S1)：构造随机网络；(S2)：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一类一代信息传播源；(S3)：按照阈值模型机制传播信息，从一个节点进行一类一、二代关联性信息的传播；(S4)：按照阈值模型机制传播信息，从一个节点开始进行一类和二类的非关联性信息传播；(S5)：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；本发明专利技术提供一种基于阈值模型的信息关联传播和非关联传播实现方法，结合阈值变化提出两种情况下：关联性信息的和非关联性信息传播的策略实现，能够使得一二代关联性信息传播时，二代信息几乎完全占据网络；一类二类非关联性信息传播时，二类信息占据大部分网络，且这种占有率随着用户对一类信息的满意度越高而越小。着用户对一类信息的满意度越高而越小。着用户对一类信息的满意度越高而越小。

【技术实现步骤摘要】
基于阈值模型的信息关联传播和非关联传播实现方法


[0001]本专利技术涉及信息传播领域，特别是涉及一种基于阈值模型的信息关联传播和非关联传播实现方法。

技术介绍

[0002]对关联和非关联信息扩散过程(如新一代产品营销、竞争性产品市场争夺、新闻舆论战、多病毒传播等)进行建模，对于分析多类型信息在社交网络上的传播模式、进而把握传播关键时间节点具有重要意义。
[0003]社交网络上的信息传播是网络科学中最重要的课题之一，长期以来一直受到积极的研究。迄今为止，科学家们提出了多种模型来描述信息传播这一过程，其中最经典的模型包括独立级联传播模型和阈值模型。阈值模型最早由社会学家Granovetter提出用于描述集体行为，该模型的主要思想是网络中的个体表现出类群行为，即一个人需要来自多个人的社会压力(或社会强化)来采取某种行为，例如传播信息、模因和创新以及参加政治抗议和签名收集运动。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。Gleeson等人发展了一套平均场方法研究了初始种子大小对信息级联传播的影响。Yagan等人考察了多重网络中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。
[0004]现实世界中的信息传播较为复杂，涉及复杂的拓扑结构和多个信息之间的交互。Min和Miguel提出两种信息分别遵循简单传播和复杂传播，研究了不同采用阶段的相图变化。专利CN202111222326.5提出一种在带属性的社交网络中，在竞争传播环境下，有效选择商品初始用户的方法。Chen扩展了SIS模型并研究了传染过程之间的合作效应，发现当两种传染病协同性很强时将出现不连续相变、多稳定性、将传统流行阈值分离为不同的起始和消退阈值以及滞后。Furutani等人发现复杂网络结构对于竞争性传播过程和最终级联范围有很大影响。Min等人在复杂网络中两个实体的竞争传播问题中提出了双重用户的定义，研究发现双重用户能够促进创新的传播和旧事物的消亡。Zhu等人研究了复杂网络中信息源之间的距离、社会强化强度、网络异质性对于网络中多个信息之间的合作与竞争强度的影响。
[0005]虽然对于多条信息在复杂网络中传播的研究已经如此之多，但目前的研究更多的只考虑协同性和竞争性两种信息同时在网络中传播，并且大多只考虑不同网络结构、不同传播方式、网络异质性等这些外部因素。现实世界中一种行为的采用影响另一种行为的现象广泛存在，已有的结论不适合解释，多个社会传染过程之间的相互作用也对现有的理论方法提出了挑战。为了填补这一空白，我们基于阈值模型建立了一个模型，在这个模型中，两种关联性信息和两种非关联性信息顺序地在同一个复杂网络上传播。我们分别考察采纳了关联性信息的第一种对第二种信息采纳的影响和采纳了非关联性信息的第一种对第二种信息采纳的影响。这些结果有助于我们更深入地理解多重社会传染过程之间的相互作用，所发展的理论方法也可以应用于其他类似的相互作用的动力学过程。

技术实现思路

[0006]为了克服现有的多信息传播研究中多局限于协同性和竞争性信息同时传播和大多只考虑网络结构等这些外在因素而忽略了信息本身的问题，本专利技术提供基于阈值模型的信息关联传播和非关联传播实现方法，基于阈值模型提出两种情况下：关联性信息和非关联性信息传播的策略实现。
[0007]本专利技术的技术构思为：本专利技术通过仿真实验，从理论上解释了信息传播过程中用户对于先来者的正面评价和负面评价对后续关联性信息和非关联性信息传播级联的影响，帮助研究人员更好地了解关联性信息和非关联性信息的传播过程。
[0008]本专利技术解决其技术问题所采用的技术方案如下：
[0009]基于阈值模型的信息关联传播和非关联传播实现方法，其特征在于：基于阈值模型的信息关联传播和非关联传播模型包含三种信息：一类一代信息、一类二代信息、二类信息；五种节点状态：未接触状态S、已接触一类一代并给出负面评价状态已接触一类一代并给出正面评价状态已接受一类二代状态I
12
、已接受二类状态I2；所述基于阈值模型的信息关联传播和非关联传播实现方法包括如下步骤：
[0010]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；
[0011]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传播源；
[0012]S3：一类一、二代的关联性信息传播，首先进行一代信息的传播，按照阈值模型机制传播，S态节点满足阈值条件后以概率p给出负面评价状态变为同时以概率1
‑
p给出正面评价状态变为直至网络中不再出现新的非S态节点，一类一代信息传播结束，再进行二代信息的传播，同样按照阈值模型机制传播，对于一代信息给出负面评价的节点面对二代信息时阈值增加对于一代信息给出正面评价的节点面对二代信息时阈值减小对于满足阈值条件的节点状态变化为I
12
，直至网络中不再出现新的I
12
态节点，传播结束；
[0013]S4：一类、二类的非关联性信息传播，首先进行一类一代信息的传播，按照阈值模型机制传播，S态节点满足阈值条件后以概率p给出负面评价状态变为同时以概率1
‑
p给出正面评价状态变为直至网络中不再出现新的非S态节点，一类一代信息传播结束，再进行二类信息的传播，按照阈值模型机制传播，对于一类一代信息给出负面评价的节点面对二类信息时阈值不变；对于一类一代信息给出正面评价的节点面对二类信息时阈值增加对于满足阈值条件的节点状态变化为I2，直至网络中不再出现新的I2态节点，传播结束；
[0014]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。
[0015]进一步的，所述步骤S1具体包括：
[0016]考虑一平均度为z的随机网络，节点数量为N＝5000，连边数量满足
[0017]进一步的，所述步骤S2具体包括：
[0018]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态。
[0019]进一步的，所述步骤S3具体包括：
[0020]一、二代关联性信息传播具体如下：
[0021]S3.1：随机选择网络中的一个节点，作为一代信息的源头，发表一则正面评价，设置其状态为态；
[0022]S3.2：随机选择一个S态节点v
i
，邻居节点中对一代信息发表正面评价的个数为采用以下阈值判定式：
[0023][0024]其中k
i
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
的状本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于阈值模型的信息关联传播和非关联传播实现方法，其特征在于：基于阈值模型的信息关联传播和非关联传播模型包含三种信息：一类一代信息、一类二代信息、二类信息；五种节点状态：未接触状态S、已接触一类一代并给出负面评价状态已接触一类一代并给出正面评价状态已接受一类二代状态I
12
、已接受二类状态I2；所述基于阈值模型的信息关联传播和非关联传播实现方法包括如下步骤：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传播源；S3：一类一、二代的关联性信息传播，首先进行一代信息的传播，按照阈值模型机制传播，S态节点满足阈值条件后以概率p给出负面评价状态变为同时以概率1
‑
p给出正面评价状态变为直至网络中不再出现新的非S态节点，一类一代信息传播结束，再进行二代信息的传播，同样按照阈值模型机制传播，对于一代信息给出负面评价的节点面对二代信息时阈值增加对于一代信息给出正面评价的节点面对二代信息时阈值减小对于满足阈值条件的节点状态变化为I
12
，直至网络中不再出现新的I
12
态节点，传播结束；S4：一类、二类的非关联性信息传播，首先进行一类一代信息的传播，按照阈值模型机制传播，S态节点满足阈值条件后以概率p给出负面评价状态变为同时以概率1
‑
p给出正面评价状态变为直至网络中不再出现新的非S态节点，一类一代信息传播结束，再进行二类信息的传播，按照阈值模型机制传播，对于一类一代信息给出负面评价的节点面对二类信息时阈值不变；对于一类一代信息给出正面评价的节点面对二类信息时阈值增加对于满足阈值条件的节点状态变化为I2，直至网络中不再出现新的I2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所述的基于阈值模型的信息关联传播和非关联传播实现方法，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＝5000，连边数量满足3.如权利要求1所述的基于阈值模型的信息关联传播和非关联传播实现方法，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态。4.如权利要求1所述的基于阈值模型的信息关联传播和非关联传播实现方法，其特征在于：所述步骤S3具体包括：一、二代关联性信息传播具体如下：S3.1：随机选择网络中的一个节点，作为一代信息的源头，发表一则正面评价，设置其状态为态；
S3.2：随机选择一个S态节点v
i
，邻居节点中对一代信息发表正面评价的个数为采用以下阈值判定式：其中k
i
为节点v
i

【专利技术属性】
技术研发人员：阮中远，张丽娜，张璐，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：