自媒体消息传播仿真模型的建模方法、仿真方法及系统技术方案

本发明专利技术提供一种自媒体消息传播仿真模型的建模方法，所述方法包括：S1、基于元胞自动机模型构建用于模拟消息自媒体传播平台的无标度网络初始模型，其中，所述无标度网络初始模型包括多个节点，并在每经过一个单位时间后新增一个节点；S2、以无标度网络初始模型中的节点为人群，基于传染病模型配置无标度网络初始模型在消息传递过程中节点的状态转换规则以获得自媒体消息传播仿真模型。基于本发明专利技术提供的基于无标度网络自媒体消息传播模型的建模方法及仿真方法，通过调整网络拓扑结构特性指标对无标度网络模型下的消息传播过程进行仿真模拟描述，实现了对同一消息在不同自媒体平台上传播的差异分析，提高了消息传播分析的效率。率。率。

【技术实现步骤摘要】
自媒体消息传播仿真模型的建模方法、仿真方法及系统


[0001]本专利技术涉及信息传播
，具体来说，涉及信息传播仿真
，更具体地说，涉及无标度网络信息传播仿真
，即一种基于无标度网络的自媒体消息传播仿真模型的建模方法、自媒体消息传播仿真方法及系统。

技术介绍

[0002]近年来，随着网络技术的迅猛发展和移动终端的快速普及，以Facebook、Twitter、微博等为代表的在线社交网络聚焦于构建网络虚拟社区，成为信息时代的主流传播媒介，全方位深层次地改变着人类日常生产和生活方式。
[0003]消息转发是在线社交网络的重要功能之一，是驱动在线社交网络消息传播和分享的重要内在机制。以微博为代表的在线社交网络中，消息正是通过不同用户及其粉丝和关注人转发才得以大规模传播。分析消息在自媒体传播平台上的传播对一些相关机构(政府、企事业单位等)基于消息传播的态势作出更合适的决策具有重要的意义。分析消息在自媒体传播平台上的传播态势一般是通过构建仿真模型来模拟消息传播过程实现的。现有技术下，基于复杂网络的消息传播仿真模型已有很多建模方法，通过对特定的自媒体传播平台的传播特性进行分析以构建针对性的仿真模型来模拟该平台上的消息传播，例如，申请号为CN201710435528.5的中国专利申请中，公开了一种基于多智能体的信息传播与舆情演化仿真方法，该方法通过选取无标度网络作为仿真的媒介，构建网民个体的传播意愿负指数模型，定义网民的属性以及网民群体之间的交互规则，基于交互规则构建网民的连续观点演化模型，从而对信息的传播与观点的演化进行仿真。但是，现有技术下的消息传播仿真模型构建过程中没有分析不同的自媒体传播平台的差异，导致仿真模型不可用于分析相同消息在不同的自媒体传播平台上的消息传播，针对同一消息在不同自媒体上的传播都需要针对每种自媒体传播平台分别建模，不利于提高消息传播分析的效率。

技术实现思路

[0004]因此，本专利技术的目的在于克服上述现有技术的缺陷，提供一种能够对不同自媒体传播平台上消息传播的进行仿真的仿真模型的建模方法、仿真方法及系统。
[0005]根据本专利技术的第一方面，提供一种自媒体消息传播仿真模型的建模方法，所述方法包括：S1、基于元胞自动机模型构建用于模拟消息自媒体传播平台的无标度网络初始模型，其中，所述无标度网络初始模型包括多个节点，并在每经过一个单位时间后新增一个节点；S2、以无标度网络初始模型中的节点为人群，基于传染病模型配置无标度网络初始模型在消息传递过程中节点的状态转换规则以获得自媒体消息传播仿真模型。
[0006]优选的，所述节点的状态转换规则为：
[0007][0008][0009][0010][0011]s
k
(t)+r
k
(t)+z
k
(t)
×1[0012]其中，k表示消息传递前群体关系的紧密程度，k
′
表示消息传递后群体关系的紧密程度，s
k
(t)、r
k
(t)、z
k
(t)分别表示在t时刻消息传递前自媒体传播平台上未看到消息者的比例、传播者的比例、不传播者的比例，z
k
’
(t)表示在t时刻消息传递后自媒体传播平台上不传播者的比例，λ表示未看到消息者在看到消息后转化为传播者的概率，α表示随着时间推移传播者转化为不传播者的概率，p
i
(k
′
)表示消息传递后节点i的邻居节点中未看到消息者转换为不传播者的概率，w
ii
’
表示消息传递后节点i在所有节点之中的关系权重，Γ
i
表示节点i的邻居节点集合，η
i
表示消息传递前节点i的邻居节点中未看到消息者转化为不传播者的个数，η
i
’
表示消息传递后节点i
′
的邻居节点中未看到消息者转化为不传播者的个数，h
i
表示节点i的度并用于指示与节点i相连的其他节点数目,h
i
’
表示节点i
′
的度并用于指示与节点i
′
相连的其他节点数目。
[0013]根据本专利技术的第二方面，提供一种自媒体消息传播仿真方法，用于对自媒体消息自媒体传播平台的消息传播进行仿真，所述方法包括：F1、根据如权利要求1
‑
2任一所述方法构建的自媒体消息传播仿真模型，对模型进行节点初始化并基于待仿真自媒体消息自媒体传播平台的特性配置仿真模型的网络拓扑结构特性参数；F2、运行经步骤F1完成参数设置的仿真模型运行模型，并在每个时刻基于模型中节点状态转换规则计算消息转发过程中模型节点的状态以及基于此更新下一时刻节点的状态来实现消息传播过程的模拟；F3、在预设的仿真时间内，统计不同时刻的传播者的比例来模拟消息传播的速度。
[0014]优选的，在步骤F1中，配置仿真模型的如下网络拓扑结构特性参数：网络平均度、聚集系数、无尺度指标、同配性系数。
[0015]优选的，所述网络平均度为：
[0016][0017]其中，H表示网络平均度，h
i
表示网络中节点i的度值，N表示网络中的节点总数；
[0018]所述聚集系数为：
[0019][0020][0021]其中，节点i的度为h
i
，e
i
为h
i
个邻居节点之间实际存在的边数，C
i
为节点i的聚集系数，C为整个网络的聚集系数；
[0022]所述无尺度指标为：
[0023][0024]其中，V
max
表示图的无尺度指标最大值，E为网络中所有边的集合，(i，j)表示节点i与节点j之间连接形成的边，h
i
和h
j
分别表示节点i与节点j的度值；
[0025]所述同配性系数为：
[0026][0027]其中h
n
和l
n
分别表示网络中第n条边对应两个节点的度值。
[0028]优选的，在所述步骤F2中，通过如下方式计算每个节点的状态：
[0029]O
i
(t)＝F(O
i
(t
‑
1),O
Γ(i)
(t
‑
1),λ,α)
[0030]其中，O
i
(t)表示节点i在t时刻的状态，F表示模型中节点状态转换规则，Γ
i
表示节点i的邻居节点集合，λ表示未看到消息者在看到消息后转化为传播者的概率，α表示随着时间推移传播者转化为不传播者的概率。
[0031]优选的，在所述步骤F2中，通过如下方式更新节点下一时刻的状态：
[0032][0033][0034][0035]其中，表示未看到消息的节点在经过一个离散时间t后转变为传播者的状态改变结果；F
α
...

【技术保护点】

【技术特征摘要】
1.一种自媒体消息传播仿真模型的建模方法，其特征在于，所述方法包括：S1、基于元胞自动机模型构建用于模拟消息自媒体传播平台的无标度网络初始模型，其中，所述无标度网络初始模型包括多个节点，并在每经过一个单位时间后新增一个节点；S2、以无标度网络初始模型中的节点为人群，基于传染病模型配置无标度网络初始模型在消息传递过程中节点的状态转换规则以获得自媒体消息传播仿真模型。2.根据权利要求1所述的方法，其特征在于，所述节点的状态转换规则为：s
k
(0)＝s0＞0＞0＞0s
k
(t)+r
k
(t)+z
k
(t)＝1其中，k表示消息传递前群体关系的紧密程度，k
′
表示消息传递后群体关系的紧密程度，s
k
(t)、r
k
(t)、z
k
(t)分别表示在t时刻消息传递前自媒体传播平台上未看到消息者的比例、传播者的比例、不传播者的比例，z
k
’
(t)表示在t时刻消息传递后自媒体传播平台上不传播者的比例，λ表示未看到消息者在看到消息后转化为传播者的概率，α表示随着时间推移传播者转化为不传播者的概率，p
i
(k
′
)表示消息传递后节点i的邻居节点中未看到消息者转换为不传播者的概率，w
ii
’
表示消息传递后节点i在所有节点之中的关系权重，Γ
i
表示节点i的邻居节点集合，η
i
表示消息传递前节点i的邻居节点中未看到消息者转化为不传播者的个数，η
i
’
表示消息传递后节点i
′
的邻居节点中未看到消息者转化为不传播者的个数，h
i
表示节点i的度并用于指示与节点i相连的其他节点数目,h
i
’
表示节点i
′
的度并用于指示与节点i
′
相连的其他节点数目。3.一种自媒体消息传播仿真方法，用于对自媒体消息自媒体传播平台的消息传播进行仿真，其特征在于，所述方法包括：F1、根据如权利要求1
‑
2任一所述方法构建的自媒体消息传播仿真模型，对模型进行节点初始化并基于待仿真自媒体消息自媒体传播平台的特性配置仿真模型的网络拓扑结构特性参数；F2、运行经步骤F1完成参数设置的仿真模型运行模型，并在每个时刻基于模型中节点状态转换规则计算消息转发过程中模型节点的状态以及基于此更新下一时刻节点的状态来实现消息传播过程的模拟；F3、在预设的仿真时间内，统计不同时刻的传播者的比例来模拟消息传播的速度。4.根据权利要求3所述的方法，其特征在于，在步骤F1中，配置...

【专利技术属性】
技术研发人员：刘静，郝沁汾，叶笑春，范东睿，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：