一种引入模仿者节点的网络传播仿真方法和装置制造方法及图纸

一种引入模仿者节点的网络传播仿真方法和装置，其中模仿者节点在自身对应的邻居节点中的指定节点变为活跃节点后，自身变为活跃节点，其方法包括：首先构建随机网络图；其次确定随机网络中节点类型和状态；第三确定模仿者节点与普通节点的各自的状态更新规则；第四，网络信息级联传播；第五随机网络中的活跃节点的数量稳定之后，统计活跃节点的数量

【技术实现步骤摘要】
一种引入模仿者节点的网络传播仿真方法和装置


[0001]本专利技术涉及社会信息传播领域，特别是涉及一种引入模仿者节点的网络传播仿真方法和装置
。

技术介绍

[0002]阈值模型用于研究社会的传染传播现象，是研究者常用的一种研究网络中信息传播的方法
。
阈值模型作为研究信息传播过程的经典范式已经得到了很好的研究
。
主要关注的是潜在的网络结构或初始种子的大小如何影响级联动力学，且已提出的阈值模型中每一个节点更新其状态的策略是一样的，所以在之前的阈值模型中，节点行为的异质性的影响在很大程度上被忽视了
。
其实在实际的生活中，一个网络中不仅存在各种各样的个体，而且他们一般表现出不同的行为方式
。
因此，当前的阈值模型对于研究节点的行为对网络中信息传播的影响的考虑是单一的
。
[0003]由此可见，研究节点在行为上的异质性表现是如何影响信息在网络中传播的，是本领域技术人员亟待解决的问题
。

技术实现思路

[0004]本专利技术要克服现有技术的上述缺点，提供一种引入模仿者节点的网络传播仿真方法和装置，便于研究节点在行为上的异质性表现是如何让信息在网络中传播的
。
[0005]为解决上述技术问题，本申请提供一种引入模仿者节点的网络传播仿真方法，所述随机网络中的节点包括普通节点以及模仿者节点；所述方法包括：
[0006]S1、
构建随机网络：网络集合为
G
＝
(V
，
E)
，其节点集和连边集分别为
V
＝
{v1，
v2，
...
，
v
n
}
和节点总数
N
；
[0007]S2、
确定随机网络中节点类型和状态
。
其中随机网络中的节点有两类：普通节点和模仿者节点；节点有两种状态：活跃态和非活跃态；
[0008]S3、
提出两种模仿者节点跟随所述指定节点的策略：随机跟随策略和固定跟随策略并设置两种节点的状态更新规则；
[0009]S4、
引入模仿者节点的网络传播中，在所述随机网络中的活跃节点的数量稳定之后，统计活跃节点的数量；
[0010]S5、
计算信息传播的最终规模
。
[0011]进一步，步骤
S1
所述的构建随机网络，具体步骤如下：
[0012]S1.1、
该随机网络根据网络平均度进行构造：通过公式
E
all
＝
N
·
z/2
确定网络中的总边数，其中
E
all
为网络总边数，
N
为网络总节点数，
z
为网络平均度
。
[0013]进一步，步骤
S2
所述的确定随机网络中的节点类型和状态，其步骤如下：
[0014]S2.1、
在网络中随机选择比例
p
的节点作为模仿者节点，其余节点为普通节点；
[0015]S2.2、
在初始情况下在网络中随机选择一部分节点
(
包括普通节点或模仿者节点
)
作为活跃节点，其余节点为非活跃节点
。
[0016]进一步，步骤
S3
所述的随机跟随策略和固定跟随策略并设置两种节点的状态更新规则包括：
[0017]S3.1、
所述随机跟随策略下的所述模仿者节点在每一个时间步内跟随不同的邻居节点的状态；
[0018]S3.2、
所述固定跟随策略下的所述模仿者节点在每一个时间步内跟随同一个邻居节点的状态；
[0019]S3.3、
所述模仿者节点根据跟随策略更新其状态；所述普通节点根据原始阈值模型更新其状态
。
[0020]进一步，步骤
S4
所述的随机网络中的活跃节点的数量稳定是指：
[0021]S4.1、
当网络中再无非活跃节点向活跃节点状态转变时就停止传播
。
[0022]进一步，步骤
S5
所述的计算信息传播的最终规模包括：
[0023]对于每组实验指标进行多次实验，计算传播结束后确定随机网络中所述活跃节点的数量占总节点的数量的比例，所述比例对应特征参数下所述引入模仿者节点的网络传播的传播范围
。
[0024]再进一步，所述特征参数包括模仿者节点占总节点的比例
p
和所述随机网络的网络平均度
z
，将在不同特征参数下，对网络中信息传播的范围进行模拟仿真
。
[0025]本专利技术所提供的一种引入模仿者节点的网络传播仿真方法，其网络中的节点包括普通节点以及模仿者节点且节点包括活跃状态
(1
态
)
以及非活跃状态
(0
态
)
，活跃节点为活跃状态下的节点，模仿者节点在自身的邻居节点中的指定节点变为活跃节点后，自身变为活跃节点；指定节点为模仿者节点的邻居节点中随机选取的节点；普通节点在对应的邻居节点中活跃节点的数量超过设定阈值后，自身变为活跃节点
。
本方案扩展了原始阈值模型，考虑了模仿者节点在网络中的作用
。
模仿者节点区别于其他的普通节点，普通0态节点会根据阈值条件去改变自己的状态，而模仿者节点会跟随自己的某一个邻居
。
这是因为在实际场景中，个体除了采取多个邻居的综合性意见以外，还会有对某些邻居的信任度更大的情况，这种情况下个体更倾向于直接采纳某一个值得信任的邻居的决定
。
[0026]在原始阈值模型通过判断节点是否满足阈值条件从而选择是否更新自己的状态的基础上，本专利技术赋予了节点模仿的意识，即加入了节点的简单模仿行为
。
使得提出的模型更加符合真实社交网络上人们行为的异质性，仿真结果证明，节点行为的异质性对网络信息传播的范围有影响
。
[0027]本专利技术的第二个方面涉及一种引入模仿者节点的网络传播仿真装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现本专利技术的一种引入模仿者节点的网络传播仿真方法
[0028]本专利技术的一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现本专利技术的一种引入模仿者节点的网络传播仿真方法
。
[0029]本专利技术的优点是：本专利技术提出的模型可用于模拟网络中信息的传播，该模型的结构是模仿者节点和普通节点分别通过模仿行为和阈值机制参与网络中的信息传播，更加符合真实网络中节点行为具有异质性的特点，使得模拟结果更加真实
。
附图说明
[0030]为了更清楚地说明本申请实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种引入模仿者节点的网络传播仿真方法，其特征在于，所述随机网络中的节点包括普通节点以及模仿者节点；所述方法包括：
S1、
构建随机网络：网络集合为
G
＝
(V,E)
，其节点集和连边集分别为
V
＝
{v1,v2,
…
,v
n
}
和节点总数
N
；
S2、
确定随机网络中节点类型和状态
。
其中随机网络中的节点有两类：普通节点和模仿者节点；节点有两种状态：活跃态和非活跃态；
S3、
提出两种模仿者节点跟随所述指定节点的策略：随机跟随策略和固定跟随策略并设置两种节点的状态更新规则；
S4、
引入模仿者节点的网络传播中，在所述随机网络中的活跃节点的数量稳定之后，统计活跃节点的数量；
S5、
计算信息传播的最终规模
。2.
根据权利要求1所述的一种引入模仿者节点的网络传播仿真方法，其特征在于，所述随机网络的构建，具体步骤如下：随机网络根据网络平均度进行构造：通过公式
E
all
＝
N
·
z/2
确定网络中的总边数，其中
E
all
为网络总边数，
N
为网络总节点数，
z
为网络平均度
。3.
根据权利要求1所述的一种引入模仿者节点的网络传播仿真方法，其特征在于，所述确定随机网络中的节点类型和状态，其步骤如下：
S2.1、
在网络中随机选择比例
p
的节点作为模仿者节点，其余节点为普通节点；
S2.2、
在初始情况下在网络中随机选择一部分节点
(
包括普通节点或模仿者节点<...

【专利技术属性】
技术研发人员：阮中远，杨曼，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：