文档介绍：1
社交网络信息传播论文
1模型建立
在线社交网络，一般用一个有向或无向图G=(V，E)表示，其中V和E分别表示图的节点集合和边集合。每个节点代表一个用户，本文中节点与用户同义;每条边连接该用户的一个好友。本文依据信息在1
社交网络信息传播论文
1模型建立
在线社交网络，一般用一个有向或无向图G=(V，E)表示，其中V和E分别表示图的节点集合和边集合。每个节点代表一个用户，本文中节点与用户同义;每条边连接该用户的一个好友。本文依据信息在社交网络中传播状况，仍将社交网络中人群分为三类:易感节点(S态)、传播节点(I态)、免疫节点(Ｒ态)，网络结构用无向图表示。热点舆情大事发生后，S态对应不知道消息的节点用户;I态对应知道消息并连续传播的节点用户;Ｒ态对应在用户的自我思考或者正面信息的影响下，知道消息但失去传播力气或爱好的节点用户。由于社交网络中用户关系相对稳定，信息传播的速度较网络动态变化更快，周期要小得多。因此，本模型中暂不考虑网络的动态性，即社交网络的关系更新问题。
传播机制及符号说明1)初始时刻，选定某节点作为消息源传播节点，其余为易感节点。传播节点向其邻居节点发送消息，邻居中的易感节点与传播节点接触，即接收到传播节点的消息，以概率λ变为传播节点，进行一次这样的传播定义为一个时间步。当网络中用户节点度相同时，则感染概率相同，模型退化为经典SIＲ疾病传播;当用户节点度高于平均节点度时，该用户对其他用户的感染概率高于正常值λ;当用户节点度低于平均节点度时，该用户对其他用户的感染概率低于正常值aver_D，体现了社交网络中各节点用户对舆情传播的影响不同。
3
2仿真与分析
建立传播模型后，选择合适的网络拓扑进行仿真模拟。新浪(Sina)微博作为国内最受欢迎的在线社交网络，在热点大事传播中最具有代表性，并具有无标度与小世界的特性，网络节点的度听从幂律分布。本文使用数据堂中下载的新浪微博用户关系数据，将微博用户作为网络的节点，粉丝及关注关系处理为边，从而构成试验用的传播网络。将网络拓扑矩阵导入PAJEX软件，计算得到网络的基本特征如表2。
2．1模型对比试验在采集的微博网络上进行三种传播仿真试验:试验一接受经典SIＲ模型;试验二接受G-SIＲ模型;试验三接受IG-SIＲ模型。初始状态设置:三种试验中选取相同的10个节点作为初始传播源，其余节点设为易感节点;其次，设置模型参数如下:λ=0．05，β=0．02，时间步设置为T=150。G-SIＲ模型网络中传播节点、易感节点和免疫节点的密度随传播时间的演化状况如图3所示。从图3可以看出:微博网络的高度连通性，使谣言等舆情信息在网中快速传播。传播开头后，易感节点密度S(t)随时间快速下降，传播个体密度I(t)随时间快速攀升，表示信息很快被网络中大部分用户所获知;同时，伴随着传播个体I(t)的增加，其中一部分用户会自己依据正面舆论或自己思考变为免疫个体，使受谣言影响的个体数量不断降低，直至谣言大事趋于安静，大部分用户变为免疫个体，了解大事真相，信息的传播过程也趋于平稳。进行10次传播试验，每次试验中初始传播节点固定。分别记录传播者数量峰值时传播者占总人数的比例与所用的时间步。取均值后数据对比结果如表3。由表3可知:相比经典的SIＲ模型，