基于机会、信任和动机的信息传模型构建及预测分析

基于机会、信任和动机的信息传模型构建及预测分析

论文摘要

Facebook、Twitter、微博等大规模在线社交网站的迅猛发展,预示着社交网络已经成为人们获取信息、发布信息、社会交往的关键平台。大量的节点用户积极参与到信息的产生与传播的过程中,使得信息呈现出内容全面丰富、传播快速准确、传播范围广、影响程度深等特性。一个优秀的信息传播及其预测演化模型可以使人们对舆论、营销等传播方式有更精准和直观的领会,有利于发现传播方式的薄弱环节,进而预判其可能带来的风险水平,拟定相关的控制措施。尤其对威胁社会治安、引起社会动荡的网络舆论进行有效的控制及引导具有明确的正向社会意义。然而,当前的信息传播及其预测演化模型大多存在两方面的问题:一是以信息内容和网络拓扑结构为传播条件,并未考虑到网络中节点用户的社会性或传播主体情感性的传播因素;二是现有的多数模型主要考虑传播用户的静态属性,而忽略网络用户行为或兴趣会随时间变化的情况,不具备信息传播预测的能力。为解决以上问题,本文对微博社交网络中的信息传播及其演化预测进行研究。主要研究内容包括以下两个方面。(1)利用社会归属网络中的三元闭包原则,本文提出了一种基于机会、信任和动机的混合社会因素信息传播模型构建方法。首先,将用户之间的兴趣相似度作为接收某条信息的机会度量。其次,传播过程中的信任阈值是由当前节点用户的网络影响力和内容贡献共同决定的。然后,考虑网络中的每个用户总是会选择最大利益的信息进行传播扩散的博弈特点,利用博弈演化理论作为用户选择传播的动机。最终,提出了一种基于PageRank算法的博弈选择信息传播模型(GCIP-PageRank模型)构建方法。实验结果证明提出的模型取到了较好的结果。(2)综合微博社区的结构特性和具有时间序列的数据,本文提出了一种基于时间序列的信息传播预测模型(TSPIP模型)。首先,对微博热点事件进行时间序列检测(包括平稳型事件和非平稳型事件),并将非平稳型事件传播序列转化为事件传播序列和平稳型事件传播序列。其次,采用线性回归模型建立数据量和解释变量之间的量化关系,并通过相关系数和假设检验来选择最佳的解释变量。最后,在模型中引入解释变量和关联数据,利用Local Linear Trend和Regression的状态空间模型构建微博热点事件传播的动态时间序列预测模型,进行时间序列分析,得到事件发展趋势和周期等特性。在真实数据集上的实验证明,对于具有突发流量的微博热点事件的传播预测方法是有效的。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  •   1.1 研究背景及研究目的和意义
  •     1.1.1 研究背景
  •     1.1.2 研究目的及意义
  •   1.2 国内外研究现状
  •     1.2.1 信息传播模型
  •     1.2.2 信息传播预测模型
  •   1.3 本文的主要研究内容
  •   1.4 本文的章节结构安排
  • 2 相关背景知识
  •   2.1 社会归属网络
  •   2.2 Page Rank算法
  •   2.3 动态线性模型
  •     2.3.1 卡尔曼滤波
  •     2.3.2 卡尔曼平滑与预测
  •     2.3.3 极大似然估计
  •   2.4 本章小结
  • 3 基于机会、信任和动机的混合社会因素信息传播模型
  •   3.1 微博社会网络相关定义
  •   3.2 三类社会因素形式化定义及其算法
  •     3.2.1 机会
  •     3.2.2 社会信任
  •     3.2.3 博弈选择动机
  •   3.3 基于Page Rank算法的博弈选择信息传播模型
  •   3.4 信息传播模型验证
  •     3.4.1 实验环境及数据收集
  •     3.4.2 实验设计
  •     3.4.3 模型算法中的参数分析
  •     3.4.4 实验评估
  •     3.4.5 实验结果及分析
  •   3.5 本章小结
  • 4 基于时间序列的信息传播演化预测
  •   4.1 微博热点事件的状态空间模型
  •   4.2 面临的挑战
  •   4.3 基于时序特性的信息传播演化预测
  •   4.4 信息传播预测模型验证
  •     4.4.1 平稳序列识别
  •     4.4.2 解释变量相关性分析
  •     4.4.3 实验结果及分析
  •   4.5 本章小结
  • 5 总结与展望
  •   5.1 总结
  •   5.2 展望
  • 参考文献
  • 攻读硕士学位期间发表论文及科研成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 万继红

    导师: 陈晓亮,赵明峰

    关键词: 社会网络,传播模型,传播预测,博弈论,时序分析

    来源: 西华大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 数学,数学,互联网技术

    单位: 西华大学

    分类号: TP393.092;O225;O211.61

    DOI: 10.27411/d.cnki.gscgc.2019.000439

    总页数: 71

    文件大小: 7867K

    下载量: 48

    相关论文文献

    • [1].信息传播模型发展及其作用机理[J]. 新媒体研究 2020(09)
    • [2].5G传播模型研究与分析[J]. 中国新通信 2020(19)
    • [3].5G传播模型分析[J]. 移动通信 2018(10)
    • [4].互联网迷因传播模型的构建与仿真:以“友谊的小船”为例[J]. 新世纪图书馆 2017(03)
    • [5].基于复杂网络的风险传播模型及有效算法[J]. 计算技术与自动化 2016(02)
    • [6].科技阻断暴力[J]. 南方人物周刊 2010(06)
    • [7].物理隔离网络环境下的病毒传播模型分析与仿真[J]. 信息通信 2019(12)
    • [8].基于接受差异性的大学生社会主义核心价值观传播模型研究[J]. 科教导刊(中旬刊) 2018(12)
    • [9].基于用户影响与兴趣的社交网信息传播模型[J]. 通信学报 2017(S2)
    • [10].基于社交网络的信息传播模型分析[J]. 计算机应用研究 2016(09)
    • [11].网络环境下计算机病毒传播模型的分析与仿真[J]. 自动化与仪器仪表 2014(03)
    • [12].基于RFID系统的超高频室内传播模型研究[J]. 中国市场 2011(15)
    • [13].社会责任传播模型研究——基于利益相关者理论视角[J]. 武汉理工大学学报(社会科学版) 2010(04)
    • [14].室内传播模型校正方法研究[J]. 电信网技术 2016(01)
    • [15].多关系类型社交网络信息传播模型[J]. 河南师范大学学报(自然科学版) 2014(05)
    • [16].基于信息传播模型的用户群影响力分析[J]. 吕梁教育学院学报 2014(03)
    • [17].无线传播模型及其校正原理[J]. 电子世界 2013(16)
    • [18].多媒体学习的认知—传播模型及其基本特征[J]. 教育研究 2013(08)
    • [19].一类含分布时滞革新传播模型的稳定性[J]. 生物数学学报 2008(01)
    • [20].基于时间交互偏置影响传播模型的弱连接重叠社区检测[J]. 计算机工程 2020(02)
    • [21].5G移动通信系统的传播模型研究[J]. 移动通信 2018(10)
    • [22].面向战略问题决策分析的病毒传播模型及可视化[J]. 指挥与控制学报 2017(01)
    • [23].基于复杂网络理论的军事通信网信息传播模型[J]. 军事通信技术 2015(02)
    • [24].基于社会网络的舆情传播模型构建与分析[J]. 运筹与管理 2011(02)
    • [25].一种具有抑制作用的多信息传播模型[J]. 复杂系统与复杂性科学 2010(01)
    • [26].5G传播模型仿真分析[J]. 数字通信世界 2019(12)
    • [27].基于情感的社会网传播模型及影响最大化算法研究[J]. 计算机工程与应用 2019(13)
    • [28].工程安全文化传播模型构建与仿真[J]. 工程管理学报 2019(02)
    • [29].社会网络影响力最大化的核重构算法及传播模型[J]. 计算机应用与软件 2018(06)
    • [30].复杂产品的并行变更传播模型研究[J]. 计算机集成制造系统 2017(04)

    标签:;  ;  ;  ;  ;  

    基于机会、信任和动机的信息传模型构建及预测分析
    下载Doc文档

    猜你喜欢