[发明专利]一种动态社会网络信息传播模型的建模方法

摘要

一种动态社会网络信息传播模型的建模方法，其特征在于在静态社会网络演化博弈模型的基础上，引入网络元素动态性和网络结构动态性，并将两类动态性与演化博弈方法相结合进行协同演化博弈，得到信息传播最终的演化稳定状态，形成动态社会网络协同演化模型。本发明结合了信息传播的特殊背景，更加贴近社会网络演化的实际，并且将网络元素属性动态性和网络结构动态性结合起来，使得模型更加合理。本发明原理简单、流程清晰、易于实现，提高对网络信息传播预测的准确性，为应用在舆情控制监督、网络群体事件预测，企业广告投放产品宣传策略等领域提供有效模型支撑。

主权项

一种动态社会网络信息传播模型的建模方法，其特征在于：用网络中的节点表示社会网络的用户，定义网络元素动态性包括网络中节点关于信息传播的策略是转发Sf或者不转发Sn，以及网络中三种类型的边Sf‑Sf、Sf‑Sn、Sn‑Sn之间的相互转换；用户的收益矩阵U定义为：其中，当采用策略Sf的用户遭遇采用策略Sn的用户，他们双方的收益都是参数ufn，当采用策略Sf的用户遭遇采用策略Sf的用户的收益是uff，当采用策略Sn的用户遭遇采用策略Sn的用户的收益是unn；将参与者适应度的概念定义为：π＝(1‑α)·B+α·U  (2)其中B表示参与者的基本适应度，参数α代表选择强度；建模过程包括了博弈期、策略更新期和结构调整期三个子过程：(1)博弈期：根据收益矩阵和适应度公式计算网络中每一个用户的适应度大小；收益矩阵为根据公式(2)建立相应适应度函数，基本适应度取为1，其中采用策略Sf适应度为：πf＝(1‑α)+α[kfuff+(k‑kf)ufn]  (3)其中，kf表示该用户的k个邻居用户中也采用策略Sf的个数，那么k‑kf个邻居用户采用了相反的策略Sn；相应的，采用策略Sn的适应度为：πn＝(1‑α)+α[knunn+(k‑kn)ufn]  (4)其中，kn表示该用户的k个邻居用户中也采用策略Sn的个数，那么k‑kn个邻居用户采用了相反的策略Sf；此外该中心用户的邻居用户的策略收益分别为：πf|f＝(1‑α)+α((k‑1)pn|fufn+[(k‑1)pf|f+1]uff)；πn|f＝(1‑α)+α((k‑1)pn|nunn+[(k‑1)pf|n+1]ufn)；πf|n＝(1‑α)+α((k‑1)pf|fuff+[(k‑1)pn|f+1]ufn)；πn|n＝(1‑α)+α((k‑1)pf|nufn+[(k‑1)pn|n+1]unn)  (5)据此可以计算得到网络中每个节点的适应度；(2)策略更新期：以概率p选择中心用户，以概率q从中心用户的关联用户中选取相应的学习或被学习对象，从而完成一轮网络中用户关于信息传播策略的更新过程；p和q值分别为：p＝0.001，当中心节点采用策略Sf时，或当中心用户采用策略Sn时，(3)结构调整期：应用闭合三角关联增加机制、无用伙伴关联剔除机制以及新用户的加入和僵尸用户的退出机制在策略更新同步进行网络结构调整，具体为：1)闭合三角关联增加机制设wf＝0.1，为用户k的策略为Sf，用户k愿意转发信息并直接关注用户i的概率；wn＝0.05，为用户k的策略为Sn，用户k不转发该信息但也直接关注了用户i的概率；从网络中随机选择一对节点为A和B，当A和B的属性都为Sf时，则从B的邻居节点中随机选择一个节点C，并根据C的属性依据设定的概率进行边的添加；当A和B的属性不都为Sf时，则本轮不进行添加；2)无用伙伴关联剔除机制如果用户i对于信息的策略在多轮博弈周期中一直是转发，而他的关注者用户j的策略一直是不转发，经过多轮博弈，用户j有概率P(n)取消对用户i的关注，这样一种关联关系的消失机制称为无用伙伴关联剔除机制，其取消关注的概率为：P(n)＝1‑e‑0.0001n  (6)3)新用户的加入和僵尸用户的退出机制根据马太效应，新用户会首先关注感兴趣的热门用户；相对于新用户的加入，必然也会有原本活跃的用户逐渐减少直至完全不再登陆或使用，但却保留了账户，此类用户称为僵尸用户；在有些网络中，这样的僵尸用户一段时间后会被清退和注销，在网络演化博弈模型当中，如果节点长期采用不转发策略，则会被视为是僵尸用户，以概率pz从网络中剔除。