基于受众画像的新型耦合社交网络谣言传播模型研究

[目的/意义] 移动互联网时代谣言传播模式发生了巨大的变化,一方面谣言的扩散已不再局限于孤立的线下人际关系网络或线上互联网,谣言在耦合网络之间的传播变得更加普遍。另一方面,以往通过概率方式研究谣言的传播存在很大的不准确性,受众的个体特征差异对谣言的传播起到了更重要的作用。本文针对上述现象进行了研究。[方法/过程] 以受众的年龄作为两种网络的耦合依据,提出基于受众年龄的新型谣言传播的耦合社交网络（ASCN）。从受众的认知能力、匿名程度、权威性等基本特征,以及受众的从众心理、记忆效应、好友的影响作用等心理特征方面对受众进行画像,构建多维度函数实现基于受众画像的谣言传播模型。[结果/结论] 基于ASCN对本文提出的模型进行模拟仿真。结果表明,ACSN能够真实地反应出当前网络环境下谣言传播呈现出的"线下引起线上共鸣"、"线上溢散线下"的特征;受众的基本特征和心理特征能够对谣言传播产生巨大的影响,能更好地反映社交网络中谣言的传播规律。     

KiC:一种结合“结构洞”约束值与K壳分解的社交网络关键节点识别算法

[目的/意义] 在大规模社交网络中快速搜索关键节点对于舆情的引导和控制具有重要意义。[方法/过程] 本文提出一种适用于社交网络的局部中心性关键节点识别算法,该方法综合评估了节点的K壳、自身的聚集特性以及邻居的扩散特性和节点自身传播状态,同时体现了节点在空间上的网络位置和邻居的拓扑结构以及在时间上演化特征,评价指标更加全面高效。[结果/结论] 实验结果表明,该方法识别的关键节点对网络鲁棒性的影响与介数中心性接近,但计算仅基于节点局部信息,时间复杂度低。剔除这些节点后网络的连通性受到较大影响,网络聚类系数降低,平均路径长度增加。同时,利用SIR传播模型模拟验证,以该算法识别的关键节点为初始传播源可提升信息传播范围和平均传播速度。