淺談雙層社交網絡信息傳播模式范文

本站小編為你精心準備了淺談雙層社交網絡信息傳播模式參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：隨著信息傳播平臺的多樣性，多層社交網絡的信息傳播得到了廣泛的關注。建立合理的傳播模型，對于后續研究的進行以及傳播效率和效果的控制具有重要的意義。在此背景下，結合單層社交網絡的信息傳播知識，利用因素耦合思想對雙層社交網絡的信息傳播機制進行說明，指出用戶可能因為過度接收信息而導致失活的情況，并建立P-SIR模型，利用Matlab進行仿真。結果表明，雙層網絡的信息傳播速度明顯大于單層網絡，同時可以通過控制一些關鍵因素來對傳播概率進行控制，以達到提高信息傳播的速度，擴大信息傳播范圍的目的。

關鍵詞：信息傳播；因素耦合；傳播機制

引言

在互聯網技術被頻繁使用的背景下，各類信息可以在線上—線下平臺之間交互滲透，大眾可以根據自己的傳播意愿選擇傳播平臺，也就意味著同一個體既可以以網民身份在互聯網平臺上與其他網民進行溝通交流、分享信息，也可以在現實生活網絡中與其他個體進行互動并建立社交關系，這就使得“線上—線下”社交網絡的交互信息傳播模式成為了研究熱點。國內外學者致力于相關方面的研究，如今已經獲得了許多的研究成果。張倫等指出不同的信息在傳播過程中的側重點不同，有的強調及時性，有的強調數量[1]。KseniaKoroleva等研究了節點影響力，以及節點之間關系對信息傳播的影響[2]。J.C.LouzadaPinto等人基于霍克斯過程進行建模分析，指出在信息傳播過程中關系越近的人越容易影響接受者[3]。沈迪等建立級聯失效模型，給出各網絡的節點介數定義式和節點失效后節點負荷重分配的分布概率表達式，并對雙層網絡之間的相互影響進行說明[4]。胡斌等從雙層網絡來進行RBF網絡的建模，然后通過仿真實驗得出雙層網絡的速度和誤差精度上都要優于單層網絡[5]。梁蕾等以傳染病模型為基礎建立了SAIS模型，給出第二閾值的表達式，并利用具體閾值進行擬合驗證結論表明，信息的傳播會對疾病的傳播造成一定的影響，即會提高傳播的第二閾值[6]。基于上述研究成果，本文在對比單層社交網絡和雙層社交網絡影響的基礎上，對雙層社交網絡的信息傳播內容、影響因素以及傳播機制進行了詳細說明，然后根據雙層網絡的特點結合傳播機制建立P-SIR信息傳播模型，并利用Matlab進行仿真分析。

一、信息傳播機制分析

隨著影響因素的復雜化以及因素耦合的作用，其傳播機制也變得復雜了起來。雙層社交網絡中，信息傳播機制的改變主要是傳播方式和傳播渠道的改變[7]。從傳播方式來說，不僅有同層個體間的信息分享與交流，還存在不同層間個體的交互傳播[8]。從傳播渠道來說，在雙層社交網絡中，個人可以根據自己的需求選擇傳播渠道，若是強調范圍便選擇線上為主，若是強調效果便選擇線下為主[9]。正是由于這種線上—線下網絡之間信息的交互傳播，使得信息的傳播范圍和傳播效果都發生了改變。同時由于雙層網絡間信息傳播的影響因素之間也存在著一種相互影響的關系，各影響因素在影響信息傳播的過程中也會不斷受到其他因素的影響，然后共同作用于信息傳播，即對信息傳播造成雙影響，這就使得層與層間的信息傳播變得更為復雜了，對信息傳播的影響更加劇烈了。

二、雙層社交網絡間信息傳播模型分析

參照單層社交網絡結構對雙層社交網絡結構進行定義：將網絡結構抽象成一個立體結構，考慮到節點在線上和線下網絡所具有的不同連接關系，用G={V，E1，E2}來表示，其中V表示節點的集合，既是線上社交網絡的一個個賬號又是現實社交網絡的個體（包括信息傳播過程中的信息傳播主體和信息傳播客體），E1表示線上網絡中節點與節點之間的連邊（即線上網絡中節點與節點之間的關系集合），E2表示線下網絡中節點與節點之間的連邊（即線下網絡中節點與節點之間的關系集合）。一般會用具體權重來表示各節點之間的關系緊密程度，但本文主要是對各因素耦合的影響進行研究，因此假設各節點之間的關系是相同的，不具體區分。通過對雙層社交網絡的傳播機制和信息傳播過程的研究，我們通過在SIR模型基礎之上考慮到節點可能由于接收過多的信息量而導致失活的情況，對雙層社交網絡信息傳播過程中的節點具體劃分為四種：易感狀態S、感染狀態I、失活狀態P、免疫狀態R，建立P-SIR信息傳播模型.結合雙層網絡間信息傳播的影響因素和傳播機制，應用概率統計的知識對整個雙層社交網絡間的信息傳播所涉及的主要參數做出說明。假設在信息傳播過程中，以個體i為說明背景，運用概率統計的知識對信息傳播過程中的各概率進行解釋。

1.節點從易感狀態轉變為感染狀態的概率λ。節點從易感染狀態轉變為感染狀態主要包括在某一層內就被感染和經過層間共同作用而被感染。在某一層內被感染是指在信息傳播過程中，某易感染個體在線上網絡或者線下網絡中接收來自鄰居節點的信息而積累的信息量超過閾值低于處理值被激活，此時的感染概率λ1表示事件A1和事件A2中任一事件發生的概率。當節點在線上和線下網絡中，在各層內接收的信息量均不屬于閾值與處理量所組成區間內時，對線上線下網絡中獲得的信息量進行整合，整合規則是將線上獲取的信息量和線下獲取的信息量相加之后除去公共部分，若是整合之后的信息量超過閾值而且低于處理值，則節點便被層間作用給激活，此時的概率λ2表示在事件A1∪A2和事件B1∩B2均不發生的情況下，事件C發生的概率。

2.節點從易感染狀態轉變為失活狀態的概率σ。節點從易感染狀態轉變為失活狀態也存在兩種情況，第一種是節點分別在線上和線下接收的信息量都超過了處理值，即節點無論是在線上網絡中還是線下網絡中都會因為接收過多的信息量而失活，此時的轉變概率σ1表示事件B1和事件B2同時發生的概率。第二種情況是節點在線上網絡和線下網絡接收的信息量都未滿足激活的條件，而在層間作用機制的影響下，對線上—線下網絡中接收的信息量進行整合，若整合后累計的信息量超過了最大處理值，導致節點失活，此時的轉變概率σ2表示在事件A1∪A2和事件B1∩B2均不發生的情況下，事件D發生的概率。

3.節點從其他狀態轉變為免疫狀態的概率μ。由于本文主要對信息傳播過程中節點的激活機制進行研究，因此我們假設信息傳播周期無限長，就是說無論節點處于什么狀態，最終都會轉變為免疫狀態。因此在本文研究中，我們將節點轉變為免疫狀態的概率設定為1。通過上述分析可知，整個雙層社交網絡中信息的傳播主要受到信息量和閾值之間關系的影響。對于接收的信息量的大小我們根據香農提出的信息量計算公式得到，即結語本文借鑒物理學中多因素耦合思想以及傳播動力學理論和方法，在SIR模型的基礎上，考慮實際網絡中可能會出現接受信息量過度而導致節點失活的情況，建立了雙層社交網絡信息傳播模型P-SIR模型，探索了信息傳播受各影響因素耦合的影響。研究結果顯示，隨著互聯網的發展，雙層社交網絡比單層社交網絡更利于信息傳播的進行，同時各因素之間的耦合作用也會影響信息的傳播。因此，對于需要進行信息傳播的者而言，合理地利用線上、線下網絡以及合理地進行傳播途中影響因素的控制至關重要。

參考文獻：

[1]張倫，胥琳佳，易妍.在線社交媒體信息傳播效果的結構性擴散度[J].中國傳媒大學學報，2016，(8)：130-135.

[4]沈迪，李建華，熊金石，張強，朱瑞.一種基于介數的雙層復雜網絡級聯失效模型[J].復雜系統與復雜性科學，2014，(3)：12-18.

[5]胡斌，王敬志，劉鵬.基于雙層網絡的混合PSO算法的RBF建模[J].西南科技大學學報，2011，(2)：78-81.

[6]梁蕾，劉桂榮.重疊網絡上信息與疾病傳播模型及其分析[J].山東大學學報：理學版，2016，(11)：107-114.

[7]任福兵.網絡危機信息傳播的基本規律分析[J].情報理論與實踐，2014，(4)：42-47.

[8]王晰巍，邢云菲，趙丹，趙軍.移動環境下網絡輿情信息傳播路徑及傳播規律研究[J].情報理論與實踐，2016，(9)：107-113.

[9]紀慧生，蔡東妮.微信公眾號信息傳播影響因素分析[J].集美大學學報：哲學社會版，2016，(4)：107-115.

作者：黃田田 單位：上海工程技術大學