[發明專利]一種動態社會網絡信息傳播模型的建模方法

有效

• 申請號: 201511007608.8
• 申請日: 2015-12-29
• 公開（公告）號: CN105654388B
• 公開（公告）日: 2017-12-19
• 發明（設計）人: 黃金才;周曉艷;程光權;馬躍飛;劉忠;朱先強;馮旸赫
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京中濟緯天專利代理有限公司11429
• 代理人: 胡偉華

技術領域

本發明屬于信息傳播模型研究領域，具體涉及一種動態社會網絡信息傳播模型的建模方法。

背景技術

在現有的關于信息傳播模型的研究中，很多都是基于一個固定的社會網絡結構下，對信息傳播過程進行探討。然而，對于在線社交網絡這類網絡結構常常變化，每日新增或減少大量用戶和關聯的社會網絡來說，將網絡結構中節點和邊的動態變化過程納入建模中是非常必要的。

早期的關于動態社會網絡的研究大多數都集中在以下兩個方面：一方面是網絡元素的動態性，具體表現為在一個固定的拓撲網絡結構下網絡節點或者邊的屬性狀態發生動態變化；另一方面是網絡的動態性，具體表現為網絡的拓撲結構發生動態變化，但并不確切的對其變化的潛在原因進行建模。如Gross等在文獻《Adaptive coevolutionary networks:a review》中的敘述，實際的在線社交網絡對上述兩個方面的動態變化都有所體現，形成一個自適應或者協同演化系統，其中網路的拓撲結構以及節點或邊的狀態通過一個反饋環互相影響。

在線社交網絡的動態過程——信息的傳播，顯然會受到網絡拓撲結構的影響，并且網絡上信息的傳播也能夠推動網絡結構本身的變化。例如：用戶添加或者取消關注某個“朋友”很大程度上就是依據其最近在社交網絡上發表的言論信息。之前的關于在線社交網絡的研究經常忽略了這種協同動態演化過程，簡而言之就是假設在一個固定不變的網絡結構下，或者假設網絡結構變化和節點邊的變化在各自的時間度量下變化。McAuley J等在文獻《Learning to discover social circles in ego networks》中指出，現實的社會網絡中必然會同時包含這兩種動態性，形成一個自適應的或者說是協同演化系統，并且這兩種動態性之間也會相互影響，形成一個目前還很少被研究的所謂反饋循環.對于動態協同演化方面的研究很多還停留在抽象的模型分析階段，并沒有充分的案例支撐。

與本發明最接近的技術方案是Zimmermann M G等在文獻《Coevolution of dynamical states and interactions in dynamic networks》和《Cooperation,social networks,and the emergence of leadership in a prisoner's dilemma with adaptive local interactions》中提出的一個動態網絡演化博弈模型：生成一個隨機網絡，網絡上參與者與其鄰居進行囚徒困境博弈并累計收益，策略更新時它們會學習鄰居(包含自己)中收益最高的人的策略；并且，如果一個背叛者發現它學習的背叛策略的鄰居的收益比自己高，則這個參與者會以概率p斷開與被學習的背叛者之間的連接，重新在網絡中隨機選擇一個個體連接。Pacheco J M等在文獻《Active linking in evolutionary games》中也提出了一個邊增減的動態網絡博弈模型：個體按照囚徒困境的收益矩陣累計計算收益。結構調整過程中，每個個體以概率p被選中,被選中的個體可以斷開與不滿意鄰居的連接，同時也可以和鄰居的鄰居建立新的連接，其中增加關聯和剔除關聯的數目有上界。

現有技術對社會網絡的研究最常用的方法是機器學習和一些實證性的數據挖掘方法。然而，這些方法大多假設訓練集和測試集數據是統計意義上一致的，這樣的假設存在兩個問題：1)從特定數據集學習的結果依賴于現有的社會網絡結構，而該網絡結構又處于動態變化的環境之下，因而基于這些方法的研究可能忽略了對網絡結構變化過程的進行有效的分析和預測；2)機器學習的方法往往忽略了參與者的行為、策略以及參與者之間的互動往來等對網絡結構演化產生的重要影響。

發明內容

針對上述問題，本發明一方面運用演化博弈方法刻畫個體信息轉發策略選擇行為以及群體的策略學習過程，另一方面充分考慮了網絡結構的動態性和網絡元素屬性的動態性互相影響和演化的關系，采用協同演化機制，模擬信息在網絡上傳播的動態過程，更加貼近實際。

一種動態社會網絡信息傳播模型的建模方法，其特征在于：在靜態社會網絡演化博弈模型的基礎上，引入網絡元素動態性和網絡結構動態性，并將兩類動態性與演化博弈方法相結合進行協同演化博弈，得到信息傳播最終的演化穩定狀態，形成動態社會網絡協同演化模型。

具體的，在所述演化博弈中，將參與者適應度的概念定義如下：

π＝(1-α)·B+α·U(1)