基于用戶相對影響權(quán)重的熱點事件傳播閾值模型

張德陽，韓益亮，李曉龍，潘峰，周宜興,2

?

基于用戶相對影響權(quán)重的熱點事件傳播閾值模型

張德陽1，韓益亮1，李曉龍1，潘峰1，周宜興1,2

（1. 武警工程大學電子技術(shù)系，陜西西安 710086；2. 中國人民武裝警察部隊河北總隊，河北石家莊 050000）

結(jié)合現(xiàn)有的線性閾值模型，提出一種新的用戶相對影響權(quán)重函數(shù)；結(jié)合信息自身敏感性以及節(jié)點自身的接受閾值特性，提出一種能衡量信息傳播能力的閾值模型，即URLT模型。通過仿真實驗?zāi)M在不同網(wǎng)絡(luò)、不同敏感度信息以及不同節(jié)點閾值的傳播，并對最終傳播情況進行對比，實驗結(jié)果證明，其最終影響范圍與真實傳播情況符合。因此，該模型對信息傳播規(guī)律的發(fā)現(xiàn)與抑制有一定的參考價值。

熱點事件；閾值；相對權(quán)重；網(wǎng)絡(luò)傳播

1 引言

隨著因特網(wǎng)的飛速發(fā)展，各種基于網(wǎng)絡(luò)的社交媒體已經(jīng)形成了全新的信息傳播方式。尤其是對當今社會中一些熱點問題，社會輿論的發(fā)展更是達到了一個前所未有的態(tài)勢。國際、國內(nèi)的重大事件，人們都能通過網(wǎng)絡(luò)以及相關(guān)媒體在第一時間獲取信息。也正是由于網(wǎng)絡(luò)的便捷性，接收信息和發(fā)布信息的速度都有了極大提高。這種通過網(wǎng)絡(luò)表達觀點，訴說想法的行為，無疑對社會穩(wěn)定、輿論引導(dǎo)造成了很大的壓力。

通常意義下的社會熱點事件包括2個方面的內(nèi)容：一是由于社會環(huán)境長期形成的、較短時間內(nèi)無法得到妥善解決的，具有一定的周期性，如大學生就業(yè)問題、開放“二胎”問題、全球氣候變暖問題等，該類事件在一段時間內(nèi)具有較高的關(guān)注度，之后重新回到正常水平；二是由于國際國內(nèi)熱點事件的發(fā)生引起的，具有突發(fā)性，諸如此類的事件中的部分帶有故意炒作成分，目的是為了提高事件關(guān)注度。

2 相關(guān)概念及定義

2.1 相關(guān)概念

2.1.1 社會熱點事件

社會熱點事件定義為比較受廣大群眾關(guān)注或者歡迎的新聞或信息，或指某時期引人注目的地方或問題[1]。

社會熱點事件一般具有鮮明的時代特征，它是伴隨著生產(chǎn)力的發(fā)展而來的產(chǎn)物，反映的是社會中存在的矛盾性問題。具體體現(xiàn)在3個方面：一是突發(fā)性，熱點事件的發(fā)生與發(fā)展有可能只是在很短的時間內(nèi)達到較大的傳播范圍；二是敏感性，熱點事件所反映的問題大部分是在普通民眾之間產(chǎn)生的，代表了廣大民眾的訴求，不可避免地要涉及人民群眾的切身利益；三是流動性，可能今天所謂的熱點問題，到了明天就不是，或者民眾對這個問題的興趣程度大大減弱。

2.1.2 傳播方式

社會網(wǎng)絡(luò)由無數(shù)的個體組成，每個個體都有不同的家庭背景、性格習慣，因此每個人在得到信息后的處理方式也不同。當接收到自己比較感興趣的信息時，個體通常會選擇接受并且進行下一步的傳播；當接收到自己不擅長或者不感興趣的信息時，則會選擇不接受、不傳播；如果認為信息只對自己有利，對他人作用不大的時候，則會選擇只接受不傳播。

如今社會的傳播方式[2]比歷史上的任何時期都要復(fù)雜，較之以往線下口口相傳的方式，現(xiàn)在的傳播方式多趨于網(wǎng)絡(luò)化，人們足不出戶就可以獲取自己想要的信息，這一切都得益于互聯(lián)網(wǎng)的發(fā)展，人們可以在互聯(lián)網(wǎng)上應(yīng)聘求職、聊天交友、買賣交易等。然而，也正是互聯(lián)網(wǎng)的便利性，使社會熱點問題中輿論的傳播形式越來越復(fù)雜，對輿情的管理難度也越來越高。

2.1.3 影響力

社交影響力只能通過人們之間的相互活動體現(xiàn)出來，其定義有如下2種。

1) Rashotte[3]根據(jù)用戶之間的行為及其產(chǎn)生的效果，將社交影響力定義成由于交互行為的存在改變?nèi)说乃枷搿⒏星椤⑿袨榈默F(xiàn)象。

2) 一些學者根據(jù)統(tǒng)計學的特點，將其定義為在影響力度分布中度值較大的一部分人。

2.1.4 敏感度

敏感度描述的是個體受他人影響的趨勢，實際意義表示的是用戶本身對事件被感染的程度，近來研究敏感度與影響力在社會傳播中哪個的作用更大。文獻[4]發(fā)現(xiàn)在部分社交軟件中影響力的作用和敏感性的作用呈現(xiàn)此消彼長之勢，同一個用戶不可能同時具有高影響力和高敏感性。那么影響力和敏感度在傳播過程中哪個因素的作用更大，這也是一個新的問題。

2.2 影響力的度量方法

表1 節(jié)點影響力的度量方法

2.3 影響力最大化模型

2.3.1 線性閾值模型

2.3.2 HPG算法中的改進權(quán)重

3 基于用戶相對影響權(quán)重的閾值模型

3.1 信息的敏感度P

信息的傳播過程大概分為3個階段：信息的啟發(fā)階段、信息的渲染階段、信息的傳播階段[11]，在每一個階段中信息的敏感性是不同的。本文將信息在傳播過程中最為敏感時的敏感度記為1，但一個信息的敏感度最高的時間是短的，因此通過信息敏感度判斷一個信息是否敏感。通常將敏感度在0.5~1這一區(qū)間內(nèi)的信息定義為敏感信息。從圖1可以看出，一個信息的傳播是有一定的生存期的，在其敏感度達到最大后，其敏感度又會逐漸下降到0。

圖1 信息敏感度變化曲線

3.2 節(jié)點的特異性閾值θ

3.3 算法定義

3.3.1 算法描述

結(jié)合式(2)，本文將影響函數(shù)定義為

3.3.2 實例分析

圖2 有向網(wǎng)絡(luò)拓撲圖

圖3 節(jié)點1的鄰接圖

表1 節(jié)點1各個入邊節(jié)點的出度Degout

圖4 節(jié)點7的鄰接圖

3.4 URLT模型

具體規(guī)定如下。

可表示為

以上規(guī)定可以反映出真實世界中的傳播規(guī)律，當存在多方信息的來源時，接收者總會選擇對自己影響最大的一個接受，體現(xiàn)了信息傳播的競爭機制。

4 仿真實驗分析

本文實驗環(huán)境如下：使用Matlab R2015b在Windows10系統(tǒng)下，通過計算機模擬在真實世界中存在的BA無標度網(wǎng)絡(luò)和WS小世界網(wǎng)絡(luò)，觀察該模型在仿真網(wǎng)絡(luò)中的傳播情況，并對不同網(wǎng)絡(luò)模型中的信息傳播情況進行對比，對比不同敏感度的信息在相同網(wǎng)絡(luò)情況下的最終影響力范圍。

4.1 不同網(wǎng)絡(luò)中的傳播對比

圖5 BA無標度網(wǎng)絡(luò)中URLT模型的傳播圖

圖6模擬的是在小世界網(wǎng)絡(luò)中的傳播情況，小世界網(wǎng)絡(luò)節(jié)點與節(jié)點之間的耦合性較強，每個節(jié)點都有固定個數(shù)的鄰居節(jié)點，因此信息的傳播過程較BA無標度網(wǎng)絡(luò)速度快。與圖5相比，在網(wǎng)絡(luò)規(guī)模為500的小世界網(wǎng)絡(luò)中，僅100個初始節(jié)點就可以達到最大的影響范圍，隨著初始節(jié)點個數(shù)的增加，所影響的范圍也呈指數(shù)級快速增長，與小范圍內(nèi)的信息呈現(xiàn)病毒性傳播符合，也反映了在人群密集的社會網(wǎng)絡(luò)中，敏感信息的傳播速度是極其迅速的。

圖6 WS網(wǎng)絡(luò)中URLT模型的傳播情況

4.2 不同敏感度信息的對比

如圖7所示，在同一網(wǎng)絡(luò)條件以及相同節(jié)點閾值的情況下，分別用不同敏感度的信息傳播，可以看出在初始節(jié)點個數(shù)相同的情況下，其最終影響范圍不同，且高敏感度信息的傳播速度明顯快于低敏感度信息。結(jié)合真實世界的傳播規(guī)律，高敏感度的信息比低敏感度的傳播速度快，但其傳播速度的趨勢逐漸變慢。反之，低敏感度信息的最終影響范圍呈現(xiàn)斜率基本不變的直線，對于增加的初始節(jié)點數(shù)目，其最終影響范圍的增長速度保持不變，沒有出現(xiàn)增長速度變快并最終趨于平衡。

圖7 不同敏感度的傳播對比

4.3 在不同閾值中的對比

圖8 不同閾值的傳播對比

通過以上的幾組對比實驗，可以發(fā)現(xiàn)本文提出的URLT模型基本符合真實社會網(wǎng)絡(luò)中的信息傳播規(guī)律，其中，信息的敏感程度與節(jié)點的閾值等重要參數(shù)，也代表了信息和節(jié)點本身的屬性，是一個復(fù)雜的變量函數(shù)。因此，如何將這些參數(shù)從理論層次上升到科學計算，是下一步要關(guān)注的問題。

5 結(jié)束語

本文以社會熱點事件作為研究背景，分析了熱點事件與其他信息的異同，對相關(guān)概念進行了界定，并對已有的研究進行了說明。針對熱點事件的傳播規(guī)律，在已有研究的基礎(chǔ)上，提出了本文的創(chuàng)新點，即不僅要考慮網(wǎng)絡(luò)拓撲結(jié)構(gòu)，也要考慮節(jié)點之間的相互作用，即本文所說的相對影響權(quán)重。根據(jù)信息的傳播規(guī)律，將信息在不同時期的敏感度定義在一定的區(qū)間內(nèi)，方便進行數(shù)值計算。結(jié)合已有的線性閾值模型，最終本文提出了用戶相對影響權(quán)重閾值模型，經(jīng)過仿真實驗分析，該模型可以較好地反映信息的傳播規(guī)律。本文的研究僅是對靜態(tài)網(wǎng)絡(luò)進行了分析，并沒有對動態(tài)網(wǎng)絡(luò)進行分析，如何在動態(tài)網(wǎng)絡(luò)中進行建模分析也是今后研究的重要內(nèi)容。

[1] LIU T, ZHONG Y, CHEN K. Interdisciplinary study on popularity prediction of social classified hot online events in China[J]. Telematics and Informatics, 2017,34(3):755-764.

[2] JUNG S H, KIM J. A new way of extending network coverage: relay-assisted D2D communications in 3GPP[J]. ICT Express, 2016, 2(3): 117-121.

[3] RASSHOTTE. Social influence: the blackwell encyclopedia of social psychology[M]. Malden: Blackwell Publishing. 2007.

[4] ARAL S, WALKER D. Identifying influential and susceptible members of social networks[J]. Sience. 2012, 337(6092): 337-341.

[5] 吳信東.在線社交網(wǎng)絡(luò)影響力分析[J]. 計算機學報, 2015, 37(4): 735-751.

WU X D. Analysis of the influence of online social networks[J]. Journal of computer science, 2015,37 (4): 735-751.

[6] KEMPE D, KLEINBERG J,TARDOS E. Maximizing the spread of influence in a social network[C]//The 9th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2003:137-146.

[7] GRUHL D, GUHA R, LIBEN-NOWELL D, et al. Information diffusion though blogspace[C]//The 13th International Conference on World Wide Web. 2004:491-501.

[8] CHEN W, YUAN Y, ZHANG L. Scalable influence maximization in social networks under the liner threshold model[C]//The 2010 IEEE International Conference on Data Mining. 2010:88-97.

[9] CHEN W, WANG C, WANG Y. Scalable influence maximization for prevalent viral marketing in large-scale social networks[C]//The 16th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2010:1029-1038.

[10] TIAN J T, WANG Y T, FENG X J. A new hybrid algorithm for influence maximization in social networks[J]. Chinese Journal of Computers, 2011,34(10):1956-1964.

[11] 李弼程，戴鋒. 網(wǎng)絡(luò)輿情分析——理論、技術(shù)與應(yīng)用策略[M]. 北京:國防工業(yè)出版社. 2015.

LI B C, DAI F. Analysis of network public opinion: theory technology and application strategy[M]. Beijing: National Defense Industry Press. 2015.

[12] WANG J L. An online social network information propagation model based on relative weight of users[J]. Journal of Physics 2015, 64(5).

Threshold model for hot events spreading based on relative impact weight of the user

ZHANG De-yang1,HAN Yi-liang1, LI Xiao-long1, PAN Feng1, ZHOU Yi-xing1,2

(1. Department of Electronic Technology, Engineering University of the PAP, Xian 710086, China;2. Hebei Corps of the PAP, Shijiazhuang 050000, China)

A new relative influence weight function was proposed in combination with the existing linear threshold model. Combining with the information itself sensitivity and the threshold characteristic of the node itself, a threshold model(URLT model) was proposed, which can measure the information communication ability. By simulating the spread of different networks, different sensitivity information and different node thresholds, and comparing the final propagation situation, the experimental results show that the final influence range is consistent with the real spread situation. Therefore, the model has some reference value for the discovery and suppression of the law of information dissemination.

hot event, threshold, relative weight, network spread

TN929

A

10.11959/j.issn.2096-109x.2017.00195

2017-08-17；

2017-09-02。

張德陽，593251893@qq.com

國家自然科學基金資助項目（No.61572521）；軍事科學研究計劃課題基金資助項目（No.16QJ003-097）

The National Natural Science Foundation of China (No.61572521), Research Project of Military Science (No.16QJ003-097)

張德陽（1993-），男，河南新鄉(xiāng)人，武警工程大學碩士生，主要研究方向為輿情分析、社交網(wǎng)絡(luò)。

韓益亮（1977-），男，甘肅會寧人，武警工程大學教授、博士生導(dǎo)師，主要研究方向為密碼學、復(fù)雜網(wǎng)絡(luò)分析。

李曉龍（1991-），男，河南安陽人，武警工程大學碩士生，主要研究方向為網(wǎng)絡(luò)安全、輿情分析。

潘峰（1967-），男，北京人，武警工程大學副教授，主要研究方向為密碼學、復(fù)雜網(wǎng)絡(luò)分析。

周宜興（1976-），男，河北滄州人，武警工程大學碩士生，主要研究方向為復(fù)雜網(wǎng)絡(luò)分析。