基于用戶(hù)相對(duì)影響權(quán)重的熱點(diǎn)事件傳播閾值模型

張德陽(yáng)，韓益亮，李曉龍，潘峰，周宜興,2

?

基于用戶(hù)相對(duì)影響權(quán)重的熱點(diǎn)事件傳播閾值模型

張德陽(yáng)1，韓益亮1，李曉龍1，潘峰1，周宜興1,2

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

結(jié)合現(xiàn)有的線(xiàn)性閾值模型，提出一種新的用戶(hù)相對(duì)影響權(quán)重函數(shù)；結(jié)合信息自身敏感性以及節(jié)點(diǎn)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(guò)仿真實(shí)驗(yàn)?zāi)M在不同網(wǎng)絡(luò)、不同敏感度信息以及不同節(jié)點(diǎn)閾值的傳播，并對(duì)最終傳播情況進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果證明，其最終影響范圍與真實(shí)傳播情況符合。因此，該模型對(duì)信息傳播規(guī)律的發(fā)現(xiàn)與抑制有一定的參考價(jià)值。

熱點(diǎn)事件；閾值；相對(duì)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(duì)當(dāng)今社會(huì)中一些熱點(diǎn)問(wèn)題，社會(huì)輿論的發(fā)展更是達(dá)到了一個(gè)前所未有的態(tài)勢(shì)。國(guó)際、國(guó)內(nèi)的重大事件，人們都能通過(guò)網(wǎng)絡(luò)以及相關(guān)媒體在第一時(shí)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(guò)網(wǎng)絡(luò)表達(dá)觀(guān)點(diǎn)，訴說(shuō)想法的行為，無(wú)疑對(duì)社會(huì)穩(wěn)定、輿論引導(dǎo)造成了很大的壓力。

通常意義下的社會(huì)熱點(diǎn)事件包括2個(gè)方面的內(nèi)容：一是由于社會(huì)環(huán)境長(zhǎng)期形成的、較短時(shí)間內(nèi)無(wú)法得到妥善解決的，具有一定的周期性，如大學(xué)生就業(yè)問(wèn)題、開(kāi)放“二胎”問(wèn)題、全球氣候變暖問(wèn)題等，該類(lèi)事件在一段時(shí)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(guó)際國(guó)內(nèi)熱點(diǎn)事件的發(fā)生引起的，具有突發(fā)性，諸如此類(lèi)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(huì)熱點(diǎn)事件

社會(huì)熱點(diǎn)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(shí)期引人注目的地方或問(wèn)題[1]。

社會(huì)熱點(diǎn)事件一般具有鮮明的時(shí)代特征，它是伴隨著生產(chǎn)力的發(fā)展而來(lái)的產(chǎn)物，反映的是社會(huì)中存在的矛盾性問(wèn)題。具體體現(xiàn)在3個(gè)方面：一是突發(fā)性，熱點(diǎn)事件的發(fā)生與發(fā)展有可能只是在很短的時(shí)間內(nèi)達(dá)到較大的傳播范圍；二是敏感性，熱點(diǎn)事件所反映的問(wèn)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(dòng)性，可能今天所謂的熱點(diǎn)問(wèn)題，到了明天就不是，或者民眾對(duì)這個(gè)問(wèn)題的興趣程度大大減弱。

2.1.2 傳播方式

社會(huì)網(wǎng)絡(luò)由無(wú)數(shù)的個(gè)體組成，每個(gè)個(gè)體都有不同的家庭背景、性格習(xí)慣，因此每個(gè)人在得到信息后的處理方式也不同。當(dāng)接收到自己比較感興趣的信息時(shí)，個(gè)體通常會(huì)選擇接受并且進(jìn)行下一步的傳播；當(dāng)接收到自己不擅長(zhǎng)或者不感興趣的信息時(shí)，則會(huì)選擇不接受、不傳播；如果認(rèn)為信息只對(duì)自己有利，對(duì)他人作用不大的時(shí)候，則會(huì)選擇只接受不傳播。

如今社會(huì)的傳播方式[2]比歷史上的任何時(shí)期都要復(fù)雜，較之以往線(xiàn)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(hù)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(mǎi)賣(mài)交易等。然而，也正是互聯(lián)網(wǎng)的便利性，使社會(huì)熱點(diǎn)問(wèn)題中輿論的傳播形式越來(lái)越復(fù)雜，對(duì)輿情的管理難度也越來(lái)越高。

2.1.3 影響力

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

1) Rashotte[3]根據(jù)用戶(hù)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?、感情、行為的現(xiàn)象。

2) 一些學(xué)者根據(jù)統(tǒng)計(jì)學(xué)的特點(diǎn)，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(gè)體受他人影響的趨勢(shì)，實(shí)際意義表示的是用戶(hù)本身對(duì)事件被感染的程度，近來(lái)研究敏感度與影響力在社會(huì)傳播中哪個(gè)的作用更大。文獻(xiàn)[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(zhǎng)之勢(shì)，同一個(gè)用戶(hù)不可能同時(shí)具有高影響力和高敏感性。那么影響力和敏感度在傳播過(guò)程中哪個(gè)因素的作用更大，這也是一個(gè)新的問(wèn)題。

2.2 影響力的度量方法

表1 節(jié)點(diǎn)影響力的度量方法

2.3 影響力最大化模型

2.3.1 線(xiàn)性閾值模型

2.3.2 HPG算法中的改進(jìn)權(quán)重

3 基于用戶(hù)相對(duì)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(guò)程大概分為3個(gè)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(gè)階段中信息的敏感性是不同的。本文將信息在傳播過(guò)程中最為敏感時(shí)的敏感度記為1，但一個(gè)信息的敏感度最高的時(shí)間是短的，因此通過(guò)信息敏感度判斷一個(gè)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(gè)信息的傳播是有一定的生存期的，在其敏感度達(dá)到最大后，其敏感度又會(huì)逐漸下降到0。

圖1 信息敏感度變化曲線(xiàn)

3.2 節(jié)點(diǎn)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(shí)例分析

圖2 有向網(wǎng)絡(luò)拓?fù)鋱D

圖3 節(jié)點(diǎn)1的鄰接圖

表1 節(jié)點(diǎn)1各個(gè)入邊節(jié)點(diǎn)的出度Degout

圖4 節(jié)點(diǎn)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(shí)世界中的傳播規(guī)律，當(dāng)存在多方信息的來(lái)源時(shí)，接收者總會(huì)選擇對(duì)自己影響最大的一個(gè)接受，體現(xiàn)了信息傳播的競(jìng)爭(zhēng)機(jī)制。

4 仿真實(shí)驗(yàn)分析

本文實(shí)驗(yàn)環(huán)境如下：使用Matlab R2015b在Windows10系統(tǒng)下，通過(guò)計(jì)算機(jī)模擬在真實(shí)世界中存在的BA無(wú)標(biāo)度網(wǎng)絡(luò)和WS小世界網(wǎng)絡(luò)，觀(guān)察該模型在仿真網(wǎng)絡(luò)中的傳播情況，并對(duì)不同網(wǎng)絡(luò)模型中的信息傳播情況進(jìn)行對(duì)比，對(duì)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(duì)比

圖5 BA無(wú)標(biāo)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(diǎn)與節(jié)點(diǎn)之間的耦合性較強(qiáng)，每個(gè)節(jié)點(diǎn)都有固定個(gè)數(shù)的鄰居節(jié)點(diǎn)，因此信息的傳播過(guò)程較BA無(wú)標(biāo)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(gè)初始節(jié)點(diǎn)就可以達(dá)到最大的影響范圍，隨著初始節(jié)點(diǎn)個(gè)數(shù)的增加，所影響的范圍也呈指數(shù)級(jí)快速增長(zhǎng)，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(huì)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(duì)比

如圖7所示，在同一網(wǎng)絡(luò)條件以及相同節(jié)點(diǎn)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(diǎn)個(gè)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(shí)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(shì)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(xiàn)，對(duì)于增加的初始節(jié)點(diǎn)數(shù)目，其最終影響范圍的增長(zhǎng)速度保持不變，沒(méi)有出現(xiàn)增長(zhǎng)速度變快并最終趨于平衡。

圖7 不同敏感度的傳播對(duì)比

4.3 在不同閾值中的對(duì)比

圖8 不同閾值的傳播對(duì)比

通過(guò)以上的幾組對(duì)比實(shí)驗(yàn)，可以發(fā)現(xiàn)本文提出的URLT模型基本符合真實(shí)社會(huì)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(diǎn)的閾值等重要參數(shù)，也代表了信息和節(jié)點(diǎn)本身的屬性，是一個(gè)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(xué)計(jì)算，是下一步要關(guān)注的問(wèn)題。

5 結(jié)束語(yǔ)

本文以社會(huì)熱點(diǎn)事件作為研究背景，分析了熱點(diǎn)事件與其他信息的異同，對(duì)相關(guān)概念進(jìn)行了界定，并對(duì)已有的研究進(jìn)行了說(shuō)明。針對(duì)熱點(diǎn)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(diǎn)，即不僅要考慮網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，也要考慮節(jié)點(diǎn)之間的相互作用，即本文所說(shuō)的相對(duì)影響權(quán)重。根據(jù)信息的傳播規(guī)律，將信息在不同時(shí)期的敏感度定義在一定的區(qū)間內(nèi)，方便進(jìn)行數(shù)值計(jì)算。結(jié)合已有的線(xiàn)性閾值模型，最終本文提出了用戶(hù)相對(duì)影響權(quán)重閾值模型，經(jīng)過(guò)仿真實(shí)驗(yàn)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?jī)H是對(duì)靜態(tài)網(wǎng)絡(luò)進(jìn)行了分析，并沒(méi)有對(duì)動(dòng)態(tài)網(wǎng)絡(luò)進(jìn)行分析，如何在動(dòng)態(tài)網(wǎng)絡(luò)中進(jìn)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(xiàn)社交網(wǎng)絡(luò)影響力分析[J]. 計(jì)算機(jī)學(xué)報(bào), 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(guó)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(yáng)，593251893@qq.com

國(guó)家自然科學(xué)基金資助項(xiàng)目（No.61572521）；軍事科學(xué)研究計(jì)劃課題基金資助項(xiàng)目（No.16QJ003-097）

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

張德陽(yáng)（1993-），男，河南新鄉(xiāng)人，武警工程大學(xué)碩士生，主要研究方向?yàn)檩浨榉治?、社交網(wǎng)絡(luò)。

韓益亮（1977-），男，甘肅會(huì)寧人，武警工程大學(xué)教授、博士生導(dǎo)師，主要研究方向?yàn)槊艽a學(xué)、復(fù)雜網(wǎng)絡(luò)分析。

李曉龍（1991-），男，河南安陽(yáng)人，武警工程大學(xué)碩士生，主要研究方向?yàn)榫W(wǎng)絡(luò)安全、輿情分析。

潘峰（1967-），男，北京人，武警工程大學(xué)副教授，主要研究方向?yàn)槊艽a學(xué)、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(xué)碩士生，主要研究方向?yàn)閺?fù)雜網(wǎng)絡(luò)分析。