基于在线社交网络的微信信息传播机制研究.docx
- 文档编号:11116204
- 上传时间:2023-02-25
- 格式:DOCX
- 页数:7
- 大小:258.33KB
基于在线社交网络的微信信息传播机制研究.docx
《基于在线社交网络的微信信息传播机制研究.docx》由会员分享,可在线阅读,更多相关《基于在线社交网络的微信信息传播机制研究.docx(7页珍藏版)》请在冰豆网上搜索。
基于在线社交网络的微信信息传播机制研究
基于在线社交网络的微信信息传播机制研究
————————————————————————————————作者:
————————————————————————————————日期:
基于在线社交网络的微信信息传播机制研究-电子商务论文
基于在线社交网络的微信信息传播机制研究
文/桑杨毛艳
摘要:
本文从社交网络视角出发,构建了一个基于在线社交网络的微信信息传播模型,通过MATLAB仿真对信息传播的情况进行分析,并对模型中参数进行调整来分析微信信息传播速度的变化,得出了信息对用户的吸引力对信息传播的速度以及效果有最大的影响,用户容易受他人影响的程度对于信息传播的速度影响稍小。
关键词:
在线社交网络;微信;信息传播;MATLAB仿真
中图分类号:
G206文献标志码:
A
随着信息技术的快速发展,互联网正处于第三个高速发展热潮——即时网络阶段。
从上世纪90年代商业化开始,互联网至今己有二十多年历史,其间历经Webl.0(以“物”为中心)和Web2.0(以“人”为中心)两次热潮后进入了即时网络阶段Web3.0(以“应用服务”为中心)。
在这样的趋势和背景下,各种社交媒体应运而生。
微信不仅得到个体网民的喜爱,也受到企业等组织的偏爱,其已被应用于到各种领域,如企业进行微信营销,政府部门利用微信来传播信息(如开通微信公众平台),机构通过微信来宣传自我。
鉴于社交网络信息传播,很多学者对社交网络信息传播进行了研究。
蒙在桥,傅秀芬(2014)针对理论模型模拟与现实消息传播的不符,提出一个基于在线社交网络的动态消息传播模型D-SIR[1]。
王超,杨旭颖,徐坷等(2014)结合传染病动力学的SEIR模型,建立了适用于社交网络的信息传播模型[2]。
张晓伟(2014)通过借鉴日常生活中人与人之间的信任原理,提出了一种基于信任度的消息传播模型[3]。
周东浩,韩文报(2015)等对节点间传播概率和传播延迟进行建模,提出一个细粒度的在线社会网络信息传播模型[4]。
李倩倩,顾基发(2015)提出一个在线社交网络生成模型.采用优先连接刻画网络无标度特性[5]。
以上成果为微信信息传播的进一步研究提供了理论支持,基于此本文在在线社交网络中和SIR模型的基础上,提出基于在线社交网络的微信信息传播模型,利用MATLAB软件对模型进行数值模拟及结果分析。
1、模型构建
假设微信网络是一个存在N个节点的均匀社会网络,每个节点代表一个可传播信息的用户,且节点总数N不变,信息是有向传播的。
将微信社交网络的人群分为传播者(I),传播者(S1),观望者(S2),免疫者(R1),退出者(R2)。
微信信息传播模型示意图如图1.
其中λ1:
未知状态节点接触到传播节点时转化为传播节点的概率;λ2未知状态节点接触到观望节点时转化为观望节点的概率;μ:
观望状态节点遇到传播节点时转化为传播节点的概率β:
观望状态节点未转发而成为免疫节点的概率;γ:
传播状态节点成功转发后成为退出节点的概率。
微信信息传播过程应遵循的规则:
当一个无知者接触到传播节点时转化为传播节点的概率为λ1;未知节点转化为观望节点为λ2;其中λ1+λ2=1观望状态节点再次遇到传播节点时转化为传播节点的概率为μ。
观望者未转发信息而退出,成为免疫者,退出概率为β。
传播者成功转发信息而退出,成为退出者,退出概率为γ。
N为整个网络节点数,I(t),S1(t),S2(t),R1(t),R2(t)分别表示无知者、观望者、传播者、免疫者,退出者在t时刻的网络节点中的数量,并且有条件I(t)+S1(t)+S2(t)+R1(t)+R2(t)=N成立。
由以上假设和微信信息传播的规则,构建微信信息传播的平均场方程,其中k为节点接触到传播节点的概率,用来代表网络中的度。
2、数值模拟与结果分析
用龙格—库塔方法即(Runge一Kuntt)求解微分方程组(1-1)-(1-5),分析社交网络中各参数对各类用户的影响。
本文设定网络中的节点数N=1000,每个节点代表一个人,其中有一个初始传播节点,由于一般在用户在微信上转发信息也就转发一次,则设微信信息传播的初始条件为:
I(t)=999,S1(t)=0,S2(t)=1,R1(t)=0,R2(t)=0。
并设置各个参数:
k=0.01,λ1=0.2,λ2=1-λ1=0.8,μ=0.175,β=0.35。
由于一般在用户在微信上转发信息也就转发一次,则γ=1。
2.1五类节点随时间的变化
利用MATLAB对微信信息传播的过程进行仿真计算图2显示了未知者,观望者,传播者,退出者,免疫者5类人的数量在微信信息传播过程中随时间变化的情况。
由图2可见,未知者的数量在微信信息传播过程中不断减少,大约在t=2~5的区间时迅速减少,稳定状态时,未知者的没看到这条信息,未知者的数量只剩下很小一部分;观望者的数量在微信信息传播过程中持续增大,在t=5时达到了最高值;传播者的数量在信息传播的一段时间内不断增大,在t=6时达到了最高值,达到峰值后逐渐减小至零;未知者的数量和传播者的数量负相关,传播者越多则未知者减少得越快。
观望者中由于接触到传播者或者是自身的原因,有的转变为传播者,有的选择退出传播而成为免疫者,可随着时间的推移传播者的数量减少,观望者转变为传播者的也越来越少。
当微信信息传播结束时,微信网络中4类人的密度均达到一个稳定状态。
2.2未知者的传播率λ1的仿真与分析
为了研究未知者的传播率λ1对传播过程的影响,保持其他参数不变,k=0.01,λ2=1-λ1=0.8,μ=0.175,β=0.35。
将未知者传播的概率λ1分别改为0.15和0.3,通过MATLAB进行计算得出传播过程,图3为不同传播率下传播者、观望者,免疫者、退出者数量随时间的变化趋势。
由图3(b)可知当λ1=0.15时,传播者的最大值为77,达到最大值的时间为8.9,λ1=2时,传播者的最大值为154,达到最大值的时间为5.8,λ1=0.3时,传播者的最大值为252,达到最大值的时间为3.9,可知未知者传播率λ1越大,微信信息传播速度越快,结束时间越短,传播者数量的峰值也越大,即微信信息的的最大传播力与传播率为正相关关系,这说明创新扩散的力度,即信息传播的宣传力度使得传播者的数量增大,进而影响传播者,使得更多人在很短的时间内知道了此条微信信息,增大了微信信息的最终影响力。
由图3(c)可知当λ1=0.15时,观望者的最大值为261,达到最大值的时间为8,λ1=2时,观望者的最大值为308,达到最大值的时间为5,λ1=0.3时,观望者的最大值为311,达到最大值的时间为3,可知未知者传播率λ1越大,观望者的数量越快达到峰值,到达峰值的时间越快,较多的观望者较快的接触到微信信息。
2.3观望者的传播率μ的仿真与分析
观望者的传播率可以理解为人们由于自身原因被其他人影响而去转发的容易程度,观望者都是一开始在接收到信息时决定不转发的,但却可能会因自己对信息的慢慢接受过程或自己的微信好友中更多好友的转发而改变想法。
同样保持其他参数不变,k=0.01,λ1=0.2,λ2=1-λ1=0.8,β=0.35,γ=1。
另外分别设置观望者的传播率μ=0.125和μ=0.225,通过MATLAB进行计算得出传播过程,图4为不同传播率下传播者、观望者,免疫者、退出者数量随时间的变化趋势,各个状态节点的最大值和时间数据如表4所示。
由图4(a)(b)可知,当观望者的传播率μ=0.25时,与μ=0.35相比,传播的速度与范围几乎没有区别,未知者,传播者数量的曲线变化也并不明显。
未知者数量的下降速度比原来略慢,并且最后剩下的未知节点数量也较多。
传播者的数量在t=5.8时达到峰值154。
与μ=0.45相比,未知者,传播者数量的曲线变化也并不明显,未知者数量的下降速度比原来略快,传播者的数量在t=5.5时达到峰值215。
所以观望者的传播率越大,未知者的下降速度比原来略快,传播者达到的最大值比原来大,用也更短。
由图4(c)可知,观望者的传播率μ=0.25时,与μ=0.35相比,观望者数量的峰值和原来基本无差别,下降的速度相对略慢。
观望者在t=5.5,达到了峰值309,与μ=0.35相比,观望者的数量与原来也差别不大,但由于提高了传播率,会更加果断地选择传播,所以数量的下降速度更快。
所以观望者的传播率越大,观望者的下降速度与原来略快,峰值与原来基本无差别。
3、结语
本文基于SIR模型构建了基于在线社交网络的微信信息传播的模型,通过改变未知者的传播率和观望者的传播率,运用MATLAB仿真模拟,定量分析不同参数下,各类传播节点的变化情况,可得出如下结论:
(1)改变未知者在看到信息时转发的概率对传播的影响非常大,这个概率也可以理解成是信息对用户的吸引力。
要想让一条微信信息能更广泛的传播,那这条信息在被人看到时是否让人会想去转发它是很重要的。
(2)改变观望者的传播率的效果并没有像改变未知者的传播率的效果那样明显。
尽管转发人数传播者的变化很大,从未知节点的变化曲线可以看出,改变观望者的传播率对传播速度和传播范围的影响明显较小。
由此可见想要改变传播的情况,最有效的方式还是改变未知未知者的传播概率,也就是用户在初次看到信息时选择转发的可能性。
参考文献
[1]蒙在桥,傅秀芬.基于在线社交网络的动态消息传播模型[J].计算机用,2014,34(7):
1960-1963.
[2]王超,杨旭颖,徐坷,等.基于SEIR的社交网络信息传播模型[J].电子学报,2014,42(22):
2325-2330.
[3]张晓伟.在线社交网络下基于信任度的消息传播模型[J].计算机应用,2014,34
(2):
411-416.
[4]周东浩,韩文报,王勇军.基于节点和信息特征的社会网络信息传播模型[J].计算机研究与发展,2015,52
(1):
156-166.
[5]李倩倩,顾基发.用户行为驱动的在线社交网络建模[J].系统工程学报,2015
(2):
9-15.
作者简介:
桑杨,上海工程技术大学管理学院企业管理专业研究生。
毛艳,上海工程技术大学管理学院企业管理专业研究生。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 在线 社交 网络 信息 传播 机制 研究