一种基于个体行为的社交网络信息传播模型

摘要

在线社交网络已经成为人们日常生活中最流行的信息交流手段，信息在社交网络中的传播引起了众多研究学者的高度重视，然而传统的研究大多基于网络的宏观特性，较少地考虑社交网络中个体的行为特征，但是社交网络上信息的传播与个体的行为存在着显著的联系。
　　本文以构建基于个体行为的信息传播模型为目标，首先分析了与信息传播相关的个体行为，对影响个体分享行为的因素进行分析，并对这些因素进行了定义和量化。并以这些因素为特征属性，运用贝叶斯分类器对个体进行分类。为了实现对真实信息传播过程的转发延迟特性进行仿真，本文提出一种随机时间产生方法。考虑到个体的精力有限，并不一定能够看到其好友发布的所有信息，本文提出一种信息可见性预测算法，算法能够估算出信息被某个体看到的概率。然后以个体的分类为基础，结合随机时间产生方法和信息可见性预测方法，构建了基于个体行为的信息传播模型，模型可用于信息传播规模和传播速度的预测。最后通过从新浪微博采集的数据集对个体行为预测方法和基于个体行为的信息传播模型进行了实验验证和分析。
　　本文的研究可用于理解个体的传播行为和信息的传播机制，提出的信息传播模型为后续的网络演变和社交网络分析打下了基础，同时对信息传播规模和速度的预测可用于舆情的监控。

目录

声明

摘要

第1章 绪论

1．1 研究背景与意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状

1．2．1 网络结构分析

1．2．2 社交网络个体行为分析技术

1．2．3 社交网络信息传播的分析

1．3 论文研究内容

1．4 论文组织结构

第2章 相关理论与技术

2．1 社交网络理论基础

2．1．1 社交网络的定义和特性

2．1．2 社交网络的表示与结构特征

2．1．3 社交网络模型

2．2 个体行为的概念与特征

2．2．1 个体与个体行为的概念

2．2．2 个体行为的特征

2．3 经典传播模型

2．3．1 传染病模型

2．3．2 影响力传播模型

2．4 贝叶斯分类模型

2．5 本章小结

第3章 基于个体行为的信息传播模型设计

3．1 个体行为分类及识别方法

3．1．1 个体行为分类

3．1．2 影响个体行为的因素

3．1．3 个体行为识别方法

3．2 随机时间产生方法

3．3 信息可见性预测方法

3．4 基于个体行为的信息传播模型

3．4．1 模型描述

3．4．2 模型算法

3．5 本章小结

第4章 实验验证与结果分析

4．1 数据集

4．1．1 数据集介绍

4．1．2 数据集描述

4．2 个体类型识别结果分析

4．3 信息传播模型预测结果

4．3．1 信息传播结果评价方法

4．3．2 信息传播效果预测

4．4 影响信息传播的因素分析

4．4．1 个体类型分布对信息传播影响

4．4．2 转发延迟对信息传播影响

4．4．3 信息可见性对信息传播影响

4．5 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢