在水一方分享 http://blog.sciencenet.cn/u/zico 复杂网络、推荐系统、社会标签……

博文

网络信息传播

已有 3505 次阅读 2018-5-8 00:16 |个人分类:科研笔记|系统分类:科研笔记| 信息传播, 网络科学, 复杂网络, 动力学

 

网络信息传播 

引言

随着互联网和信息技术的快速发展,信息传播的模式及其研究范式都发生着了巨大的变化,也引起了来自多个领域学者们的高度关注。一般而言,信息传播的研究主要分为三个方面:一是数据驱动的信息传播,主要是利用信息传播的真实数据来做传播模式和级联效应的研究; 二是信息传播的动力学建模,主要是通过理解信息传播的机理从微观方面解释并预测信息传播,相关模型主要包括疾病传播模型,级联模型以及阈值模型; 三是信息传播的应用,包括利用信息传播来研究网络重构、舆情预测、疾病防控、案件反演等等。而我们组目前的工作成果主要集中于前两个方面,最后一点目前正在尝试。下面主要介绍一下我们组在前两点上的一些思考。

数据驱动的信息传播

通过分析社交网络事件的具体传播模式,我们将事件的传播渠道大体归为两类,一种是信息通过网络中的个体之间进行传播,即口口相传,这种传播模式也称为内部传播模式;另一种是通过媒体或者大V广播的方式,称为外部传播模式[1]。我们通过信息增益来解释这两种传播模式,并且发现在这两种传播模式的共同影响下,信息会传播的更快更广。这个工作后来还在[2]中用来进一步研究突发事件的传播模式。此外,我们分析了2016年3月份,社交网络中关于‘叶问3票房造假’事件信息传播模式[3],提出了寻找该事件传播模式的传播源的指标,找到在该事件传播中的关键节点以及异常用户,并且构建了该事件传播的全景图。值得一提的是,由于该类事件具有传播广、速度快、影响大等特点,数据获取和分析都需要极强的及时性和有效性,稍有懈怠, 就只能分析“历史数据”了。此外,我们基于机器学习中的矩阵特征分解理论,提出了constrCRlink算法。该方法在控制信息传播的同时,可以最大程度地保留网络的社团结构[4]。

 

信息传播的动力学模型

关于信息传播动力学模型的研究,起源可能要比数据驱动相关的工作更早一些,主要研究集中在数据稀缺的情况下建立理想模型,而其中大部分工作是基于传染病传播或者相关的思想。当一种疾病在人群中传播时,这种疾病相关的信息也会随之传播开来。而有关疾病信息的广泛扩散,会警示人们要采取措施预防疾病(当然也可能会引起”集体恐慌”)。但由于信息性质本身与疾病的不同,又会导致出现不同于传染病的传播“盲区效应”[5]。我们基于H7N9和登革热的疾病扩散与信息传播数据,定量地验证了信息传播与疾病传播之间的关联关系, 并发现传染病爆发的多周期现象也跟相关的热议程度密切相关[6]。而在[7,8]中,我们分别建立了基于信息驱动的自适应和动态网络等传播模型。自适应过程是指,信息(患病)个体会自主地改变自己与社会环境的联系模式。而这种自主性的性质,可能是善意也可能是恶意的,将会极大地影响到社会宏观层面的涌现结果(比如舆情爆发、疾病流行、社会安定等)。进一步的理论分析发现由于用户注意力的限制,信息之间也会存在残酷的竞争现象,多数消息都会“胎死腹中”,只有熬过“婴幼期”的信息才有可能见到“雨后彩虹”[8]。

 

对于信息传播的数据、模型、应用的更多系统性内容,可以参考我们组的综述论文[9,10],

 

致谢

这个方向的工作,我们还是初学者。有幸得到了多位前辈和同行的指点。 他们是:瑞士弗里堡大学张翼成教授、香港城市大学祝建华教授、香港中文大学许伯铭教授、华东师范大学刘宗华教授和郑木华博士、山西大学靳祯教授和孙桂全教授、上海理工大学顾长贵副教授、四川大学王伟副教授杭州师范大学刘闯副教授和韩筱璞副教授美国圣母大学张初旭博士荷兰代尔夫特理工大学詹秀秀博士、伦敦玛丽女王大学孙烨博士等。其他还有很多同行前辈都对我们提出过宝贵意见,在此一并表示感谢。

 

参考文献

[1] Liu, C., Zhan, X. X., Zhang, Z. K., Sun, G. Q., Hui, P. M. (2015). How events determine spreading patterns: information transmission via internal and external influences on social networks. New Journal of Physics, 17(11), 113045.

[2] Wu, J.,  Zheng, M., Zhang, Z.-K, Wang, W., Gu, C. Liu, Z. (2018), A model of spreading of sudden events on social networks. Chaos, 28(3) 033113.

[3] Zhou, N., Zhan, X. X., Ma, Q., Lin, S., Zhang, J., Zhang, Z. K. (2017). Identifying Spreading Sources and Influential Nodes of Hot Events on Social Networks. In International Workshop on Complex Networks and their Applications (pp. 946-954). Springer, Cham.

[4] Zhang C, Yu L, Liu C, Zhang Z. K.,Zhou Tao A Community-Aware Approach to Minimizing Dissemination in Graphs (2017). APWeb-WAIM  Web and Big Data pp 85-99.

[5] Zhang C.X., Zhang Z.K., Han X, Liu C.,(2014) . Emergence of Blind Areas in Information Spreading . PLOS ONE, 9(4): e95785.

[6] Zhan, X. X., Liu, C., Zhou, G., Zhang, Z. K., Sun, G. Q., Zhu, J. J., Jin, Z. (2018). Coupling dynamics of epidemic spreading and information diffusion on complex networks. Applied Mathematics and Computation, 332, 437-448.

[7] Zhan, X. X., Liu, C., Sun, G. Q., Zhang, Z. K. (2018). Epidemic dynamics on information-driven adaptive networks, Chaos, Solitons & Fractals, 108, 196–04.

[8] Liu C, Zhang Z. K. (2014). Information spreading on dynamic social networks. Communications in Nonlinear Science and Numerical Simulation. 19(4), 896–904.

[9] Zhang, Z. K., Liu, C., Zhan, X. X., Lu, X., Zhang, C. X., Zhang, Y. C. (2016). Dynamics of information diffusion and its applications on complex networks. Physics Reports, 651, 1-34.

[10] 张子柯在线社交网络信息传播机制与动力学研究综述((2017) 情报学报. 36 (4) : 422-431

[11] Zhou, N., Zhan, X. X., Lin, S., Yang, S. H., Liu, C., Sun, G. Q., Zhang, Z. K. (2017). Information diffusion on communication networks based on Big Data analysis. The Electronic Library, 35(4), 745-757. 

[12] Zhan, X.X., Liu, C., Zhang, Z.K., Sun, G.Q. (2016). Roles of edge weights on epidemic spreading dynamics. Physica A, 456, 228-234.

[13] Sun Y., Liu C., Zhang C. X., Zhang Z.K (2014). Epidemic Spreading on Weighted Complex Networks. Physics Letters A 378:635–640


 




http://blog.sciencenet.cn/blog-210641-1112846.html

上一篇:当复杂网络遇到机器学习II (附源代码下载)

5 武夷山 詹秀秀 刘钢 章忠志 范深

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-8-12 15:06

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部