最近，我中心在《Communications in Nonlinear Science and Numerical Simulations》（CNSNS）上发表“Information spreading on dynamic social networks”一文。CNSNS是SCI一区的数学物理杂志，刊登非线性科学和大数据计算方向具有重要原创性的高水平研究论文。刘闯为第一作者，张子柯为通讯作者。

近年来，信息传播是复杂网络传播动力学研究的一大热点。在研究网络上的信息传播模型时，大都基于疾病传播的研究框架，考虑信息传播的特点，进行建模分析。但是大部分的传播模型都是基于静态网络的研究，除了提出的自适应网络模型，其他动态网络上的研究工作并不多见。

本文提出的模型，以每个传播者为中心，考虑其邻居节点的S状态节点的个数，基于该量，在邻居节点和二级邻居节点之间，引入传统物理中的费米函数确定断边重连概率（如图所示）。采用恢复概率为1的SIR模型（考虑信息传播过程中，节点不会对同一个邻居重复传播信息），在各种标准基态网络（规则网络，小世界网络，随机网络以及BA网络）上进行传播过程模拟，结果发现在该动态情况下，信息的传播速度和广度都有明显的提升。通过对信息级联块大小的分布分析发现，信息初始的传播非常关键，经过初始的传播依然能够在系统中活跃的信息，会非常快速的传播到一定的范围，否则信息快速消亡。应了那句话：to be or not to be? that is not a question!

本文的模型简洁，结果丰富，对动态社会网络上的信息传播的理论研究和研究工作起到一定的推动作用。

论文原文： http://authors.elsevier.com/sd/article/S100757041300378X

本地下载：　　2013CNSNS-Information spreading on dynamic social networks.pdf