基于用户相对影响权重的热点事件传播阈值模型

2017-11-10张德阳韩益亮李晓龙潘峰周宜兴

网络与信息安全学报 2017年9期

张德阳，韩益亮，李晓龙，潘峰，周宜兴,2

张德阳1，韩益亮1，李晓龙1，潘峰1，周宜兴1,2

（1. 武警工程大学电子技术系，陕西西安 710086；2. 中国人民武装警察部队河北总队，河北石家庄 050000）

结合现有的线性阈值模型，提出一种新的用户相对影响权重函数；结合信息自身敏感性以及节点自身的接受阈值特性，提出一种能衡量信息传播能力的阈值模型，即URLT模型。通过仿真实验模拟在不同网络、不同敏感度信息以及不同节点阈值的传播，并对最终传播情况进行对比，实验结果证明，其最终影响范围与真实传播情况符合。因此，该模型对信息传播规律的发现与抑制有一定的参考价值。

热点事件；阈值；相对权重；网络传播

1 引言

随着因特网的飞速发展，各种基于网络的社交媒体已经形成了全新的信息传播方式。尤其是对当今社会中一些热点问题，社会舆论的发展更是达到了一个前所未有的态势。国际、国内的重大事件，人们都能通过网络以及相关媒体在第一时间获取信息。也正是由于网络的便捷性，接收信息和发布信息的速度都有了极大提高。这种通过网络表达观点，诉说想法的行为，无疑对社会稳定、舆论引导造成了很大的压力。

通常意义下的社会热点事件包括2个方面的内容：一是由于社会环境长期形成的、较短时间内无法得到妥善解决的，具有一定的周期性，如大学生就业问题、开放“二胎”问题、全球气候变暖问题等，该类事件在一段时间内具有较高的关注度，之后重新回到正常水平；二是由于国际国内热点事件的发生引起的，具有突发性，诸如此类的事件中的部分带有故意炒作成分，目的是为了提高事件关注度。

2 相关概念及定义

2.1 相关概念

2.1.1 社会热点事件

社会热点事件定义为比较受广大群众关注或者欢迎的新闻或信息，或指某时期引人注目的地方或问题[1]。

社会热点事件一般具有鲜明的时代特征，它是伴随着生产力的发展而来的产物，反映的是社会中存在的矛盾性问题。具体体现在3个方面：一是突发性，热点事件的发生与发展有可能只是在很短的时间内达到较大的传播范围；二是敏感性，热点事件所反映的问题大部分是在普通民众之间产生的，代表了广大民众的诉求，不可避免地要涉及人民群众的切身利益；三是流动性，可能今天所谓的热点问题，到了明天就不是，或者民众对这个问题的兴趣程度大大减弱。

2.1.2 传播方式

社会网络由无数的个体组成，每个个体都有不同的家庭背景、性格习惯，因此每个人在得到信息后的处理方式也不同。当接收到自己比较感兴趣的信息时，个体通常会选择接受并且进行下一步的传播；当接收到自己不擅长或者不感兴趣的信息时，则会选择不接受、不传播；如果认为信息只对自己有利，对他人作用不大的时候，则会选择只接受不传播。

如今社会的传播方式[2]比历史上的任何时期都要复杂，较之以往线下口口相传的方式，现在的传播方式多趋于网络化，人们足不出户就可以获取自己想要的信息，这一切都得益于互联网的发展，人们可以在互联网上应聘求职、聊天交友、买卖交易等。然而，也正是互联网的便利性，使社会热点问题中舆论的传播形式越来越复杂，对舆情的管理难度也越来越高。

2.1.3 影响力

社交影响力只能通过人们之间的相互活动体现出来，其定义有如下2种。

1) Rashotte[3]根据用户之间的行为及其产生的效果，将社交影响力定义成由于交互行为的存在改变人的思想、感情、行为的现象。

2) 一些学者根据统计学的特点，将其定义为在影响力度分布中度值较大的一部分人。

2.1.4 敏感度

敏感度描述的是个体受他人影响的趋势，实际意义表示的是用户本身对事件被感染的程度，近来研究敏感度与影响力在社会传播中哪个的作用更大。文献[4]发现在部分社交软件中影响力的作用和敏感性的作用呈现此消彼长之势，同一个用户不可能同时具有高影响力和高敏感性。那么影响力和敏感度在传播过程中哪个因素的作用更大，这也是一个新的问题。

2.2 影响力的度量方法

表1 节点影响力的度量方法

2.3 影响力最大化模型

2.3.1 线性阈值模型

2.3.2 HPG算法中的改进权重

3 基于用户相对影响权重的阈值模型

3.1 信息的敏感度P

信息的传播过程大概分为3个阶段：信息的启发阶段、信息的渲染阶段、信息的传播阶段[11]，在每一个阶段中信息的敏感性是不同的。本文将信息在传播过程中最为敏感时的敏感度记为1，但一个信息的敏感度最高的时间是短的，因此通过信息敏感度判断一个信息是否敏感。通常将敏感度在0.5~1这一区间内的信息定义为敏感信息。从图1可以看出，一个信息的传播是有一定的生存期的，在其敏感度达到最大后，其敏感度又会逐渐下降到0。

图1 信息敏感度变化曲线

3.2 节点的特异性阈值θ

3.3 算法定义

3.3.1 算法描述

结合式(2)，本文将影响函数定义为

3.3.2 实例分析

图2 有向网络拓扑图

图3 节点1的邻接图

表1 节点1各个入边节点的出度Degout

图4 节点7的邻接图

3.4 URLT模型

具体规定如下。

可表示为

以上规定可以反映出真实世界中的传播规律，当存在多方信息的来源时，接收者总会选择对自己影响最大的一个接受，体现了信息传播的竞争机制。

4 仿真实验分析

本文实验环境如下：使用Matlab R2015b在Windows10系统下，通过计算机模拟在真实世界中存在的BA无标度网络和WS小世界网络，观察该模型在仿真网络中的传播情况，并对不同网络模型中的信息传播情况进行对比，对比不同敏感度的信息在相同网络情况下的最终影响力范围。

4.1 不同网络中的传播对比

图5 BA无标度网络中URLT模型的传播图

图6模拟的是在小世界网络中的传播情况，小世界网络节点与节点之间的耦合性较强，每个节点都有固定个数的邻居节点，因此信息的传播过程较BA无标度网络速度快。与图5相比，在网络规模为500的小世界网络中，仅100个初始节点就可以达到最大的影响范围，随着初始节点个数的增加，所影响的范围也呈指数级快速增长，与小范围内的信息呈现病毒性传播符合，也反映了在人群密集的社会网络中，敏感信息的传播速度是极其迅速的。

图6 WS网络中URLT模型的传播情况

4.2 不同敏感度信息的对比

如图7所示，在同一网络条件以及相同节点阈值的情况下，分别用不同敏感度的信息传播，可以看出在初始节点个数相同的情况下，其最终影响范围不同，且高敏感度信息的传播速度明显快于低敏感度信息。结合真实世界的传播规律，高敏感度的信息比低敏感度的传播速度快，但其传播速度的趋势逐渐变慢。反之，低敏感度信息的最终影响范围呈现斜率基本不变的直线，对于增加的初始节点数目，其最终影响范围的增长速度保持不变，没有出现增长速度变快并最终趋于平衡。

图7 不同敏感度的传播对比

4.3 在不同阈值中的对比

图8 不同阈值的传播对比

通过以上的几组对比实验，可以发现本文提出的URLT模型基本符合真实社会网络中的信息传播规律，其中，信息的敏感程度与节点的阈值等重要参数，也代表了信息和节点本身的属性，是一个复杂的变量函数。因此，如何将这些参数从理论层次上升到科学计算，是下一步要关注的问题。

5 结束语

本文以社会热点事件作为研究背景，分析了热点事件与其他信息的异同，对相关概念进行了界定，并对已有的研究进行了说明。针对热点事件的传播规律，在已有研究的基础上，提出了本文的创新点，即不仅要考虑网络拓扑结构，也要考虑节点之间的相互作用，即本文所说的相对影响权重。根据信息的传播规律，将信息在不同时期的敏感度定义在一定的区间内，方便进行数值计算。结合已有的线性阈值模型，最终本文提出了用户相对影响权重阈值模型，经过仿真实验分析，该模型可以较好地反映信息的传播规律。本文的研究仅是对静态网络进行了分析，并没有对动态网络进行分析，如何在动态网络中进行建模分析也是今后研究的重要内容。

[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] 吴信东.在线社交网络影响力分析[J]. 计算机学报, 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，戴锋. 网络舆情分析——理论、技术与应用策略[M]. 北京:国防工业出版社. 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

10.11959/j.issn.2096-109x.2017.00195

2017-08-17；

2017-09-02。

张德阳，593251893@qq.com

国家自然科学基金资助项目（No.61572521）；军事科学研究计划课题基金资助项目（No.16QJ003-097）

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

张德阳（1993-），男，河南新乡人，武警工程大学硕士生，主要研究方向为舆情分析、社交网络。