移动社交网络对大学生校园生活影响力研究

郑雅琴 张高煜 马锐杰 舒航

摘 要 针对大学生移动社交网络的复杂性，在多智能体仿真开发平台NetLogo下编程实现移动社交网络信息传播的过程，动态地模拟移动社交网络在大学校园建立和发展的演化过程，展现海量信息如何依附移动社交网络进行传播，分析并总结归纳移动社交网络对大学生校园生活的影响。

关键词 移动社交网络；多智能体仿真；信息传播；NetLogo

中图分类号：G642.0 文献标识码：B

文章编号：1671-489X（2018）04-0047-04

Abstract In view of the complexity of mobile social network of college students， the process of mobile social network information dissemination is programmed in NetLogo， a multi-agent simulation development platform， which dynamically simulates the evolution of mobile social network in university campus establishment and deve-lopment. How to attach to the mobile social network to communicate with each other， Analyzes and summarizes the influence of mobile social network on college students life.

Key words mobile social network； multi-agent simulation； informa-tion dissemination； NetLogo

1 引言

随着移动网络技术的高速发展和迅速普及，移动互联网已然变成信息获取与传播的主要方式之一，成为一种信息传播与交换的新方式，给大学生的衣食住行等方面带来巨大改变，造成极大影响。

20世纪80年代，国外就有了青少年网络群体的研究，对于青少年与社交媒体的研究广泛出现并且涉及多个领域。而后的Facebook、Twitter等网络社交传媒的出现及流行，许多相关的调查开始启动[1]，如皮尤研究中心的“互联网和美国生活项目”、LSE Research的“英国儿童上网项目”、伦敦大学的“社交媒体与社会科学研究项目”等。

国内在社交传媒方面的研究没有国外兴起得那么早，相关研究相对较少。對文献资料进行整理总结发现，国内的研究大部分是将网络社交传媒作为一种新兴媒体来理解。

本文基于多智能体仿真技术对移动互联网的网络构建及信息传播进行仿真，动态地模拟移动社交网络在大学校园建立的演化过程，展现海量信息是如何依附移动社交网络进行相互传播，最后进行归纳与概括。

2 大学生移动社交网络模型

从统计物理学方面来说，社会网络是个许多个体与个体之间相互作用的系统。近年来，对于社会网络的探索正处在高速成长期。小世界模型是一种特殊的复杂网络结构，在模型中，大多节点并不相连，但是很多节点只要经过很少几步就可以到达。在现实生活中，即体现为一些你认为和你距离很远的人，其实和你很近。小世界模型就是对这些现象的数据描述。

最典型的小世界网络模型是Watts-Strogatz模型（WS模型）。数学解释就是一个以高聚集系数（即存在很多连接紧密的团体）和低平均特征路径长度（即任意两个节点之间大多会以至少一条短路径连接）为特征的网络模型。这个模型是一个假设，即只要把规则网络在一定概率下将连接打乱，那么此网络就具有小世界的特征。后来提出Newman-Watts模型（NW模型），即将变化连接改成随机添加连接，根据概率P（0

3 移动社交网络信息传播建模

病毒传播充分地描述了复杂网络上的传播特性，是目前网络信息传播研究的主要方向，对移动社交网络上信息传播的研究具有参考意义与借鉴价值。在病毒传播模型中，SI、SIR和SIS这三种模型最为典型[3]，对研究网络信息传播模型具有一定指导性作用。本文将根据SIR为基础，类比构建网络信息传播。

社交网络信息传播模型 在一般情况下，大部分的观点认为社交网络信息传播模型可以类似地用SIR模型表示和描述。SIR模型中的S、I和R在网络中则分别表示不知晓信息的人们、知晓信息并且乐于继续传播的人们、已知晓信息而且没有可能传播的人们。类比SIR模型，在社会网络中，假定该网络有N个节点并节点代表有可能性去传播信息的人群，其传播信息的方法如下：

1）假设人群处于I态，即是知晓信息并且乐于传播，则人群有可能传播信息；

2）在传播中，如果收到信息的人群处在S态，那么S态人群就知晓了信息，并变成I态，开始1）的传播过程；

3）如果此人群已经知道并传播过此信息，那么当他第二次得到这个信息时，就会极大降低传播此信息的可能（成为R态）。

整个过程可以由以下关系简单地表示出来：

I（i）+S（j）→I（i）+I（j）

I（i）+I（j）→R（i）+I（j）

I（i）+R（j）→R（i）+R（j）

首先，S收到I传播的信息，以λ的概率获取，并变成新的I；其次，I传播信息之后以概率μ成为R，或看成传播后没有了传播的可能性，则变成免疫信息人群。但是，在实际情形下，一些人们会对某些信息一点儿都不感兴趣，即使收到信息后也不会进行传播，也就是天生对其不感冒。假设这些人概率为θ，在模型中即S直接免疫，以θ的概率直接成为R。各点之间遵循S-I-R-S循环，它们之间的关系如图1所示。