[发明专利]考虑带评论转发行为的SEIAR谣言传播过程描述方法

说明书

技术领域

本发明涉及一种考虑带评论转发行为的SEIAR谣言传播过程描述方法。

背景技术

随着社交网络的迅速发展以及广泛的普及，多种形式的信息在庞大的社交网络中传播。其中，谣言是一种利用各种渠道传播的、为公众感兴趣的事物、事件或问题的未证实的阐述或诠释。由于谣言的蛊惑性较强，而大多数社交网络用户的辨识能力较差，从而造成了谣言在网络中肆意传播。根据中国互联网信息中心(CNNIC)发布第38次《中国互联网络信息发展状况统计报告》显示，截止2016年6月，中国网民规模达7.10亿，微博用户规模为2.42亿，说明微博对大众的信息获取与转发起着关键的作用，因此建立的合理的谣言传播模型有助于对网络谣言传播的深入理解和研究。

对谣言传播的研究可追溯至20世纪60年代提出的D-K模型，该模型根据谣言传播效果将节点状态分为3种，3种状态之间的转换满足一定的概率分布。DK具有高度的抽象性、严密的逻辑性和应用广泛性，但它没有把社交网络的拓扑结构对谣言传播的影响考虑在内，因此不能很好地解释谣言在大型社交网络中的传播机制。

由于传染病扩散和信息扩散的深度关联，学者们将焦点转移至病毒感染模型。通过将复杂网络理论应用在谣言传播研究中，对指数型均匀网络和幂律型非均匀型网络上的谣言传播进行了深入的研究，得出谣言在均匀网络中的传播不存在非零临界值等结论。随着研究的深入，学者们考虑了在谣言传播过程中人类的行为和不同的传播机制造成的影响。

带有潜伏状态节点的SEIR谣言传播模型考虑了微博用户在获知微博消息后不会立即采取转发行为，即该类节点受邻居节点的影响在一段时间之后才转发微博消息或一直不转发。虽然这种模型能很好的刻画谣言传播过程，但是该模型的缺点是感染概率固定且并没有将潜伏节点的状态转换与周围节点的状态联系起来。包括SEIR传播模型在内的多种传播模型未考虑到二次转发对转发的影响，而二次转发行为在网络谣言传播中较频繁的出现。

发明内容

为了解决以上现有模型的缺陷，特别针对于感染概率固定，未考虑到二次转发行为对谣言传播的影响，本发明提供一种考虑带评论转发行为的SEIAR谣言传播过程描述方法，建立SEIAR谣言传播模型，以更加准确地描述谣言传播过程。

本发明为解决上述技术问题采用以下技术方案：

本发明提供一种考虑带评论转发行为的SEIAR谣言传播过程描述方法，将用户节点划分为易感染状态、暴露状态、感染状态、活跃状态和免疫状态五种状态，建立SEIAR谣言传播模型，根据该SEIAR谣言传播模型对谣言传播过程进行描述；

其中，SEIAR谣言传播模型为：

其中，S(t)、E(t)、I(t)、A(t)、R(t)分别为t时刻易感染状态、暴露状态、感染状态、活跃状态、免疫状态下的节点数量；P₁为节点由易感染状态转为暴露状态的概率；P₂为节点由暴露状态转为感染状态的概率；P₃为节点由感染状态转为活跃状态的概率；P₄为节点由感染状态转为免疫状态的概率；P₅为节点由活跃状态转为感染状态的概率；P₆为节点由暴露状态转为免疫状态的概率。

作为本发明的进一步优化方案，节点由暴露状态转为感染状态的概率其中，λ表示谣言的基本传播概率，即谣言的诱惑程度；θ表示控制增幅的范围；a和b均为加权因子；N表示用户节点总数。

作为本发明的进一步优化方案，基于所述SEIAR谣言传播模型的谣言传播过程为：

t时刻，处于活跃状态的节点以概率P₅在t+1时刻转为感染状态I；处于暴露状态的节点以概率P₂在t+1时刻转为感染状态，以概率P₆在t+1时刻转为免疫状态；处于感染状态的节点以概率P₁将处于易感染状态的邻居节点在t+1时刻转为暴露状态；处于感染状态的节点以概率P₃在t+1时刻转为活跃状态，以概率P₄在t+1时刻转为免疫状态。

作为本发明的进一步优化方案，0≤a≤1。

作为本发明的进一步优化方案，0≤b≤1。