[发明专利]基于元胞自动机的信息传播模型

说明书

技术领域

本发明属于社交网络技术领域，具体涉及一种基于元胞机的信息传播模型。

背景技术

社交网络自出现以来，经历了一个快速发展的历程，使用社交网络传播信息也成为网络用户关系交往的重要途径；大量的动态通信的信息，影响着网络成员的决策，系统科学地分析社交网络的信息传播行为，将会使我们从信息传播的角度对网格结构、属性以及突发事件遵循的规律有进一步的认识。

社交网络的蓬勃发展，使得信息的发布和接收变得异常简便、迅速，信息呈现“核裂变”方式传播，消息一经发布立即被系统推送到所有关注者，一旦被转发，又立即传播到下一批关注者。广大网民都有机会在突发事件的产生、发酵、传播、爆炒环节中起作用，使得事件向更大范围发展，如果不及时引导并加以控制，一段时间后接触到谣言的用户数量会达到最大值。研究社交网络的信息传播规律，合理引导信息的发布和社会的舆论，有利于网络的安全控制和资源优化。

在信息传播规律的研究领域，已有传染病模型及其改进模型，经典的传染病模型大致将人群分为几类，每一类的个体都处于同一种状态；其基本状态有：传播态，未感染态和免疫态。在研究这些状态之间的转换过程中又出现了不同的改进模型：描述感染后永久处于感染态；描述感染后成为新的感染源；描述感染后恢复健康获得免疫力。借鉴传染病感染机制，把社交网络的人群划分为未知消息、传播消息、失去传播消息的兴趣。还有的研究模型基于微分方程，分析信息传播规律，但方程的解对初始条件极为敏感；基于动力学的传播模型，通过借鉴复杂网络理论在其他网络研究中的成功应用，参数量化困难。虽然这些传播模型在许多网络中得到了扩展和研究，但是对于网络信息传播的研究，当前还是处于相对初级的阶段，尚未提出完整的社交网络及信息传播的基础理论和方法，对性质的分析仍然受限于定性或者半定量的统计。

传统的传播模型大部分是基于规则网络研究的，普遍具有以下缺点：(1)没有考虑到在线社交网站中用户的真实状态，比如重复感染或者感染与否的概率性等；(2)运算复杂，演化过程不能随时调整参数；(3)划分用户状态较少，不能全面客观的刻画社交网络中的信息传播过程；(4)模拟结果不直观，不能很好描述信息传播过程的行为特征。

发明内容

针对上述情况，本发明的目的就是提供一种基于元胞机的信息传播模型，包括模型的定义、状态的描述及规则的描述，有助于更深刻地理解社交网络中的信息传播特性，已克服上述已有模型的不足。

为实现上述目的，本发明所采取的技术方案是：提供一种基于元胞机的信息传播模型，具体内容如下所示：

(一)模型的构建

定义：A＝(L,S,N,f)，其中A为元胞自动机系统，L为元胞空间，边界条件为周期性边界，S 为元胞状态集合，N为元胞的邻域集合，定义半径为1的Moore领域类型，f为局部映射集合；

其中，为第i个元胞在t+1时刻的状态，j₁,…j_N为元胞的邻居，为所有邻元的状态集合；邻居的形式采用Von Neumann型，每个节点拥有上、下、左、右、左上、左下、右上、右下八个方位的邻居，其数学表达式如下：

N_Moore＝{v_i＝(v_ix,v_iy)|v_ix-v_ax|＜＜1,|v_iy-v_ay|＜＜1,(v_ix,v_iy)∈Z^Z}

其中，v_i为表示中心元胞坐标值为(v_ax,v_ay)的相邻元胞的集合，(v_ix,v_iy)则表示邻居元胞的空间位置；

(二)模型描述

在SNS网络中，结合真实社交网络中用户对待信息传播的态度，把社交网络中信息的传播过程细化为多个状态，用不同类型节点的状态转移图表示；元胞的状态集合S＝{0,1,2,3,4,5,6}，分别对应谣言传播过程中的各种状态。其状态含义如下：0：未接触谣言状态；1：已接触谣言状态；2：相信谣言状态；3：不相信谣言状态；4：传递谣言状态；5：质疑谣言状态；6：辟谣状态。

对于每个元胞在t时刻有七种不同的取值，分别对应信息传播过程中的个体的状态；

未接触信息状态，即个体未被感染，如果接触到信息，可以成为已接触者；