基于社会网络的信息传播度量模型论文

　　摘要：社会网络已经成为人类共创与共享信息的平台，信息在网络中的传播对社会发展产生的作用和影响与日俱增。因此，揭示用户间信息的传播规律对于及时掌握和控制信息传播具有非常重要的意义。以社会网络社会关系强度P、社会网络潜在关系强度Q、社会网络信息传播能力W为基础，构建了社会网络信息传播度量模型，描述了度量模型的算法核心思想。仿真实验表明，社会关系强度越大，网络的信息传递概率越大，也就意味着网络的信息传递能力越强。

　　关键词：社会网络；信息传播；社会关系强度；社会潜在关系；信息传播度量

　　DOI：10.11907/rjdk.143849

　　中图分类号：TP311.5

　　文献标识码：A文章编号：1672-7800（2023）012-0082-04

　　作者简介：王玉姣（1980-），女，湖北嘉鱼人，硕士，湖北交通职业技术学院计算机与信息工程系讲师，研究方向为软件工程、智能交通。

　　0引言

　　社会网络（SocialNetworks，SNS）指社会个体之间通过社会关系形成的复杂网络体系[1]。在社会网络中，个体与个体之间、个体与群体之间、群体与群体之间、文化与文化之间不断形成新的信息模式和社会结构形式[2]。在社会信息广泛网络化的今天，互联网用户群已经达到了一个非常庞大的数量，由此通过互联网发布的各种媒体信息也得到了极大的丰富。以Twitter、Facebook、微信、微博、人人网为代表的在线社会网络迅速发展，这些以文字、图片或视频为信息载体的多媒体社交网站每个月都会有上百亿次的用户信息交互。社会网络不仅为人类提供了社交和娱乐的平台，还正逐渐成为辅助行政、商务等活动的有力工具[3]。

　　在大规模用户高度参与的社会网络中，信息传播对人类现实生活造成了重大影响。研究表明，社会网络中的信息传播和传统媒介中的信息传播相比，具有多模态性、大规模性、实时性和快速性的特点。2023年4月“雅安地震”爆发后，微博强有力的信息扩散能力为及时发布救援提示起到了积极作用，但另一方面也有不法分子利用微博传播谣言引起民众不安。因此，对社会网络中信息传播进行研究，快速有效地预测信息传播范围，发掘影响信息传播的各种要素，研究用户之间信息传播的规律，不仅可以扩大有用信息的传播范围，还能及时阻断不良信息的扩散，对社会公共安全具有重要的理论价值和现实意义[4]。

　　本文综合运用社会网络“社群图模型”以及信息传播的“六度传播模式”，研究社会关系和网络结构对信息传播的影响，将信息传播过程转化为信息传播度量模型，最后通过仿真实验模拟信息的传播过程，得出社会网络中信息传播的规律。

　　1度量模型

　　1.1模型定义

　　现实中社会网络关系结构非常复杂，并且随着信息不断传播，社会网络用户得到信息的概率呈动态变化。本文利用社会网络信息传播度量模型来描述和测量这些变化。设D（G，P，Q，W）表示社会网络信息传播度量模型，其中G表示社会网络信息传播度量图（见图1），P表示社会网络的社会关系强度，Q表示社会网络的潜在关系强度，W表示社会网络的信息传播能力。

　　社会网络信息传播度量图G（N，E）用n边形的对称图来表示。顶点集合N={1，2，3，…，n}代表社会网络中的所有用户，直线集合代表社会网络用户之间的社会关系。

　　社会网络中的社会关系强度P通过测量得到，为社会网络的固有属性。将社会网络用户之间的信息传播概率表示为社会网络用户的社会关系强度，设pij为用户i与用户j之间的社会关系强度，集合表示社会网络用户的社会关系强度，并且假设网络中所有用户的社会关系对称，即pij=pji，用户自身的社会关系强度为1，即当i=j时，pij=1。

　　社会网络潜在强度Q通过计算社会网络社会关系强度P得出。将社会网络结构中用户之间信息传播的概率表示为社会网络用户的潜在关系强度，设qij为在社会网络结构中用户i与用户j之间的潜在关系强度，且qij=qji，社会网络结构中用户的潜在关系强度用集合表示，用户之间潜在关系越强，则意味着社会网络中用户间的信息传播概率越高。

　　设wa为社会网络a的信息传播能力，用集合W{1≥ws≥0|s∈S}表示社会网络信息传播能力，其中集合S={a，b，c，…}代表社会网络。社会网络信息传播能力w为该网络中全部用户之间潜在关系强度Q的均值。

　　1.2模型算法

　　模型核心算法：如何通过社会网络社会关系强度P计算得出社会网络潜在关系强度Q。本文结合递归方法和点转换方法，将复杂的计算过程简化。为表示方便，用Q（n）表示当有n个用户时的社会网络潜在关系强度。

　　在模型算法的求解中，将求解过程划分为n-1个步骤完成：

　　步骤1：计算递归的最底层，即当N=2时的Q（2）;

　　步骤2：利用步骤1中得到的结果计算当N=3时的Q（3）;

　　依次类推，步骤n-1是利用前面步骤中得到的结果，计算当N=n时的Q（n）。

　　由于社会网络信息传播度量图G（N，E）具有对称模性，本文通过点转换方法，将递归的每层用一个公式快速表示其它多个公式。

　　1.2.1递归求解

　　步骤1：当N=2时，计算Q（2）。

　　首先从递归最底层开始，假设N=2，那么得到图2和式（1）。

　　q（2）21=p21（1）

　　步骤2：当N=3时，计算Q（3）。

　　将图2中增加用户3，即当N=3时，得到图3和计算公式（2）。

　　q（3）31=1-（1-p31）×（1-p32×p21）

　　q（3）21=1-（1-p21）×（1-p32×p31）（2）

　　q（3）32=1-（1-p32）×（1-p31×p21）

　　步骤3：当N=4时，计算Q（4）。将图3增加用户4，即当N=4时，得到图4。

　　通过计算式（2），得出点1、点2和点3之间关系的解q（3）31和q（3）21，如图5中阴影三角形所示;点4到点1的路径有：点4直接到点1，点4经过点2，点4经过点3。得出q（4）41的计算公式（3）：

　　q（4）41=1-（1-p41）×（1-p42×q（3）21）×（1-p43×q（3）31）

　　=1-（1-p41）×{1-p42×[1-（1-p21）×（1-p32

　　×p31）]}×{1-p43×[1-（1-p31）×（1-p32×p21）]}（3）

　　同理，可以得到q（4）31、q（4）21、q（4）42、q（4）32、q（4）43的计算公式。

　　步骤4：当N=5时，计算Q（5）

　　将图4用户增加至5，即N=5时，得到图6。

　　通过计算式（3），得出点1、点2、点3和点4之间关系的解q（4）41、q（4）31和q（4）21，如图7中阴影三角形所示;点5到点1的路径有：点5直接到点1，点5经过点2，点5经过点3。得出q（5）51的计算公式（4）：

　　q（5）51=1-（1-p51）×（1-p52×q（4）21）×

　　（1-p53×q（4）31）×（1-p54×q（4）41）（4）

　　同理，可以得到q（5）41、q（5）31、q（5）21、q（5）52、q（5）42、q（5）32、q（5）53、q（5）43、q（5）54的计算公式。

　　步骤n-1：当N=n时，计算Q（n）

　　依次类推，当增加到第n个用户，即N=n时，得到q（n）n1的计算公式（5）：

　　q（n）n1=1-（1-pn1）×（1-pn2×q（n-1）21）×

　　……×（1-pn（n-1）×q（n-1）（n-1）1）（5）

　　同理，可以得到q（n）ij的全部计算公式，从而计算出Q（n）。

　　1.2.2点转换

　　上述计算过程，实质是递归计算的过程。由于社会网络信息传播度量图G（N，E）具有对称模性，本文通过点转换的方法，将递归每层用一个公式快速表示其它多个公式。

　　设F（i，j）表示模型图G中点i和点j位置互换，同时点i和点j相应的关系强度P也互换。例如，对图7中的点4和点2位置互换。

　　F（4，2）得到

　　q（4）21=1-（1-p21）×{1-p24×[1-（1-p41）×（1-

　　p34×p31）]}×{1-p23×[1-（1-p31）×

　　（1-p34×p41）]}

　　上述递归的方法和点对换的方法将社会网络社会关系强度P和社会网络潜在关系强度Q的关系抽象为公式（6）和公式（7）：

　　F（i，j）（6）

　　q（n）n1=1-（1-pn1）×（1-pn2×q（n-1）21）×

　　……×（1-pn（n-1）×q（n-1）（n-1）1）（7）

　　本文使用计算机C++语言编程，可具体实现在任意社会网络中，通过社会网络社会关系强度P计算出社会网络潜在关系强度Q。

　　2模型实验

　　通过对社会网络信息传播度量模型进行模拟实验，具体分析社会网络的关系强度以及网络结构对社会网络的潜在关系强度和信息传播能力产生的影响。

　　2.1社会关系强度的影响

　　假设有一个由10名成员构成的小型社会网络，各成员之间是串联关系，如图8所示。假如所有成员的社会关系强度p都相等，通过改变p的值，测量该社会网络的潜在关系强度q对应的变化值，进而度量出整个网络的.信息传播能力w随p的变化情况。通过运行C++程序进行测量，得出两者之间的函数曲线（见图9）。

　　图8小型社会网络结构

　　从图9中可以看出，社会网络成员为串联关系的情况下，网络的信息传递能力w随着社会关系强度p增大而增大。当0<p<0.7时，w增长缓慢;当0.7<p时，w增长快速。

　　同样假设一个由10名成员构成的小型社会网络，不过成员之间互相均有联接关系。假如所有成员的社会关系强度p都相等，通过改变p的值，测量该社会网络的潜在关系强度q对应的变化值，进而度量出整个网络的信息传播能力w随p的变化情况。通过运行C++程序，得出两者之间的函数曲线（见图10）。

　　图9成员为串联关系时小型社会网络函数曲线

　　图10成员互为联接关系时小型社会网络函数曲线

　　从图10中可以看出，社会网络成员相互间都存在联系的情况下，网络信息传递能力w随着社会关系强度p增大而增大，当p>0.4时，w=1，表示此网络上出现任何信息都能被此网络的全部成员收到。

　　2.2社会网络结构的影响

　　假设一个由10名成员构成的小型社会网络，成员之间的社会网络关系强度p都相等且恒定为0.3，用R表示网络结构，当R=0时，表示成员之间的为串联关系，如图11所示。

　　图11小型社会网络R=0时结构

　　改变网络结构，当R=1时，表示用户1与其他9名成员都产生直接联系，成员之间的联系情况如图12所示。

　　图12小型社会网络R=1时结构

　　改变网络结构，当R=2时，表示用户1、用户2与其他8名成员都产生直接联系，成员之间的联系情况如图13所示。

　　以此类推，改变网络结构，当R=9时，表示10名用户相互之间都有联接关系。通过改变网络结构R，测量该社会网络的潜在关系强度q，进而度量出整个网络的信息传播能力w随R的变化情况。通过运行C++程序，得到他们之间的函数曲线（见图14）。

　　图13小型社会网络R=2时结构

　　图14成员关系变化时小型社会网络函数曲线

　　由图14可知，在社会网络关系强度p都恒定相等的情况下，网络信息传递能力w随着社会网络结构R的数值增大。由此可以证明，社会网络结构复杂度越高，网络信息传递能力越强。

　　3结语

　　本文运用社会网络的“社群图模型”和信息传播的“六度传播模式”，研究社会网络中社会关系和网络结构对信息传播的影响，将社会网络中信息的传播过程转化为信息传播度量模型，并通过仿真实验模拟信息的传播过程，最终得出社会网络中信息传播的规律，以及社会网络中社会关系和网络结构对信息传播的影响。然而，在信息传播模型研究领域还存在着一些问题和研究工作有待进一步的探讨，主要概括为以下几点：

　　①本文提出了一种由社会网络社会关系强度计算出社会网络潜在关系强度的算法。该算法在用户数量较小时能正确且快速运行，但随着用户数量的不断增多，计算复杂度逐渐增大，得出计算结果将非常耗时。如何对算法进行进一步优化是接下来要解决的一个问题;

　　②本文考虑的社会关系都是对等的理想情况，但在实际生活中，社会关系存在着不对等性，远比理论中的关系复杂。如何对不对等的社会关系所构建的社会网络进行信息传播研究，是后续研究工作的重点和难点;

　　③本文提出的模型考虑的影响因素还不够全面，例如未考虑信息与用户的关系对信息传播的影响，模型需要进一步优化;

　　④如何将本文提出的模型做成信息传播管理系统，实时掌控和管理社会网络中的信息传播，更好地服务大众，是后续研究的方向。