文摘

由于广泛的社会影响,突发公共卫生事件已经在当今社会中引起了极大关注。蓬勃发展的社交网络正在成为主要的信息传播平台的事件和应急管理的高关注引起的,其中一个很好的预测社交网络的信息传播是必要的评估事件的社会影响,使一个适当的策略。然而,信息传播在很大程度上是受到复杂的互动活动和集团行为在社会网络;现有的方法和模型是有限的达到一个令人满意的预测效果由于开放多变的社会关系和不确定信息处理的行为。运河管理局(人工社会计算实验,并行执行)提供了一个有效的方法来模拟实际情况。为了获得更好的社交网络中信息传播的预测,本文提出了一种智能计算方法的框架下TDF (Theory-Data-Feedback)基于ACP仿真系统成功应用于分析(H1N1)流感紧急。

1。介绍

突发公共卫生事件是指突然事件可能造成严重破坏等社会公共卫生的主要传染病,质量未知的疾病,和重大食物和职业中毒。在当今社会,突发公共卫生事件,2003年非典,禽流感,2006年(H1N1)流感在2009年和2014年EBHF,引发了广泛的社会影响的传播相关信息。

为了全面了解非常规突发事件,可能对国家和社会带来严重的影响和改善政府的应对能力,由国家自然科学基金委重大研究计划是推出了2009年(自然科学基金)和组织了一个大型跨学科研究社区有超过300名科学家、技术人员和工程师。上述研究计划的一个重要组成部分,我们的工作是集中在与突发公共卫生事件相关信息传播和计算。

社交网络已经成为一个开放的复杂巨系统,连接超过世界2/5的人口和作为信息传播的主要平台在突发公共卫生事件,这很容易导致散布虚假事实或谣言和带来一个严重的恐慌没有有效管理(1,2]。因此,社交网络中信息传播的预测是必要的估算的社会影响,使一个适当的策略在突发公共卫生事件的管理。

在过去的几十年里,大量的研究一直致力于社交网络(3- - - - - -7]。学者进行了内容分析和主题检测的技术研究信息传播路径以及其关键节点(4,5),而且探讨传播网络的拓扑结构和组织机制(6- - - - - -8]。已经意识到社交网络中信息传播不仅影响变量网络的结构和动态变化的传播路径,而且复杂的互动活动和集团行为在社会7,8]。因此,统计模型如时间回归或估计的基础上,传统的机器学习技术很难达到良好的预测结果(6,9]。

近年来,在视图中复杂的自适应系统,研究人员提出了许多模型来描述社交网络的信息传播特征,如“小世界”模型,信息扩散动力学模型和传染病扩散模型像SIS(易感,感染,和易感)(10,11]。这些研究结果描述的行为机制和理论特征在信息传播的过程中。然而,也有一些障碍要应用于实际情况的预测9]。

另一方面,一些研究集中在数据挖掘和基于历史数据建立预测模型和现有的情况。也有一些局限性,由于网络空间中的动态变化的社会关系和不确定的处理行为在很大程度上影响成员的认知和反应在社交网络6]。考虑这些复杂的特征和因素,一种有效的计算方法旨在实现一个更好的预测信息传播需要探索的结果。

2。复杂的社交网络信息传播的特点

2.1。网络信息传播的结构

网络论坛、网络微博、即时通讯平台,移动网络和各种通信终端由一个高度复杂的系统(12,13人们与他人分享信息和向公众表达自己的观点。信息传播规模的增加使得现有的数学模型很难描述真实情况和充分模拟动态过程。

一旦紧急事件发生,信息传播通常会经历一个生命周期的五个阶段:孵化阶段,爆发阶段,扩散阶段,衰减阶段,后阶段(8]。根据现有的研究成果(6),在社交网络信息传播的形式出现在两种模式:公共模式如论坛和微博,微信等小世界模式和QQ。在公共信息传播模式的网络结构是一个开放和不稳定结构的不确定性。然而,小世界的结构模式是相对稳定的,但具有较高的效率和容易导致群体的行为,因为它通常是基于熟悉的成员和一个声音媒体系统(14]。

在突发公共卫生事件,信息传播在社会网络包括三个角色的参与者15):信息发送者、信息传布信息接收器,如图1。

然而,参与者的角色通常是由许多因素变化的传播过程中与不同的事件,如兴趣和关注,活动水平,赶上相关信息。这将导致动态变化的传播路径和网络结构在不同的事件。例如,图2显示其主要主要节点和路径的一个社交网络中信息传播中表达不同的大小和颜色。大红色节点图中主要节点,每个节点的厚链接的主要路径。

不同的结构在电子电路中,在社交网络的连接实际上是灵活的和随机的。这意味着网络结构的特点是依赖于动态强度在不同的节点。为了方便起见,我们定义表达式如下。

社交网络中的连接可以被视为一个图表, 在哪里是集节点和是集之间的连接节点:

在上面的,活动沟通连接的数量吗在一定时期内;然后如果是一种有效的联系如果,或者一个无效的连接。

图3显示微博网络的动态结构当传播阈值变化从0.3到0.5 (15]。它可以观察到,网络结构是由不同的连接强度随时间变化;一些强大的连接连接可能消失但仍然存在。

然而,在社交网络中信息传播的预测,我们应该考虑其基于网络的复杂特征结构(6]。我们将在下一节中讨论这个问题。

2.2。认知心理学和组织行为

它已经验证了许多真实的案例和实证研究社交网络的信息传播与参与者的心理反应有密切的关系和他们的行为在特定的情景语境6- - - - - -8,16,17]。

信息传播的过程中会受到许多因素的影响,其中参与者的情绪和行为直接影响舆论的发展。在社交网络中,用户可以发布和传播各种信息与真实姓名或匿名的方式,尽管信息的有效性和真实性可能乍一看很难确定(18]。外的因此,信息传播技术控制和个人的态度,情感和行为,很大程度上取决于网络的信任关系和特定情况下人类的认知过程。此外,个体认知自然的态度,情感和行为很容易导致群体行为在社交网络。

情绪认知理论认为,情感是受到三个因素的影响:环境事件,身体状况,和认知过程,其中认知过程是决定性因素19];的信息处理特别是阐述了内容收到信息。通常根据有限的认知资源,个体识别和处理信息的选择性注意在认知过程20.]。

除了信息内容,人们也考虑信息本身的因素,例如,信息来源的可信度和信息的长度。一些研究表明,社会和文化背景和情感的信息传布将显著影响其认知过程,这是明显的在互联网舆论。例如,一些信息将在很大程度上复制、传播、转发在很短的时间,然后引发大规模骚乱,甚至影响日常生活。在上述过程中,认知结果和所展现出来的情绪反应组织的核心元素,直接导致他们的应对策略和行为;这些机制已经被Bagozzi和Dholakia[系统研究21],Wheeless和Grotz [22],巴恩斯和奥尔森(23从自我表露,意见领袖,在社交网络上和舆论的追随者。

最近的研究认知心理学和组织行为在社交网络已经发展成为一个新的跨学科领域,被称为网络心理学和定义为“理解人们如何在网络空间内的反应和行为“南博士在他的超文本的书网络空间的心理(24]。社会神经科学的进展(25提供了新的方面实现一个更好的研究在这个领域。值得注意的是,现代科技的功能性磁共振成像(缩写f-MRI)可以直接跟踪反应涉及所有类型的情境信息刺激在认知过程26,27],erp与事件相关电位(短)可以得到高分辨率的动态过程中被用来研究敏感反应(28]。这些将有助于探索大脑认知的信息传播机制。

基于新理论和先进的实验技术,研究人员发现复杂因素相关的认知和群体行为可能影响突发公共卫生事件的信息传播在社会网络,如注意力和兴趣活动,心理特征的不同地区,文化背景,背景和具体情况。然而,现有的研究主要是通过问卷调查或实验观察可能容易导致不完整的结果由于调查样本的局限性或特定的实验情况。所以,找到一个系统性的方法,应用在真实环境中是必要的(6]。

根据我们之前的研究(6),我们发现信息接收机的传播行为相关因素如以下公式: 在哪里是传播行为的信息接收器的时间吗。表示事件的内容;,,美国的信息接收器的态度,情感,和他现在的行为,分别在时间吗。

然而,定量关系公式(3)不能只有一个简单的数学公式计算准确。一些知识规则和行为特征等信息的接收器是必需的(6]。为了得到一个近似估计在下一个时间段,卡尔曼滤波是一种更好的选择如下公式所示:

社交网络信息传播也属于发生的时期,传播渠道、类型和数量,和其他动态环境。此外,其传播方式是复杂的,和它们之间的关系是复杂的17]。每个参与者可以看作是一种传播节点,它不仅是接收者也发送者。通过互联网信息传播有关事件是一个复杂的模式和特色是不同的和快速的。日常人际通信和电信通信已融合到信息传播在整个社交网络,构成复杂的传播模式。

3所示。基于TDF的智能计算方法框架

3.1。现有方法的局限性

与研究的深度和宽度进行疫情蔓延,定量研究社交网络的信息传播已经相对有限,此外,现有的方法没有充分考虑社会认知的影响,群体行为,多通道传播,和其他特征或只是做一些宏观和统计描述模型。因为上述原因,我们认识到,在实际应用中,理论工具和建模方法难以充分描述和准确预测社交网络的信息传播。导致上述问题的主要原因是,传播是受太多复杂的因素在动态变化的环境由于认知心理学、情绪反应、行为意向的网络用户可能导致无法控制的处理行为和其他接收器将不断产生新的刺激。在这种情况下,我们发现它并不足以解决这个问题如果我们只依赖于各种理论模型来描述基本特征或人工模拟系统源自历史数据挖掘在这样一个开放的和不确定的环境中。

总的来说,现有的方法有以下缺点:),很难用一个统计模型来预测实际情况在开放和动态的环境与宏观描述基于样本数据。(一些理论模型可以反映机制和一些基本的规则在理想条件下,但有巨大的变化在现实世界中实际情况。(大数据挖掘技术可以提供有价值的分析和参数的模型,但是未来不确定性可能不符合通过历史数据变化的趋势。所以,这需要进一步探索找到一个更有效的方法来处理这些复杂的问题。

3.2。机场核心计划仿真系统

信息传播在社会网络包括一个跨学科的研究涵盖了心理学、社会学、数学、管理科学、计算机工程。这样的工作很难明确表示通过数学计算公式,但应该利用非结构化知识等各种各样的规则、经验数据和案例。预计利用新的思想和方法从综合的角度来看,一个真正的应用程序环境。

为了探索如何提供全面解决方案的科学问题复杂的社会和经济系统,王从自动化研究所,中国科学院,首先提出了一种并行计算理论解决复杂系统管理与控制问题,提出社会计算方法,结合人工社会计算实验和并行执行,叫做ACP(人工社会计算实验,和并行执行)(29日]。该方法可以处理困难的问题,如网络心理计算和使它可计算;图4显示了ACP仿真系统已成功地应用于动态分析在中国国家应急管理和响应6,30.]。

ACP仿真系统提供了一个有效的方法来解决上面的问题,新的线索进一步实验研究。通过使用这种复杂的问题,不容易准确地预测,难以精确模型,无法重复实验在现实社会制度都能得到解决。在这个计算环境中,实时系统不断交换数据和同步修改人工社会环境的反馈数据。通过迭代互动和持续的近似,它可以帮助实现人工社会和现实社会之间的并行计算,最后实现动态优化的目标管理和控制。机场核心计划的方法也能作为一个社会问题和计算技术之间的桥梁,打破社会之间的跨学科研究的困境和计算科学。方法在虚拟社区信息传播也有重要意义的视角基本理论、实验方法、关键技术和实际应用。

在社交网络信息传播有很密切的关系与心理和情感行为在特定的情景语境,以及其temporal-evolution-characteristics和复杂的传播机制。面对所有的不确定性未来的背景下,为了获得相关的经验知识和重要的数据参数,进一步的研究应重点关注网络信息的认知机制,趋势预测,和反应规则。只有通过深入实验观察,即时社会心理学研究除了大的情况下能够更准确地分析和评价信息传播规则,演化特征和发展趋势。

3.3。智能计算基于TDF框架

为了得到一个更好的预测社交网络的信息传播,戴教授提出了一种新的TDF (Theory-Data-Feedback)框架处理建模问题[9]。他的框架的优点吸收机理模型,数据模型,和社会心理反馈模型与即时互动在线调查数据,并成立了一个新的系统分析和建模方法。我们扩展这个框架应用于机场核心计划仿真系统对突发公共卫生事件信息传播的分析如下。

机理模型包括事物的基本规律变化,现有的研究成果,以及相关的先验知识对类似的问题,如网络信息传播机制和演化特征。整个模型的正常运行奠定了一定的基础。在本部分中,信息传播机制需要综合分析来确定数据采集的范围在“输入”模型的一部分,这是非常重要的在预测结果的准确性。

数据模型存储历史数据和反映当前状态。这部分积累相关数据准备建设的反应规则对未来的不确定性。在本部分中,通过使用方法等分析技术(即脑功能映射。,f-MRI) or cognitive neurology analysis can obtain statistical characteristics of users’ emotional and behavioral responses to situational context.

反馈模型是用来反映响应规则不确定性的未来;这一部分将模拟实际环境和预测下列行为如果可能的话,以寻求有效的解决方案或提供依据在实际情况改进当前的解决方案。为了减少分歧,反馈系统将开始新一轮的优化和评价过程和产生误差信号进一步修改人工系统的评价方法或参数通过观察相关的状态改变自动根据实际变化。

通过应用交互迭代过程和并行计算分析人工和现实社会都可以获得真实的环境和更好的近似描述,在一定程度上可以预测这一趋势进而有效地管理和控制在现实社会制度变化的问题。通过这种方式,该模型将有助于为应对决策的动态变化情况。图5在社交网络上显示了智能计算的TDF框架突发公共卫生事件的信息传播。

TDF框架的应用程序,实现过程可以分为以下三个步骤。

(1)理论:机制模型。著名的疾病传播模型在1983年首先提出Grassberger [31日)已被广泛用于描述社交网络中信息传播的基本特征。在这个模型中,每个节点在一个社交网络有两个州和。在这里,代表了初始状态,当每个节点接收到一个消息;它可以转换成有一定概率的。传播的消息后,节点状态将返回状态已被感染的可能性或删除的信息可能会忘记或不感兴趣的话题与某些概率。考虑新来者和不活跃的用户ID;动态传输模型可以表示如下(32]: 在哪里。

它代表一个给定的概率与一个信息节点。在这里表示该节点的程度,是一个社交网络的传播阈值,是一个单位时间,是一种分布函数的。

为了赋予机制模型的先验知识和基本规则到代理商的仿真系统在人工社会,代理可以设计成的关键属性表1。

此后,机制模型的基本规则可以设计如下。

当收到一条消息,一个代理的属性的变化决定的

在这里,特工的属性发送消息,关注这一主题的信息收到了代理,表示对事件的态度反映在信息最初固定的利息,情感在时间,从状态的概率是多少州。

发送消息后,代理的属性的变化决定的

在这里,我们主要考虑情感的变化可能腐烂根据情感的动态特性6]。返回状态的概率是多少州。

传播方向和范围是由社会关系决定的发送代理的信息。详细的公式和参数的关系(6)和(7)将实现从机器学习模型的数据32]。

(2)数据:数据模型。数据模型应该由历史数据在特定情景语境在现实社会。我们选择主流媒体网站覆盖总数排名前15名中国互联网发布的数据平台。这些网站代表绝大多数互联网用户的访问在中国新闻频道。我们用这15个网站作为节点生成网站相关性模型通过分析每个网站的链接数量,由加权图指向其他网站。与这个模型,我们可以跟踪信息互联网用户的个人浏览行为影响强度的互连网络站点,这将进一步影响网民的情感和认知。考虑到突发公共卫生事件的信息传播,我们可以获得的关系图如图6。

在图6,节点的大小表明互联网用户的数量和重量显示每个节点之间的力量。代理的属性中包含的每个节点可以赋予机器学习从历史数据。计算等技术的注意事项、态度、情感、和信息传播的角色都很发达的现有研究[6,14,32,33]。如果只考虑宏观信息传播在网站中,我们可以把每个网站作为一个代理和赋予他们的统计属性,机器学习(32,33]。

(3)反馈:反馈模型。正如本文之前所讨论的,ACP仿真系统的目的是建立一个人工社会“关注”了现实社会的变化和预测其未来趋势的并行计算和交互迭代过程。因此,改变现实社会中的信息应该返回到人工社会,智能代理的属性参数进行调整。

我们设计了一个反馈系统可以获取和跟踪新信息传播在社会网络在现实社会。网络心理计算方法(34,35)是用来评估的真正关注的变化,态度和情绪的成员在一个社交网络。修改代理的属性通常是让每一个小时。人工社会变化的预测是基于卡尔曼滤波模型如公式(所示4)。除此之外,还利用一个在线调查更新新的反应人们的可能行为规则下即将到来的情况下,可以组合成的规则在人工社会代理的活动。一般来说,信息传播在社会网络的分析和预测是基于代理的动态变化属性的结果在人工社会互动活动,这是与传统方法基于不同的计算数学预测模型。

4所示。实验和结果

与传统方法相比,ACP模拟和TDF并行计算有反馈调节能力的优势,可以按照现实社会的变化和复杂的描述能力,考虑固有的心理和行为的参与者在信息传播机制。因此,该方法可以实现理想的预测结果,并已成功应用于复杂的突发公共卫生事件的分析如禽流感、甲型H1N1流感,埃博拉暴发(6,32,34,36]。

表2展示了动态信息在社交网络传播,它被记录从16008年开始当一个节点(H1N1)流感紧急2009年发生在中国。

图7说明了信息传播在社会网络和传布总数的预测。在图左边的图像7在社交网络的拓扑网络传播在24小时内。我们指出的主要节点(红色节点)和段传播组织成不同的优势在这个过程。正确的一半在图7是传布的总数。蓝线是预测的数据,绿线是实际数量;这表明预测的数据非常接近真正的号码。这表明,计算基于TDF框架可以达到一个非常高的精确预测的动态信息传播在社会网络。该方法已成功应用于国家应急管理仿真平台在中国(32,36]。

5。结论和讨论

分析了复杂的信息传播特征在社交网络的突发公共卫生事件以及其网络结构、认知心理学、组织行为和认为,现有的理论工具和建模方法不足以准确描述和预测社会网络的信息传播。因此,一种新的智能计算方法基于TDF的框架构建了巴拿马运河管理局(Theory-Data-Feedback)模拟和预测的动态传播紧急事件的信息,达到了高精度的结果。

信息披露

弘治胡锦涛和Huajuan毛泽东是这篇论文的共同第一作者。Zaiping冯京和胡锦涛联合相应的作者。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究受到了中国国家高科技研发计划(863计划)(没有。2012 aa02a612),中国自然科学基金会(没有。91324010),和上海哲学社会科学计划,中国没有。2014 bgl022)。