竞争的演化博弈动力学信息在社交网络上传播

文摘

来更好地控制信息传播的范围和理解它的动态特性,提出一种基于进化博弈论的信息传播模型。模型可以模拟个体策略选择在社交网络时面临两个竞争信息,即“竞争性信息”被定义为两条信息具有相反的意义。首先,一个合理的支付函数是专为个人基于两两交互。第二,每个人选择朋友的信任。第三,一个概率值是用于指示是否一个人模仿的策略选择的朋友。不仅在模型中,我们考虑的异构影响朋友的策略对个人决策的过程中沟通的衰减也个人的关注信息反复收到朋友信息。仿真结果表明,我们的模型可以准确模拟两个竞争信息的传播。此外,我们发现的基本收益归个人的传播他们的信息与网络拓扑结构是两个因素显著影响传播的结果。结果提供有效的见解如何更好的控制和引导公众舆论。

1。介绍

近年来,面对面的谈话已逐渐被取代了在线交流使用在线Facebook等社交软件,微信,Twitter,等等。在线社交软件的及时性和方便性使得信息的传播以前所未有的速度(1]。社交软件的广泛使用实际上加速了公众舆论的形成。公众舆论对社会有重大影响。人们很难避免被以某种方式受到公众舆论的影响。积极的公众舆论可能会使社会更加稳定。然而,负面舆论可以假的,匿名的,非官方的2,3),可以用来引起社会动荡,引发大规模的社会动荡,金融市场以及形状(4- - - - - -6]。很难估计的大小对社会信任的负面舆论的影响系统。正面和负面的公众舆论的本质是一种集体行为的特点是信息传播。低成本和缺乏惩罚性的后果会导致过多的负面意见被传播。因此,为了控制和引导公众舆论,从而减少潜在的负面影响,有必要分析信息传播的内在机制和研究它的规则和特点(7]。

建立一个合理的社会网络模型通过复杂网络理论来定量研究信息传播过程已成为当前研究的普遍兴趣点(8- - - - - -13]。最常见的方法是构建一个无向图,每一个节点代表一个用户或一个个体和边表达个体之间的关系。然后,选择一些节点作为源节点开始通过网络传播。在传播的过程中,一个人是否会接收的信息的传输与个体的社会影响传递信息。这一措施的社会影响会影响个人的思想和行为。有两种类型的影响力传播模型,可以用来捕捉这一现象:线性阈值模型和独立级联模型(14]。大多数作品都聚焦于静态网络传播影响的分析结构和最具影响力的个人发现的子集。然而,这些研究是有限的,他们还没有澄清信息内容的传播的影响的结果。

战略选择基于博弈理论可以应用于解决这一差距。具体地说,它可以用来考虑不同朋友的影响对个人和充分考虑信息的感知精度基于信息的识别度。在博弈论的方法,每个节点选择策略在给定的步骤,即“战略选择”意味着个人选择是否要传播的信息。如果一个人批准的信息根据他们的互动与他们的朋友,他们选择传播。否则,个人保持沉默。很明显,个人的策略是影响他们的互动与他们的朋友15]。因此,信息传播的结果是由网络中个体选择的策略。

战略选择是博弈论的主要研究重点。一些研究表明,博弈论提供了一个数学模型来分析战略理性的决策者之间的相互作用(16- - - - - -19]。太阳et al。20.]研究博弈论的知识传播模型。在博弈理论,个人通常假定展示完整的理性和有完整的信息17]。诺瓦克和可能21]分析了二维方形lattice-repeated囚徒困境博弈,从而首次介绍了空间结构演化的游戏。进化博弈理论结合了博弈理论和动态演化过程和具有有限理性的个体是如何优化他们的回报通过自适应学习随着时间的推移,在重复博弈(22]。Riehl和曹23]研究进化游戏的控制网络中每条边代表两人之间的重复博弈邻近的代理。从本质上讲,基于复杂网络的信息传播的过程是由每个回报收件人(游戏的过程24- - - - - -26]。与其他传播行为相比,信息传播是由玩家决定。在这种分析,信息传播者和接收者是玩家在游戏中。随着时间的发展,每个玩家赌博与他们的朋友和更新策略来最大化他们的回报。

进化博弈理论提供了一个有效的框架,用于模拟信息传播在这个上下文的过程。文献已考虑如何结合博弈论复杂网络知识,和一定的方法来模拟真实的网络信息传播过程。江et al。27)提出了一个进化博弈理论框架模型的动态信息扩散过程在社交网络。李等人。28)调查了谣言扩散过程根据进化博弈的框架。作者表明,惩罚更高程度的节点是最有效的措施去减少谣言的传播。Jonnalagadda et al。29日)提出了一种基于进化博弈论的社区发现方法。Kermani et al。30.)利用进化博弈理论确定最具影响力的节点信息传播。Etesami et al。31日)研究类的游戏被称为扩散游戏模型的竞争行为一组社会演员在一个无向连通的社交网络。

大多数现有的信息传播工作,应用进化博弈理论专注于单一信息场景。在现实世界中,multiinformation蔓延的现象是非常普遍和复杂得多32]。许多作品导致了竞争的病原体。Beutel et al。33)定义并研究了部分竞争的问题,两种病毒/产品提供部分免疫。陈等人。34)提出了一个模型,两种相互竞争的普遍易感个体在异构网络通过使用成对近似封闭的概率生成函数(PGF)。同样,当谣言出现,相应的信息驳斥谣言可能发布的权威组织。在这种情况下,两块一个主题的信息传播网络在同一时间和他们争夺信徒。这两个的信息被称为“竞争信息”在本文。考虑到社会这一主题的重要性,还需要更多的研究来有效地模拟竞争信息的传播。为此,重要的是要考虑到一个人的朋友有不同程度的传播竞争信息的能力。过去的研究认为各种朋友的异构影响信息传播35]。然而,在最前的作品,不同的朋友来传播信息的能力在整个演化过程中是稳定的。更准确地描述实际过程,有必要结合动态异构变化随着时间的演化的影响。

在这项研究中,一个传播模型,分析了两块竞争信息,提出了基于进化博弈论。传播的时间步进化游戏被认为是一个圆。在每一轮,每个人选择一个他们的朋友动态传播能力的基础上他们的朋友。具体来说,个人决定是否模仿策略选择的朋友。在特定上下文的信息传播在社会网络中,一个人的注意的信息选择的朋友认为有重大的影响是否选择更新当前的策略。轮的数量的个体接收的信息但不传播它可以用来表达个体对信息的关注。在这项研究中,影响一个人的注意的信息选择的朋友认为是在模型的设计。运动建模的结果表明,进化博弈理论非常适合建模的竞争信息传播。拟议中的传播模型被认为是有效的和实用的;也就是说,仿真结果表明,平均度和平均聚类系数有显著影响传播的结果。 In addition, it is exemplified that the propagation result can be controlled by adjusting the value of each parameter.

本文的其余部分组织如下。节2的传播,该模型两部分详细介绍了竞争信息。部分3提出并讨论了模拟结果。本文的结论部分4。

2。建模两个竞争信息传播的一个社交网络

在本节中,两块竞争信息的传播模型利用进化博弈理论。我们首先分析球员的回报,效用函数,和游戏规则,然后更新规则是根据进化博弈理论设计的。表1澄清的主要符号用于本文模型及其具体含义。

我们考虑一组有限的个人作为一个社会网络,个人节点和边缘接触的人。网络被建模为一个无向图,用G。G= (V,E),V组节点和吗E边的集合。N表示节点的数量V,米表示设置的边的数量E。我们假设图很简单;也就是说,没有顶点连接本身,没有平行边。两个节点的G据说他们之间的朋友如果有优势。在信息传播的过程中,个人网络中存在三种可能的状态:无知,信徒的第一条信息,和信徒的第二条信息。他们可以表示为我,B₁,B₂,分别。我意味着个人从来没有听到任何信息或已经听到了某些信息,但还没有扩散。一个人在国家B₁(B₂)选择传播第一(第二)的信息。然而,如果同一个人接收到其他的信息和选择传播它在稍后的时间,这个人改变他们的国家B₂(B₁)。我们假设的直接接触传播的信息传播者。状态转换图如图1。

2.1。球员的回报

起初,一些人选择状态B₁或B₂在随机的。在任何其他个人状态我。然后,可能会在网络上传播的信息取决于其他个人的传播行为;个人选择是否传播信息。对于每个个体,决定传播的信息是由许多因素决定的,这些信息包括个人的兴趣,行为他们的朋友,他们相信他们的朋友的程度,等等。假设网络中个人只允许与他们的朋友和他们多次与他们的朋友。因此,朋友们的行动会影响个人的决策信息传播。正如上面所讨论的,两块竞争信息的传播是基于进化博弈论分析。

在网络信息传播可以建模为进化游戏如下。玩家在游戏中是N个人。三种策略可以定义对应于每个个体的状态。因此,个人的策略我可以表示为 , ∊{一个,B,C},一个和B表明是否个人我在国家B₁或B₂。如果个人我不相信任何信息,他们选择策略C。不同的支付可以通过每个人根据不同的策略。在这个场景中,收益代表一个人的声望眼中的他们的朋友。回报是用来评估个人的策略选择的影响。传播行为发生,没有任何的目的,从而不会导致任何个人的回报,不被认为是在这个模型。因此,个人没有受益于选择策略C,相应的收益为零。个人收益基本回报当它选择策略一个或B和相应的朋友选择策略C。信息的传播可以改变一个人的声望在他们的朋友;即传播正确的信息将提高声望,而传播错误的信息会减少威望。假设个人传播信息,希望从朋友得到更多的支持。一般来说,支持个体越多,就越有可能他们的消息是正确的。因此,如果一个人采用的策略一个或B,他们获得的奖金回报如果他们的朋友选择相同的策略和惩罚回报如果他们的朋友选择相信竞争信息。个人的回报取决于战略选择表中描述了一个朋友2。

正如上面提到的,u₁(u₂)代表个体选择的基本回报策略一个(B)。很明显,u₁> 0,u₂> 0。参数代表了个人认为奖金获得一条信息时,他们的朋友选择相同的策略。参数表示积累所带来的惩罚一个人相信的信息当他们的朋友选择相信竞争。

在我们的模型中最基本的问题是,对于每个个体,应该选择哪个策略在前面描述的吗?答案不仅取决于策略的收益功能也是网络上的互动类型。两两相互作用使我们考虑的策略选择基于单个节点在一个社交网络,即个人成对交互以获得他们的回报。与时间相关的互动通常丛发性。Zhang et al。36)提出了一个游戏时间网络模型,再现了人类活动的burstiness完全由著名战略”慷慨的针锋相对。“我们的方法需要burstiness特性考虑通过模仿朋友的更有效的策略,更有效的策略是指获得更多收益的策略。一般来说,可以被定义为一个网络游戏 ,在哪里的回报一个成对与朋友互动j在时间t和是朋友的一组个人吗 。因此,个人的总回报我等于回报之间的总和我th个人和他们的朋友,这是由以下方程:

更具体地说,个人的总回报=中回报的总和我th个人和他们的朋友。这是计算如下: 在哪里k_我朋友连接到个人的数量吗我。此外,个人我有k_我1(t)的朋友采取的策略一个和k_我2(t)的朋友采取的策略B在时间t。个人的策略吗我。

2.2。更新规则

一开始,所有个人采取的策略C。然后,一些节点随机选择策略定义为一个或B。假设在时间t个人收到的信息,它不相信。然后,在时间t+ 1,它需要决定是否相信新收到的信息,这是由两个步骤。首先,根据不同的个人选择一个朋友传播能力的朋友。第二,它决定是否模仿策略,采用所选择的朋友。

在真实的社交网络,不同的朋友有不同程度的传播能力对任何一个朋友35]。我们使用支付代表的水平传播能力不同的朋友。因此,更高回报的朋友更有可能被选中。的概率jth朋友是由选择 在哪里个人的朋友吗我谁有最低收益。这个变量表示为

考虑到对个人的回报,一个参数( )包括在内。这个参数放大或减少异质性的影响能力不同朋友的任何个人。如果很大,(t)是敏感U_j(t),这意味着一个小扰动U_j(t)可以导致一个巨大的变化(t)。另一方面,如果很小,(t)不敏感U_j(t),这意味着一个很大的扰动U_j(t)可以导致一个小变化(t)。

然后,个人将决定是否模仿的策略选择的朋友。具体地说,我们认为,当一个人重复接收到信息时,个体的关注程度信息的次数成正比,个人收到的信息但没有传播。结合个人回报差距的关注程度和所选择的朋友,我们表达个人模仿的概率选择朋友的策略如下:

在(5),分母是基于费米函数(37),即个人我更有可能采取的策略的朋友吗在t+ 1轮,如果有更高的回报比我在圆的时刻t。否则,个人我更有可能保持原来的策略。参数ɛ描述了噪声因素,反映一个人的不确定性时必须更新他们的策略。代表完整的合理性;推断完全随机性的策略决定。分子是一个指数(exp)功能,这表示个人的衰减程度我关注朋友的信息信了。让表示个人的次数我接收信息,认为他们的朋友之前的时间t。表示个人的次数我和采用不同的策略,我收到信的信息之前的时间t。是一个增量函数的经验函数。增加的 ,的价值 减少和exp功能降低,最终导致整个概率函数的减少。因此,方程(5)能准确地表达个人的概率模仿的策略选择的朋友。

进化博弈理论研究一群球员如何收敛于一个稳定平衡经过一段时间的战略互动。最终平衡状态被定义为进化稳定状态(ESS)。进化稳定策略指的是当一个人进行任何少量的突变策略不能入侵整个人口,这意味着整个人口长期不会改变。竞争信息传播的情况下,我们通过迭代获得ESS试验仿真。当节点的数量在每个状态波动很小,被认为是进化相对稳定。

3所示。实验数据和分析结果

支持我们的分析传播两个竞争信息的进化博弈模型,我们进行信息传播实验使用现实世界的社交网络。我们从四个不同的区域,使用数据提供的网站http://networkrepository.com/。为简单起见,我们只选择最大连通子图。网络属性表中列出3,即平均学历,是平均聚类系数,米_我表示之间的链接的数量我的朋友。

在本节中,我们随机选择0.1%的节点作为传播竞争信息的来源。这意味着个人在美国的最初的分数B₁和B₂是0.1%。然后,两块竞争信息开始在网络上传播。让 , ,和表示最后一个人在美国的平均分数我,B₁,B₂,分别。随着时间的推移, , ,和达到一个稳定状态。数值结果平均超过500独立运行使用参数建模执行了四个真实的社交网络。

的值 , ,和为不同的基本回报u₁和u₂如图2。其他三个参数设置= 2,= 2,= 0.1。从上到下,行对应于四个社会网络:Hamsterster,Simmons81,Oberlin44,Bowdoin47。它可以观察到从数据2(一个),2 (d),2 (g),2 (j)那减少的时候u₁或u₂增加。仿真结果图2 (b),2 (e),2 (h),2 (k)表明,增加的时候u₁增加和u₂不增加。从数据2 (c),2 (f),2(我),2(左),我们观察增加的时候u₂增加和u₁不增加。此外,当u₁明显比u₂。相反,当u₁明显小于u₂。因此,在竞争激烈的环境,的价值u₁/u₂是一个关键因素在确定的值和 。由于这四个网络的特点,在同样水平的回报,有更少在网络有更高的平均程度。这意味着,在相同级别的比回报的两块竞争信息,网络中有更多的信徒与更高的平均程度。这样做的原因是,当一个人的学位变得更大,有更多的机会接受信息。

图3显示的值 , ,和不同级别的奖励在这四个网络。其他参数都是固定的= 0.4,= 0.5,= 3,= 0.1。进化稳定时的值 , ,和大约是0.115,0.345,和0.54Hamsterster,0.16,0.31,0.53Simmons81,0.16,0.27,0.57Oberlin44,0.18,0.275和0.545Bowdoin47。作为额外参数的增加,减少,而和增加。对结果的影响趋于稳定的时候达到一个相当高的水平。此外,总是比 。这是因为 ,这意味着无知的人更有可能认为,战略,有更高的回报。比较这四个网络的数据,它可以观察到下降速度在网络有更高的平均聚类系数和较低的平均程度。此外,之间的区别和网络中较低的平均聚类系数超过网络平均聚类系数更高。

图4显示的值 , ,和与不同的惩罚的水平,为代表 ,在这四个网络= 3。进化稳定时的值 , ,和大约是0.93,0.025,和0.045Hamsterster,0.94,0.022,0.038Simmons81,0.954,0.018,0.028Oberlin44,0.966,0.015和0.019Bowdoin47。作为增加时,可以观察到增加,而和减少。这说明增加的价值抑制两条信息的传播。造成的抑制作用第二条信息明显比第一条信息和变化速率明显加快初、柔滑的重复互动的时间。此外,它可以看出网络中增加更快,更低的平均聚类系数和更高的平均程度。这是因为个人的状态我更有可能相信对手的策略,数量较低。

图5显示的值 , ,和与不同的 。当增加到一定值,个人的数量似乎成为常数。进化稳定时的值 , ,和大约是0.21,0.33,和0.46Hamsterster,0.135,0.37,0.495Simmons81,0.145,0.325,0.53Oberlin44,0.16,0.33和0.51Bowdoin47。图5清楚地表明,增加,的值减少,而和增加。这意味着如果异质性进一步放大,个人传播两块信息的数量增加。比较实验数据结果表明,基于不同的网络参数之间的区别和在网络有较低的平均聚类系数和更高的平均程度大于网络有更高的平均聚类系数和较低的平均程度。

数据3- - - - - -5说明参数 , ,和有效地控制信息的传播范围。特别是,他们准确地控制信息传播的基本个人如果他们获得高回报传播信息。此外,这种信息获得更多比其他信徒,竞争信息。因此,这个信息可以认为是正式比赛的获胜者。此外,当两个竞争信息旅游网络中较低平均聚类系数和一个更大的平均程度,个人传播信息的数量在竞争比较大。这是因为个人将面临一个更少的异构环境方面(朋友)的战略决策时,网络中有更高的平均聚类系数。因此,个人不太可能改变他们的策略一旦他们相信的信息。

4所示。结论

在本文中,我们采用进化博弈理论来分析两个竞争信息的传播在一个社交网络。通过使用抽象的支付矩阵个人的决策过程,我们提出一个两块竞争信息传播模型。仿真结果表明,当系统达到稳定,一定的信息会赢得这场比赛如果蔓延后基本个人获得更大的收益,即收益越高导致更多的人倾向于传播这个信息。此外,网络的拓扑结构也影响两个竞争的两两交互信息。使用相同的参数,结果表明,该网络具有更高的平均程度较低数量的无知的人。如果网络具有更低的平均聚类系数和一个更大的平均程度,个人信任的数量的差距不同的信息。这意味着个人传播信息的数量赢得游戏的数量大大超过个人相信其他的信息。总的来说,结果表明,该方法是有效和实用的建模两个竞争信息的传播和提供有效的见解如何更好的控制和引导公众舆论。

未来的工作可以研究如何把nonoptimal或有限理性的玩家进入模型,如何将异构球员的合理性,如何扩展模型以超过两块的竞争信息。此外,在本文中,我们假定个人收到的信息从他们的朋友。然而,人们也可以在其他方面获得的信息(如通过互联网或报纸)。因此,我们提倡的发展一个更精确的模型来研究更复杂的传播过程。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究得到了国家自然科学基金(批准号。61603182,61603182,61402092),中央大学的基础研究基金(N171704004),在线教育研究基金MOE在线教育研究中心,中国(Qtone教育,批准号2016 zd306),辽宁省的博士启动基金,中国(批准号201501141)。

引用

1. y莫雷诺,m . Nekovee a Vespignani et al .,“动态复杂网络谣言传播的”物理评论E,卷69,不。6、文章ID 066130, 2004。视图:出版商的网站|谷歌学术搜索
2. w·a·彼得森和n . p .要点”,谣言和舆论。”美国社会学杂志》卷,57号2、159 - 167年,1951页。视图:出版商的网站|谷歌学术搜索
3. p . Bordia做和n . Difonzo”社会互动在网上解决问题:谣言是社会认知,“社会心理学季刊,卷67,不。1,33-49,2004页。视图:出版商的网站|谷歌学术搜索
4. j . Kostka y . a·奥斯瓦尔德,r . Wattenhofer“口碑:在社交网络谣言传播,”结构信息和通信的复杂性卷,5058年,第196 - 185页,2008年。视图:出版商的网站|谷歌学术搜索
5. m .毒素,“谣言和市场”,数理经济学杂志第41卷。。6,646 - 664年,2005页。视图:出版商的网站|谷歌学术搜索
6. y l .赵j . Wang Chen问:Wang j . Cheng和h .崔SIHR谣言传播模型在社交网络上,“自然史答:统计力学及其应用,卷391,不。7,2444 - 2453年,2012页。视图:出版商的网站|谷歌学术搜索
7. x x赵和j . z王”动态行为的谣言,传播模型与控制措施,”抽象和应用分析文章ID 247953卷,2014年,2014年。视图:出版商的网站|谷歌学术搜索
8. 徐j .张c·h·周x k . et al .,“从结构动力学:映射网络动态过程的统一视图,“物理评论E,卷82,不。2、文章ID 026116, 2010。视图:出版商的网站|谷歌学术搜索
9. 李x j .徐j.y. x c .傅et al .,“方向性和相关性的影响蔓延。”Scientifific报告,8卷,不。1,2018。视图:出版商的网站|谷歌学术搜索
10. m . Nekovee y莫雷诺,a . Vespignani”流行的效率和可靠性数据在复杂网络传播,”物理评论E,卷69,不。5、文章ID 055101, 2004。视图:出版商的网站|谷歌学术搜索
11. 傅朱g, g·陈,x,“主动链接对传染病传播的影响在社交网络,”自然史答:统计力学及其应用卷,468年,第621 - 614页,2017年。视图:出版商的网站|谷歌学术搜索
12. a . v . y . Wang Vasilakos, j . Ma和n .熊”对研究不确定性的影响行为扩散在社交网络上,“IEEE系统,人,和控制论:系统,45卷,不。2、185 - 197年,2015页。视图:出版商的网站|谷歌学术搜索
13. l .朱镕基和y王”,谣言扩散模型和时空扩散行为和不确定性决定在复杂的社会网络,”自然史答:统计力学及其应用卷。502年,29-39,2018页。视图:出版商的网站|谷歌学术搜索
14. m . Granovetter“阈值的集体行为模型,”美国社会学杂志》,卷83,不。6,1420 - 1443年,1978页。视图:出版商的网站|谷歌学术搜索
15. b . Wejnert”整合的创新扩散模型:一个概念性的框架中,“年度回顾社会学,28卷,不。1,第326 - 297页,2002。视图:出版商的网站|谷歌学术搜索
16. r . j . Aumann《新帕尔格雷夫:经济学词典》,“博弈理论,2卷,第482 - 460页,1987年。视图:谷歌学术搜索
17. 王棕褐色,y, j . Lu”通过微观分析和控制网络游戏动力学确定性方法,”IEEE自动控制,卷61,不。12日,第4124 - 4118页,2016年。视图:出版商的网站|谷歌学术搜索
18. f .吴邦国委员长和j·马”,平衡,附生植物的复杂性分析和控制供应链与产品水平多样化,”非线性动力学,卷93,不。4、2145 - 2158年,2018页。视图:出版商的网站|谷歌学术搜索
19. y z . Chen翁,z和w·郭,“博弈论算法实现网内集群数据聚合在一个车载ad hoc网络”传感器,16卷,不。2、文章ID 245, 2016。视图:出版商的网站|谷歌学术搜索
20. 美国太阳,j . Wu, z .宣”知识扩散通过游戏策略,网络”通信在计算机和信息科学,35卷,第289 - 282页,2009年。视图:出版商的网站|谷歌学术搜索
21. m·a·诺瓦克和r . m .可能“进化游戏和空间混乱,”自然,卷359,不。29日,第829 - 826页,1992年。视图:出版商的网站|谷歌学术搜索
22. c . y .夏梅洛尼,m . Perc et al .,“动态不稳定的合作进化的社会困境,由于不同活动模式”EPL文章ID 58002卷,109年,2015年。视图:出版商的网站|谷歌学术搜索
23. 主席j . r . Riehl办公室和m .曹”,对控制进化游戏的网络,”第五IFAC学报》研讨会在网络化分布式估计和控制系统,页458 - 462年,费城,宾夕法尼亚州,美国,2015年9月。视图:谷歌学术搜索
24. h . Tembine大肠奥特曼,r . El-Azouzi和y Hayel,“进化在无线网络游戏,”IEEE控制论,40卷,不。3,2010。视图:出版商的网站|谷歌学术搜索
25. w·h·桑德霍尔姆人口游戏和演化动力学美国马剑桥,麻省理工学院出版社,2011年。
26. f .傅d . i .罗l . Wang和m·a·诺瓦克,“模仿动力学疫苗接种行为在社交网络上,“《皇家学会学报B:生物科学,卷278,不。1702年,ID 278条,42-49,2011页。视图:出版商的网站|谷歌学术搜索
27. c .江、陈y和k·j·r·刘”图形进化游戏的信息扩散在社交网络,”IEEE选定的主题在信号处理杂志》上,8卷,不。4、524 - 536年,2014页。视图:出版商的网站|谷歌学术搜索
28. j . d . Li马、z .田和h·朱”进化的游戏在复杂网络谣言的扩散,”自然史答:统计力学及其应用卷。433年,51-58,2015页。视图:出版商的网站|谷歌学术搜索
29. A . Jonnalagadda和l . Kuppusamy”调查游戏理论模型在社交网络社区检测”社会网络分析与挖掘》第六卷,ID 83条,2016年。视图:出版商的网站|谷歌学术搜索
30. m·A·m·A . Kermani s . f . f . Ardestani和A . Aliahmadi”小说游戏理论方法建模竞争信息扩散与异构社会网络节点,“自然史一卷,466年,第582 - 570页,2017年。视图:谷歌学术搜索
31. s . r . Etesami和t . Başar平衡竞争扩散场的复杂性在社交网络上,“自动化卷,68年,第110 - 100页,2016年。视图:出版商的网站|谷歌学术搜索
32. h·b·胡“社交网络舆论扩散竞争,”皇家学会开放科学,4卷,不。11日,ID 171160条,2017年。视图:出版商的网站|谷歌学术搜索
33. a . Beutel c·凯利斯b .普拉卡什,r·罗森菲尔德”病毒在网络互动:既能生存,”知识发现(kdd) - 2012年学报》上,第434 - 426页,北京,中国,2012年8月。视图:谷歌学术搜索
34. 陈,k . Wang m .太阳和x赋,“竞争异构计算机网络病毒的传播,”英国皇家学会哲学学报A:数学,物理和工程科学,卷375,不。2096年,文章ID 20160284, 2017。视图:出版商的网站|谷歌学术搜索
35. c·g·欧x l .金王y z . et al .,“异构网络的传播能力的影响信息传播的关系,“第十五届IEEE国际研讨会论文集在计算机和信息技术卷,65年,第460 - 454页,2015年。视图:谷歌学术搜索
36. y, g, g . Chen等人“游戏时间网络”IEEE电路和系统II:表达内裤,卷66,不。4、672 - 676年,2019页。视图:出版商的网站|谷歌学术搜索
37. c·塞r·s·卡特琳娜:费尔南多et al .,“进化免疫接种困境在复杂网络,”物理评论EID 032803条,卷。8日,2013年。视图:谷歌学术搜索

版权

版权©2019年雪杨等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。