文摘

共同进化复杂网络上的传播动力学是一个热门话题,吸引了太多的关注在网络科学。本文提出了一个数学模型来描述这两个相互竞争的复杂的信息传播动力学多路网络。一个人只能接受两条信息之一。开发异构平均场理论来描述传播动力学。我们通过蒙特卡罗模拟揭示不同区域竞争复杂的信息传播动力学:没有全球信息,一个信息占主导地位,和两个信息共存。我们终于发现多路网络的度分布的异质性不定性影响的结果。

1。介绍

社交网络,例如,微信,Twitter和Facebook,是方便的方式来表达和与朋友分享信息1- - - - - -5]。学生可能重新发送一篇文章来支持或反对作者的意见。描述两种类型的交互信息在社交网络上的传播动力学,研究人员使用的框架共同进化复杂网络上的传播动力学(6]。一般来说,学者们用复杂网络来描述社交网络中,节点代表个人和边缘代表个体之间的关系。广泛的实证分析表明,社交网络展览异质性程度,高集群、多层,暂时性(7- - - - - -18]。包括其中的一些特点,许多研究设计(看到一些重要的评论在这一领域,如文献[19- - - - - -21])。

基于信息共享的内容,我们可以分类的信息传播动力学为简单和复杂的信息22- - - - - -24]。简单的信息意味着一个通知和易感个体之间的联系可以引发感染的传播和广泛用于描述流行和简单的新闻传播扩散。相比之下,单一的联系不能消除一些复杂信息的合法性和可靠性(如政治网络)。因此,社会强化中包含复杂信息的动态蔓延。在以下内容中,我们目前的简单和复杂的信息传播详细的进展。

研究的简单信息独立复杂网络上的传播是最广泛的调查和透露了一些重要的结果。例如,简单的信息可以在社交网络传播无论信息传输概率的值的异质性程度分布是极强的(25- - - - - -27]。此外,高集群促进信息的爆发而抑制扩散的大小大传输概率(28]。一旦几个信息同时传输,学者发现更新奇的现象。当两个连续的信息传播在网络,第二个信息爆发阈值大于阈值的第一信息(29日]。卡勒和纽曼30.)进一步考虑了两种同时竞争一个网络上的传播动力学。通过使用竞争渗流理论,他们发现两个流行病在热力学极限下(即无法共存的。当网络规模非常大)。Sahneh和岩31日]调查两个竞争多元化的信息网络和计算的绝对优势和共存的地区。当两个合作的信息,例如,如果the acceptance probability for another information is enlarged when an individual accepts one information, the system exhibits a discontinuous phase transition [32- - - - - -34]。学者认为是另一种情况,不对称相互作用,即。,一个传播动态促进。相比之下,另一个抑制扩散和显示,全球流行将大大抑制一旦信息传播包括(35- - - - - -37]。

包括社会强化动态的复杂的信息传播,线性阈值模型是使用最广泛的,一个人接受信息只有当收到信息大于一个阈值(22,38- - - - - -40]。设置最后传播大小订单参数,研究人员揭示了不连续系统中的相变。更详细,最后蔓延大小和传输概率展品不连续的增长。刘等人。41]调查两个连续复杂的信息传播在单一的复杂网络,揭示了连续和不连续相变过渡。此外,刘等人。42)两个复杂的协同作用的信息传播动力学研究多路网络和显示协同作用的诱导相变的不连续。我们所知,目前仍缺乏一个数学模型来研究两个相互竞争的复杂的信息传播动力学多路网络。节中,我们将提出一个数学模型2然后开发一个异类平均场理论部分3。我们进一步研究这个复杂的竞争信息传播模型通过使用蒙特卡罗模拟4。最后,我们得出结论5。

2。竞争复杂的信息传播模型

本节提出了竞争对社交网络信息传播模型来描述不同的观点发展的校园。

2.1。网络描述

学生通常讨论事件发生和扩散的信息或意见通过社交平台。我们在这里使用一个多路网络 与两层描述多元社会网络和 ,在哪里和 ,分别代表网络的大小和和和 ,分别代表网络中边的数量和 。边缘节点代表学生用户,这些用户之间的关系。如果两个学生和在网络相互通信 ,它们之间存在一条边。

我们假设有 学生在社交网络 和 它们之间的联系。因此,社交网络的平均度 和 ,分别。两个网络的度分布来标示和 ,分别。节点度大意味着他们有更多的沟通与朋友和总是充当枢纽。两个网络中的一个节点表示,它通过两个平台与他人沟通。构建多路网络,我们首先生成intralayer边缘使用不相关的配置模型提出了文献[43)根据程度分布和 。然后,我们构建随机层间的边缘,也就是说,我们随机匹配两个节点在两个子网。

2.2。竞争扩散动力学

在社交网络,学生总是表达不同意见相同的事件,因此,额外的信息是相互竞争的。在现实中,采用一个想法是危险的。因此,社会强化。社会强化意味着采用信息需要多个验证的朋友。我们这里采用广义susceptible-informed-recovered模型来描述这两个信息传播动力学。易感节点意味着它不知道的信息和可以采取的信息。一个通知节点代表,采用信息并愿意传播它的朋友。一个节点在恢复状态意味着它已经失去了兴趣的信息。

两个相互竞争的信息传播动力学表示和 。我们假设信息和 ,分别在网络上传播和同时进行。两个动力学之间的竞争意味着一个节点不能同时采用两个信息。这两个相互竞争的传播动力学演变如下。最初,我们随机选择一个节点感染和在两个子网。在每一个时间步,每个节点通知信息( )将其相邻节点的信息传输网络吗的概率 。消除信息的可信度,我们包括社会强化,假设一个节点采用信息必须接受 碎片。一个敏感的节点 ,分别获得 和 件和信息在时间步 ,并采用信息的概率 和采用的信息的概率 。通知节点恢复的概率 。这两个相互竞争的传播动力学演化,直到没有节点通知状态。竞争扩散动力学的伪代码所示算法1。在每个时间步,算法的时间复杂度 ,在哪里是网络中边的数量。空间复杂度是 。

3所示。理论分析

数学上,竞争信息在社交网络上传播动力学可以被描述为使用异构平均场方法(25,26,44),广泛用于调查的动态网络。有一些不同种类的平均场方法背后的基本假设如下:(我)网络规模足够大。(2)网络中没有学位的相关性。(3)通知的感染概率节点是独立的,也就是说。,没有动力节点之间的相关性。基于上述假设,我们推导出进化竞争信息传播动力学方程。

描述演化方程,我们使用以下数学符号 , ,和代表一个节点的概率与学位在子网在敏感、通知和恢复状态信息在时间 。同样,我们使用 , ,和代表一个节点的概率与学位在子网在敏感、通知和恢复状态信息在时间 。自对称两个传播动力学,我们只对其中一个演化方程描述。在时间步 ,节点的分数敏感、通知和恢复信息 是 , ,和 ,分别。在下面,我们推导的演进 , ,和 。

的比例减少一次节点与学位在子网就通知。一方面,节点必须接受 的信息在子网在时间 。在不相关的网络中,节点的概率连接到一个消息灵通的节点与学位是 。因此,节点的概率传输节点的信息成功就是 。的信息该节点收到时间是

根据模型的描述,我们知道节点采用信息的概率 在哪里 如果 ;否则, 。请注意,是其他类型的信息。基于上面的讨论,我们知道的进化作为

有一个类似的讨论,我们知道的演进和作为 分别。

4所示。结果分析

在本节中,我们数值研究多路网络详细信息传播竞争。研究了两种类型的多路复用网络信息传播竞争。第一个是ER-ER多路网络,即。、网络和Erdos-Renyi (ER),度分布遵循泊松分布。也就是说,子网的度分布 是 ,在哪里子网的平均程度吗 。我们假设没有夹层学位相关性,因此联合学位分布 。ER-ER多路复用网络的度分布是均匀的。在现实中,许多实际数据显示,分布异构程度。因此我们使用SF-SF多路网络,两个子网都是无标度网络。子网的度分布 是 ,在哪里 。类似于ER-ER多路网络,我们假设没有夹层学位相关性,联合学位分布 。在数值模拟中,我们设置网络的大小 和 。本文中给出的结果是平均至少1000次。

4.1。ER-ER多路传输网络

因为社会强化包含在信息传播动力学,我们首先研究初始种子大小的影响图1。研究新的通知节点由每个信息的一部分,我们调查和与为不同的值和 。对于小的值 ,例如, ,新通知的分数由种子的分数取决于种子节点图所示1(一)。当种子很小(例如, ),任何信息传输概率的值不能触发全球疫情信息 。由于社会强化包括一小部分种子不能进一步采用的信息。增加的 ,全球疫情的时成为可能高于阈值点吗 。请注意,可以数值决定通过研究变化的 ,在阈值点,展示一个高峰。我们不显示在这篇文章中。请注意,全球的信息不能爆发时 ,如图1 (b)。对于较大的值 ,如 和0.8,我们发现一小部分种子不能触发全球疫情的两种类型的信息(参见图1 (c)- - - - - -1 (f))。对于较大的值 和0.1,增加而 ,与此同时随 。我们注意到两种类型的信息可能共存,详细讨论和共存条件图2。

在图2,我们调查的分数通知节点的两种类型的信息由最初的种子在飞机上 。如图2(一个),全球信息不能触发小值 。先前的研究表明,全球信息爆发阈值的信息是 当只有信息在网络传播 。然而,当两个相互竞争的同时多路网络信息传播,全球信息无法打破的时候稍微更广泛 。我们知道,竞争抑制传播动力学的信息,和全球疫情阈值的信息远远大于 。两个信息传播动力学对称机制,我们发现类似的现象在图2 (b)。

一个重要的问题是地区的统治和共存。统治意味着信息传播最节点,而另一只传送几个节点。共存代表了两种类型的信息传播很大一部分节点。为此,我们研究在图2 (c)。的情况下 ,我们知道的信息占主导地位。当 ,的信息占主导地位。当 ,这两种类型的竞争节点的信息。梳理数据2(一个)- - - - - -2 (c),我们推测信息占主导地位时 和 。同样的,占主导地位时 和 。这两种类型的信息竞争节点时,可以共存 , ,和 。

在图3进一步,我们研究的平均度的影响信息传播动力学竞争 。当这两种类型的信息传播在两个网络具有相同的平均程度,也就是说, ,我们发现和表现出类似的行为,也就是说,和增加单调增加 。然而,第一次增加 然后减少当 ,例如, 和 。也就是说,存在一个峰值,达到最大值。与此同时,总是随 不管的值和 。

4.2。SF-SF多路传输网络

最后,我们研究了两个相互竞争的信息传播SF-SF多路网络图4和调查的影响程度异质性的两个网络传播动力学。与ER-ER网络相比,SF-SF网络推广传播动力学自一些大型节点度的存在。此外,我们发现异质性程度不定性影响现象呈现在图2。也就是说,统治和共存区域是相同的。统治地区的信息是 和 。同样,信息统治区域 和 。共存的地区是 , ,和 。

5。讨论

共同进化传播动力学旨在描述相互作用的动力学和揭示现象引起不同的互动机制。在本文中,我们提出了一个复杂的信息竞争模型来描述两种类型的信息扩散在多路网络。开发异构平均场理论来描述模型。通过大量的数值模拟,我们发现不同地区的条件。具体地说,没有全球疫情地区的信息 和 ;信息占主导地位的是 和 ;信息占主导地位的是 和 ;和两个信息共存区域 , ,和 。当两个相互竞争的复杂的信息传播与异构多路复用度分布,定性现象不受到影响。结果提出了进一步调查或许能传播竞争,设计有效的策略等做一个传播总是赢不管其他传播动力学和网络结构。

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

这部分工作由教育部科技发展中心大学科研创新基金:“1数字智能集成”协同创新,没有。2020 qt20。