建模和分析的动态社会关系在D2D合作的视频传输

文摘

社交网络的一个主要运营商的信息扩散。社会关系的变化将影响到设备间的质量(D2D)通信尤其是视频传输。为进一步提高用户的通信工具,它能够有效地整合具有重要意义D2D通讯和社交网络。为此,本文利用随机建模和分析方法的动态社会关系在D2D合作的视频传输。具体来说,建立随机数学模型和分析,在结合利益等许多因素的影响,地理位置,职业,社会阶层、价值体系和交互。基于布朗运动理论,社会个体之间的社会关系的强度随着时间进行了研究。接下来,可靠性函数和自适应参数估计。最后,进行了一些例子说明本文的主要结果,从哪一个可以看到,该模型具有良好的预测能力的社会关系的变化趋势。

1。介绍

随着移动互联网和无线通信技术的发展,设备间(D2D)通信已成为未来无线通信的关键技术之一,社交网络已经成为信息扩散的主要的航空公司之一(1]。通过D2D通讯和社交网络,人们不仅与朋友交流,还可以分享图片和视频更快和更方便。由于通信设备通常是由人,动态的社会环境和广泛的社会应用程序需要D2D通信,尤其是D2D协作视频传输,更自适应和满足更一般的通信需求。当用户通过无线短途D2D通信本地分享视频,如果用户成功建立D2D链接,视频流将在社交网络迅速传播。然而,有用户的移动性和随机事件的发生在社会网络和用户行为的变化将导致动态用户之间的相互作用,这将影响成功率的用户建立D2D链接,从而影响了信息扩散2]。因此,有必要研究D2D协同视频传输与社交网络。

在[3),一个D2D communication-assisted缓存框架,提出了视频多播,认为社会信任和社会互惠鼓励用户之间有效的合作。王等人。4]研究预计可用时间(EAD)指标来衡量的机会D2D用户的下载视频数据包的邻居。Zhang et al。5]认为D2D结对合作视频传输。社会将以前的工作通常是根据用户的个人信息和计算在不同用户之间信息的交互。然而,社会交往是受到很多因素的影响,包括社会拓扑中,用户行为,和固有的内容特点、和社会关系是一个动态的过程,随着时间的变化。

社会关系的研究有助于理解人类行为,它可以应用在病毒传播6)、信息推荐(7),交通规划,和复杂的社会经济现象8]。Granovetter [9]首先定义的社会关系的结合,情感强度,亲密,互惠,许多研究人员提供了一个理论依据分析社会关系的四个元素的线性组合。

随着社交网络的发展,社会关系的结构建模的研究已日益关注。在[10陌生人),作者指出,建立基于共同利益的社会关系,职业,或活动。香等。11)提出了一个无监督模式,用户之间的社会关系被认为是一个潜变量,导致互动行为。基于这个想法,赵et al。12)提出了一个概率生成模型,认为生命活动和移动模式。然而,香等人,赵et al。11,12忽视的分配活动主题。与此同时,熊等。13)提出了一个通用的框架来衡量社会关系的相似之处,同现的交互活动,用户的名字。在[14),作者计算社会关系基于用户的概要信息和交互活动在不同活动领域。在[15),基于情绪的语言模型分类、相似,交互性是应用于计算社会关系在k -均值聚类算法采用集群用户。值得注意的是赵等人、和道14,15]认为社会关系都是静态不变,导致无法分析社交网络的动态行为。

除了上面的理论研究在社会关系中,也有一些应用场景描述社会关系(16- - - - - -19]。在传统的社交网站中,建模应用程序的社会关系广泛(16,17]。在[18),一个图形化的概率模型和局部亲和力传播(TAP)方法应用于研究社会关系和社会影响,分别。在[19),社会关系的时空模式是由张量的因素。易et al。20.)提出了一个动态模型与社会关系和机制,肯定自我和验证社会关系信息扩散的关键作用。

受上述工作和基于现实世界是一个动态的环境,很难收集准确的实时日期跟踪社会关系的变化,本文利用随机过程来研究社会关系。随机数学模型,它包含了许多利益等因素的共同作用,地理位置,职业,社会阶级,价值体系,和交互,提出和分析。具体来说,可靠性函数和自适应参数估计。为了说明的主要结果,最后给出了一些数值例子。

随后本文组织如下的材料。部分2制定随机模型。部分3该模型的数学分析。给出了一些数值例子4。最后,部分5概述了这项工作。

2。模型公式

2.1。场景描述

社会将是一个关键因素的成功传播视频流在D2D用户通信。因为有许多影响因素影响社会的社交网络用户之间的联系,用户之间的社会联系是动态的,这将影响的成功率D2D建立用户之间的联系,从而影响通信性能。基于上述描述,本文的目的是建立一个动态模型社会个体之间的社会关系对于更好地理解D2D合作的视频传输。如图1考虑一个单细胞的蜂窝网络,D2D用户和手机用户在基站的覆盖范围。在时间 ,用户和建立一个D2D通信链路和重用蜂窝用户的频谱资源。之间的时间和 ,如果和有负作用,产生的社会关系的强度降低,低于阈值的信任的用户吗。然后,在时间 ,用户和不能成功地交流。同样,在时间 ,用户需要获得所需的视频资源 ,和用户愿意分享的数据包如果身体条件得到满足,那么之间建立信任关系和在时间。基于这一背景,从社会层面的用户,建立了模型的动态用户之间的社会关系。任意两个用户之间的社会关系的强度和可以被视为一组随机变量相关的时间。

2.2。模型的假设

在任何时候 , 可以被定义为一个随机的代表人与人之间的社会关系的力量,然后呢可以被理解为一个随机过程是个体之间的社会关系强度。动态的社会关系的建模和分析用户之间和在任何给定的时间 ,实施以下假设:(A1)用户之间的社会关系和可以被看作是一个随机变量 ,然后 ,让代表的变化在时间间隔和。(A2)社会关系是受许多随机因素的影响,如利息、地理位置,职业,社会阶层、价值体系和交互。让一组随机变量代表这些随机因素。(A3)的随机变量是相互独立的。让代表的变化。(A4) 服从同一分布。让和。

引理1。 是一个马尔可夫过程。

证明。假设 ,对于任何时间。然后, 根据上面的公式,我们可以得到,给定进程的现状,未来国家独立于过去。从马尔可夫过程的定义21),随机变量满足马尔可夫性质被称为马尔可夫过程。因此,证据就完成了。

引理2。随机变量服从正态分布。

证明。从假设(A3)和(A4),声称结果遵循从中心极限定理22]。
收集上述假设和前题1和2在时间 ,的社会关系可以用一种自适应维纳过程建模的漂移,可以表现出下列随机系统(23]: 在哪里 , 是一个布朗运动的独立的(标准布朗运动)和吗 , 是一个常数,是漂移参数 ,和和扩散系数的自适应漂移和社会关系,分别。

3所示。模型分析

3.1。可靠性函数

本节讨论的衬垫模型系统(2)基于维纳过程如下: 在哪里观察社会的领带吗 , 漂移参数和吗在 ,和是标准布朗运动。

在交互期间,任何两个用户和相互信任的关系是否达到给定的阈值不信, 是时候,用户首次相互信任。众所周知,的概率密度函数(PDF)遵循逆高斯分布(24]。然后,它可以表示如下(25]:

据统计特征和维纳过程的条件分布的累积分布函数(CDF)可以表示为以下可靠性函数(24,25]: 在哪里表达了它的标准正态随机变量。

结合上述分析,本文的主要结果可以获得如下。

定理1。为社会联系的过程由系统(3),PDF和CDF可以表示为公式(4)和(5),分别。

3.2。自适应参数估计

在本节中,卡尔曼滤波(26)应用于估计漂移参数的均值和方差。在此基础上,参数和被采用(EM)算法进行估计27]。

对于一个给定的观测样本 ,漂移参数的观测方程形成了一个卡尔曼滤波框架。让和分别代表更新漂移参数和方差。让和是基于前一时刻的估计均值和方差,分别。因此,漂移参数的均值和方差可以从下面的卡尔曼滤波方程 :

与初始条件和 , 卡尔曼增益。

EM算法包括E-step M-step和需要采取的期望完成对数似函数在第一步,然后最大化期望获得估计参数,直到达到收敛。

让和。然后,完成对数似函数点可以表示如下(28]: 在哪里

忽略常数项的功能可以改写如下:

接下来, 和计算了Rauch-Tung-Striebel (RTS)平滑算法(29日]。落后的迭代规则如下: 在哪里 , ,和是RTS平滑状态估计、方差和增益函数的基础上,目前的估计参数,分别。然后,

让表示完整的对数似函数的条件期望 , ,和。然后,

最后,参数的估计可以得到最大化完成对数似函数(12)。

4所示。数值例子

给出了一些数值例子来说明本文的主要结果。

例1。考虑系统(2)与初始条件 , , ,和。社会领带样品年代是随机产生的服从正态分布。图2显示了漂移的估计均值和方差参数和扩散系数的平方和。

(一)

(b)

(c)

(d)

例2。考虑系统(2)与初始条件 , , ,和。社会领带样品年代是随机产生的服从正态分布。图3显示了概率密度函数实现社会信任的第一次。

例3。考虑系统(2)与初始条件 , , ,和。社会领带样品年代是随机产生的服从正态分布。图4随着时间的推移显示社会连接的可靠性。随着时间的增加,用户之间的可靠性随时间逐渐增加。此外,在同一时间点,漂移系数越大,越大的可靠性。

例4。考虑系统(2)与初始条件 , ,和。社会领带样品年代是随机产生的服从正态分布。图5揭示了估计社会联系强度的变化曲线在适应性和固定漂移系数,分别。社会将随时间的变化并不是单调的,和交互过程是积极的还是消极的。估计两种方法中获取的值作为观测值具有相同的趋势,和模型具有良好的预测能力。此外,通过更新漂移参数获得的预测值更接近真正的价值比固定漂移参数。

5。结论和未来的工作

本文随机数学模型描述了社会关系,它包含了许多因素的综合效应,如利息、地理位置,职业,社会地位,价值体系,相互作用,提出了进行了分析。可靠性函数和自适应参数估计都被确定。为了说明的主要结果,一些数值例子已经给出本文的末尾。这项工作对社会现象的理解。

为研究基于大数据的背景和人工智能逐渐进入人们的视野30.,31日),我们建议的模型也可以开辟新的研究方向在这个背景。例如,使用人工智能方法抽象和分析多维特性,比如网络行为,内容属性、位置关系、结构特点、隐私保护政策。此外,社交网络中的数据是动态的,以数据流的形式传输。链接和一代的关系是不断变化的,和流行的视频也会随着时间而改变。对大规模动态网络,具有重要意义,进一步研究高效的视频传输动态模型和算法。

数据可用性

数据共享并不适用于本文中没有生成数据集。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

作者声称,这项研究是实现合作同样的责任。所有作者阅读和批准最后版本的手稿。

确认

这项工作得到了中国自然科学基金(批准号61702066和61702066),主要项目重庆市教委科学技术研究项目的中国(批准号KJZD-M201900601),重庆的基础研究和前沿技术研究计划(批准nos. cstc2017jcyjAX0256和cstc2018jcyjAX0154),重庆市重点实验室项目支持的高等教育机构(批准号cqupt - mct - 201901)、技术基础贵州省(QianKeHeJiChu [2020] 1 y269),和苗种培育新的学术和探索创新项目(QianKeHe平台才能[2017]5789 - 21)。

引用

y, z, l, c·甘,邓x,和l .易”再度出现建模异构社会网络:智能信息扩散的动力学的角度来看,“IEEE网络科学与工程,2020年。视图:出版商的网站|谷歌学术搜索
c . Gan李x l . Wang和z,“用户行为信息扩散的影响在D2D通信:一个离散动力学模型,”离散动力学性质和社会卷,2018篇文章ID 3745769、9页,2018。视图:出版商的网站|谷歌学术搜索
陈x y曹,t .江,j .张“Social-aware视频多播设备间通信的基础上,IEEE移动计算,15卷,不。6,1528 - 1539年,2016页。视图:出版商的网站|谷歌学术搜索
h . Shah-Mansouri z . Wang, v . w . s . Wong“如何下载更多数据从邻居?一个度量D2D数据卸载的机会。”IEEE移动计算,16卷,不。6,1658 - 1675年,2017页。视图:出版商的网站|谷歌学术搜索
柳明桓x, z, t .曾和美国的太阳,“Social-aware D2D结对合作视频传输使用匹配理论,“移动网络和应用程序,23卷,不。3、639 - 649年,2018页。视图:出版商的网站|谷歌学术搜索
c .甘问:冯,问:朱、张z, y, y香,“在复杂网络分析计算机病毒的传播行为:路由网络,在俄勒冈州的一个案例研究”非线性动力学,卷100,不。2、1725 - 1740年,2020页。视图:出版商的网站|谷歌学术搜索
赵z h . Lu, d . Cai, x,, y壮族,“用户偏好学习在线社交推荐”,IEEE工程知识和数据,28卷,不。9日,第2534 - 2522页,2016年。视图:出版商的网站|谷歌学术搜索
x, t·h·s .楚v c . m .梁大肠学术界。Ngai, p . Kruchten和h . c . b . Chan“移动社交网络上的一项调查显示:应用程序平台,系统架构,以及未来研究的方向,“IEEE通信调查和教程,17卷,不。3、1557 - 1581年,2015页。视图:出版商的网站|谷歌学术搜索
m . Granovetter“弱关系的力量:一个网络理论重新审视,“社会学理论,1卷,不。6,201 - 233年,1983页。视图:出版商的网站|谷歌学术搜索
d·m·博伊德和n .埃里森”社交网站:定义、历史和奖学金,”IEEE工程管理评审,38卷,不。3、210 - 230年,2010页。视图:出版商的网站|谷歌学术搜索
r .香、j·内维尔和m .罗加蒂“建模在在线社交网络关系强度,”诉讼的ACM国际会议在万维网上ACM,页981 - 990年,罗利,数控,美国,2010年4月。视图:出版商的网站|谷歌学术搜索
w x赵:周,w . Zhang J.-R。温,s . Wang和e . y . Chang“社会力量的概率lifestyle-based轨迹模型推理从人类轨迹数据,”ACM交易信息系统,35卷,不。1、28页。2016。视图:出版商的网站|谷歌学术搜索
l .熊w·黄,黄x, y Lei和m .钟”,社会关系强度的估算模型根据用户的配置文件,共生和互动活动,“Neurocomputing卷,214年,第934 - 927页,2016年。视图:出版商的网站|谷歌学术搜索
x x赵,j .元,g . Li陈,李和z”关系强度估计在线社交网络的研究在Facebook上,“Neurocomputing卷,95年,第97 - 89页,2012年。视图:出版商的网站|谷歌学术搜索
c .榉和w·道,“小说在线社交网络关系强度模型,”多媒体工具和应用程序,卷76,不。16,17577 - 17594年,2017页。视图:出版商的网站|谷歌学术搜索
j .唱歌和c徐”,正确的好友的区别:社会关系分析的早期探索多媒体应用,”20 ACM国际会议的程序Multimedia-MM”12,ACM 19-28页。2012年,日本奈良。视图:谷歌学术搜索
j .黄c, d . Wang Tao, b·曼”在physical-social-aware localness推理从定位服务,探索大数据”IEEE大数据,2017年。视图:出版商的网站|谷歌学术搜索
j . j . Tang太阳、c . Wang和z,“大规模网络,社会影响分析”ACM Sigkdd国际会议的程序知识发现和数据挖掘ACM,页807 - 816年,巴黎,法国,2009年。视图:谷歌学术搜索
j·b·杨h .贝聿铭h . Chen Liu和s .夏”描述和发现时空的医疗、社会接触模式”IEEE模式分析与机器智能,39卷,不。8,1532 - 1546年,2017页。视图:出版商的网站|谷歌学术搜索
张y, z, c .甘”的影响社会的领带在复杂网络信息扩散,”自然史答:统计力学及其应用卷,509年,第794 - 783页,2018年。视图:出版商的网站|谷歌学术搜索
o . Ibe,应用概率和随机过程的基础、学术出版社、剑桥、马、美国、第二版,2014年版。
b . w . Gnedenko“极限分布的独立随机变量。”数学公报,39卷,不。330年,第343 - 264页,1953年。视图:谷歌学术搜索
X.-S。Si、张z . x和c·h·胡”一种自适应预测方法通过非线性退化建模:应用电池数据,”IEEE工业电子产品,卷62,不。8,5082 - 5096年,2015页。视图:出版商的网站|谷歌学术搜索
g .金·d·马修斯,y粉丝,问:刘,“failure-based退化的物理建模和动量轮的寿命预测动态协变量的环境,”工程失效分析28卷,第240 - 222页,2013年。视图:出版商的网站|谷歌学术搜索
y s Sherif和m·l·史密斯”,首次通过时间分布的布朗运动可靠性模型,”IEEE可靠性卷,29号5,425 - 426年,1980页。视图:出版商的网站|谷歌学术搜索
答:哈维,预测、结构时间序列模型和卡尔曼滤波美国剑桥,剑桥大学出版社,马,1989年。
a . p .法官:m . Laird, d·b·鲁宾,“通过theEMAlgorithm最大似然的不完整的数据,”皇家统计学会杂志》:系列B(方法论),39卷,不。1、22页,1977页。视图:出版商的网站|谷歌学术搜索
d·h . Li锅,c·l·p·陈,“可靠性建模和生活估计使用基于期望最大化动量轮,维纳退化模型”IEEE控制论,45卷,不。5,969 - 977年,2015页。视图:谷歌学术搜索
l . l .凸轮最大似然:介绍,“在统计学第一节国际统计审查/ Revue国际歌,卷。58岁的没有。2、153 - 171年,1990页。视图:出版商的网站|谷歌学术搜索
甘z, c, c, s .太阳和m . Wang”自动调制分类用卷积神经网络特点的融合SPWVD BJD,”IEEE在网络信号和信息处理,5卷,不。3、469 - 478年,2019页。视图:出版商的网站|谷歌学术搜索
> c . Gan l . Wang, z . Wang“稀疏的关注分离扩张卷积神经网络为基础有针对性的情绪分析,“以知识为基础的系统卷,188年,页1 - 10,2020。视图:出版商的网站|谷歌学术搜索

离散动力学性质和社会