电子邮件病毒传播的元胞自动机建模与分析

为研究电子邮件病毒在有向无标度网络上的传播行为,基于元胞自动机理论,提出一个电子邮件病毒传播的元胞自动机模型。在该模型下,仿真分析多种因素对电子邮件病毒传播行为的影响,结果表明:在给定的有向无标度网络中,病毒传播速度和传播规模随着电子邮件病毒附件打开概率增加而增大,网络的有向性增加病毒传播规模对于免疫概率的敏感性,病毒传播演化主要与节点入度相关。研究还表明,病毒先感染入度大的节点,后感染入度小的节点,而节点感染病毒先后顺序与节点出度没有明显关系。

微博病毒传播模型研究

利用有向无标度网络描述微博用户的关系,在此基础上建立微博病毒传播模型,研究用户点击率、转发率以及对信息的反应速度等因素对病毒传播的影响。实验结果表明,用户点击恶意链接的行为能促使病毒传播,转发警告信息的行为能抑制病毒扩散,对信息做出反应经历的时间越短,病毒及警告信息传播得越快,并且越早对病毒采取抵制措施,病毒爆发的范围越小。

基于改进Hegselmann-Krause模型的微博舆论反转研究

为探究舆论反转的机制,减少舆论反转造成的危害,文章基于Hegselmann-Krause模型,引入有向无标度网络并确定衡量节点中心性的"综合中心性"指标,得到改进Hegselmann-Krause模型。利用模型,通过意见领袖观点值改变刻画舆论反转,对舆论反转现象进行描述与分析,并通过对具体案例的模拟,检验模型的有效性,探究意见领袖数量及观点变化强度对舆论反转的影响。结果表明,意见领袖数量越多,意见领袖的观点变化越弱,群体观点越快达到稳定,稳定后群体观点值越一致且平均观点值越接近意见领袖的观点。

基于改进SIR模型的微博网络舆情传播研究

【目的/意义】解析了微博舆情话题的传播、微博网络拓扑结构特点、微博网络中的信息传播特点,发掘舆情传播过程的影响因素,继而对在微博网络上发生的舆情扩散进行有效的控制。【方法/过程】在传染病动力学的SIR模型的基础上,提出了有部分无知者直接变为免疫者以及具有衍生效应的SIR改进模型。结合微博网络拓扑结构进行了有向无标度网络的设计,并利用微博网络的信息互动模式对感染率以及转化率进行了改进,最后对此模型进行简单的因素分析。【方法/过程】构建的微博网络舆情传播模型的变化符合实际生活中微博网络舆情的传播变化,并分析了各个影响微博网络舆情传播的因素。