基于并行阻塞策略的社交网络舆情传播控制方法

近年来,随着社交网络的不断普及,负面舆情信息对经济、社会和文化等造成的威胁不断放大.现有方法多通过剔除节点或边集实现舆情传播控制,却难以适应现今规模巨大的社交网络环境.基于此,基于阻塞自回避行走算法提出了融合边与节点集移除的并行舆情传播控制方法,并基于GPU框架应用成本约束函数对算法进行改进,提高了所提算法在大规模社交网络图中的适用性,且使用改进前推回代算法进行求解.最后,基于多种真实社交网络数据集进行实验,结果表明:所提CN-OPC法能对社交网络舆情传播进行有效控制,控制效率与精度较经典算法均有较大提升,这说明并行阻塞策略可用于大规模社交网络舆情传播控制,未来可进一步尝试多策略并行的控制方法在社交网络环境中的应用.

基于最优演化策略的社交网络舆情传播控制方法

文章提出了基于信任机制的舆情传播模型,引入个体预期收益与最优演化搜索动力学对群体搜索策略进行分析.针对信息搜索策略,分析非合作与合作环境中的演化稳定搜索策略,以最大化群体预期信息收益.在考虑信息搜索价值的情况下,分别讨论正面/负面舆情信息的演化与最优搜索策略的并行预期收益.最后,基于真实社交网络数据集对进行数值算例分析,结果表明:所提算法较经典舆情传播控制算法而言具有较高的精度与效率.

考虑思考时滞的社交网络舆情最优控制模型

随着信息技术的不断发展,纷繁复杂的信息无时不刻的充斥着社交网络,这也使得负面舆情信息不断滋生并快速传播,严重影响了网络安全和社会稳定。本研究提出考虑思考时滞的舆情传播最优控制模型。首先,基于传染病模型构建引入思考者的舆情传播模型。其次,对模型中的参数进行敏感性分析,并引入对立舆论攻击机制,利用最优控制理论设计所提舆情传播最优控制模型,旨在最小化舆情采纳者密度和控制成本。实验表明,所提模型能够对社交网络中的舆情传播进行有效控制。