社交网络传播分析系统

摘要

社会媒体是人们分享观点、意见和经验的平台。随着Web2.0的不断发展，社会媒体逐渐被广大互联网用户认知、熟悉和应用。近年来，社会媒体发展迅猛，拥有了大量的用户群，用户之间相互交流、分享、发布的信息，产生了大量的用户生成内容，这些信息在社会网络中呈病毒式的网状交叉传播，传播速度呈指数增长。社交网络为信息的扩散和流动提供了一个方便的通道，同时我们也被嵌入到了许多社交网络中，我们进行学习，做出决定以及获取信任和安全时都会受到社交网络的影响。例如调查显示，在买电子产品之前，50%的人会做在线调查，68%的人会向朋友咨询。本次实验研究了在线媒体中信息传播路径的演化过程，并提出了一种解决动态网络推断问题有效算法。因此，通过对社交网络中信息传播过程的分析，发现信息传播的规律，可以调查信息的流动以及检测引起社交网络传播结构的突然变动的外界事件，从而用于信息传播预测、病毒式产品营销、保障互联网的信息安全等领域。

目录

摘要 I

第1章 基于社交网络信息传播的相关理论及模型 1

1.1相关理论 1

1.1.1六度分隔”和“小世界网络”理论 1

1.1.2信息在媒体中的传播 1

1.2相关概念 1

1.2.1网络级联和米姆 1

1.2.2准确率和召回率 1

1.3信息传播模型 2

1.3.1 SI模型 2

1.3.2 SIR模型 2

1.3.3 IC模型 3

1.3.4 LT模型 4

1.4边传播率参数模型 5

1.4.1指数分布模型 5

1.4.2幂分布模型 5

1.4.3瑞利分布模型 5

第2章 具体算法的相关研究 6

2.1 前期探索 6

2.2 问题公式化 8

2.2.1 观察的数据 8

2.2.2 成对传播的似然值 8

2.2.3 级联的似然值 8

2.2.4 动态网络推理问题 9

2.3 INFOPATH算法 10

2.3.1 预测随机梯度 10

2.3.2 老化的边 11

2.3.3 级联抽样 11

2.3.4 INFOPATH算法的实现过程 12

2.4 推断动态网络 12

第3章 实验评估 14

3.1 实验数据 14

3.2 实验装置 14

3.3 实验结果 15

3.4 实验结果分析 17

参考文献 18

致谢 20