社交网络分析5：社交网络信息传播动力学。信息传播 、传染病模型、博弈模型和物理系统模型 、传播动力学分析 (1)

给大家的福利

零基础入门

对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。

同时每个成长路线对应的板块都有配套的视频提供：

因篇幅有限，仅展示部分资料

网络安全面试题

绿盟护网行动

还有大家最喜欢的黑客技术

网络安全源码合集+工具包

所有资料共282G，朋友们如果有需要全套《网络安全入门+黑客进阶学习资源包》，可以扫描下方二维码领取（如遇扫码问题，可以在评论区留言领取哦）~

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以点击这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

24

\omega = \frac{2\pi}{24}

ω=242π​

上线时差

上线时差表征用户登录社交网络的时间先后关系，用初相位

ϕ

\phi

ϕ 表示。它反映了用户接收和转发信息的时延。例如，正在西方国家传播的信息可能需要一定时间才能在东方国家流传开来。

在下图中，用户 A 和 B 都向用户 C 转发一条相同的信息，但是从时间序列上 看，
用户 C 与用户 A 同相，与用户 B 反相，以至于用户 C 能及时收到用户 A 发 来的信息，而用户 B 的信息被忽略。

亲密程度

亲密程度表示用户在社交关系网中的局部重要性，通常用亲密度权重

w

w

w 来刻画。在信息传播中，人们倾向于相信亲朋好友的信息，而对陌生人的信息往往持观
望态度或质疑态度。在社交网络上，亲密度权重

w

w

w 通常服从参数为

λ

\lambda

λ 的指数分布，即：

w

∼

exp

⁡

(

λ

)

w \sim \exp(\lambda)

w∼exp(λ)

分享意愿

分享意愿描述用户向其他用户发布或转发信息的主观能动性，用分享系数

S

S

S 来刻画。它表示用户间一对多的群体交互信息行为，具有方向性。它受多种因素影响，如用户的性格、状态等，总体服从正态分布：

S

∼

N

(

μ

,

σ

2

)

S \sim N(\mu, \sigma^2)

S∼N(μ,σ2)

社会声誉

社会声誉是指其他用户对某用户的综合评价。在社交网络中，声誉系数

R

R

R 通常服从正态分布：

R

∼

N

(

μ

,

σ

2

)

R \sim N(\mu, \sigma^2)

R∼N(μ,σ2)

信息能量

信息之所以能在网络中传播，是因为它具有能量

E

E

E，包括信息势能

U

U

U 和信息动能

K

K

K 两种。信息能量等于信息势能和信息动能之和，即：

E

=

U

K

E = U + K

E=U+K

信息传播运动分析

• 分析信息在社交网络中的传播过程，如何通过不同的路径和节点传播。
• 考虑信息传播过程中的动能和势能变化，以及这些变化如何影响信息的最终传播效果。

例如，在图中，用户 A 发布的信息经用户 B 、 C 传播到用户 D 后终止。
其物理过程为：
① 用户 A 在T1 周期内上线，向邻居节点传播扩散一条信息；
② 用户B在T2周期内上线，阅读并向自己的邻居节点转发该信息；
③ 类似地，用户 C 在T3 周期内上线，阅读并转发该信息；
④ 用户D在T4周期内上线阅读该信息，但不再转发，于是传播链上的信息传播活动结束。

为了简化问题，下面先考察一种最简单的情况—忽略受众对信息的排斥作用和媒体的宏观引导作用。此时，传播距离仅与传播者个体属性、网络结构和信息本身有关，结合前面的定义，可将传播距离表示为

式中， x 为传播距离， E 为传播能量， S 为分享系数， R 为声誉系数， ω 为在线角频率， t 为信息传播时间， n 为每天在线小时数， φ 为上线时差。函数 r(t)为斜坡函数，表示节点在一个周期内解读信息的时间越长，对信息理解越深刻，之后评论和转发的信息就越权威，信息传播距离也就越远。

信息传播受力分析

• 探讨社交网络中影响信息传播的各种力量，包括但不限于社会影响力、网络结构、信息内容的吸引力等。
• 分析这些力量如何共同作用于信息的传播过程。

信息传播演化过程

• 通过案例分析具体的信息传播演化过程。
• 以时间为轴，详细描述信息从发布到最终传播终止的整个过程。
• 例如，在t0时刻，信息从1号节点发布，并随着时间的推移，经过不同节点的传播和转发，最终在t3时刻由于信息能量衰减而停止传播，覆盖率达到83%。

信息能量的传递与转换

在在线社交网络中，信息传播的核心是信息能量在不同节点间的传递与转换。根据能量守恒原理，能量不会无故产生或消失，只会在网络节点间传递，并且能量的形式可以相互转换，通常以信息动能和信息势能的形式存在。

信息能量的状态

• 运动状态下的信息能量：当信息在两节点间处于传播运动状态时，信息势能

U

=

0

U = 0

U=0，此时信息能量表示为：

E

=

K

U

=

K

E = K + U = K

E=K+U=K

• 静止状态下的信息能量：当信息在节点上处于静止状态时，信息动能

K

=

0

K = 0

K=0，此时信息能量表示为：

E

=

U

K

=

U

E = U + K = U

E=U+K=U

势能转换和信息传播

当某个节点拥有势能差的信息时，信息将向邻居节点传播，进入运动状态。在传播过程中，信息能量全部转换为信息动能。

能量衰减与信息传播终结

在两节点间的传递过程中，信息需要克服受众理性排斥力和社会舆论场力的作用，因此能量逐渐衰减。传播路径越长，信息能量衰减越严重。当信息能量过小，不足以继续传播时，信息传播过程自然终结。

信息传递算法

对于整个网络系统，信息传递算法类似于在线社交网络图上的广度优先遍历算法。从发布信息的初始节点（种子节点）开始，信息被向各个方向传播，形成信息覆盖面。在传播过程中，信息能量

E

E

E 逐渐减小，当所有传播路径上的信息能量都衰减到足够小时，传播活动停止。

两个用户之间信息传递和信息能量转换的关系如图所示。

两个节点之间的信息传递算法，算法流程图为：

信息传递算法的应用

在社交网络系统中，信息传播可以被视为执行一种广度优先遍历（Breadth-First Search, BFS）算法。这个过程可以分为以下几个阶段：

初始阶段

• 种子节点：信息传播从初始节点（种子节点）开始，初始信息能量定义为

E

0

E_0

E0​。

• 首轮传播：执行节点信息传递算法，将信息从种子节点传播到其直接后继节点。

迭代传播

• 后续传播：选择种子节点的后继节点，再次执行信息传递算法，将信息进一步传播到这些节点的后继节点。
• 迭代过程：信息不断地向外扩散，依次迭代，形成广泛的信息覆盖面。

信息能量的衰减

在信息的传播过程中，信息能量的消耗是不可避免的。这种能量消耗主要是为了克服两种力量：

• 受众理性排斥力：受众对信息的接受程度和理性分析。
• 社会舆论场力：社会舆论对信息的影响和反作用力。

随着信息传播链的延长，信息能量

E

E

E 会逐渐减小。当传播路径上的信息能量衰减到一个足够小的程度（趋近于零），信息传播活动自然而然地终止。

结果分析

模型验证

• 描述了如何通过收集实际在线社交媒体传播数据来验证模型的合理性。
• 进行了模型仿真结果数据与实际数据的比对分析，以进行实证对比实验。

数值模拟

• 描述了在无标度网络上应用TVDM模型的仿真实验过程。
• 通过数值模拟考察了用户在线时长的方差与信息传播概率之间的关系。
• 发现信息传播与用户上线时长的具体值无关，而是与平均时长相关。

仿真分析

• 对模型中的关键函数

f

3

(

i

,

t

)

f_3(i,t)

f3​(i,t)进行了复合函数分解，并分析了各分量的变化规律。

• 揭示了信息传播行为的间歇性和阵发性特点，即用户只有在特定的时间段内能有效地接收和传播信息。
• 分析了信息时效性对信息传播成功率的影响。

实证对比分析

• 通过与真实数据的比较，证实了仿真模型的准确性和有效性。
• 仿真结果与真实数据的吻合度高，余弦相似性和相关系数均达到显著水平。
• 误差峰值控制在±0.2范围内，进一步验证了模型反映信息传播过程客观规律的能力。

社交网络信息传播的应用

信息传播在社交营销中的应用

• 扩大品牌影响力：社交网络的广泛性使品牌信息能够迅速扩散，提高品牌认知度。
• 增强客户参与：互动性质的社交网络鼓励用户参与讨论，增强品牌与客户之间的互动。

信息传播在舆论引导中的应用

• 扩大舆论影响力：社交网络能够迅速扩散信息，影响广泛的群体。
• 促进公众参与：社交网络的互动性质鼓励公众参与讨论，形成多元化的意见交流。
• 快速引导舆论：社交网络的高效性使信息迅速传播，有效引导公众观点。
• 实时反映事件进展：社交网络的实时性允许快速更新事件动态，提供最新信息。

信息传播在社交媒体分析中的应用

• 行为分析：分析用户在社交网络上的行为模式，了解用户偏好。
• 趋势预测：监控社交媒体上的趋势变化，预测未来发展。

社交网络信息传播的挑战与未来发展

挑战

隐私与安全问题

• 用户隐私泄露：社交网络中的信息共享可能导致个人数据泄露。
• 信息真实性：社交网络的信息来源多样性使得真实性难以保障。
• 信息安全风险：社交网络中的信息传输和存储可能面临安全威胁。

真实性与可信度问题

• 虚假信息的传播：社交网络可能导致虚假信息的广泛传播。
• 算法推荐机制：可能导致信息茧房效应，限制用户接触到多样化信息。
• 用户评估能力缺乏：用户可能缺乏对信息真实性的有效评估能力。

未来发展趋势与展望

• 更精准、个性化：社交网络信息传播将更加注重个体用户的需求和偏好。
• 隐私保护和信息安全：技术进步将增强社交网络的安全性和用户隐私保护。
• 高效、快速的信息传播：社交网络将继续优化信息传播的效率。
• 注重内容质量和价值：社交网络将更加关注传播内容的深度和价值。

提纲问题

五、社交网络信息传播动力学分析

1. 信息传播动力学研究的目标是什么？

信息传播动力学研究的目标是预测系统的变化，尤其是在线社交网络上信息传播的情况。这种研究通常采用非线性动力学方法来模拟信息传播过程，因为这些过程通常不能用线性系统来描述。它涉及使用历史数据和系统当前状态信息来预测其未来，需要理解系统在小时间尺度上的属性，并制定动态方程来描述这些变化。

一、网安学习成长路线图

网安所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、网安视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

三、精品网安学习书籍

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、网络安全源码合集+工具包

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、网络安全面试题

最后就是大家最关心的网络安全面试题板块

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以点击这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！