python博弈论代码_科学网—两篇关于社交网络和博弈论的论文及源代码分享 - 陈俊东的博文...

很久没有来科学网了,记得刚开通科学网博客的时候经常把自己用latex写文章时遇到的问题以及解决的方法发在博客里,当然也包括其他的一些问题的解决方法。

自从博士毕业参加工作以后,一直忙于工作,说是忙,也不是一刻忙得不得闲,就是没有多余的精力来考虑到科学网上来写东西。一有时间就抓紧时间休息。其实现在想想,多到科学网来逛逛写写心得,也未尝不是补充精力,反思生活工作学习的一个好方法。

最近这两年做了点关于社交网络,主要就是推特Twitter和博弈论方法在社交网络分析中的应用的一点工作,也发表了两篇计算机会议上的论文。

论文的相关信息如下,如果有兴趣的可以到网上或者图书馆的电子阅览室找到,如果有什么宝贵意见,敬请批评指正。

(1) Sentiment analysis of the correlation between regular tweets and retweets. IEEE 16th International Symposium on Network Computing and Applications (NCA).

(2) A Game Theoretic Analysis of Twitter Follow-Unfollow Mechanism, the 9th Conference on Decision and Game Theory for Security (GameSec 2018)

第一篇文章本意是在探寻在Twitter中转发信息的传播路径的规律,所以就分析了转发信息与原创信息之间的情感分数的相关性。

第二篇是利用了一个基于博弈论中的囚徒困境模型,设计了一个Twitter机器人与其他Twitter用户进行交互,以求达到利益最优。

感兴趣的朋友,如果在网上下载不到这两篇文章,可以在这里留言,我可以发给你作者版。

如果觉得在这个方向上感兴趣,可以在如下的网址下载到我分享的源代码。第一篇文章中需要采集Twitter信息,所以这里主要分享了在第一篇文章中的用于采集Twitter用户id和信息的Python代码。第二篇文章中需要搭建Twitter机器人,以及与其他用户进行加朋友(follow)和取消朋友(unfollow)的一些动作,在这里就分享了关于Twitter机器人与其他用户互动的Python代码。

如果在您的研究中用到了我这里的方法,或者是源代码,请考虑分别引用一下我的文章:

[1] Chen, J., Li, H., Wu, Z., Hossain, M.S.: Sentiment analysis of the correlation between

regular tweets and retweets. In: 2017 IEEE 16th International Symposium on Network

Computing and Applications (NCA). pp. 1–5 (Oct 2017)

[2] Chen, J., Hossain, M.S., Brust, M.R., Johnson, N.: A game theoretic analysis of the twitter

follow-unfollow mechanism. In: Bushnell, L., Poovendran, R., Ba ̧sar, T. (eds.) Decision and

Game Theory for Security. pp. 265–276. Springer International Publishing, Cham (2018)

如果你用latex来写文章,在这里也有bib文件

@INPROCEEDINGS{chenNCA2017,

author={J. {Chen} and H. {Li} and Z. {Wu} and M. S. {Hossain}},

booktitle={2017 IEEE 16th International Symposium on Network Computing and Applications (NCA)},

title={Sentiment analysis of the correlation between regular tweets and retweets},

year={2017},

volume={},

number={},

pages={1-5},

doi={10.1109/NCA.2017.8171354},

month={Oct},}

@InProceedings{10.1007/978-3-030-01554-1_15,

author="Chen, Jundong

and Hossain, Md Shafaeat

and Brust, Matthias R.

and Johnson, Naomi",

title="A Game Theoretic Analysis of the Twitter Follow-Unfollow Mechanism",

booktitle="Decision and Game Theory for Security",

year="2018",

publisher="Springer International Publishing",

address="Cham",

pages="265--276"

}

杜绝一切形式的抄袭及学术造假,如果用到文中的方法,请加以引用。多谢。

转载本文请联系原作者获取授权,同时请注明本文来自陈俊东科学网博客。

链接地址:http://blog.sciencenet.cn/blog-264887-1187143.html

上一篇:[转载]Matlab不同类型数据输出到csv文件中

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
很抱歉,我目前无法提供完整的代码,但我可以给你一些思路,你可以根据这些思路自行编写代码。 首先,你可以使用传染病模型(如SIR模型)来模拟传染病的传播过程。SIR模型中,人群被分为易感染者(Susceptible)、感染者(Infected)和康复者(Recovered),并根据一定的传播率和康复率进行模拟。你可以编写一个函数来更新每个人的状态,根据传播率和康复率来确定感染者和易感染者之间的转换。 其次,你可以使用社交网络模型来构建人际关系网络社交网络模型可以帮助刻画人与人之间的联系和接触模式。例如,你可以使用图数据结构来表示人际关系网络,并使用节点和边来表示人和他们之间的联系。你可以编写一个函数来随机生成或者根据一定规则构建社交网络。 然后,你可以使用博弈论的理论来模拟人们在传染病传播过程中的决策行为。博弈论可以帮助你分析个体之间的策略选择和相互作用。例如,你可以使用囚徒困境游戏模型来描述人们在决定是否采取个人防护措施时的利益冲突。你可以编写一个函数来计算每个个体的效用,并根据效用进行策略选择。 最后,你需要将传染病模型、社交网络模型和博弈论模型进行整合,并进行迭代模拟。你可以编写一个主函数来不断更新人群的状态、更新社交网络的结构,并根据博弈论模型来更新个体的策略选择。通过多次迭代,你可以观察传染病的传播过程以及人们的决策行为。 综上所述,你可以通过结合传染病模型、社交网络模型和博弈论模型,来构建一个综合的传染病模拟代码。在具体实现时,你可以使用编程语言(如Python)来实现相关的算法和模型,并根据具体需求进行调整和优化。希望这些思路能对你有所帮助!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值