本发明涉及一种社会信息传播与预测的仿真方法，具体涉及一种基于dwm的社会信息传播与预测的仿真方法。
背景技术：
：：现有的方法都是使用传统的小世界模型对社会的信息传播进行预测，没有考虑到人类信息传播受到地理因素、科技因素的巨大影响，对现阶段的信息传播不能很好的进行预测。无法提高预测的精度和准确程度。技术实现要素：本发明的目的是克服现有技术中的不足，提供一种可以较高精度的对社会信息的传播现象进行有效仿真的基于dwm的社会信息传播与预测的仿真方法。这种基于dwm的社会信息传播与预测的仿真方法，包括如下步骤：1)、用户设定仿真的模型参数，规定仿真的节点个数，节点的关联程度等参数；2)、方法根据用户设定的参数根据dwm创建模型的拓扑结构和置信矩阵；2.1)、建立紧密排列的地理世界；2.2)、根据设定参数在地理世界中建立节点的关系网络；2.3)、统计关系网络的连接距离和连接程度；2.4)、对不符合要求的节点进行重新连接；3)、设置并且仿真社会传媒的推动力；4)、根据置信法则逐帧对信息在社会中的传播进行仿真；4.1)、重置置信矩阵；4.2)、根据置信法则更新置信矩阵；4.3)、对置信矩阵与状态矩阵的与操作更新状态矩阵；5)、统计仿真的结果与变化规律。步骤2.2)的具体步骤为：建立了双世界模型，建立了双世界模型表示为如下数学形式：在无向有权连通图g(v,e)其中v代表联通图的范围，e代表联通图的链路；nett＝nett-1∪bt其中nett代表t时刻网络对某信息的接受状态，d(x,y)节点接受该信息时nett(x,y)＝1，不接受时nett(x,y)＝0，其中：bt＝{v|v∈v,etv＞p}mvt＝{v′|(v′,v)∈e,v'∈nett-1}式中etv表示在某个节点的交友范围对某一问题的采纳情况，p表示其对某一信息的信任阈值。步骤2.3)的具体步骤为：计算度与度分布：度是单独节点的概念，节点的度是指与该节点相关的边的条数，也就是与该节点连接的其他的节点的数目；度分布是指网络中具有的各节点具有的度的分布一般记作p(k)；p(k)也等于在随机一致原则下挑选出的节点度数为k的概率；计算平均最短路径：网络的平均最短路径是用来描绘网络的连通性的，网络中任何两个节点i，j之间的距离dij定义为连接这两个节点的最短路径的边数；网络的平均最短路径l定义为任意两点之间的最短路径长度的平均值；公式如下：式中n为网络节点数，dij为i，j之间的距离，l为网络的平均最短路径；计算聚类系数：聚类系数表征的是网络的聚类特性，也就是群落特性，一般假设网络中的节点i与ki条边关联，ki节点中最多可能有ki(ki-1)/2条边，而ki节点实际存在的边数是ei与总的边数的比定义为节点i的聚类系数ci；公式为：式中ki表示i节点的边数，ei表示节点间实际存在的边数；ci表示聚类系数；而对网络的聚类系数取平均值，就是整个网络的聚类系数c；式中ci表示聚类系数；c表示整个网络的聚类系数。步骤4.2)的具体步骤为：首先陈述单一观点置信法则；ifp(i)＝0elset(i)＝0式中，p(i)表示该节点对信息的相信情况，规定1为接受该信息；nb表示其朋友圈中相信该信息的人数，na表示朋友圈的总人数；i节点的朋友圈为在双世界网络中与该节点建立社会关系的所有节点；α为置信系数，是模型的系数；t(i)为置信转移矩阵，用来描述本次传播使不相信消息的人接受消息的情况；在所有节点的置信转移矩阵更新完毕后通过或运算对p矩阵进行更新；以上公式描述了单一观点传播的接受情况，当同一层次内出现了多个观点时，节点会对所有的观点进行选择；会产生由不相信任何观点到相信某一观点，或者从相信某一观点到相信另一观点的转变；通过考虑节点的忠诚程度更新置信法则，ifp(i)＝0ifp(i)＝1or2or3orn(expecti)式中，p(i)表示该节点对信息的相信情况，规定1为接受该信息；nbn表示其朋友圈中相信该信息i的人数，na表示朋友圈的总人数；i节点的朋友圈为在双世界网络中与该节点建立社会关系的所有节点；αi为置信系数，是模型的系数；t(i)为置信转移矩阵，用来描述本次传播使不相信消息的人接受消息的情况；在所有节点的置信转移矩阵更新完毕后通过或运算对p矩阵进行更新。本发明的有益效果是:发展了小世界模型，利用地理因素对社会信息传播的影响，首次提出建立双世界模型(关系世界和地理世界)来对信息传播机制进行建模，该模型还同时考虑社会结构和地理因素普遍的无权图修改为有权图，并且依据从众心理和观点惯性等人类的性格特点，设计了置信法则，描述每个人对于观点的接受情况，从而讨论整个社会的规律。附图说明图1为双世界网络示意图；图2为单一信息传播情况仿真图；图3为交友范围lf敏感分析图；图4为朋友个数nf敏感分析图；图5为多观点传播仿真示意图；图6为多观点敏感分析图；图7为孤岛现象分析图。具体实施方式下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出，对于本
技术领域：
：的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。1原理概述而对对立观点传播的客观规律的研究可以使得信息更加经济、有效地在社会中传播，从而使信息的传播情况更加的符合信息传播者(商业推广公司、需要进行舆论引导地政府)的要求。在商业经营，政治拉锯，观念引导中都有着重要的作用。研究对立观点的传播问题就是在研究信息传播的规律的基础上引入对立观点间的相互影响机制。研究信息在社会网络中如何进行传播，以及在何种环境下人们会坚持自己原来一方的观点，在何种环境下人们会放弃自己原来的观点，而选择相信新的观点。2算法原理说明对于信息传播的数学模型有sis，sir模型、e-r随机网络模型、小世界模型等，其中小世界模型关注度比较广泛，并且被认为其效果较为优秀。小世界模型是watts和strogatz开创性的提出的可以表示大多数的自然网络结构的短路径、高聚类的网络模型，并从中推导出了六度分离理论。最近利用小世界模型解决社会信息传播问题讨论火热，kristinalerman通过提取推特上的大量传播信息，以小世界模型为基础研究了在互联网上社会信息传播的特点。周东浩根据节点传播模型的基础上，加入了很多的传播因素，提出一个细粒度的在线社会网络信息传播模型，并且利用kri的信息提取方法在微博上提取了大量信息进行了模型的验证。小世界模型着重描述的是社会关系的网络结构，但是信息并非是完全按照其社会关系。在很多的传播方式中(比如人与人的面对面交流)，十分依赖于地理关系，再者，研究表明，人们表现出更多的相信于自己接触更多的同伴，也就是于自己地理距离更近的同伴。所以地理因素对于信息传播问题的影响同样值得引入模型中。在传播学中，对立观点是人们对同一件事件由于不同看法所持的相反的观点，人们只能在对立的观点中接受一个观点。人们对观点的接受除开观点本身特点，个人偏好之外主要在从众心里的影响下，人们选择接受或者排斥某一立场的观点是在其社会环境的影响下的。现阶段有关对立观点的传播问题研究的并不透彻。基于上述两个要点，本文的主要贡献如下：发展了小世界模型，利用地理因素对社会信息传播的影响，首次提出建立双世界模型(关系世界和地理世界)来对信息传播机制进行建模，该模型还同时考虑社会结构和地理因素普遍的无权图修改为有权图，并且依据从众心理和观点惯性等人类的性格特点，设计了置信法则，描述每个人对于观点的接受情况，从而讨论整个社会的规律。3双世界网络模型的建立双世界模型的概念提出与数学描述(双世界网络，doubleworldnetwork，dwn)在社会生活中，关系网络的建立并非完全是随机的，而是在人们持续的生活实践中建立起来的。其建立不止受到地理环境，文化因素的制约，而且受到信息传播媒介，随机性的影响。所以单纯的利用随机算法生成的小世界模型不能十分精确的描述人类社会的社交网络。其主要原因是小社会模型没有考虑传播媒介，和地理因素对社会网络建立的巨大影响。比如在通讯手段不发达的情况下，人们与地理位置靠近的人建立社会关系的概率远大于与地理位置较远的人建立社会关系的概率。但是随着通信设备的发展，这种现象逐渐消失。本文将地理因素与沟通手段纳入模型中，建立了双世界模型，也就是地理世界关系世界模型。用地理世界与关系世界两个世界描述人类社会的社会关系。“双世界”模型的示意图如图1所示，对于代表着同一个人或者区域共同体的节点来说，该节点同时存在于两个世界。一个是地理世界，节点在地理上紧密的排列，这个世界描述了节点之间的位置关系。这种位置关系会带来信息传递的成本，对于信息的传递是一种物理上的阻碍。一个是信息关系世界，描述节点之间的相互的信息的传递关系，比如图中节点a，在信息传递世界中与五个其他的节点存在信息交换的关系，这些与其有关系的节点不一定是其周围的节点。“双世界”信息传播模型可以表示为如下数学形式：在无向有权连通图g(v,e)其中v代表联通图的范围，e代表联通图的链路nett＝nett-1∪bt其中nett代表t时刻网络对某信息的接受状态，图中d(x,y)节点接受该信息时nett(x,y)＝1，不接受时nett(x,y)＝0，其中：bt＝{v|v∈v,etv＞p}mvt＝{v′|(v′,v)∈e,v'∈nett-1}式中etv表示在某个节点的交友范围对某一问题的采纳情况，p表示其对某一信息的信任阈值。单独节点的置信法则(翻译成opinionacceptrules,oar)为了模拟信息在社会中的传播情况，在通过双世界网络模拟社会中人际关系的同时，还要设计法则，每个网络节点如何收到信息的影响情况进行抽象。从众心里在信息接受与信息传播中的影响巨大。根据从众心里(从众心理是从众心理即指个人受到外界人群行为的影响，而在自己的知觉、判断、认识上表现出符合于公众舆论或多数人的行为方式)本文设计了置信法则。为了清楚的说明问题，本文首先陈述单一观点置信法则。ifp(i)＝0elset(i)＝0式中，p(i)表示该节点对信息的相信情况，规定1为接受该信息。nb表示其朋友圈中相信该信息的人数，na表示朋友圈的总人数。i节点的朋友圈为在双世界网络中与该节点建立社会关系的所有节点。α为置信系数，是模型的系数。t(i)为置信转移矩阵，用来描述本次传播使不相信消息的人接受消息的情况。在所有节点的置信转移矩阵更新完毕后通过或运算对p矩阵进行更新。以上公式描述了单一观点传播的接受情况，当同一层次内出现了多个观点时(比如：产品a好于产品b，c；产品b好于产品a，c；产品c好于产品a，b三种观点同时传播)，节点会对所有的观点进行选择。会产生由不相信任何观点到相信某一观点，或者从相信某一观点到相信另一观点的转变。文章通过考虑节点的忠诚程度更新了置信法则，ifp(i)＝0ifp(i)＝1or2or3orn(expecti)式中，p(i)表示该节点对信息的相信情况，规定1为接受该信息。nbn表示其朋友圈中相信该信息i的人数，na表示朋友圈的总人数。i节点的朋友圈为在双世界网络中与该节点建立社会关系的所有节点。αi为置信系数，是模型的系数。t(i)为置信转移矩阵，用来描述本次传播使不相信消息的人接受消息的情况。在所有节点的置信转移矩阵更新完毕后通过或运算对p矩阵进行更新。3双世界网络模型的实现3.1双世界网络模型的生成算法(zl算法)模型通过matlab2015软件进行实现，伪码如下：在初始化阶段需要对模型参数进行设置，其中在伪码图中的模型参数中，朋友的数量nf描述了每个节点与其他的节点建立的社会关系的数量，描述每个节点所维护的社会联系的数量，本文设定其为固定值。交友距离lf描述了地理因素和科技因素对社会交友的影响，在沟通工具不发达的情况下，交友范围较小，随着沟通工具的升级，交友范围会随之扩大。网络规模[wc,wk]表示模拟的双世界网络的规模。也就是网络的节点数。一般的我们将节点数大于10000的网络成为大规模的双世界网络。在信息传播过程中，信息是否被人们接受，取决于信息的特点和人们的倾向两个因素，信息的特性决定了人们对信息接受的平均水平，人们的倾向各不相同，不同人对不同的信息的看法不同，表示了正态分布的波动。所以本文利用统计学的均值和方差两个统计量描述被看作正太分布的接受概率。为了生成双世界网络，需要在网络中确定节点间的距离，本文使用二维坐标定义距离，其距离满足公式：式中ai，aj，bi，bj代表a，b两点的横纵坐标，d为生成的距离。在建立网络时，根据随机算法在交友范围内确定朋友节点，直到所有的节点都被确定了朋友节点。3.2双世界模型的迭代在使用置信法则判断信息的传播情况时，需要计算朋友圈中相信某一观点的人数。只有计算出相应人数，通过上文中描述的置信法则对信息的接收情况进行仿真，进而通过循环对所有的节点进行判断，直到没有新增加的相信者为止。实施时:服务端基于计算能力强大的计算机集群，处理图像视觉焦点检测及拼接，客户端可以是android、ios平台，语言如java、matlab。在只有单一观点在社会中进行传播的情况下，由于没有观点与之竞争，模型认为在大多数情况下，观点最终会被大多数人接受。不过因为设定的模型参数的不同，传播的剧烈程度会有所不同。一般来讲，jq越大，mp越大，传播的速度会越快。jf过大会造成模拟的随机性。nf与lf是实际社会的额定参数，都会对信息传播的模拟造成较大的影响，本文会在下文中给出仿真结果。图的是观点a(单一观点)在社会中传播的仿真图。为了简化问题，本文规定社会的区域为人口均匀的方形区域，选取模型参数如下表格。table1单一观点情况变量名取值对照表其中白色节点代表并未接受观点a的节点，黑色代表接受观点a的节点，可以看到在t＝1是，就是传播的开始时，经过媒体的宣传，已经有少数的人先接受了观点a。在媒体宣传过后，消息进入社会传播阶段，观点a随着时间的推移，开始被社会广泛接受。在t＝20时，所有的节点都接受了观点a，观点a的传播结束。一般来说，某一观点是不会被所有的社会节点接受的，但是由于本文考虑的是不存在观点竞争的理想情况，本文认为最终被所有人接受的这一推论符合常理。下文中会介绍观点竞争的一般情况。在观点a传播的基础上，本文以改变nf，与lf为例进行敏感性的分析。如图3所示，图中每一张图片都描述了某一特定lf的情况下，接受观点a的人数的百分比。首先分析参数lf的变化的敏感性，可以看到，当lf过小时，会使得社会的团体集中性过小，从而造成信息过渡集中，造成信息流通不畅信息无法传播，这也解释了为何当信息媒介不发达时并不会产生世界性的大新闻的现象。随着科技的进步，人们的交友范围的上升给了信息更大的传播空间，在仿真中可以发现，在一定的范围内，随着人们交友范围的增加会出现信息传播速度的飞跃。但是在一个阈值之后，信息的传播又会出现不顺畅的现象。原因是，当交友范围过大时，会出现小世界现象消失。当社交网络趋向于无界的随机网络时，人们间将会产生信任危机，从而使得信息传播不通畅。如图4和图5所示为节点朋友数量对传播模拟的影响，一般的在其他条件不改变的情况下，节点的朋友数越多，就会使得社会关系越紧密，从而会带来传播速度的相应提高，但是在仿真的结果中同样可以看到朋友数的参数会产生屋顶效应，也就是说当朋友数到达一定的较大值后，传播的结果对朋友数的敏感性不高。信息的传播取决于其他随机因素。多观点传播的仿真结果table2相信比例随时间变化表如上表所示为与图中对应的现应情况的两个观点的传播状态，其中列出了b，c两观点在不同的时间上的相信的比例。如上图所示为观点b，与观点c对立传播的仿真图示。图中白色表示不相信b，c任一观点的节点，红色表示相信观点b的节点，蓝色表示相信观点c的节点。在本次传播中，在t<5时属于观点的传播阶段，具体的表现为观点b与c的信任者同时增加，直到发生饱和的情况。在t＝5时，基本上所有的节点都相信了b观点和c观点，进入了传播饱和的局面。在t>5时，两个观点处于此消彼长的状态，一个观点相信的人数的增加会带来另一个观点相信人数的减少，处于竞争传播的状态。在设定的参数中，本文预设在本次传播中人们接受观点b的倾向比观点c的倾向多0.01％，但是在最后的传播结果中，b的观点却占据了绝大的优势，由此可知消息的传播能力对信息的传播有很大的影响。如图6所示为改变交友范围nf进行的仿真结果，其中黑色线表示观点b的在群众传播情况，纵坐标为的百分比，红色线表示观点c在社会中的传播的情况，纵坐标为相信人数的百分比。可以看到在t＝5，之前无论nf值为多少，两种信息的相信的人数都在增加，属于观点传播阶段。由于在开始传播时对传播的限制因素可以忽略不计，所以相信人数增长的的趋势成指数增长，在开始传播阶段在观点上占据少量优势的观点b会在少量时间中占据优势。从而使得该观点在接下来的竞争传播中占据优势。另外如上文中提到的，随着nf的增加，会带来社会的紧密程度增加从而带来传播速度的提升。信息孤岛现象的探讨在信息竞争传播的情况下，优势观点会对劣势观点产生侵蚀现象，也就是随着时间的推移，由于其社交网络的影响，会有部分相信弱势观点的人转而相信优势观点。但是往往弱势观点不会被完全侵蚀掉，因为在社交网络中会出现信息孤岛现象的出现。同小世界网络中的高聚度的概念相似，社交网络中会出现一些相互信息流通速率很高的团体。由于其中节点的相互朋友关系十分集中，在置信法则的前提下，在他们内部往往会对某一问题持相同态度，也更容易排除外界环境中的相反观点。如图7中最后留下的的斑点都是孤岛现象留下的。如图7画出了nf取不同值时，最终传播状态的图示，在nf数量为15时，孤岛的数量是35，体积较小，随着nf值变大，孤岛的数量会减小，但是体积会变大。当nf为27时，有17个孤岛。也就是说随着朋友数nf的增加，或者交友范围lf的提高，孤岛现象会慢慢衰退，也就是整个社会中会越发的趋向于对某一问题采取同一观点。也就是说随着通信手段的升级，孤岛现象会减弱。当前第1页12当前第1页12