一种基于复杂网络的谣言传播过程模拟方法与流程

本发明属于网络科学技术领域，具体涉及一种基于复杂网络的谣言传播过程模拟方法。

背景技术：

目前常见的模拟谣言传播的方法主要有sir、sirh等模型，sirh模型是基于经典传播模型sir加入遗忘因素建立的。zanette与busna结合复杂网络传播动力学的知识，计算出了谣言传播过程的阈值，aiello和freedman建立了一类由于时间推移而拥有阶段性特点的模型。谣言传播过程的研究已经得到了广泛的关注和不同角度的探索，尤其是复杂网络理论的迅猛发展，其传播特性得到进一步的剖析。

但目前仍然存在许多的问题，比如模型对人群的分类不够细致，没有考虑到在谣言传播过程中加入真实信息干预(辟谣行为)或自身求真挖掘主动获取相关可靠信息的行为、谣言传播的阶段性结构研究等都未深入触及。事实上，真相的存在和现实中的辟谣行为对谣言的大面积散布进行了有效控制，因此在研究谣言的传播过程中把真相在人群中的传播考虑进去是十分符合生活场景的。

技术实现要素：

本发明的目的在于提供一种基于复杂网络的谣言传播过程模拟方法，解决现有技术中模拟谣言传播的模型对人群的分类不够细致，没有考虑到在谣言传播过程中加入真实信息干预或自身求真挖掘主动获取相关可靠信息的行为、谣言传播的阶段性结构研究等都未深入触及的技术问题。

本发明为了解决上述技术问题，采用如下技术方案实现：

具体步骤如下：

步骤1：网络初始化。包括网络拓扑以及模型参数的初始赋值。包括：网络节点总数、平均节点度<k>、初始时谣言传播者数量以及相关参数α、β、λ、γ、μ、η。网络初始化时，使用ba无标度网络搭建的算法，有倾向性的连接新增节点，从而构成满足小世界特性的网络。

步骤2：模拟谣言传播过程。谣言传播者节点i向轻信者传播谣言并以概率α将其转化为i状态节点。在谣言传播过程中加入一种隔离状态，对应于辟谣行为和主动获取信息辨别行为对网络节点的影响。

步骤3：隔离态节点转变。检测节点状态是否为谣言传播状态i，如果是，则以概率β移出网络称为隔离态节点。该状态节点以概率λ有效辨识谣言，并以概率μ转化为谣言免疫节点r。

步骤4：进行随机免疫。通过定时对节点进行检测，50tickts后，以概率γ向对轻信节点s和谣言传播态节点i进行权威性辟谣，但该辟谣效果将以概念η失效。

谣言传播过程使用参数方程表示为：

式中，s(t)、r(t)、i(t)、q(t)分别对应与t时刻轻信节点、免疫节点、传播节点、隔离态节点所占网络总节点的比例，并且s(t)+r(t)+i(t)+q(t)＝1；α表示谣言传播率，β表示隔离率，γ辟谣信息接收率，η辟谣失效率，λ表示谣言辨识有效率，μ表示将谣言辨识为假的概率。

为了更好的理解本发明所涉及的技术和方法，在此对本发明涉及的理论进行介绍。

1、sir模型

sir模型(susceptibleinfectedrecoveredmodel)是信息传播过程的抽象描述，最初kermack与mckendrick用动力学方法建立了经典的sir传染病模型。sir模型将总人数n(t)分为三类，分别为：易感染者(susceptibles)，数量为s(t)，感染者(infectives)，数量记为i(t)，恢复者(recovered)，数量记为r(t)。

sir模型的建立基于以下几个假设：

1)不考虑人口的自然出生、死亡和人口流动等种群动力因素，人口总数保持为一个常数，即n(t)≡k。

2)易感染者接触一旦与感染者接触存在一定概率成为感染者。假设t时刻单位时间内，一个病人能传染的易感者数目与此环境内易感者总数s(t)成正比，比例系数为β，从而在t时刻单位时间内被所有感染者传染的人数为βs(t)i(t)。

3)t时刻，单位时间内从染病者中移出的人数与病人数量成正比，比例系数为γ，单位时间内移出者的数量为γi(t)。

基于以上三个假设条件，当易感染者和感染者充分混合时，可以得出各类个体的增长率如下：

由上述微分方程得到感染者数量为：

(s0和i0为初始值)。其中，s(t)、i(t)、r(t)各自代表时刻t时，易感状态、感染状态以及免疫状态在网络中所占的比例，β、μ分别表示感染率和恢复率，有效感染率γ定义为β/μ。基于微分方程求解的sir模型可以根据已有的数据较为准确地拟合曲线，分析利用相轨线得出控制传染病蔓延的措施。

信息传播领域中该模型把社交网络中的节点分为三类:传播节点(i)、未感染节点(s)、免疫节点(r)。传播节点已经接受了信息并有可能将该信息传播给其他节点；未感染节点s不会感染别人，但是有可能被接触到的信息所感染，变为传播节点；免疫节点缺乏对传染信息的传播能力，可能没有接触过信息，也可能接触但是并未相信该信息。

2、sirh模型

将遗忘机制与谣言传播理论相结合产生了sirh模型，该模型将总人数分为了四类：未知者s(susceptible)、传播者i(infected)、听闻谣言但不传播者h(healthy)、免疫者r(removed)。由于遗忘机制的存在，传播者在发生遗忘之后将不再传播，成为免疫节点。

1)不考虑在谣言传播过程中人口的迁入迁出及出生死亡等对谣言传播的影响。

2)当未知者与传播者接触时，未知者以概率β转变为传播者，以概率ε变为听闻谣言但不传播者，以概率α变为免疫者。

3)听闻谣言但不传播者与传播者接触时以θ的概率转变为传播者，以μ的概率转变为免疫者。

4)传播者传播谣言后失去兴趣以遗忘率γ转变为免疫者。

5)s、i、h、r四类人所占比例之和为1。

根据以上假设建立模型可以得出各类人所占比例为：

其中，α表示未知者辨识谣言为假概率，β未知者听信谣言的概率，γ表示传播者的遗忘概率，ε未知者变为听闻但不传播者概率，θ表示听闻谣言者相信谣言概率，μ表示听闻谣言者辨识谣言为假的概率。

3、ba无标度网络

ba模型是为了解释幂律的产生机制而提出来的，该模型具有两个特性，一是增长性，即网络规模是在不断扩大的；一是优先连接机制，这个特性是指网络中不断产生的新的节点更倾向于和连接度较大的节点连接。有倾向性的连接节点容易构成小世界网络。

本发明的有益效果在于：

本发明将网络中所有节点模拟为轻信节点s、传播节点i、隔离节点q、免疫节点r，通过四者转化关系来分析谣言传播时各类节点动态比例，还可以进行随机免疫，并在小世界网络中进行模拟仿真。本发明可以更加真实地展现现实社会中谣言的传播状态，从而使有关部门能够根据谣言传播的预测情况来及时发布辟谣信息，提出有效抑制谣言扩散的免疫策略。

附图说明

图1为本发明模型的节点转换图；

图2为模型中谣言传播算法流程图；

图3为模型中隔离态节点算法流程图；

图4(a)为α＝2.5％(实验a)时sir模型节点比例变化图；

图4(b)为α＝2.5％(实验b)时siqr模型节点比例变化图；

图5(a)为matlab绘制siqr隔离率β＝2.0％(实验c)的节点比例变化图；

图5(b)为matlab绘制siqr隔离率β＝3.0％(实验d)的节点比例变化图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

一种基于复杂网络的谣言传播过程模拟方法，其基本思想是：考虑到实际环境中存在辟谣行为以及辟谣的时效性，在siqr方法中对节点均匀地加入随机免疫，对应与辟谣行为对环境的影响。分别以s、i、q和r代表轻信节点、谣言传播节点、隔离节点和免疫节点。

如图1所示，传播动态过程大致如下：轻信节点s接触到谣言传播节点i则以概率α变为i，对应图1过程①；由于群众的心理因素波动，谣言传播节点会以概率β移出网络而进行谣言真假辨识的行为，而成为隔离态节点q，对应图1过程②；这部分节点中以概率λ得出谣言辨识结果，辨识结果可分为亦真亦假的不确定态度和肯定是假的确信态度，即以概率μ变为谣言免疫节点或者以概率1-μ变为轻节点，对应图1过程③-④。谣言传播过程中伴随着辟谣信息等大量真相信息的传播，则轻信节点s和谣言传播节点i均以概率γ接收辟谣信息转变为谣言免疫节点r状态，对应图1过程⑤-⑥；而由于辟谣具有时效性，则将以概率η转变为轻信节点，对应图1过程⑦。谣言传播直到网络中不存在节点i、q后结束。

基于复杂网络的谣言传播过程模拟方法，具体包括如下步骤：

步骤1：网络初始化。包括网络拓扑以及模型参数的初始赋值。包括：网络节点总数、平均节点度<k>、初始时谣言传播者数量以及相关参数α、β、λ、γ、μ、η。网络初始化时，使用ba无标度网络搭建的算法，有倾向性的连接新增节点，从而构成满足小世界特性的网络。

步骤2：模拟谣言传播过程。谣言传播者节点i向轻信者s传播谣言并以概率α将轻信节点转化为传播节点状态节点。如图2所示。

步骤3：隔离态节点转变。检测节点状态是否为谣言传播状态i，如果是，则以概率β移出网络称为隔离态节点。该状态节点以概率λ有效辨识谣言，并以概率μ转化为谣言免疫节点r。如图3所示。

步骤4：进行随机免疫。通过定时对节点进行检测，50tickts后，以概率γ对轻信节点s和谣言传播态节点i进行权威性辟谣，但该辟谣效果将以概念η失效。

上述过程使用参数方程表示为：

式中，s(t)、r(t)、i(t)、q(t)分别对应与t时刻轻信节点、免疫节点、传播节点、隔离态节点所占网络总节点的比例。并且s(t)+r(t)+i(t)+q(t)＝1。α表示谣言传播率，β表示隔离率，γ辟谣信息接收率，η辟谣失效率，λ表示谣言辨识有效率，μ表示将谣言辨识为假的概率。

s(t)、i(t)的求解可以利用netlogo6.1.1仿真软件和matlab2016绘图分析各类节点的性质。

仿真实验结果分析

1、相关参数设置

对网络拓扑结构和主要参数采用控制变量方法，分析本发明中模型的优势以及隔离率β对谣言传播的影响。

设计a、b与c、d两组对比试验(实验参数如下表)，其中a、b组试验为sir模型与siqr模型对比试验，使用相同的网络拓扑结构和参数在netlogo仿真软件上进行实验，观察sir及siqr模型的异同点。c、d组为siqr模型中隔离率对谣言传播的影响。初始化网络时，网络规模n＝400，初始谣言传播节点为5个，网络中平均节点度<k>＝6。

表1谣言传播相关参数设置

2、实验结果分析

对比图4(a)、4(b)和图5(a)、5(b)的仿真结果可知，实验中各类节点的走向基本一致，但各类节点达到峰值的速度不同，峰值也不同。从图中可以找到仿真过程中谣言爆发区和谣言粉碎区。

观察仿真结果可知，siqr模型中的轻信节点s下降率更迅速同时传播节点i的上升速度也相比于sir更快速。siqr模型i节点的峰值明显小于sir模型中对应的数值。同时，谣言爆发区后的时间里，siqr所对应的传播节点的下降速度高于sir中传播节点的下降速度。以上现象可以说明，考虑到官方或者专业人士的辟谣以及个人主动辨识谣言真伪的行为后，谣言的扩散速度和扩散范围得到了控制，更符合实际生活中谣言传播的动态过程。

隔离率的不同对谣言传播中各类节点的比例存在影响。观察仿真结果，随着隔离率的更加，网络中传播态节点i的峰值数量有略微下降，轻信节点的下降速度有所加快，这是由于加入隔离态后，在一定程度上将传播节点转化为隔离态。谣言传播的后期，siqr模型中隔离率更大的网络谣言传播者消失加快，缩短了网络趋于平稳的时间。