[论文解读] Information spreading on dynamic social networks

Chuang Liu, Zi‐Ke Zhang|arXiv (Cornell University)|Jul 23, 2012

Opinion Dynamics and Social Influence参考文献 39被引用 5

一句话总结

本文提出一种动态社交网络模型，其中知情个体基于费米函数策略，将链接重连至拥有更多无知接触者的邻居。结果表明，当 β > 0 时，由于优先针对高影响力节点，信息传播速度更快、范围更广，尤其在传播初期阶段；而当 β < 0 时则会抑制传播——凸显了信息级联早期动态的关键作用。

ABSTRACT

Nowadays, information spreading on social networks has triggered an explosive attention in various disciplines. Most of previous works in this area mainly focus on discussing the effects of spreading probability or immunization strategy on static networks. However, in real systems, the peer-to-peer network structure changes constantly according to frequently social activities of users. In order to capture this dynamical property and study its impact on information spreading, in this paper, a link rewiring strategy based on the Fermi function is introduced. In the present model, the informed individuals tend to break old links and reconnect to their second-order friends with more uninformed neighbors. Simulation results on the susceptible-infected-recovered ( extit{SIR}) model with fixed recovery time $T=1$ indicate that the information would spread more faster and broader with the proposed rewiring strategy. Extensive analyses of the information cascade size distribution show that the spreading process of the initial steps plays a very important role, that is to say, the information will spread out if it is still survival at the beginning time. The proposed model may shed some light on the in-depth understanding of information spreading on dynamical social networks.

研究动机与目标

• 研究因用户交互而使网络拓扑动态演化的动态社交网络中的信息传播。
• 解决以往静态网络模型忽略现实网络动态性的局限性。
• 探究基于收益差异的链路重连如何影响信息扩散效率。
• 探索初始传播步骤在决定最终级联规模中的作用。
• 提出一种基于费米函数的重连机制，以模拟信息传播中节点的自利行为。

提出的方法

• 开发了一种动态网络模型，其中处于 I 状态（知情）的节点根据费米函数，基于潜在新邻居的收益差异进行链路重连。
• 收益定义为候选节点的易感（S 状态）邻居数量，倾向于与拥有更多 S 状态邻居的节点建立连接。
• 重连概率由公式 $ p_f = \frac{1}{1 + e^{-\beta(\pi_{j'} - \pi_j)}} $ 给出，其中 β 控制对收益差异的敏感度。
• 在四种网络类型（规则网络、随机网络、小世界网络和无标度网络）上，采用恢复时间固定为 $ T = 1 $ 的 SIR 模型进行模拟。
• 通过级联规模分布及 I 节点随时间变化的平均 S 状态邻居数来评估传播动力学。
• 结果通过 $ 10^4 $ 次独立实现的平均，以确保统计稳健性。

实验结果

研究问题

• RQ1 基于收益差异的动态链路重连如何影响信息传播的速度与广度？
• RQ2 初始传播步骤在决定最终级联规模中起什么作用？
• RQ3 费米函数中的参数 β 如何影响传播动力学？
• RQ4 为何 β > 0 能增强传播而 β < 0 会抑制传播？
• RQ5 网络拓扑结构与节点度分布在多大程度上调节重连策略的有效性？

主要发现

• 当 β > 0 时，信息传播更快、更广泛，因为知情节点倾向于优先重连至拥有更多无知接触者的邻居，从而扩大其传播范围。
• 在 β > 0 条件下，I 节点的平均 S 状态邻居数显著更高，尤其是在早期时间步，表明传播效率更高。
• 无标度网络表现出分层式传播模式：当 β > 0 时，信息首先到达高阶数节点，随后迅速扩散至低阶数节点。
• 级联规模分布表明，能否在最初几步中持续存在至关重要——初始阶段能持续传播的信息更可能实现大规模扩散。
• 当 β < 0 时，重连策略倾向于连接 S 状态邻居更少的节点，导致信息迅速孤立并被抑制。
• β 的符号而非其大小，是决定传播效率的主导因素，这从 β ≈ 0 附近的稳定趋势中得到证实。