view in publisher's site

Markov-based solution for information diffusion on adaptive social networks

Highlights•We proposed a mechanism considering the co-evolution between information states and network topology.•We obtained the theoretical analyses based on Markov assumption, and theoretical analyses find good agreements with the numerical simulation.•We found that two threshold values exist for the information diffusion on adaptive networks.AbstractThere is currently growing interest in modeling the information diffusion on social networks across multi-disciplines, including the prediction of the news popularity, the detection of the rumors and the influence of the epidemiological studies. Following the framework of the epidemic spreading, the information spreading models assume that information can be transmitted from the known individuals (infected) to the un-known individuals (susceptible) through the network interactions. During this process, individuals also always change their interactions which in turn will greatly influence the information spreading. In this work, we propose a mechanism considering the co-evolution between information states and network topology simultaneously, in which the information diffusion was executed as an SIS process and network topology evolved based on the adaptive assumption. The theoretical analyses based on the Markov approach were very consistent with simulation. Both simulation results and theoretical analyses indicated that the adaptive process, in which informed individuals would rewire the links between the informed neighbors to a random non-neighbor node, can enhance information diffusion (leading to much broader spreading). In addition, we obtained that two threshold values exist for the information diffusion on adaptive networks, i.e., if the information propagation probability is less than the first threshold, information cannot diffuse and dies out immediately; if the propagation probability is between the first and second threshold, information will spread to a finite range and die out gradually; and if the propagation probability is larger than the second threshold, information will diffuse to a certain size of population in the network. These results may shed some light on understanding the co-evolution between information diffusion and network topology.

راه‌حل مبتنی بر مارکوف برای انتشار اطلاعات در شبکه‌های اجتماعی تطبیقی

نکات مهم: ما مکانیزمی را برای بررسی تکامل بین حالات اطلاعاتی و توپولوژی شبکه پیشنهاد کردیم. ما تجزیه و تحلیل‌های نظری را براساس فرض مارکوف به دست آوردیم، و تحلیل‌های نظری، توافقات خوبی با شبیه‌سازی عددی پیدا کردند. * ما دریافتیم که در حال حاضر دو مقدار آستانه برای انتشار اطلاعات در networks.Abst وفقی برای انتشار اطلاعات در شبکه‌های اجتماعی از جمله پیش‌بینی محبوبیت خبری، کشف شایعات و تاثیر مطالعات epidemiological در حال افزایش است. در پی چارچوب گسترش بیماری همه‌گیر، مدل‌های انتشار اطلاعات فرض می‌کنند که اطلاعات می‌تواند از افراد شناخته‌شده (آلوده)به افراد شناخته‌شده (مستعد)از طریق تعاملات شبکه منتقل شود. در طی این فرآیند، افراد همیشه تعاملات خود را تغییر می‌دهند که به نوبه خود تاثیر زیادی بر انتشار اطلاعات می‌گذارد. در این کار، ما یک مکانیزم با در نظر گرفتن تکامل مشترک بین حالات اطلاعاتی و توپولوژی شبکه به طور همزمان، پیشنهاد می‌کنیم، که در آن انتشار اطلاعات به عنوان یک فرآیند SIS و توپولوژی شبکه براساس فرض تطبیقی ایجاد شده‌است. تحلیل‌های نظری مبتنی بر رویکرد مارکوف با شبیه‌سازی بسیار سازگار بودند. هر دو نتایج شبیه‌سازی و تحلیل‌های نظری نشان دادند که فرآیند انطباقی، که در آن افراد مطلع پیوند بین همسایگان مطلع را به یک‌گره غیر وابسته تقسیم می‌کنند، می‌تواند انتشار اطلاعات را افزایش دهد (که منجر به گسترش گسترده‌تر می‌شود). علاوه بر این، ما به دست آوردیم که دو مقدار آستانه برای انتشار اطلاعات در شبکه‌های تطبیقی وجود دارد، به عنوان مثال، اگر احتمال انتشار اطلاعات کم‌تر از آستانه اول باشد، اطلاعات به دامنه محدود بسط داده خواهد شد و به تدریج حذف خواهد شد؛ و اگر احتمال انتشار بزرگ‌تر از آستانه دوم باشد، اطلاعات به اندازه معینی از جمعیت در شبکه توزیع خواهد شد. این نتایج ممکن است باعث ایجاد کمی نور در درک تکامل بین انتشار اطلاعات و توپولوژی شبکه شود.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.