2018-12-12

HISBmodel: A Rumor Diffusion Model Based on Human Individual and Social Behaviors in Online Social Networks

问题定位 rumor influence minimization (RIM)
现有模型分析，分为两类：
- 宏观：以流行病模型为基础，并且提到了谣言和流行病的传播是不同的，因为个人有能力接受谣言并决定传播谣言。然而，在流行病中，个人并不在感染过程中发挥作用。
- 微观：独立级联(IC)模型、线性阈值(LT)模型、能量模型和Galam模型，在这个方向上的研究主要集中在设计策略，以限制谣言的传播，而在传播模型方面却很少有人关注。此外，这些模型仍然缺乏一些重要的细节，它们未能捕捉到人类社会和个人行为的某些方面。
提出模型

所提出的模型将在三个主要细节中详细说明：个人对谣言的行为、个人观点的表示和既定的谣言传播规则。

个人对谣言的行为

文章利用简谐振动来类比个体对谣言的各种行为，包括遗忘机制、犹豫机制、怀疑机制，谣言对个体吸引力的大小变化由下式表示：

代表了对谣言初始的吸引力，β代表了个体的知识水平， ω代表了遗忘周期， δ 代表了犹豫机制，指数的t反应了谣言流行程度随时间的降低。

个人观点表示

个体对谣言的观点，需要考虑羊群心理(即盲目跟从)以及当个人多次收到相同的信息时，由于信息冗余，不可能像第一次一样影响他们。文章利用如下式子表示个体对谣言的观点：

其中，代表个体v的邻居，n表示个体v从同一邻居收到谣言的次数。

人类社交规则

文章定义两个体间传输概率为：

其中，发送概率由谣言对个体的吸引力决定即，故个体u在时间t传播谣言的概率为

至于接收概率，高度节点更容易影响他人并难以被其他人影响。故综合了接收方与发送方的影响力，一次谣言传播被接受的概率为：

其中，、分别为节点、的度数。

谣言传播过程

随机初始化一组节点的B值开始传播，直到谣言对个体的吸引力(即谣言的流行程度)渐趋于接近零时过程结束。网络中谣言的流行程度由下式表示：

谣言控制

根据可以得到一个节点感染其他节点数的概然函数，从而可以通过贪心算法得到使免疫收益最高的节点集。

总结

将个体的传播意向与态度以连续的变量表示。