[发明专利]基于演化博弈论的混合策略异构社交网络信息扩散分析

说明书

本发明公开了一种基于演化博弈论的混合策略异构社交网络信息扩散分析方法，属于信号处理领域。该方法在已知网络基本特征的情况下，即已知网络中理性用户数目、非理性用户数目、用户之间的连接关系等参数，通过判断理性用户之间互相是否知道类型，将各个参数代入相应情况中的式子，即可预估网络每一时刻信息扩散的动态变化和网络最后的演化稳定状态，从而分析非理性用户对整个网络信息扩散的影响。本发明能够准确地对网络中信息扩散的情况进行预测，实际动态变化和最终稳定状态都与实际情况高度吻合；同时，通过与没有非理性用户的情况相对比，可以得到非理性用户对网络的定量影响。因此，本发明能够有效预估非理性用户对社交网络信息扩散的影响。

技术领域

本发明属于信号处理领域，具体涉及基于演化博弈论的对于含有非理性用户异构社交网络信息扩散的分析和预测。

背景技术

如今终端设备和社交软件的广泛应用，使人们在社交网络上互联互通、信息共享变得非常普遍。每时每刻，网络上的用户都会产生数量庞大的信息，影响与其直接或间接相连的用户，并通过他们逐渐扩散到整个网络。目前，对于信息扩散的分析主要有两大类，一类是宏观上基于机器学习或者数据挖掘来进行结果的分析和预测，另一类是微观上基于用户之间的交互来逐步分析信息扩散过程以及预测结果。对于第一类方法，虽然通过大量数据的训练可以做出较好的预测和估计，但是无法深入了解信息扩散的动态过程和结果的产生机制，也就无法很好的采取有效措施来控制。本发明的方法属于第二类。

演化博弈论的应用为建立信息扩散的数学模型提供了一种很好的方案。与传统博弈论不同，演化博弈理论并不要求参与人是完全理性的，也不要求完全信息的条件，它把博弈理论分析和动态演化过程分析结合起来，强调的是一种动态的均衡。演化稳定状态(evolutionary stable state,简称ESS)与模仿者动态(replicator dynamic,简称RD)一起构成了演化博弈理论最核心的一对基本概念，它们分别表征演化博弈的稳定状态和向这种稳定状态的动态收敛过程。对应到信息扩散中的情形分别为：演化稳定状态代表经过一段时间的用户发送状态变化后网络达到的一种动态平衡状态，模仿者动态代表从信息刚发布到最后网络达到动态平衡中每一时刻网络状态的动态变化。而现有利用演化博弈论的方法大部分是对网络中只由理性用户组成，所有用户采取相同的发送状态选择策略情况进行分析，并没有考虑网络中存在非理性用户时策略不相同使社交网络用户总体为混合策略的影响，现实经验告诉我们混合策略会直接和间接地影响整个网络中所有节点的发送状态选择。

常规的理性用户在采取一种选择策略后，根据自身情况以及周围环境等多种因素，决定当前的发送状态——即发送或者不发送信息。演化博弈论框架下有三种理性用户的选择策略：birth-death(BD)，death-birth(DB)和imitation(IM)。虽然三种方法的动态更新过程有所不同，但最后达到的演化稳定状态基本相符。本发明中理性用户均采用DB更新策略：某一时刻网络中随机选取一个理性用户放弃自己当前的发送状态，然后计算所有相邻用户当前的发送状态所带来的收益，将收益大小作为选取概率，依照概率大小选择其中一个相邻用户的发送状态。怀有明确目的性的非理性用户不会根据常规策略来决定是否发送信息，他们会因为某些原因采取另外两种选择策略：固定发送策略或者固定不发送策略。比如微信公众号、一些微博博主，他们有特定的主题和内容，于是会固定发送符合主题的信息来确保他们的内容契合度和关注度。而如果非理性用户利用社交网络来传播一些不实信息、发布骚扰广告、传播病毒文件等，就会对网络上的用户产生负面影响，造成巨大损失。因此对于这种存在一定数量非理性用户的混合策略网络来说，信息扩散过程的分析尤为重要，准确的预测不仅可以帮助我们有效了解信息的传播过程和结果，还可以根据结果采取相应措施来增加阅读量和发送量或者控制负面影响。而目前对于混合策略网络为数不多的分析，只是粗略地将网络用户分为理性用户和非理性用户，并没有发现不同理性用户之间的差异，因此分析得到的结果不够准确。