信息传播中的SIR模型
SIR模型
使用SIR 模型来描述信息的传播，把社交网络中的节点分为三类:传染节点(I)、未感染节点(S)、免疫节点(R)。未接触节点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;传播节点已经接受了该信息并具有感染别人的能力;免疫节点可能没有接触信息也可能接受了信息但是对信息并不感兴趣，免疫节点缺乏信息的传播能力。
未接触信息的节点在接触信息后可以变为传播节点，而不管是未感染节点还是传播节点最后都会变为免疫节点。
把节点分为传播节点(I)、未感染节点(S)、免疫节点(R)，在t时刻这三类人在人群中所占据的比例分别为I(t)、S(t)和R(t)。当t=0 时，传播节点和免疫节点的比例为I0 和S0，每天每个传播节点有效接触的人数为α，即有α个人变为传播节点，β是每天传播节点变为免疫节点的数目，γ是未感染节点变为免疫节点的数目。传播动力学方程表达式如下:
[1] H. Li, Z. Zhang, C. Zhao, “DISCOVERY OF PUSHING HANDS NODE IN
SOCIAL NETWORKS BASED ON SIR MODEL AND INFORMATION DISSEMINATION RESTRAINT”, Computer Applications and SoftWare, vol.
33 No. 6, pp. 118-121, 2016.
缺点：
1. 传统SIR模型α，β，γ为常数，即对每个用户传播概率与免疫概率都是不变的，与实际情况不符，设置为常数是不合理的；
2. 微分方程组求解较为困难，且对初值比较敏感，对模型的稳健性有很大影响；
3. 模型没有加入反馈机制，在预测过程中，单纯一句已有数据预测未来较长一段时间的数据，必然会使准确度降低。
信息传播中的SIR模型
SIR模型 使用SIR 模型来描述信息的传播，把社交网络中的节点分为三类:传染节点(I)、未感染节点(S)、免疫节点(R)。未接触节点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;传播节点已经接受了该信息并具有感染别人的能力;免疫节点可能没有接触信息也可能接受了信息但是对信息并不感兴趣，免疫节点缺乏信息的传播能力。 未接触信息的节点在接触信息后可以变为传播节点，而不管是未感染节点还是传播节点最后都会变为免疫节点。 把节点分为传播节点(I)、未感染节点(S)、免疫节点(R)，在t时刻这三类人在人群中所占据的比例分别为I(t)、S(t)和R(t)。当t=0 时，传播节点和免疫节点的比例为I0 和S0，每天每个传播节点有效接触的人数为α，即有α个人变为传播节点，β是每天传播节点变为免疫节点的数目，γ是未感染节点变为免疫节点的数目。传播动力学方程表达式如下: [1] H. Li, Z. Zhang, C. Zhao, “DISCOVERY OF PUSHING HANDS NODE IN
SOCIAL NETWORKS BASED ON SIR MODEL AND INFORMATION DISSEMINATION RESTRAINT”, Computer Applications and SoftWare, vol. 33 No. 6, pp. 118-121, 2016. 缺点： 1. 传统SIR模型α，β，γ为常数，即对每个用户传播概率与免疫概率都是不变的，与实际情况不符，设置为常数是不合理的； 2. 微分方程组求解较为困难，且对初值比较敏感，对模型的稳健性有很大影响； 3. 模型没有加入反馈机制，在预测过程中，单纯一句已有数据预测未来较长一段时间的数据，必然会使准确度降低。
信息传播中的SIR模型
SIR模型 使用 SIR 模型来描述信息的传播，把社交网络中的节点分为三类:传染节点(I)、未感染节点(S)、免疫节点(R)。未接触节点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;传播节点已经接受了该信息并具有感染别人的能力;免疫节点可能没有接触信息也可能接受了信息但是对信息并不感兴趣，免疫节点缺乏信息的传播能力。 未接触信息的节点在接触信息后可以变为传播节点，而不管是未感染节点还是传播节点最后都会变为免疫节点。 把节点分为传播节点(I)、未感染节点(S)、免疫节点(R)，在t时刻这三类人在人群中所占据的比例分别为I(t)、S(t)和R(t)。当 t=0 时，传播节点和免疫节点的比例为 I0 和 S0，每天每个传播节点有效接触的人数为α，即有α个人变为传播节点，β是每天传播节点变为免疫节点的数目，γ是未感染节点变为免疫节点的数目。传播动力学方程表达式如下: [1] H. Li, Z. Zhang, C. Zhao, “DISCOVERY OF PUSHING HANDS NODE IN SOCIAL NETWORKS BASED ON SIR MODEL AND INFORMATION DISSEMINATION RESTRAINT”, Computer Applications and SoftWare, vol. 33 No. 6, pp. 118-121, 2016. 缺点：
1. 传统SIR模型α，β，γ为常数，即对每个用户传播概率与免疫概率都是不变的，与实际情况不符，设置为常数是不合理的； 2. 微分方程组求解较为困难，且对初值比较敏感，对模型的稳健性有很大影响； 3. 模型没有加入反馈机制，在预测过程中，单纯一句已有数据预测未来较长一段时间的数据，必然会使准确度降低。
传播的原理与模型介绍
传播的原理与模型介绍 传播跟人类生活关系非常密切，对人类社会的一切研究都会涉及到传播。下面我们来介绍传播的基本原理以及几种著名的传播模型。 一、传播的基本原理 为了更好地了解人们的传播过程，我们从六个方面来分析人类信息传播的基本过程： 1．人类传播的行为起源于一个信息发送者，他掌握了发送一系列的具体的有特定意义的信息的主动权。（发送者→发送信息） 2．发送者通过选择一些接受者可以理解的词语和肢体语言对要发送的信息进行编码。（信息→编码成符号） 3．信息穿越时空以口头或书面的形式在发送者与接收者之间进行传输。（信息→以符号传输） 4．接收者，也就是信息所指向的个体，将接收到的信息作为一组特定的符号来处理。（接收者→接收到符号） 5．接收者按他自己对这些符号意义的理解进行建构，从而将信息解码。（符号→被解码成信息） 6．对信息进行解释的结果就是接收者在一定程度上受到信息的影响了。也就是说，传播生效了。 二、传播的基本模型 1．香农—韦佛尔模型 1949年，克劳德·香农和瓦伦·韦弗合著了《通信的数学原理》一书，并
在此书中提出了一个传播模型。后来几乎任何一个与教学技术有关的传播模型都源于“香农-韦弗”模型。 在该模型中，信源产生或选择一条由即将传输的信号组成的信息。发射器将信息转化成一组信号并通过一条通道将其传送给接收器。接收器又将信号转化成信息。这个模型可以应用到很多不同的场合。 电视信息就是电子领域中的一个很好的例子：制片、导演和解说员就是信源，信息由电视频道传播到电视机即接收器，电视机又将电磁波转化成可观看的图象。 在人际传播中，说话者的大脑就是信源，发声器官即系统就是传送机，空气就是传播渠道。而听者的耳朵是接收器，头脑是信宿。这个模型的最后一个组成部分——噪音，是指在传播过程中扭曲或者掩盖信号的任何干扰物。2．“5W模型” 美国政治学家拉斯韦尔在其1948年发表的《传播在社会中的结构与功能》一文中，最早以建立模式的方法对人类社会的传播活动进行了分析，这便是著名的“5W”模式。“5W”模式界定了传播学的研究范围和基本内容，影响极为深远。“5W”模式是其称谓来自模式中五个要素同样的首字母“W”。即：Who、Says What、In Which Channel、With what effects 这五个英文单词的首字母合称为“5W”。即：“谁→说什么→通过什么渠道→对谁→取得什么效果”这五个要素又构成了后来传播学研究五个基本内容，即控制研究、内容分析、媒介研究、受众研究和效果研究。这五个要素各有其自身的特点： “谁”就是传播者，在传播过程中担负着信息的收集、加工和传递的任务。
基于在线社交网络信息传播模型的研究综述
Service Science and Management 服务科学和管理, 2019, 8(1), 27-33 Published Online January 2019 in Hans. https://www.360docs.net/doc/2e1866836.html,/journal/ssem https://https://www.360docs.net/doc/2e1866836.html,/10.12677/ssem.2019.81004 Research View Based on Online Social Network Information Communication Model Yanyan Luo The Glorious Sun School of Business and Management, Donghua University, Shanghai Received: Dec. 20th, 2018; accepted: Jan. 3rd, 2019; published: Jan. 10th, 2019 Abstract Online social networking has become a popular social media platform with its unique communica-tion advantages. According to the formal characteristics of the information dissemination model in online social networks, combined with the infectious disease dynamics model and the influence model, according to the different research objects and research methods, the online social net-work propagation model proposed by scholars is classified and summarized, and the different re-search theories are comprehensively described. The research theory is comprehensively de-scribed, and finally, based on the existing research results and research methods, I will put for-ward my own thinking on the future research direction. Keywords Social Network, Information Dissemination, Influence Model, SIR Model 基于在线社交网络信息传播模型的研究综述 骆彦彦 东华大学旭日工商管理学院，上海 收稿日期：2018年12月20日；录用日期：2019年1月3日；发布日期：2019年1月10日 摘要 在线社交网络以其独特的传播优势，已成为一种流行的社交媒体平台。针对在线社交网络中信息传播模式的形式特点，结合传染病动力学模型以及影响力模型，根据研究对象和研究方法的不同，将学者提出的基于在线社交网络传播模型进行分类和总结，并对不同的研究理论进行综合叙述，最后根据已有的研究成果和研究方法，对未来的研究方向提出自己的思考。
传播模型汇总
传播模型总汇 1.HATA传播模型： (1) 2. OKUMURA-HATA电波传播衰减计算模式 (2) 3．COST231-HATA 模型 (2) 4. COST-231-WALFISH-IKEGAMI传播模型（适合微蜂窝结构） (3) 5 . LEE传播模型(美籍华裔通信专家李建业先生提出) (3) 6. 海面传播模型 (4) 7．室内基本的模型(典型)如下： (4) 8．室内电梯传播模型 (4) 9. 对室内型微蜂窝传播特性的描述，应使用KEENAN-MOTLEY模型。 (5) 10. 隧道的无线传播 (5) 1.Hata传播模型： L=46.3+33.9log(f)-13.82log(Hb)+(44.9-6.55log(Hb))log(d)+Cm (1) 其中，L为最大路径损耗(db)； f为载波频率(Hz)； Hb为天线高度(米)； d为到基站距离(米)。 中等规模城市或市郊中心树木的稀疏程度中等时：Cm=0 大城市市区中心：Cm=3。 针对3G系统，3G组织也特别推荐了一个模型，该传播模型如下： 3G传输模型： L=40(1-O.004Hb)log(d)-18log(Hb)+21log(f)+80 (2) 其中，各参数的意义同(1)式。在WCDMA中，当f=2000MHz时，则上述两式简化为：Hata城市传播模型： L=161.17-13.82log(Hb)-(44.9-6.55log(Hb))log(d)； 3G传播模型： L=149.32-18log(Hb)-40(1-0.004Hb)log(d)。
2. Okumura-hata电波传播衰减计算模式 GSM900MHz主要采用CCIR推荐的Okumura电波传播衰减计算模式。该模式是以准 平坦地形大城市区的中值场强或路径损耗作为参考，对其他传播环境和地形条件等因素分别以校正因子的形式进行修正。不同地形上的基本传输损耗按下列公式分别预测。 L(市区)＝69.55+26.16lgf-13.82lgh1+(44.9-6.55lgh1)lgd-a(h2)-s(a) L(郊区)=64.15+26.16lgf-2[lg(f/28)]2-13.82lgh1+(44.9-6.55lgh1)lgd-a(h2) L(乡村公路)=46.38+35.33lgf-[lg(f/28)]2-2.39(lgf)2-13.82lgh1+(44.9-6.55lgh1)lgd-a(h2) L(开阔区)=28.61+44.49lgf-4.87(lgf)2-13.82lgh1+(44.9-6.55lgh1)lgd-a(h2) L(林区)=69.55+26.16lgf-13.82lgh1+(44.9-6.55lgh1)lgd-a(h2) 其中： f----工作频率，MHz h1---基站天线高度，m h2---移动台天线高度，m d----到基站的距离，km a(h2)---移动台天线高度增益因子，dB a(h2)=(1.1lgf-0.7)h2-1.56lgf+0.8(中，小城市) =3.2[lg(11.75h2)]2-4.97(大城市) s(a)---市区建筑物密度修正因子，dB; s(a)=30-25lga (5% 1.问题分析： 显然，在实际生活中人与人之间的交流并不是完全随机的，每个个体都会有相对亲近的“群体”。在这种临近的“群体”之中，个体与他人信息交流是广泛的，而离开这个“群体”个体与他人的交流会变少。针对战争环境的封闭性和战场内个体与战场外难以交流的这种信息交流的特点，我们使用Watts和Strogatz于1998年提出的“小世界”网络模型，即WS模型。 2.模型假设 2.1模型假设 （1）研究对象总数不变，不考虑对象的迁入迁出和出生死亡。 （2）对象传播信息 （3） 3.符号说明： （1）总人数为N，把人群分为三类未接触信息者（即易感者），受信息影响者（即感染者），受信息影响过但已不相信谣言的人（即信息免疫者），所比例分别为I（t），S1（t），R（t）。 （2）感染者单位时间传播的能力为p,感染者单位时间转变为免疫者为 q (3) 4.问题一模型的建立与求解 4.1 小世界网络模型 Model1 WS模型 (1)将WS模型初始为一个排成环形的包含N个节点的规则网络，每个节点的度为K，即每个顶点同它的K个邻居相连（每一侧有K/2 个连接）； (2) 以某个很小的概率p断开规则网络中的边，并随机选择新的端点重新连接，排除自环和重连边； (3) 重复(2)，直到遍历所有的边。 但是鉴于WS小世界网络模型的构造算法中存在的随机化重连的过程，这个过程有可能破坏网络的连通性。因此我们想到利用WS模型的改进模型NW模型，该模型是通过用随机化加边取代WS模型构造中的随机化重连而得到的,比较符合实际。 Model 2 NW模型 1999年，Newman和Watts提出一种改进的生成小世界网络的NW模型。在该模型中，与WS模型类似，节点先排布在一个规则环状网上，但是NW模型不会断开旧的连接，信息传播模型探讨