在线社会网络的网络结构和信息传播分析综述

来源:用户上传      作者:

　　摘 要：随着社会现代科学技术信息的快速发展，社会网络的出现极大的改变了人们的工作、生活、学习方式。社会网络被大规模的应用起来，其中的关键部分就是网络结构和信息传播这两个方面，我们通过对网络结构的分析来了解网络被分析时的节点和社团之间的关系，这对于国家政府及时在线了解公司企业广告以及社会网民的舆论情况有很大的帮助。而信息传播在网络结构中作为传播信息的动力，对信息传播途径和源头具有描绘作用。通过对在线社会网络的网络结构和信息传播的分析，可以帮助人们在线对网络信息的传播进行干预和预测，从一定程度上有利于将信息传播往好的方向引导[2]。但是就目前的现状来说，网络结构和信息传播技术也存在一些不足。现就网络结构和信息传播的现实状况来进行一下探讨。
　　关键词：在线社会网络;网络结构;信息传播
　　中图分类号：TP393.09;G206 文献标识码：A 文章编号：1671-2064（2019）14-0056-02
　　随着互联网信息技术的快速发展，人与人之间传统的交流方式发生了根本性的变化。传统的交流方式受到了时间、空间、距离等因素的影响，但是在线网络的运用可以将人们放到虚拟的网络平台上得到更广泛的交流[1]，这种交流方式也获得人们的欢迎，比如QQ、微信、微博、知乎等，人们可以在这些平台上进行话题的探讨、信息知识的交流共享、知识的解答、聊天交友等活动。所涉及的领域也很广泛，经济、文化、军事、政治、医学、历史等方面，这些都对现实生活中的政治经济等有一定的影响。比如公司企业为了扩大自己产品的知名度，可以把广告投放到微信公众号，通过网络信息来进行产品宣传，以此提高产品的销售额度。
　　1 在线社会网络的网络结构
　　1.1 网络结构中的节点概述
　　在线社会网络的实体元素是由网络节点构成的，节点在在线网络中是信息的传播者，信息的生产着也是网上信息的消费者，在线网络将现实生活与虚拟的网络社会连接起来，互相发展互相影响。而节点在网络中起了很大的作用。在线网络的主要形式有在线百度百科、在线网络通讯、在线社区网络、在线社交网络、在线媒体网络等，Facebook，视频分享网站、新浪微博、新浪博客等皆为在线网络的存在形式。实时通讯网络与社交网络之间关系的节点是有一定无向的。而在线媒体与在线百度百科之间的节点是有向的。通常我们用一个公式来体现，G=<V，E，L，W>，V代表网络中的节点集，E表示节点与节点之间的关系L为标注节点的属性集合，W代表节点之间关系的属性集合[1]。
　　1.2 网络结构中的节点排名
　　节点排名在社交网络中被广泛的运用，比如今日头条，企业公司可以通过节点排名，把广告投放到适合的具有影响力的排名靠前的节点，以此来降低广告宣传成本获得更好的广告效应。对于网络节点排名，可以使用网络来进行模型的建立，以适应某个场景的节点排名来建立节点的中心度，并且可以很好的进行节点的排名。节点的中心度可以描述一个节点的重要程度，节点之间的平均距离越是近，则代表这个节点在社会网络中的中心位置越重要。而介数则反映了某个节点与其他节点间的平均距离，当介数中心度越高，则表明此节点在最短通讯路径上出现的次数频繁，而其他节点的通讯通过借助该点的优点更好的运行，因此这个节点的中心度越高则该点越重要[1]。如1978年的时候，Freeman通过对以前的社会网络节点的计算研究，得出了两项衡量节点中心度的重要结论，即是程度中心度和紧密中心度。紧密中心度可以看成是其他节点与节点之间的平均距离，紧密度的高低表明节点到其他节点的平均距离的远近，紧密度也代表了中心度的高低[1]。介数中心度指标适合寻找网络中的重要衔接点，紧密中心度则适合寻找网络中通信代价较小的节点以及与其他节点的距离较短的节点，程度中心度适合寻找关键节点的辅助节点以及网络中的关键节点。
　　1.3 关键节点
　　关键节点的发现研究对于社会的经济政治发展有重要的意义。通过对关键节点的研究分析，可以把重要信息集中在关键节点上进行快速传播。比如Page Rank和HITS算法中，Page Rank改进算法表明不同的节点其中心度也不同，中心度越高的节点越容易被找到，HITS算法中表明每个节点设置下authority和hubness两者的属性，并且两者之间互相影响，节点authority越好反映连接hubness和authority的节点也越好，相反，当节点authority越差则反映连接hubness和authority的节点越差。
　　1.4 网络的异质性
　　在线社会网络中，信息传播网络作为其中的一员具有比较高的异质性，而异质性的程度高低是随着网络的变化而变化的。我们可以以新浪微博为例来看，一般来看，网络的传播途径的长度与网络的异质性的变化特征是一致性的，虽然在开始时会有一些不稳定的波动情况存在，但是后面却是趋向稳定性的。这个变化过程与网络规模的变化过程有一定的联系。只是，在网络异质性中更多的信息是网络传播途径长度和规模所无法表示的。根据地位来分，在网络中分为普通节点和中心节点，普通节点是出去中心节点以外的所有节点，而中心节点则是网络中大量节点相互连接的那个点，这个节点在网络中占重要的地位，在网络物质以及信息传播的过程中有重大的作用。比如在新浪微博上，拥有大量粉丝的用户就处于中心节点上，这些信息会得到更大范围的再一次传播，因此在线网络中的信息传播可以分为四类，分别是：普通节点到普通节点、中心节点到中心节点、普通节点到中心节点、中心节点到普通节点，前两者在在线网络的信息传播中占一大部分，中心节点到普通节点的信息传播会使网络异质性程度变大，普通節点与普通节点的信息传播会使网络异质性程度变小;剩下两者在这种情况下发生机率比较小。但是这四种传播方式并不是独立完成的，它们之间的联系就造成了网络异质性的波动情况。
　　2 信息传播的研究分析 　　2.1 信息在网络上的传播
　　对于当今的互联网而言，信息的传播对这个时代也有着重大的意义，比如，不好的社会舆论或者是社会谣言的传播对社会的稳定发展有一定影响、文学作品的网络传播可以增加书店的销售数量。虽然网络信息的传播会产生不同的问题，但是整体来看，网络信息在传播模型、传播方式、传播动力上是比较相似的，主要是关注信息在传播中的传播力度的大小以及影响[3]。比如Kermark在1927年的时候提出了研究流行病的传播方式—SIR模型，S表述易感染状态，I表示感染状态，R表示移除状态。后来该模型用于信息在网络中的传播时，S表示节点没有得到信息的状态，I表示节点处于获得信息的状态，R表示节点不再向其他节点的信息扩散。随着信息传播的不同、节点的不同表现出不同的形式和不同的含义，近些年的SIR模型已经不能对信息传播进行很好的诠释，所以新的学者新的研究会随着在线网络的发展迎面而来，去研究新时代网络下的传播模型、传播特征、以及网络的结构和特点等。
　　2.2 信息传播与网络特征的关系
　　在线社会网络的特征和信息在网上的传播关系比较密切。1999年的时候Faloutsos等人对Internet的研究发现了幂律分布的特点以及后来另一波研究学者的研究证明了在线社会网络也拥有幂律分布的特点，具有异配性、同配性、小世界性以及聚集性等特点。Adar等人通过对信息传播的研究得出信息传播过程中通过链接来绘制的方法，Leskovec等人研究出了信息传播的层次结构和传播路径[4]。还将在线网络中的话题产生源头分为博客和主流媒体，还研究了不同媒介下的话题传递的时差，只有很少的话题来自博客，博客主动向主流媒体传播。Budak等人对信息在线社会网络中的影响进行最小化的研究的用时，Kempe则对其进行了最大化的研究。他们认为信息的影响力度是因为对影响力度较高的节点进行扩散导致的结果，Budak等人通过独立级联模型的方式测算了爬山算法对其他节点的具有影响力的节点，以此来证明他们的方法更加可靠。
　　2.3 社会网络与Web
　　随着计算机信息技术和Web2.0的快速发展，人们只需要借助计算机网络来完成平时的生活学习交流、工作知识学习交流，还可以观看各种综艺节目娱乐活动并对其发表评论看点等。社会个体之间因为某种形式的联系把个体与整体联系在一起的关系网络简称为社会网络，这个社会网络关系里面，个体可以是实实在在存在的，也可以是虚拟的，比如网络中的一个ID号码，个体与个体之间的关系也可以是抽象的或者真实的联系，比如QQ上的好友关系，网络游戏中的人物关系。节点和Web节点之间的关系构成了在线社会网络的结构，一般情况下，Web中的ID或者注册用户来构成这个节点，而节点则是以Web链接的形式存在[1]。
　　3 结语
　　在线社会网络作为人际关系交往和信息传播的重要平台，体现在了不同群体不同地域之间的可以通过在线网络来联系，进行话题的交流和探讨，拉近人与人之间的距离，更好的分享彼此之间的思想观点。人们对这个世界的看法，对社会经济、政治、文化、思想的看法也可以通过在线网络体现出来，这对于社会的稳定发展具有重大意义。但是目前而言，网络结构在异质网络中的研究还有许多的不足之处需要进行更深的研究分析，比如，异质网络下的节点排名算法，关键节点的定义标准等。现实社会与在线社会网络之间是相互影响的，对彼此有潜移默化的影响。应当对信息传播过程中的信息变化或者缩小、扩大的源头，以及改变传播路径的趋势等进行进一步的研究。
　　参考文献
　　[1] 许岗，金海和，刘靖.在线社会网络的网络结构和信息传播研究综述[J].计算机应用研究，2014，31（02）：339-343.
　　[2] 崔金栋，郑鹊，孙硕.微博信息传播模型及其演化研究综述[J].图书馆论坛，2018，38（01）：68-77.
　　[3] 付璨，王子阳，赵佳敏，李启东，董晨曦.在线网络信息传播研究综述[J].东南传播，2018（10）：108-111.
　　[4] 孙屹山.新媒体时代：网络互动在网络信息傳播中的作用研究[D].浙江大学，2018.
　　[5] 张硕.基于复杂网络的舆情信息传播机制研究[D].首都经济贸易大学，2018.
转载注明来源:https://www.xzbu.com/8/view-15002020.htm