• 上

  SEIR(胡元萍)中的E指exposed个体，在社交网络中代表已经接收到消息但因为不在线故不能做出任何动作的状态。不同于DBKD中E代表持怀疑态度的个体。

• 下

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。