论文部分内容阅读
摘 要 针对大学生移动社交网络的复杂性，在多智能体仿真开发平台NetLogo下编程实现移动社交网络信息传播的过程，动态地模拟移动社交网络在大学校园建立和发展的演化过程，展现海量信息如何依附移动社交网络进行传播，分析并总结归纳移动社交网络对大学生校园生活的影响。
关键词 移动社交网络；多智能体仿真；信息传播；NetLogo
中图分类号：G642.0 文献标识码：B
文章编号：1671-489X（2018）04-0047-04
Abstract In view of the complexity of mobile social network of college students， the process of mobile social network information dissemination is programmed in NetLogo， a multi-agent simulation development platform， which dynamically simulates the evolution of mobile social network in university campus establishment and deve-lopment. How to attach to the mobile social network to communicate with each other， Analyzes and summarizes the influence of mobile social network on college students’ life.
Key words mobile social network； multi-agent simulation； informa-tion dissemination； NetLogo
1 引言
随着移动网络技术的高速发展和迅速普及，移动互联网已然变成信息获取与传播的主要方式之一，成为一种信息传播与交换的新方式，给大学生的衣食住行等方面带来巨大改变，造成极大影响。
20世纪80年代，国外就有了青少年网络群体的研究，对于青少年与社交媒体的研究广泛出现并且涉及多个领域。而后的Facebook、Twitter等网络社交传媒的出现及流行，许多相关的调查开始启动[1]，如皮尤研究中心的“互联网和美国生活项目”、LSE Research的“英国儿童上网项目”、伦敦大学的“社交媒体与社会科学研究项目”等。
国内在社交传媒方面的研究没有国外兴起得那么早，相关研究相对较少。对文献资料进行整理总结发现，国内的研究大部分是将网络社交传媒作为一种新兴媒体来理解。
本文基于多智能体仿真技术对移动互联网的网络构建及信息传播进行仿真，动态地模拟移动社交网络在大学校园建立的演化过程，展现海量信息是如何依附移动社交网络进行相互传播，最后进行归纳与概括。
2 大学生移动社交网络模型
从统计物理学方面来说，社会网络是个许多个体与个体之间相互作用的系统。近年来，对于社会网络的探索正处在高速成长期。小世界模型是一种特殊的复杂网络结构，在模型中，大多节点并不相连，但是很多节点只要经过很少几步就可以到达。在现实生活中，即体现为一些你认为和你距离很远的人，其实和你很近。小世界模型就是对这些现象的数据描述。
最典型的小世界网络模型是Watts-Strogatz模型（WS模型）。数学解释就是一个以高聚集系数（即存在很多连接紧密的团體）和低平均特征路径长度（即任意两个节点之间大多会以至少一条短路径连接）为特征的网络模型。这个模型是一个假设，即只要把规则网络在一定概率下将连接打乱，那么此网络就具有小世界的特征。后来提出Newman-Watts模型（NW模型），即将变化连接改成随机添加连接，根据概率P（0 3 移动社交网络信息传播建模
病毒传播充分地描述了复杂网络上的传播特性，是目前网络信息传播研究的主要方向，对移动社交网络上信息传播的研究具有参考意义与借鉴价值。在病毒传播模型中，SI、SIR和SIS这三种模型最为典型[3]，对研究网络信息传播模型具有一定指导性作用。本文将根据SIR为基础，类比构建网络信息传播。
社交网络信息传播模型 在一般情况下，大部分的观点认为社交网络信息传播模型可以类似地用SIR模型表示和描述。SIR模型中的S、I和R在网络中则分别表示不知晓信息的人们、知晓信息并且乐于继续传播的人们、已知晓信息而且没有可能传播的人们。类比SIR模型，在社会网络中，假定该网络有N个节点并节点代表有可能性去传播信息的人群，其传播信息的方法如下：
1）假设人群处于I态，即是知晓信息并且乐于传播，则人群有可能传播信息；
2）在传播中，如果收到信息的人群处在S态，那么S态人群就知晓了信息，并变成I态，开始1）的传播过程；
3）如果此人群已经知道并传播过此信息，那么当他第二次得到这个信息时，就会极大降低传播此信息的可能（成为R态）。
整个过程可以由以下关系简单地表示出来：
I（i） S（j）→I（i） I（j）
I（i） I（j）→R（i） I（j）
I（i） R（j）→R（i） R（j）
首先，S收到I传播的信息，以λ的概率获取，并变成新的I；其次，I传播信息之后以概率μ成为R，或看成传播后没有了传播的可能性，则变成免疫信息人群。但是，在实际情形下，一些人们会对某些信息一点儿都不感兴趣，即使收到信息后也不会进行传播，也就是天生对其不感冒。假设这些人概率为θ，在模型中即S直接免疫，以θ的概率直接成为R。各点之间遵循S-I-R-S循环，它们之间的关系如图1所示。 基础变量 本模型中的基础变量有两个。
控制变量1：平均节点度，表示学生之间的平均关系数。在仿真界面中，黄色的线即为学生之间的关系。该变量的范围min=0，max=50，初始值设定为5。
控制变量2：最初拥有信息人数，表示信息最开始是由多少人扩散传播的。在仿真界面中，红色的点代表最初拥有信息的人数，绿色的点代表不知道信息的学生。最初拥有信息的人数范围min=1，max=100，初始值设定为5。
4 移动社交网络信息传播仿真
仿真建模的基本思想 把社会的人类比成计算机中的Agent，人们之间的交互活动看成Agent的行为，并参考一定的交互法则，进而勘定个体接收信息的方式。经过反复的信息交互实验，可以总结得到人群信息传播的大体规律。
1）仿真平台NetLogo简介。在NetLogo平台上可以对这些成百上千相互独立运行的Agent发出指令，这就使得探寻微观方面的个体行为与宏观方面之间的联系成为可能，而这些宏观层面就是由许多个体之间的交互涌现出来的。
2）建立Agent模型。信息的传播影响因素有多个方面，本文着重对Agent进行建模，将人群看成个体Agent，而把信息传播源看成独立于Agent的上层对象[4]，可以对一个个Agent施加影响，改变其状态。
信息传播仿真 基于NetLogo的信息传播演化仿真初始化界面如图2所示。模型中节点表示学生个体，连接线表示学生之间的关系。第一個滑动条控制学生人数，第二个滑动条控制平均节点度，第三个滑动条控制最初携带信息的人数，第四个滑动条控制信息传播的概率，第五个滑动条控制对信息失去兴趣的概率，第六个滑动条控制拒绝接收信息的概率，第七个滑动条控制信息检测的频率。
设置学生人数为100，平均节点度（即大学生之间的平均关系数）为5，最初携带信息的人数为5，信息传播的概率为20%，对信息失去兴趣的概率为30%，拒绝接收信息的概率为10%。初始化模型后，如图2所示。运行程序，观察大学生信息传播的变化，如图3、图4所示。
根据图4可以看出，在最初一段时间内，知道信息并愿意传播的人数极速上升，峰值可达50%；随着时间的推进，知道信息并愿意传播的人数在一段时间内小幅度波动，但最后逐渐趋于0。在最初一段时间内，不知道信息的人数与知道信息并愿意传播的人数成反比；随着时间的推进，接收信息的人数缓慢上升且有趋于稳定的趋势，逐渐稳定在40%，而已经知道信息且没有兴趣传播的人数在不断增加，最后趋于稳定，在55%～60%之间。由此可见，信息传播最快的时候是在信息刚爆发的时候，渐渐地，人们对信息产生免疫，失去兴趣。因此，只要有新信息出现，就会导致大面积传播行为的发生。
仿真实验1：改变平均节点度。为了探寻大学生之间的平均关系数对移动社交网络上信息传播的影响，保持其他变量不变，仅改变平均节点度（即大学生之间的平均关系数）为7。经过多次模拟，可得到初始化界面如图5所示，动态转换图如图6、图7所示。
改变变量后，可以看到信息传播的速率明显增加，传播信息人数的峰值可达72%，较改变变量前有明显增加；不知道信息的人数最后趋于25%左右的稳定，较改变变量前有明显下降；知道信息的人数有明显提升，最后稳定在72%。因此，学生之间的平均关系数是影响信息传播的重要因素之一。所以，大学生为了能够获得更多的信息，会渴望结识新的朋友，不断扩充自己的人脉，增加关系数。在信息爆炸时代，人无法脱离信息，信息也离不开人；人传播着信息，信息影响着人。
仿真实验2：改变最初携带信息的人数。为了探寻最初携带信息的人数对移动社交网络上信息传播的影响，保持其他变量不变，仅改变最初携带信息的人数为10。经过多次模拟，可得到初始化界面如图8所示，动态转换图如图9、图10所示。
改变变量后，传播信息的人数有着明显的增加，其峰值达到80%；不知道信息的人数在15%～50%范围内波动；已经知道信息且没有兴趣继续传播的人数较改变变量之前无显著变化，只是在最初一段时间内上升速率有些许减慢，最后在50%左右趋于稳定。因此，最初携带信息的人数是影响信息传播的原因之一。在信息剧烈传播的校园内，在这个巨大的社交网络中，一旦信息源增加，就会导致大学生行为活动的加速，加大了社交圈，加速了获取信息的可能性，从而给大学生的生活、学习等各方面带来影响。
仿真结论 根据控制变量法，依次改变平均节点度、最初携带信息的人数等变量，可以得到一些影响大学生移动社交网络信息传播的因素。大学生平均关系数影响着信息传播的效率，学生间联系越紧密，信息扩散得越快，相对时间内传播的信息量也相对增加；最初携带信息的人数影响着信息传播度，最开始知道信息的人越多，信息就越容易扩散开来，知道信息的人数就会增加。因此，大学生社交网络对信息的传播产生影响，继而影响了大学生的校园生活。目前，移动互联网的普及和发展，增加了人与人之间的交流，丰富了大学校园生活[5]，同时也提供了大量的信息资讯。
5 总结
互联网已然成为人们工作和生活中非常重要的组成部分。人们通过互联网进行信息交流与传播等各种网络社交行为，组成一个个规模庞大、关系复杂以及内容丰富的移动社交网络。校园用户由于其人群的独特性，其移动社交网络中人际交往关系及信息传播特点非常值得研究。本文从大学生移动社交网络分析的角度，对在校大学生的网络信息参与行为以及信息传播进行分析和建模仿真，揭示用户交流行为以及信息传播过程的特点和规律，分析移动社交网络对大学生的影响，并进行了归纳总结。
参考文献
[1]李青青.社交媒体中青年网民的信息互动与平衡机制研究[D].武汉：华中科技大学，2014：5.
[2]肖宇.校园网络信息传播特性与用户影响力研究[D].武汉：华中科技大学，2012：5.
[3]唐朝生.在线社交网络信息传播建模及转发预测研究[D].河北：燕山大学，2014：12.
[4]布旻晟，周军.基于NetLogo平台的突发事件信息传播仿真研究[J].江西科学，2014，32（5）：710-714.
[5]吴仕云.手机移动互联网对大学生校园生活的影响研究[J].中国教育技术装备，2012（18）：21-23.
关键词 移动社交网络；多智能体仿真；信息传播；NetLogo
中图分类号：G642.0 文献标识码：B
文章编号：1671-489X（2018）04-0047-04
Abstract In view of the complexity of mobile social network of college students， the process of mobile social network information dissemination is programmed in NetLogo， a multi-agent simulation development platform， which dynamically simulates the evolution of mobile social network in university campus establishment and deve-lopment. How to attach to the mobile social network to communicate with each other， Analyzes and summarizes the influence of mobile social network on college students’ life.
Key words mobile social network； multi-agent simulation； informa-tion dissemination； NetLogo
1 引言
随着移动网络技术的高速发展和迅速普及，移动互联网已然变成信息获取与传播的主要方式之一，成为一种信息传播与交换的新方式，给大学生的衣食住行等方面带来巨大改变，造成极大影响。
20世纪80年代，国外就有了青少年网络群体的研究，对于青少年与社交媒体的研究广泛出现并且涉及多个领域。而后的Facebook、Twitter等网络社交传媒的出现及流行，许多相关的调查开始启动[1]，如皮尤研究中心的“互联网和美国生活项目”、LSE Research的“英国儿童上网项目”、伦敦大学的“社交媒体与社会科学研究项目”等。
国内在社交传媒方面的研究没有国外兴起得那么早，相关研究相对较少。对文献资料进行整理总结发现，国内的研究大部分是将网络社交传媒作为一种新兴媒体来理解。
本文基于多智能体仿真技术对移动互联网的网络构建及信息传播进行仿真，动态地模拟移动社交网络在大学校园建立的演化过程，展现海量信息是如何依附移动社交网络进行相互传播，最后进行归纳与概括。
2 大学生移动社交网络模型
从统计物理学方面来说，社会网络是个许多个体与个体之间相互作用的系统。近年来，对于社会网络的探索正处在高速成长期。小世界模型是一种特殊的复杂网络结构，在模型中，大多节点并不相连，但是很多节点只要经过很少几步就可以到达。在现实生活中，即体现为一些你认为和你距离很远的人，其实和你很近。小世界模型就是对这些现象的数据描述。
最典型的小世界网络模型是Watts-Strogatz模型（WS模型）。数学解释就是一个以高聚集系数（即存在很多连接紧密的团體）和低平均特征路径长度（即任意两个节点之间大多会以至少一条短路径连接）为特征的网络模型。这个模型是一个假设，即只要把规则网络在一定概率下将连接打乱，那么此网络就具有小世界的特征。后来提出Newman-Watts模型（NW模型），即将变化连接改成随机添加连接，根据概率P（0
病毒传播充分地描述了复杂网络上的传播特性，是目前网络信息传播研究的主要方向，对移动社交网络上信息传播的研究具有参考意义与借鉴价值。在病毒传播模型中，SI、SIR和SIS这三种模型最为典型[3]，对研究网络信息传播模型具有一定指导性作用。本文将根据SIR为基础，类比构建网络信息传播。
社交网络信息传播模型 在一般情况下，大部分的观点认为社交网络信息传播模型可以类似地用SIR模型表示和描述。SIR模型中的S、I和R在网络中则分别表示不知晓信息的人们、知晓信息并且乐于继续传播的人们、已知晓信息而且没有可能传播的人们。类比SIR模型，在社会网络中，假定该网络有N个节点并节点代表有可能性去传播信息的人群，其传播信息的方法如下：
1）假设人群处于I态，即是知晓信息并且乐于传播，则人群有可能传播信息；
2）在传播中，如果收到信息的人群处在S态，那么S态人群就知晓了信息，并变成I态，开始1）的传播过程；
3）如果此人群已经知道并传播过此信息，那么当他第二次得到这个信息时，就会极大降低传播此信息的可能（成为R态）。
整个过程可以由以下关系简单地表示出来：
I（i） S（j）→I（i） I（j）
I（i） I（j）→R（i） I（j）
I（i） R（j）→R（i） R（j）
首先，S收到I传播的信息，以λ的概率获取，并变成新的I；其次，I传播信息之后以概率μ成为R，或看成传播后没有了传播的可能性，则变成免疫信息人群。但是，在实际情形下，一些人们会对某些信息一点儿都不感兴趣，即使收到信息后也不会进行传播，也就是天生对其不感冒。假设这些人概率为θ，在模型中即S直接免疫，以θ的概率直接成为R。各点之间遵循S-I-R-S循环，它们之间的关系如图1所示。 基础变量 本模型中的基础变量有两个。
控制变量1：平均节点度，表示学生之间的平均关系数。在仿真界面中，黄色的线即为学生之间的关系。该变量的范围min=0，max=50，初始值设定为5。
控制变量2：最初拥有信息人数，表示信息最开始是由多少人扩散传播的。在仿真界面中，红色的点代表最初拥有信息的人数，绿色的点代表不知道信息的学生。最初拥有信息的人数范围min=1，max=100，初始值设定为5。
4 移动社交网络信息传播仿真
仿真建模的基本思想 把社会的人类比成计算机中的Agent，人们之间的交互活动看成Agent的行为，并参考一定的交互法则，进而勘定个体接收信息的方式。经过反复的信息交互实验，可以总结得到人群信息传播的大体规律。
1）仿真平台NetLogo简介。在NetLogo平台上可以对这些成百上千相互独立运行的Agent发出指令，这就使得探寻微观方面的个体行为与宏观方面之间的联系成为可能，而这些宏观层面就是由许多个体之间的交互涌现出来的。
2）建立Agent模型。信息的传播影响因素有多个方面，本文着重对Agent进行建模，将人群看成个体Agent，而把信息传播源看成独立于Agent的上层对象[4]，可以对一个个Agent施加影响，改变其状态。
信息传播仿真 基于NetLogo的信息传播演化仿真初始化界面如图2所示。模型中节点表示学生个体，连接线表示学生之间的关系。第一個滑动条控制学生人数，第二个滑动条控制平均节点度，第三个滑动条控制最初携带信息的人数，第四个滑动条控制信息传播的概率，第五个滑动条控制对信息失去兴趣的概率，第六个滑动条控制拒绝接收信息的概率，第七个滑动条控制信息检测的频率。
设置学生人数为100，平均节点度（即大学生之间的平均关系数）为5，最初携带信息的人数为5，信息传播的概率为20%，对信息失去兴趣的概率为30%，拒绝接收信息的概率为10%。初始化模型后，如图2所示。运行程序，观察大学生信息传播的变化，如图3、图4所示。
根据图4可以看出，在最初一段时间内，知道信息并愿意传播的人数极速上升，峰值可达50%；随着时间的推进，知道信息并愿意传播的人数在一段时间内小幅度波动，但最后逐渐趋于0。在最初一段时间内，不知道信息的人数与知道信息并愿意传播的人数成反比；随着时间的推进，接收信息的人数缓慢上升且有趋于稳定的趋势，逐渐稳定在40%，而已经知道信息且没有兴趣传播的人数在不断增加，最后趋于稳定，在55%～60%之间。由此可见，信息传播最快的时候是在信息刚爆发的时候，渐渐地，人们对信息产生免疫，失去兴趣。因此，只要有新信息出现，就会导致大面积传播行为的发生。
仿真实验1：改变平均节点度。为了探寻大学生之间的平均关系数对移动社交网络上信息传播的影响，保持其他变量不变，仅改变平均节点度（即大学生之间的平均关系数）为7。经过多次模拟，可得到初始化界面如图5所示，动态转换图如图6、图7所示。
改变变量后，可以看到信息传播的速率明显增加，传播信息人数的峰值可达72%，较改变变量前有明显增加；不知道信息的人数最后趋于25%左右的稳定，较改变变量前有明显下降；知道信息的人数有明显提升，最后稳定在72%。因此，学生之间的平均关系数是影响信息传播的重要因素之一。所以，大学生为了能够获得更多的信息，会渴望结识新的朋友，不断扩充自己的人脉，增加关系数。在信息爆炸时代，人无法脱离信息，信息也离不开人；人传播着信息，信息影响着人。
仿真实验2：改变最初携带信息的人数。为了探寻最初携带信息的人数对移动社交网络上信息传播的影响，保持其他变量不变，仅改变最初携带信息的人数为10。经过多次模拟，可得到初始化界面如图8所示，动态转换图如图9、图10所示。
改变变量后，传播信息的人数有着明显的增加，其峰值达到80%；不知道信息的人数在15%～50%范围内波动；已经知道信息且没有兴趣继续传播的人数较改变变量之前无显著变化，只是在最初一段时间内上升速率有些许减慢，最后在50%左右趋于稳定。因此，最初携带信息的人数是影响信息传播的原因之一。在信息剧烈传播的校园内，在这个巨大的社交网络中，一旦信息源增加，就会导致大学生行为活动的加速，加大了社交圈，加速了获取信息的可能性，从而给大学生的生活、学习等各方面带来影响。
仿真结论 根据控制变量法，依次改变平均节点度、最初携带信息的人数等变量，可以得到一些影响大学生移动社交网络信息传播的因素。大学生平均关系数影响着信息传播的效率，学生间联系越紧密，信息扩散得越快，相对时间内传播的信息量也相对增加；最初携带信息的人数影响着信息传播度，最开始知道信息的人越多，信息就越容易扩散开来，知道信息的人数就会增加。因此，大学生社交网络对信息的传播产生影响，继而影响了大学生的校园生活。目前，移动互联网的普及和发展，增加了人与人之间的交流，丰富了大学校园生活[5]，同时也提供了大量的信息资讯。
5 总结
互联网已然成为人们工作和生活中非常重要的组成部分。人们通过互联网进行信息交流与传播等各种网络社交行为，组成一个个规模庞大、关系复杂以及内容丰富的移动社交网络。校园用户由于其人群的独特性，其移动社交网络中人际交往关系及信息传播特点非常值得研究。本文从大学生移动社交网络分析的角度，对在校大学生的网络信息参与行为以及信息传播进行分析和建模仿真，揭示用户交流行为以及信息传播过程的特点和规律，分析移动社交网络对大学生的影响，并进行了归纳总结。
参考文献
[1]李青青.社交媒体中青年网民的信息互动与平衡机制研究[D].武汉：华中科技大学，2014：5.
[2]肖宇.校园网络信息传播特性与用户影响力研究[D].武汉：华中科技大学，2012：5.
[3]唐朝生.在线社交网络信息传播建模及转发预测研究[D].河北：燕山大学，2014：12.
[4]布旻晟，周军.基于NetLogo平台的突发事件信息传播仿真研究[J].江西科学，2014，32（5）：710-714.
[5]吴仕云.手机移动互联网对大学生校园生活的影响研究[J].中国教育技术装备，2012（18）：21-23.