更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
社交网络上的谣言传播
(查看源代码)
2022年7月29日 (五) 08:50的版本
添加18字节
、
2022年7月29日 (五) 08:50
→= = 社会网络中的传染病模型 = =
第196行:
第196行:
−
我们可以预期这个过程会在网络的相当一部分中传播谣言。但是请注意,如果我们在一个节点周围有一个强大的[[群聚系数|本地集群]]
,那么可能发生的情况是,许多节点成为传播者,并且有作为传播者的邻居。然后,每次我们选择其中之一(辟谣),他们将恢复,并可以消除谣言传播。另一方面,如果我们有一个世界很小的网络,也就是说,在一个网络中,两个随机选择的节点之间的最短路径比预期的要小得多,我们可以预期谣言会传播得很远。
+
我们可以预期这个过程会在网络的相当一部分中传播谣言。但是请注意,如果我们在一个节点周围有一个强大的[[群聚系数|本地集群]]
,那么可能发生的情况是,许多节点成为传播者,并且有作为传播者的邻居。然后,每次我们选择其中之一(辟谣),他们将恢复,并可以消除谣言传播。另一方面,如果我们有一个小世界的网络,也就是说,在一个网络中,两个随机选择的节点之间的最短路径比预期的要小得多,我们可以预期,谣言会传播得很广。
Also we can compute the final number of people who once spread the news, this is given by<br />
Also we can compute the final number of people who once spread the news, this is given by<br />
第204行:
第204行:
−
我们还可以计算最终传播消息的人数,这是由
<br />
+
我们还可以计算最终传播消息的人数,他由下面的公式给出:
<br />
<math>r_\infty=1-e^{-({\alpha +\beta \over \beta})r_\infty}</math> <br />
<math>r_\infty=1-e^{-({\alpha +\beta \over \beta})r_\infty}</math> <br />
−
给出的。在网络中,在一个完全混合的人口中没有一个阈值的过程,在小世界中表现出明显的相变。下图说明了 r _
infty
的渐近值作为重新布线概率
p 的函数。
+
完全混合的人群网络中,一个没有阈值的传播过程,在小世界中表现出明显的相变。下图说明了<math>r_\
infty
</math>的渐近值作为重布线概率<math>
p
</math>
的函数。
=== Microscopic models ===
=== Microscopic models ===
水手9303
330
个编辑
导航菜单
个人工具
登录
名字空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
集智百科
集智主页
集智斑图
集智学园
最近更改
所有页面
帮助
工具
特殊页面
可打印版本