(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211051624.7 (22)申请日 2022.08.31 (71)申请人 中国科学院计算 技术研究所 地址 100190 北京市海淀区中关村科 学院 南路6号 (72)发明人 刘静　郝沁汾　叶笑春　范东睿　 (74)专利代理 机构 北京泛华伟业知识产权代理 有限公司 1 1280 专利代理师 王勇 (51)Int.Cl. G06F 30/20(2020.01) G06Q 50/00(2012.01) H04L 51/52(2022.01) (54)发明名称 自媒体消息传播仿真模 型的建模 方法、 仿真 方法及系统 (57)摘要 本发明提供一种自媒体消息传播仿真模型 的建模方法， 所述方法包括： S1、 基于元胞自动机 模型构建用于模拟消息自媒体传播平台的无标 度网络初始模型， 其中， 所述无标度网络初始模 型包括多个节 点， 并在每经过一个单位时间后新 增一个节点； S2、 以无标度网络初始模型中的节 点为人群， 基于传染病模型配置无标度网络初始 模型在消息传递过程中节点的状态转换规则以 获得自媒体消息传播仿真模型。 基于本发明提供 的基于无标度网络自媒体消息传播模型的建模 方法及仿真方法， 通过调整网络拓扑结构特性指 标对无标度网络模型下的消息传播过程进行仿 真模拟描述， 实现了对同一消息在不同自媒体平 台上传播的差异分析， 提高了消息传播分析的效 率。 权利要求书3页 说明书8页 附图2页 CN 115422738 A 2022.12.02 CN 115422738 A 1.一种自媒体消息传播仿真模型的建模方法， 其特 征在于， 所述方法包括： S1、 基于元胞自动机模型构建用于模拟消息自媒体传播平台的无标度网络初始模型， 其中， 所述无 标度网络初始模型包括多个节点， 并在每经 过一个单位时间后新增一个节点； S2、 以无标度网络初始模型中的节点为人群， 基于传染病模型配置无标度网络初始模 型在消息传递过程中节点的状态转换规则以获得自媒体消息传播仿真模型。 2.根据权利要求1所述的方法， 其特 征在于， 所述节点的状态转换规则为： sk(0)＝s0＞0 sk(t)+rk(t)+zk(t)＝1 其中， k表示消息传递前群体关系的紧密程度， k ′表示消息传递后群体关系的紧密程 度， sk(t)、 rk(t)、 zk(t)分别表示在t时刻消息传递前自媒体传播平台上未看到消息者的比 例、 传播者的比例、 不传播者的比例， zk’(t)表示在t时刻消息传递后自媒体传播平台上不传 播者的比例， λ表示未看到消息者在看到消息后转化为传播者的概率， α表示随着时间推移 传播者转化为不传播者的概率， pi(k′)表示消息传递后节点i的邻居节点中未看到消息者 转换为不传 播者的概率， wii’表示消息传递后节点i在所有节点之中的关系权重， Γi表示节 点i的邻居节点集合， ηi表示消息传递前节点i的邻居节点中未看到消息者转化为不传播者 的个数， ηi’表示消息传递后节点i ′的邻居节点中未看到消 息者转化为不传播者的个数， hi 表示节点i的度并用于指示与节点i相连的其他节点 数目,hi’表示节点i ′的度并用于指示与 节点i′相连的其 他节点数目。 3.一种自媒体消息传播仿真方法， 用于对自媒体消息自媒体传播平台的消息传播进行 仿真， 其特 征在于， 所述方法包括： F1、 根据如权利要求1 ‑2任一所述方法构建的自媒体消息传播仿真模型， 对模型进行节 点初始化并基于待仿真自媒体消息 自媒体传播平台的特性配置仿真模型的网络拓扑结构 特性参数； F2、 运行经步骤F1完成参数设置的仿真模型运行模型， 并在每个时刻基于模型中节点 状态转换规则计算消息转发过程中模型节点的状态以及基于此更新下一时刻节点的状态 来实现消息传播过程的模拟； F3、 在预设的仿真时间内， 统计不同时刻的传播 者的比例来模拟消息传播的速度。 4.根据权利要求3所述的方法， 其特征在于， 在步骤F1中， 配置仿真模型的如下网络拓 扑结构特性 参数： 网络平均度、 聚集系数、 无尺度指标、 同配性系数。权　利　要　求　书 1/3 页 2 CN 115422738 A 25.根据权利要求 4所述的方法， 其特 征在于， 所述网络平均度为： 其中， H表示网络平均度， hi表示网络中节点 i的度值， N表示网络中的节点总数； 所述聚集系数为： 其中， 节点i的度为hi， ei为hi个邻居节点 之间实际存在的边数， Ci为节点i的聚集系数， C 为整个网络的聚集系数； 所述无尺度指标为： 其中， Vmax表示图的无尺度指标最大值， E为网络中所有边的集合， (i， j)表示节点i与节 点j之间连接形成的边， hi和hj分别表示节点 i与节点j的度值； 所述同配性系数为： 其中hn和ln分别表示网络中第n条边对应两个节点的度值。 6.根据权利要求5所述的方法， 其特征在于， 在所述步骤F2中， 通过如下方式计算每个 节点的状态： Oi(t)＝F(Oi(t‑1),OΓ(i)(t‑1), λ, α ) 其中， Oi(t)表示节点i在t 时刻的状态， F表示模型中节点状态转换规则， Γi表示节点i 的邻居节点集合， λ表示未看到消息者在看到消息后转化为传播者的概率， α表示 随着时间 推移传播 者转化为不传播者的概率。 7.根据权利要求6所述的方法， 其特征在于， 在所述步骤F2中， 通过如下方式更新节点 下一时刻的状态： 权　利　要　求　书 2/3 页 3 CN 115422738 A 3