本發(fā)明涉及網(wǎng)絡(luò)技術(shù)領(lǐng)域，尤其涉及一種基于潛在傳播集的社交網(wǎng)絡(luò)信息傳播跟蹤方法。
背景技術(shù)：
近年來，隨著網(wǎng)絡(luò)的飛速發(fā)展，在線社交服務(wù)(SNS)例如微博、Twitter和Facebook等已經(jīng)滲透到人們?nèi)粘Ｉ畹姆椒矫婷妫蔀楝F(xiàn)代人們獲取和傳播新鮮信息的一個重要途徑。由于在這些平臺上信息的發(fā)布和接收異常的簡便和迅速，許多熱點問題會以″爆炸式″的速度迅速擴(kuò)散開來，在短時間內(nèi)就能達(dá)到″世人皆知″的地步。而在當(dāng)今社會，群眾輿論已經(jīng)成為一股不可小覷的無形力量，它們能在一定程度上左右熱點事件的演化方向，并對有關(guān)部門在事件的應(yīng)對、裁判及處理上造成一定的影響。因此，如何描述社交網(wǎng)絡(luò)中的信息傳播行為、揭示信息傳播的特性和規(guī)律，具有非常重要的理論研究價值和實際應(yīng)用價值，同時也是當(dāng)前的研究熱點之一。
在最近幾年里，有不少學(xué)者針對社交網(wǎng)絡(luò)中的信息傳播問題展開了大量的研究工作，他們的研究主要集中在傳染病模型、網(wǎng)絡(luò)拓?fù)淠Ｐ鸵约盎诮y(tǒng)計推理的傳播模型。其中，由于信息傳播的表現(xiàn)與傳染病傳播非常相像，所以現(xiàn)在大多數(shù)的信息模型都是以傳染病模型為基礎(chǔ)。而在基于傳染病模型方面，大多數(shù)研究者都是以SIR模型為基礎(chǔ)。
SIR模型，即susceptible-infective-removed模型，該模型根據(jù)節(jié)點狀態(tài)，將社交網(wǎng)絡(luò)上的節(jié)點分為三類：具備傳播信息能力的傳播節(jié)點I、從未聽說過消息的健康節(jié)點S以及對消息不感興趣因此不具備傳播能力的免疫節(jié)點R。在單位時間內(nèi)，每個傳播節(jié)點以概率β與其他所有狀態(tài)的節(jié)點接觸，并且以概率γ治愈從而成為免疫節(jié)點；如果傳播節(jié)點的傳播行為中與健康節(jié)點接觸，則該健康節(jié)點會變成傳播節(jié)點。若用N表示網(wǎng)絡(luò)中的節(jié)點總數(shù)，S(t)、I(t)、R(t)分別表示在t時刻S、I、R三類狀態(tài)的節(jié)點總數(shù)，則原始SIR傳播模型的耦合非線性方程組可以表示為
現(xiàn)有模型中，因為沒有考慮到可能有多個傳播節(jié)點影響到同一個健康節(jié)點S的情況，也就是說，這一修正仍然是把每個傳播節(jié)點獨立看待，而沒有考慮到整個網(wǎng)絡(luò)的實際構(gòu)型，所以在較密集的網(wǎng)絡(luò)中計算所有傳播節(jié)點的影響總量時，所得出的結(jié)果會遠(yuǎn)遠(yuǎn)大于實際值。因此，在ΔI+＝β<k>I(t)S(t)/N或類似處理的模型中，前期傳播節(jié)點I的數(shù)量會飛速增長且很快就會突破節(jié)點上限，同時健康節(jié)點S的數(shù)量也會急劇下降到負(fù)值，這顯然與實際情況不符。此外，即使在較為稀疏的網(wǎng)絡(luò)中，雖然傳播節(jié)點I不會瘋狂增長，但是這些模型的方程解析結(jié)果也無法與實際情況相吻合。這些原因?qū)е铝诉@些模型只能被當(dāng)作僅供參考的理論模型，其解析結(jié)果也不能被實際應(yīng)用到信息傳播情況的預(yù)測與分析上，該模型的利用價值也因而大打折扣。
技術(shù)實現(xiàn)要素：
鑒于上述的分析，本發(fā)明旨在提供一種基于潛在傳播集的社交網(wǎng)絡(luò)信息傳播跟蹤方法，用以解決現(xiàn)有基于傳統(tǒng)SIR模型的社交網(wǎng)絡(luò)信息傳播跟蹤方法中存在的對傳播節(jié)點增量的計算大量重復(fù)的問題。
本發(fā)明的目的主要是通過以下技術(shù)方案實現(xiàn)的：
一種基于潛在傳播集的社交網(wǎng)絡(luò)信息傳播跟蹤方法，包括以下步驟：
步驟S1、在傳統(tǒng)SIR模型中加入潛在傳播節(jié)點PS類節(jié)點，建立基于潛在傳播集的SIR模型；
步驟S2、從社交網(wǎng)絡(luò)中獲取網(wǎng)絡(luò)消息并進(jìn)行聚類，劃分其消息類型，根據(jù)消息類型進(jìn)行分組；每一組中的消息再按照當(dāng)前熱度排序，建立網(wǎng)絡(luò)熱點消息的分類數(shù)據(jù)庫；
步驟S3、從建立的網(wǎng)絡(luò)熱點消息的分類數(shù)據(jù)庫中選取網(wǎng)絡(luò)熱點消息，對社交網(wǎng)絡(luò)進(jìn)行采樣，獲取所選取的網(wǎng)絡(luò)熱點消息的基于潛在傳播集的SIR模型的傳播參數(shù)；
步驟S4、對社交網(wǎng)絡(luò)進(jìn)行監(jiān)測，獲取新的網(wǎng)絡(luò)熱點消息，將其與網(wǎng)絡(luò)熱點消息的分類數(shù)據(jù)庫進(jìn)行對比，選擇最接近的網(wǎng)絡(luò)熱點消息類型，并提取步驟S3中獲取的傳播參數(shù)作為新的網(wǎng)絡(luò)熱點消息的基于潛在傳播集的SIR模型的參考傳播參數(shù)；
步驟S5、對獲得的參考傳播參數(shù)進(jìn)行調(diào)整，進(jìn)一步預(yù)測所述網(wǎng)絡(luò)熱點消息的傳播情況；
步驟S6、根據(jù)所述網(wǎng)絡(luò)熱點消息的傳播情況，對其傳播進(jìn)行人工干預(yù)。
步驟S3中所述對社交網(wǎng)絡(luò)進(jìn)行采樣進(jìn)一步包括：以指定信息作為輸入，從社交網(wǎng)絡(luò)的服務(wù)器中爬取所述指定信息的不同用戶狀態(tài)的用戶數(shù)據(jù)。
所述用戶狀態(tài)包括：是否轉(zhuǎn)發(fā)了相應(yīng)熱點消息；鄰居中是否有用戶轉(zhuǎn)發(fā)了相應(yīng)熱點消息；轉(zhuǎn)發(fā)的熱點消息是否再次被其鄰居轉(zhuǎn)發(fā)。
根據(jù)所述用戶狀態(tài)確定S、I、R、PS四類的數(shù)量，定時進(jìn)行爬取統(tǒng)計。
根據(jù)社交網(wǎng)絡(luò)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和定時統(tǒng)計獲得的S、I、R、PS四類用戶的數(shù)量變化情況和步驟S1中建立的基于潛在傳播集的SIR模型，反推傳播參數(shù)β和γ。
通過對新的網(wǎng)絡(luò)熱點消息提取關(guān)鍵詞，判斷其關(guān)鍵詞在搜索引擎中的被搜索次數(shù)，與其所劃分到的消息類型中的熱點消息的關(guān)鍵詞的被搜索次數(shù)進(jìn)行比較，根據(jù)兩者被搜索次數(shù)的比例關(guān)系，對步驟S4中獲得的參考傳播參數(shù)進(jìn)行調(diào)整。
所述步驟S5進(jìn)一步包括，根據(jù)調(diào)整后的參考傳播參數(shù)，結(jié)合步驟S1中建立的加入潛在傳播節(jié)點PS后的SIPR模型進(jìn)行仿真。
所述步驟S6進(jìn)一步包括：
若是希望其傳播的正面網(wǎng)絡(luò)熱點消息，且通過預(yù)測發(fā)現(xiàn)該熱點消息在將來的影響范圍不會很廣，在早期多加強(qiáng)宣傳；
若是不希望其傳播的惡意謠言網(wǎng)絡(luò)熱點消息，且通過預(yù)測發(fā)現(xiàn)該熱點消息在將來的影響范圍會很廣泛，在早期及時進(jìn)行屏蔽、辟謠。
所述SIR模型中包括：
傳播節(jié)點I：對應(yīng)一類已知相應(yīng)的熱點消息并對其進(jìn)行了轉(zhuǎn)發(fā)的用戶；
健康節(jié)點S：對應(yīng)一類尚未得知相應(yīng)熱點消息的用戶，與其鄰居中是否存在I類用戶無關(guān)；
免疫節(jié)點R：對應(yīng)一類已知相應(yīng)的熱點消息并對其進(jìn)行了轉(zhuǎn)發(fā)，但其鄰居不再轉(zhuǎn)發(fā)其熱點消息。
對于任一健康節(jié)點S，若其鄰居節(jié)點中至少含有一個傳播節(jié)點I，則該健康節(jié)點S是潛在傳播節(jié)點PS節(jié)點。
本發(fā)明有益效果如下：
本發(fā)明提出了一種基于潛在傳播集的社交網(wǎng)絡(luò)信息傳播跟蹤方法，所謂潛在傳播集，就是與一個或多個傳播節(jié)點I直接相鄰的健康節(jié)點S的集合。在經(jīng)典SIR模型中，由于只有I-＞S這一唯一傳播途徑，所以對于所有在下一時刻t+1有可能變成傳播節(jié)點I的健康節(jié)點S，它必然屬于PS集，因此才稱它為潛在傳播集PSS，即使多個傳播節(jié)點I連接到同一個健康節(jié)點S上，那這個健康節(jié)點也只會被標(biāo)記一次，這樣就避免了重復(fù)計算的問題。通過引入潛在傳播集PSS這一概念，建立了新的SIPR方程組，解決了傳統(tǒng)方程中I(t)在t時刻的增量部分ΔI+存在的問題。本方法運用在不同規(guī)模的人工網(wǎng)絡(luò)與現(xiàn)實網(wǎng)絡(luò)中，由SIPR方程組生成的S、I、R三類曲線與仿真模擬情況中三類曲線吻合度很高，均表現(xiàn)出了良好的效果。
本發(fā)明的其他特征和優(yōu)點將在隨后的說明書中闡述，并且，部分的從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。
附圖說明
附圖僅用于示出具體實施例的目的，而并不認(rèn)為是對本發(fā)明的限制，在整個附圖中，相同的參考符號表示相同的部件。
圖1為基于潛在傳播集的社交網(wǎng)絡(luò)信息傳播跟蹤方法流程圖。
具體實施方式
下面結(jié)合附圖來具體描述本發(fā)明的優(yōu)選實施例，其中，附圖構(gòu)成本申請一部分，并與本發(fā)明的實施例一起用于闡釋本發(fā)明的原理。
根據(jù)本發(fā)明的一個具體實施例，公開了一種基于潛在傳播集的社交網(wǎng)絡(luò)信息傳播跟蹤方法，如圖1所示，具體包括以下步驟：
步驟S1、在傳統(tǒng)SIR模型中加入潛在傳播節(jié)點PS類節(jié)點，建立基于潛在傳播集的SIR模型；
定義1社交網(wǎng)絡(luò)上的節(jié)點分為三類：具備傳播信息能力的傳播節(jié)點I、從未聽說過消息的健康節(jié)點S以及對消息不感興趣因此不具備傳播能力的免疫節(jié)點R。
傳播節(jié)點I：對應(yīng)一類已知相應(yīng)的熱點消息并對其進(jìn)行了轉(zhuǎn)發(fā)的用戶。
健康節(jié)點S：對應(yīng)一類尚未得知相應(yīng)熱點消息的用戶，與其鄰居(即好友或關(guān)注的用戶)中是否存在I類用戶無關(guān)。
免疫節(jié)點R：對應(yīng)一類已知相應(yīng)的熱點消息并對其進(jìn)行了轉(zhuǎn)發(fā)，但其鄰居(即好友或被關(guān)注的用戶)不再轉(zhuǎn)發(fā)其熱點消息(不再具有傳播能力)。
定義2潛在傳播節(jié)點PS(Potential Spreader)對于任一健康節(jié)點，若其鄰居節(jié)點中至少合有一個傳播節(jié)點I，則該健康節(jié)點是PS節(jié)點(同時仍為S節(jié)點)：對應(yīng)一類其好友或者關(guān)注的人中有人轉(zhuǎn)發(fā)了熱點消息，即鄰居中存在I類用戶。PS節(jié)點仍屬于S類節(jié)點，只不過是S類節(jié)點被多賦予了一個PS節(jié)點的身份。PS可以是與單個I節(jié)點相鄰，也可以是與多個I節(jié)點相鄰。因此，通過PS去計算ΔI+時就不會出現(xiàn)重復(fù)計算被感染節(jié)點的情況。
定義3潛在傳播集PSS(Potential Spreader Set)由所有潛在傳播節(jié)點組成的集合即為潛在傳播集。
在經(jīng)典SIR模型中，在下一時刻可能出現(xiàn)狀態(tài)變化的包括通過免疫事件成為R節(jié)點的I節(jié)點和通過傳播事件成為I節(jié)點的S節(jié)點。而這些S節(jié)點只能是通過與I節(jié)點的接觸才可能發(fā)生傳播事件，那么這些S節(jié)點至少要與一個I節(jié)點相連，則這些節(jié)點必然是潛在傳播節(jié)點即PS節(jié)點，也就是說下一時刻產(chǎn)生的所有新傳播節(jié)點均屬于潛在傳播集。
定義4ΔI+指在下一時刻，健康節(jié)點S通過傳播行為變成傳播節(jié)點I的節(jié)點總數(shù)。
ΔI+表示的是傳播節(jié)點I在下一時刻的增量部分。在引入潛在傳播集PSS后，對ΔI+的計算是去除重復(fù)計算的關(guān)鍵部分。
定義5 SIPR方程組
N表示網(wǎng)絡(luò)中總結(jié)點數(shù)，S、I、R、PS分別表示t時刻四類節(jié)點的總數(shù)量；<k〉表示網(wǎng)絡(luò)中的平均度，C表示網(wǎng)絡(luò)的聚集系數(shù)；β表示傳染病模型中的傳播概率，γ表示傳染病模型中的治愈概率。
對于一個PS節(jié)點，其鄰居中可能只有一個I節(jié)點也可能有多個I節(jié)點，根據(jù)平均場理論，可以求得一個PS節(jié)點平均連接的I節(jié)點個數(shù)為
ΔI+＝PS*(1-β′) (5)
上式中的β′表示一個PS節(jié)點在t+1時刻不被感染的概率。由于平均每個PS節(jié)點鄰居中I節(jié)點的個數(shù)為<PS_I〉個，
真實傳播率β′＝(1-β)(PS_I) (6)
綜合(5)、(6)，可以得到
ΔI+＝PS*[1-(1-β)(PS_I)] (7)
根據(jù)(5)，在原SIR方程組(1)-(3)上引入PS改進(jìn)ΔI+后得到的新微分方程組為
其中，由(4)、(7)，得到
現(xiàn)在我們來看在下一時刻t+1時，PS的變化情況。
1.PS-＞I事件
(1)新I節(jié)點的誕生是通過PS節(jié)點的減少得到的結(jié)果，新I節(jié)點的集合即為ΔI+，并且都是由PS轉(zhuǎn)化而來。因此有
(2)新I節(jié)點的誕生同時會導(dǎo)致新PS節(jié)點的出現(xiàn)，新誕生的I節(jié)點會使得其鄰居之前為S類的節(jié)點變?yōu)镻S節(jié)點，其鄰居為非S類型的節(jié)點則不會受到影響。由傳染概率β，可以得到對于每一個標(biāo)注為的節(jié)點(即屬于ΔI+的節(jié)點)，通過傳播事件可以使原S類鄰居節(jié)點發(fā)生變化的數(shù)目為
然而，新誕生的I節(jié)點必然會和某個I節(jié)點相連(否則它不成為PS節(jié)點)，該I節(jié)點其鄰居節(jié)點中必然不存在非PS的S節(jié)點。根據(jù)聚集系數(shù)C，新誕生的I節(jié)點的鄰居內(nèi)會有(<k>-1)C個節(jié)點同時也是該I節(jié)點的鄰居，而這一部分中并不會存在PS節(jié)點，所以應(yīng)該去除的數(shù)目為
此外，對于從S變化為PS的節(jié)點，其與兩個新誕生的I節(jié)點相連，這代表了另一種會被重復(fù)計算的情況——即多個新誕生的I節(jié)點可能會連接到同一個節(jié)點上。通過計算，得到這類新誕生的PS節(jié)點平均連接新誕生I節(jié)點的個數(shù)為
根據(jù)(13)、(14)、(15)，我們得到
2.I-＞R事件
該事件會導(dǎo)致一部分PS節(jié)點由于其鄰居中的I節(jié)點全部消失從而不再是PS節(jié)點。
只有當(dāng)PS周圍的I節(jié)點全部變成R時，該PS節(jié)點才會變?yōu)镾節(jié)點(這里的S節(jié)點表示不具備PS屬性的S節(jié)點)。若某PS節(jié)點的鄰居中有I節(jié)點變成了R節(jié)點，但是該PS節(jié)點的鄰居中還有其他I節(jié)點，則該PS節(jié)點不會受到影響。
根據(jù)(10)，下一時刻會變成R類節(jié)點的節(jié)點總數(shù)為γI個，它們一共能夠影響的節(jié)點有γI<k>個，再根據(jù)這些節(jié)點中PS節(jié)點所占的比值，可以得到
由(12)、(16)、(17)，得到PS的變化情況如下
由于網(wǎng)絡(luò)中的總節(jié)點數(shù)N通常很大，所以用N代替上述公式中的N-1和N-2。根據(jù)(8)、(9)、(10)、(11)、(18)，得到加入潛在傳播節(jié)點PS后的SIPR模型的微分方程組為
其中
易知，在傳播開始時，也就是t＝1時，有S(1)＝N-1，I(1)＝1，R(1)＝0，PS(1)＝<k>。
步驟S2、從社交網(wǎng)絡(luò)中獲取網(wǎng)絡(luò)消息并進(jìn)行聚類，劃分其消息類型，根據(jù)消息類型進(jìn)行分組，每一組中的消息再按照當(dāng)前熱度排序，建立網(wǎng)絡(luò)熱點消息的分類數(shù)據(jù)庫。
優(yōu)選地，獲取的網(wǎng)絡(luò)消息的樣本足夠大，在短時間內(nèi)樣本數(shù)量不會發(fā)生大的變化；
具體地，根據(jù)消息類型可從娛樂、體育、財經(jīng)、軍事等不同方面對網(wǎng)絡(luò)消息進(jìn)行分組；
優(yōu)選地，對消息類型的分組可進(jìn)一步細(xì)化，例如針對娛樂消息，可細(xì)化到不同的演員、電視劇、電影；
在本實施例中，選擇微博的文本作為數(shù)據(jù)處理對象，首先計算微博文本之間的語義相關(guān)性，然后根據(jù)微博文本之間的相似度提取那些相似度較大的文本進(jìn)行聚類，進(jìn)而統(tǒng)計聚類后的微博文本的轉(zhuǎn)發(fā)數(shù)、評論數(shù)、支持?jǐn)?shù)，計算該微博的轉(zhuǎn)發(fā)率、評論率和支持率，加權(quán)求和，作為微博熱度值，根據(jù)微博熱度值進(jìn)行排序，將排序前n位的微博作為網(wǎng)絡(luò)熱點消息。
步驟S3、從建立的網(wǎng)絡(luò)熱點消息的分類數(shù)據(jù)庫中選取網(wǎng)絡(luò)熱點消息，對社交網(wǎng)絡(luò)進(jìn)行采樣，獲取所選取的網(wǎng)絡(luò)熱點消息的基于潛在傳播集的SIR模型的傳播參數(shù)；
具體地，以指定信息作為輸入，從社交網(wǎng)絡(luò)的服務(wù)器中爬取所述指定信息的不同用戶狀態(tài)的用戶數(shù)據(jù)，所述用戶狀態(tài)包括：1.是否轉(zhuǎn)發(fā)了相應(yīng)熱點消息、2.鄰居中是否有用戶轉(zhuǎn)發(fā)了相應(yīng)熱點消息、3.轉(zhuǎn)發(fā)的熱點消息是否再次被其鄰居轉(zhuǎn)發(fā)，即不同時刻S、I、R、PS四類節(jié)點的數(shù)量；
優(yōu)選地，根據(jù)所述用戶狀態(tài)確定S、I、R、PS四類的數(shù)量，每隔一定時間(例如10分鐘或者半小時等)進(jìn)行一次爬取統(tǒng)計。
根據(jù)社交網(wǎng)絡(luò)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)(網(wǎng)絡(luò)中總結(jié)點數(shù)N，網(wǎng)絡(luò)中的平均度<k>，網(wǎng)絡(luò)的聚集系數(shù)C都可以直接計算)和定時統(tǒng)計獲得的S、I、R、PS四類用戶的數(shù)量變化情況，根據(jù)步驟S1中建立的基于潛在傳播集的SIR模型對傳播參數(shù)β和γ進(jìn)行反推，具體推算方式如下：
記第i次爬取統(tǒng)計獲得的S、I、P和PS四類用戶的數(shù)量分別為S(ti)、I(ti)、P(ti)和PS(ti)，則根據(jù)這些數(shù)據(jù)和網(wǎng)絡(luò)拓?fù)鋽?shù)據(jù)，我們可以計算出對應(yīng)情況下的傳播參數(shù)β和γ的估計值分別為：
步驟S4、對社交網(wǎng)絡(luò)進(jìn)行監(jiān)測，定時獲取新的網(wǎng)絡(luò)熱點消息，將其與網(wǎng)絡(luò)熱點消息的分類數(shù)據(jù)庫進(jìn)行對比，選擇最接近的網(wǎng)絡(luò)熱點消息類型，并提取步驟S3中獲取的傳播參數(shù)作為新的網(wǎng)絡(luò)熱點消息的基于潛在傳播集的SIR模型的參考傳播參數(shù)。
步驟S5、對獲得的參考傳播參數(shù)進(jìn)行調(diào)整，進(jìn)一步預(yù)測所述網(wǎng)絡(luò)熱點消息的傳播情況。
具體地，通過對新的網(wǎng)絡(luò)熱點消息提取關(guān)鍵詞，判斷其關(guān)鍵詞在特定時間段中在搜索引擎中的被搜索次數(shù)，與其所劃分到的消息類型中的熱點消息的關(guān)鍵詞的被搜索次數(shù)進(jìn)行比較，根據(jù)兩者被搜索次數(shù)的比例關(guān)系，對步驟S4中獲得的參考傳播參數(shù)進(jìn)行調(diào)整，進(jìn)一步預(yù)測所述網(wǎng)絡(luò)熱點消息的傳播情況。
優(yōu)選地，根據(jù)調(diào)整后的參考傳播參數(shù)，結(jié)合步驟S1中建立的加入潛在傳播節(jié)點PS后的SIPR模型的微分方程組進(jìn)行仿真。
步驟S6、根據(jù)所述網(wǎng)絡(luò)熱點消息的傳播情況，通知相關(guān)人員對其傳播進(jìn)行人工干預(yù)。
具體地，可以分兩種情況：
若是希望其傳播的正面網(wǎng)絡(luò)熱點消息，且通過預(yù)測發(fā)現(xiàn)該熱點消息在將來的影響范圍不會很廣，可以在早期多加強(qiáng)宣傳；
若是不希望其傳播的惡意謠言網(wǎng)絡(luò)熱點消息，且通過預(yù)測發(fā)現(xiàn)該熱點消息在將來的影響范圍會很廣泛，可以在早期及時進(jìn)行屏蔽、辟謠等操作。
綜上所述，本發(fā)明實施例提供了一種引入潛在傳播集的社交網(wǎng)絡(luò)信息傳播跟蹤方法，所謂潛在傳播集，就是與一個或多個傳播節(jié)點I直接相鄰的健康節(jié)點S的集合。在經(jīng)典SIR模型中，由于只有I-＞S這一唯一傳播途徑，所以對于所有在下一時刻t+1有可能變成傳播節(jié)點I的健康節(jié)點S，它必然屬于PS集，因此才稱它為潛在傳播集PSS，即使多個傳播節(jié)點I連接到同一個健康節(jié)點S上，那這個健康節(jié)點也只會被標(biāo)記一次，這樣就避免了重復(fù)計算的問題。通過引入潛在傳播集PSS這一概念，建立了新的SIPR方程組，解決了傳統(tǒng)方程中I(t)在t時刻的增量部分ΔI+存在的問題。本方法運用在不同規(guī)模的人工網(wǎng)絡(luò)與現(xiàn)實網(wǎng)絡(luò)中，由SIPR方程組生成的S、I、R三類曲線與仿真模擬情況中三類曲線吻合度很高，均表現(xiàn)出了良好的效果。
本領(lǐng)域技術(shù)人員可以理解，實現(xiàn)上述實施例方法的全部或部分流程，可以通過計算機(jī)程序來指令相關(guān)的硬件來完成，所述的程序可存儲于計算機(jī)可讀存儲介質(zhì)中。其中，所述計算機(jī)可讀存儲介質(zhì)為磁盤、光盤、只讀存儲記憶體或隨機(jī)存儲記憶體等。
以上所述，僅為本發(fā)明較佳的具體實施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。