首页/论文/1608.01697

arXiv 1608.016972016-08cs.SImath.CO

谣言在一个小世界空间网络中慢慢传播

Rumours spread slowly in a small world spatial network

Jeannette Janssen, Abbas Mehrabian

备注：: 15 pages, preliminary version has appeared in WAW 2015

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

谣言传播是一种协议，用于通过用户对用户的交互对网络中的信息传播进行建模。空间偏好连接（SPA）模型是一种用于复杂网络的随机图模型：顶点被放置在度量空间中，并且链接概率取决于顶点之间的度量距离和它们的度。我们发现，SPA模型通常产生的图形，具有小的有效直径，即$O(\log^2 n)$，而谣言传播相对缓慢，即多项式在$n$。

英文摘要：

Rumour spreading is a protocol for modelling the spread of information through a network via user-to-user interaction. The Spatial Preferred Attachment (SPA) model is a random graph model for complex networks: vertices are placed in a metric space, and the link probability depends on the metric distance between vertices, and on their degree. We show that the SPA model typically produces graphs that have small effective diameter, i.e. $O(\log^2 n)$, while rumour spreading is relatively slow, namely polynomial in $n$.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

谣言传播依赖于社会网络模型中的潜在几何结构与度分布

Rumour Spreading Depends on the Latent Geometry and Degree Distribution in Social Network Models

本文在几何非均匀随机图模型中系统研究推拉式谣言传播，完整刻画了欧氏几何下由幂律指数和几何强度决定的缓慢、快速与超快速传播的相变边界，并证明非度量几何中谣言传播始终至少是快速的。

2025-07-18cs.SImath.COmath.PR

通过观察会话线索分析人们如何在社交媒体中定位和传播谣言

Analysing How People Orient to and Spread Rumours in Social Media by Looking at Conversational Threads

随着突发新闻的展开，人们越来越依赖社交媒体来了解最新的更新。在这种情况下使用社交媒体需要注意的是，零碎发布的新信息可能会助长谣言，其中许多谣言在发布后很长时间内仍未得到证实。然而，人们对社交媒体谣言的生存周期的动态知之甚少。在本文中，我们提出了一种方法，使我们能够收集，识别和注释与9个有新闻价值的事件相关的330个谣言线程（4，842条推文）的数据集。我们分析这个数据集，以了解用户如何传播，支持或否认后来被证明是真或假的谣言，通过区分谣言生存周期中的两个级别的状态，即，在其真实性状态得到解决之前和之后。与每个事件相关的谣言的识别，以及将每个谣言确定为真实或虚假的推文，都是由一个实时的跟踪事件的记者团队执行的。我们的研究表明，最终被证明是真的谣言往往比那些被证明是假的谣言更快得到解决。虽然人们很容易看到用户在谣言被揭穿后会否认谣言，但当谣言的真实性仍然受到质疑时，用户似乎不太有能力区分真假谣言。事实上，我们表明，用户的普遍倾向是支持每一个未经证实的谣言。我们还分析了不同类型的用户的作用，发现声誉很高的用户，如新闻机构，努力发布有充分根据的声明，这似乎是肯定的，并附有证据。然而，这些往往证明是未经核实的信息，引起虚假谣言。我们的研究强调了开发强大的机器学习技术的必要性，这些技术可以为评估谣言的真实性提供帮助。

2016-02-25cs.SI

钻石串几乎是紧的谣言传播

The string of diamonds is nearly tight for rumour spreading

对于谣言传播协议，传播时间被定义为每个人第一次得知谣言的时间。我们比较了同步推&拉谣言传播协议及其异步变体，并证明了对于任何$n$ -顶点图和任何起始顶点，它们的期望传播时间之间的比率有界于$O \left({n}^{1/3}{\log^{2/3} n}\right)$。这改进了Giakkoupis、Nazari和Woelfel的$O(\sqrt n)$上限（见2016年ACM分布式计算原理研讨会论文集）。我们的界紧到$O(\log n)$的因子，如钻石串图所示。我们还表明，如果一对$α,β$的实数，存在无穷多个图的两个扩展时间是$n^α$和$n^β$的期望，然后$0\leqα\leq 1$和$α\leq β\leq \frac13 + \frac23 α$，我们表明每个这样的对$α,β$是可以实现的。

2017-07-18cs.DCcs.SImath.PR

社会拓扑和符号拓扑中的异步谣言传播

Asynchronous Rumour Spreading in Social and Signed Topologies

在本文中，我们提出了一个实验分析的异步推拉谣言传播协议。该协议是迄今为止在分布式系统中用于简单、可扩展和鲁棒信息传播的性能最好的谣言传播协议。我们分析了多个参数对协议性能的影响，例如使用内存避免连续两次接触同一邻居，改变节点使用的停止标准来决定何时停止传播谣言，采用更复杂的邻居选择策略而不是标准的均匀随机选择等。以前的工作集中在提供理论上的上限，传播谣言到所有节点所需的轮数，或者，通过调整孤立的参数提出改进。据我们所知，我们的工作是第一个研究多个参数如何影响系统行为的隔离和组合，并在广泛的价值观。我们的分析基于使用真实世界社交网络数据集的实验模拟，从而补充了先前的理论工作，以阐明该协议在实际的真实世界系统中的行为。我们还研究了协议在一种特殊类型的社交图上的行为，称为签名网络（例如，Slashdot和Epperly），其链接表明更强的信任关系。最后，通过我们的详细分析，我们演示了如何简单地添加到协议可以提高所需的总时间通知100%的节点最多99.69%，平均82.37%。

2015-01-15cs.SIphysics.soc-ph

基于社区的网络中的谣言传播

Rumour Spreading In Community Based Networks

University of Stirling（斯特灵大学）

研究基于社区的网络中谣言传播，该网络由组内和组间连通性表征。通过以投资机构交易员网络为例，研究表明此类网络与常见网络特性不同，网络拓扑对谣言传播有显著影响。

2026-07-10cs.SIphysics.soc-ph

流谣言图的模型无关和多样性解释

Model-Agnostic and Diverse Explanations for Streaming Rumour Graphs

Griffith University（格里菲斯大学）；Hanoi University of Science and Technology（河内科技大学）；Humboldt-Universität zu Berlin（柏林洪堡大学）；The University of Queensland（昆士兰大学）

社交媒体上的谣言传播对社会构成重大威胁，因此最近提出了各种谣言检测技术。然而，现有的工作集中在\emph{what}实体构成谣言，但提供很少的支持，以了解\emph{why}的实体已被归类为这样。这就妨碍了对所发现的谣言进行有效的评估，也妨碍了反制措施的制定。在这项工作中，我们认为，检测到的谣言的解释可能会在过去检测到的相关谣言的例子。一组不同的类似谣言有助于用户进行归纳，即，去理解那些支配着谣言检测的属性。由于谣言在社交媒体中的传播通常使用特征注释图建模，因此我们提出了一种逐例查询方法，该方法在给定谣言图的情况下，从过去的谣言中提取$k$最相似和最不同的子图。挑战在于，所有的计算都需要快速评估图之间的相似性。为了实现一个有效的和自适应的实现的方法在流媒体设置，我们提出了一种新的图形表示学习技术和报告的实施考虑。我们的评估实验表明，我们的方法优于基线技术提供有意义的解释各种谣言传播行为。

2022-07-17cs.AIcs.LGcs.SI

更多相关论文收起更多论文

统一多模态源与传播图用于社交媒体上缺失特征下的谣言检测

Unifying Multimodal Source and Propagation Graph for Rumour Detection on Social Media with Missing Features

本文提出统一多模态图Transformer网络UMGTN，结合多模态源特征与传播图特征，并通过多任务学习处理图像或回复缺失问题，在多个真实数据集上取得最先进性能且保持鲁棒性。

2023-07-06cs.MMcs.SI

时变网络和强联系的弱点

Time varying networks and the weakness of strong ties

在大多数社会和信息系统中，代理人的活动会产生快速演化的时变网络。网络连接模式的时间变化和正在进行的动态过程通常以仍然挑战我们的数学或计算建模的方式耦合。在这里，我们分析了一个移动电话数据集，并找到一个简单的统计规律，表征用户的自我中心网络的时间演变。我们将这一观察结果编码在一个强化过程中，定义了一个随时间变化的网络模型，该模型表现出强关系和弱关系的出现。我们研究了时变和异构的相互作用对经典的谣言传播模型在合成和现实世界的网络。我们观察到，强关系严重抑制信息扩散，通过限制传播过程与经常性的通信模式之间的代理。这提供了一个反直觉的证据，即强联系可能对信息在网络中的传播起负面作用。

2014-02-17cs.SIphysics.soc-ph

社交网络中的习惯效应是影响力最大化的潜在因素

Habituation Effect in Social Networks as a Potential Factor Silently Crushing Influence Maximisation Efforts

信息传播过程是在真实和数字社交网络中观察到的关键现象。网络成员经常受到来自不同来源的信息的压力，例如提高认识的信息活动、病毒式营销、谣言、假新闻或其他活动的结果。信息经常被重复，这种重复可以以累积影响的形式提高绩效。由于处理信息的能力有限，重复的消息也可能被忽略。学习过程导致重复的信息被忽视，因为它们的内容已经被吸收。在这种情况下，反应性随着重复而降低，并且可以观察到习惯化效应。在这里，我们分析传播过程，同时考虑习惯化效应和性能下降以及接触次数的增加。还考虑了在减少消息数量时的恢复能力。结果表明，即使是低习惯性和传播概率的下降可能会大大影响网络覆盖。这可能导致使用影响最大化方法选择的种子集的潜力显著降低。除了习惯化效应对传播过程的影响外，我们还展示了如何使用顺序播种方法来减少习惯化效应。这表明顺序播种比单阶段播种对习惯化效应不那么敏感，并且它可以用于限制对接收消息过载的用户的负面影响。

2021-09-28cs.SI

复杂网络中相互作用信号源的定位

Locating the source of interacting signal in complex networks

研究了复杂网络中自交互信号扩频的源定位问题。我们使用一个著名的谣言模型作为一个例子的过程与自我互动。根据这个基于SIR流行动力学的模型，被感染的节点可以以$α$的概率相互作用并阻止彼此八卦。本文比较了三种声源定位算法：有限Pinto-Thiran-Vettarli（LPTV）、梯度极大似然（GMLA）和基于时间和距离的Pearson相关性的算法。数值模拟的结果表明，感染节点之间的额外的相互作用降低了LPTV和皮尔逊的质量。GMLA对自相互作用的有害影响是最有抵抗力的，这对于过程的中等和高水平的随机性尤其明显，当铺展率低于0.5时。其原因可能是GMLA只使用最近的观察者，这些观察者不太可能受到受感染节点之间相互作用的影响，因为随着流行病的发展和感染媒介数量的增加，这些接触变得重要。

2020-12-03cs.CYcs.SIphysics.soc-ph

小世界网络中的随机谣言传播

Randomized Rumor Spreading in Poorly Connected Small-World Networks

Push-Pull是一种被广泛研究的循环谣言传播协议，定义如下：最初，一个节点知道谣言，并希望将其快速传播到网络中的所有节点。在每一轮中，每个知情的节点发送谣言给一个随机的邻居，和每个不知情的节点联系一个随机的邻居，并从她得到的谣言，如果她知道it. We随机$k$ -树，一类幂律图，这是小世界，并有大的聚类系数，建立如下分析该协议：首先，我们有一个$k$ -团。在每一步中，一个新的节点诞生，一个随机的$k$ -团的当前图被选中，新的节点加入到所有的$k$ -团的节点。当$k>1$是固定的，我们表明，如果最初一个随机节点是知道的谣言，然后概率$1-o(1)$后，$O\left((\log n)^{1+2/k}\cdot\log\log n\cdot f(n)\right)$轮谣言传播到$n-o(n)$节点，其中$n$是节点的数量和$f(n)$是任何缓慢增长的功能。由于这些图具有多项式小电导，顶点扩展$O(1/n)$和恒定树宽，这些结果表明，即使在连接不良的网络上，推挽也是有效的。在消极的一面，我们证明了概率$1-o(1)$协议需要至少$Ω\left(n^{(k-1)/(k^2+k-1)}/f^2(n)\right)$轮通知所有节点。通知几乎所有节点和通知所有节点所需的时间之间的这种指数二分法是惊人的。我们的主要贡献是，第一次，自然类的随机图中，这样的现象可以观察到。我们的技术证明上…

2014-10-29cs.SImath.CO

传播模型中的低流行率、准平稳性和幂律分布

Low prevalence, quasi-stationarity and power-law distribution in a model of spreading

了解传染病（信息、感染等）如何在复杂网络上传播，无论从实践还是理论的角度来看都很重要。在过去十多年中，在这方面做了大量工作。然而，大多数模型在其范围内是有限的，因此，只能捕捉一般特征的蔓延现象。在这里，我们提出并研究了一个传播模型，它考虑到了传染的强度或质量以及在各个节点发生的局部（概率）动态。只有在当地代理人评估了传染病的质量适应性之后，才会发生传播。该模型表现出质量依赖的指数时间尺度在早期导致一个缓慢演变的准稳态。低流行率被认为是广泛的传染质量任意大网络。我们还调查了节点的活动，并找到一个幂律分布与网络拓扑结构无关的强大的指数。我们的研究结果与最近的经验观察是一致的。

2012-06-02cond-mat.stat-mechcs.SIphysics.soc-ph

复杂网络上的竞争流行病

Competing epidemics on complex networks

人类疾病通过个人之间的接触网络传播，最近的大量研究集中在传播过程的动态上。在这里，我们研究了两种竞争性疾病同时在同一网络上传播的模型，其中感染任何一种疾病都会使个体随后对两者产生免疫力。使用分析和数值方法相结合，我们推导出系统的相图和估计感染每种疾病的个体的预期最终数量。该系统显示了一个不寻常的动态之间的过渡优势的一种疾病和优势的其他功能的相对增长率。在接近这种转变的时候，最终的结果显示出在增长的早期阶段对随机波动的强烈依赖，这种依赖随着网络规模的增加而减少，但这种依赖的速度足够慢，以至于在拥有数百万或数十亿个体的系统中仍然很容易看到。在相图的大多数区域，我们发现一种疾病最终占主导地位，而另一种疾病只到达网络的一个消失的部分，但系统也显示出一个显着的共存制度，其中两种疾病达到流行病的比例，并感染网络的广泛部分。

2011-05-17cond-mat.stat-mechcs.SIphysics.soc-ph