2020-03-17-paper-read-notebooks02

2020-03-17阅读笔记-基于SIR的众包社区知识传播模型研究

本文系阅读河海大学薛娟等人发表在***科技进步与对策*期刊上《基于SIR的众包社区知识传播模型研究》**所做的笔记，由于本人水品有限，如理解存在偏差，还请批评指正。本文引用格式：薛娟,丁长青,陈莉莎,张志武.基于SIR的众包社区知识传播模型研究[J].科技进步与对策,2016,33(04):131-137.

1.基础知识介绍

1.1 首先介绍了众包网的拓扑统计指标：

介绍了节点度的概念：结点度用于测量结点中心性，以发现整个网络的核心结点，结点度也就是所有与该结点相邻的结点数量。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jyJPfrCV-1584878087934)(http://i1.fuimg.com/712071/89bea80379081c06.png)]
节点度体现了用户合作型和对知识的关注度。节点度是知识传播的重要影响因素，节点度越大，节点的知识扩散能力越强。网络节点平均度可以如下表示：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jnT8B8hD-1584878087941)(http://i1.fuimg.com/712071/c0b2b7b5ae04c408.png)]

通过统计发现，该众包社区存在如下分布（符合幂律分布）

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-t487O4yj-1584878087948)(http://i1.fuimg.com/712071/39b3d9ccbfa840a2.png)]

1.2 众包网络知识传播模型

将众包网络上的用户类型设为三种类型：企业知识经纪人、企业特聘专家以及普通大众。其次该众包社区属于网络社区，因此设置三种类型的结点：传播结点i(t)，易感结点s(t)和免疫结点r(t)。且设置该系统内属于一种稳定状态，n(t)=n=s(t)+i(t)+r(t)，因此构建的微分方程解释如下图：

2.改进的SIR模型—WSIR

原有的SIR经典模型，其中的传播概率和衰减概率是固定的，但是作者提出在传统经典中加入结点权重因子和传播衰减因子。

2.1结点权重因子

其中，k(gi)表示结点gi的度 值，[k]为结 点 平 均度值。当结点为普通用户 时，容易接受度值较高的权威用户的观点，也较易由ｓ态转变为i态，所以wl(gi)较大。反之，权威用户的权重数wl(gi)则相对较小，说明其不太容易受他人观点的影响。由于内化能力，也就是某个结点对知识的在吸收了知识以后经过内部消化，实现自身的知识创新，并由s态转化为i态。因此对结点的权重进行定义：

因此从s->i的转移概率如下表示：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-lwQ11yoD-1584878087981)(http://i1.fuimg.com/712071/20196b796c5b83d2.png)]

2.2 衰减因子

作者修正了由i->r的转移概率：

因此修正后的微分方程如下：

3.WSIR知识传播模型仿真

最后作者对比了WSIR模型在各项性能和SIR的区别，由于不是本人关注重点，不再详述。

声明

作为一名非科班出身的教育技术学研究生，理论水品十分有限，阅读过程中难免存在理解上的偏差，还请各位同仁批评指正。目前我正在从事深度学习以及自然语言处理和教育领域结合的研究，感兴趣的同学可以和我交流，互相学习。微信公众号：SMNLP。