基于BA无标度网络模型，融合微博用户网络的特征，构造一种微博谣言传播网络模型。提出一种新的SIR（susceptible-infected-removed）模型，通过数值仿真探讨微博谣言的传播动力学行为。研究表明，当微博用户规模以及节点间新建连接数量不断增大时，微博谣言的最终感染程度显著增大，网络的传播临界值却大幅降低。研究还发现，拥有较大吸引度的节点比例以及微博用户之间添加反向关注的概率基本不影响谣言的传播特性。

论文研究-基于复杂网络的谣言传播模型.pdf,  分析了谣言传播的心理学机制和敌我双方的对抗策略, 引入谣言属性变量并藉此建立了平均场下的谣言传播新模型. 借助严格一阶随机占优和严格二阶随机占优的概念分别讨论了谣言属性、敌我双方干预强度、网络结构特征和谣言传播效果之间的关系,提出并证明了具有重要管理意义的4个命题. 通过仿真实验进一步验证了命题的正确性.

摘要：结合结构支撑理论，探究节点网络结构支持力的一些性质，提出了社交网络结构中的全网支持力和被支持力的总量一致性，并进一步提出计算节点支持力的方法。谣言作为特殊

到目前为止，在某些标准的谣言传播模型中，从无知者到传播者的过渡概率始终被视为常数。 但是，从实际的角度来看，个体是否被邻居传播者感染的情况在很大程度上取决于他们之间关系的信任度。 为了解决这个问题，我们引入了谣言扩散的随机流行病模型，其中将传染概率定义为联系强度的函数。 此外，我们在指数为gamma = 2.2的情况下，在真实的无标度社交网站上对模型的行为进行了数值研究。 我们证实，关系的强度在谣言传播过程中起着至关重要的作用。 特别是，优先选择弱势关系并不能使谣言传播得更快，更广，但是消除它们后，传播效率将受到很大影响。 另一个重要发现是，扩展器的最大数量max（S）对免疫概率mu和衰变概率nu非常敏感。 我们表明，较小的mu或nu会导致谣言的散布，并且它们之间的关系可以描述为函数ln（max（S））= Av + B，其中截距B和斜率A可以拟合完美地作为亩的幂律功能。 我们的发现可能会提供一些有用的见解，有助于在实践中指导应用程序并减少谣言带来的损害。

在这项研究中，我们提出了一种确定性数学模型，试图使用流行病学模型方法来解释谣言的传播。 人口分为四类，包括无知的个人I（t），通过媒体针对社区的传播者M（t），通过口头交流针对社区的传播者G（t）和stiflers R（t）。 我们探索了平衡的存在并分析了其稳定性。 如果R0 <1> 1导致新的谣言在人群中传播，则不稳定。 在系统上进行了动力学模型的数值模拟，以确认分析结果。 我们看到，谣言传播的动态表现出与传染病动态相似的行为，只是传播取决于传播者的类别。

安全技术-网络信息-网络谣言传播中话题扩散与网民群体行为的协同演进研究.pdf

随着互联网的迅猛发展，网络谣言正如“病毒”一样在人们的生活中散播。如何有效地消除在人们接收健康信息时谣言带去的阻碍与混淆作用，在现今信息时代已尤为重要。借鉴经典的SIS疾病传播模型和种群竞争模型，探讨官方媒体在谣言传播过程中的影响作用。构建非线性微分方程模型来刻画谣言传播过程，并对方程的平衡点、解的有界性及稳定性进行了分析，最后赋予相关参数一定的数值，利用MATLAB进行模拟仿真，讨论不同情境下的演化机理，得出了官方媒体确实在谣言传播过程中有着积极却又有限的作用这一结论，期望可为应急管理者制定谣言传播控制策略提供支持。

本文建立并分析了SECIR谣言传播模型，其中考虑了社会教育水平和反击机制。 结果表明，提高教育水平和增加计数器的比率可以有效降低谣言传播的风险并增强对谣言传播的抵抗力。

在经典谣言传播模型的基础上,研究了社会网络上的谣言传播,并建立了数学模 型。目标是研究初始集合对谣言传播的影响。对给定的初始集合,随着时步增加,分析被 谣言传播影响的节点的概率值,并得出了有关最终集合 AS的期望值的一些结论。

谣言传播问题合肥工业大学数据结构，合肥工业大学数据结构课程设计