· Complex Networks · Information Diffusion
社交网络中“信息茧房”效应的机理研究
以加权有向网络描述信息接收、加工、传播与意见反馈，结合传播动力学与网络结构分析，研究信息异常放大、关键节点识别以及信息茧房的形成与干预。
问题背景
社交平台中的节点影响力、兴趣偏好、推荐反馈和群体结构会共同改变传播路径：局部信息可能被异常放大并形成“尖叫效应”，持续的意见强化又会推动信息茧房形成。因此需要在统一框架中同时刻画传播动力学、网络结构和意见反馈。
数学与算法方法
使用节点影响力、边权和兴趣阈值构建加权有向网络，以 SEIR 与脉冲函数描述传播规模和异常放大，并通过 LeaderRank 与 k-core 识别关键节点和结构性干预位置；在信息茧房模型中进一步引入意见值、边权反馈和基于误差反向分解的权值更新，刻画信息接收、加工与传播的链式演化。
个人贡献
担任项目负责人，负责两阶段研究中的网络建模、传播与反馈机制设计、仿真实验、结构分析和论文写作。
结果与产出
形成论文《尖叫效应传播机制及仿真研究》；校级本科生研究发展计划《社交网络中“信息茧房”效应的机理研究》以“优秀”等次结项。相关研究受到“2023 年全国大学生数学建模竞赛赛后研究项目”支持。
方法流程
- 01
网络表示
用节点影响力、边权与兴趣阈值描述社交网络。
- 02
传播与异常放大
结合 SEIR 与脉冲机制模拟信息扩散和异常放大。
- 03
意见反馈与茧房演化
通过意见值、边权与反馈更新模拟信息茧房的动态形成过程。
- 04
结构诊断
使用 LeaderRank 与 k-core 识别关键节点并分析干预策略。