第46页

三、仿真和数值分析
    本部分通过数值分析对所提模型进行性能分析。首先，在
    Java平台仿真所提出的连续时间马尔科夫模型，通过对比仿真结
    果和理论结果，验证所提模型的有效性。其次，在MATLAB平台
    对模型进行数值计算，分析社区结构和个体兴趣转移行为对在线
    口碑传播性能的影响，包括对连续变量模块度Q、社区集聚系数
    C、终止传播速率u以及兴趣转移速率p的分析。
    在线口碑传播的性能分析一般以传播范围衡量，即所有曾经接收到口碑信息的消费者占所有潜在消费者〔社交网络中的全部
用户）的比例。这里考虑到口碑传播过程的概率随机性，采用接
收过口碑信息消费者总数的期望值占所有誉在消费背的比例作为
衡量口碑传播性能的指标，其数学表达式如下：
    显然，R（T）表示在T时刻，满足状态8和免疫状态D的消费者总数的平均值。
 马尔可夫模型（Markov Model）是一种统计模型，广泛应用在语音识别，词性自动标注，音字转换，概率文法等各个自然语言处理等应用领域。经过长期发展，尤其是在语音识别中的成功应用，使它成为一种通用的统计工具。 
 
马尔可夫模型的使用方法
它可以用来预测具有等时间隔（如一年）的时刻点上各类人员的分布状况。
它是根据历史数据，预测等时间间隔点上的各类人员分布状况。此方法的基本思想上根据过去人员变动的规律，推测未来人员变动的趋势。步骤如下：
①根据历史数据推算各类人员的转移率，迁出转移率的转移矩阵；
②统计作为初始时刻点的各类人员分布状况；
③建立马尔科夫模型，预测未来各类人员供给状况；
使用马尔科夫模型进行人力资源供给预测的关键是确定出人员转移率矩阵表，而在实际预测时，由于受各种因素的影响，人员转移率是很难准确确定出来的，往往都是一种大致的估计，因此会影响到预测结果的准确性。