繆健美，姜華強,，項 潔

(1. 杭州師范大學科技處，浙江 杭州 310036；2. 杭州師范大學杭州國際服務工程學院，浙江 杭州 310012)

學術(shù)社交網(wǎng)絡(luò)信息傳播特征與規(guī)律研究

繆健美1，姜華強1,2，項 潔2

(1. 杭州師范大學科技處，浙江 杭州 310036；2. 杭州師范大學杭州國際服務工程學院，浙江 杭州 310012)

分析學術(shù)社交網(wǎng)絡(luò)信息傳播的特征，構(gòu)造了一個學術(shù)社交網(wǎng)絡(luò)信息傳播模型.然后，通過編程提取了學術(shù)社交網(wǎng)絡(luò)——研究之門網(wǎng)站中的用戶數(shù)據(jù)，構(gòu)造一個用戶關(guān)系網(wǎng)絡(luò)數(shù)據(jù)集.根據(jù)對隨機內(nèi)容的傳播情況統(tǒng)計，繪制出信息傳播的趨勢圖，同時還計算了該網(wǎng)絡(luò)中信息傳播的概率，形成了信息在網(wǎng)絡(luò)中的傳播規(guī)律.

學術(shù)社交網(wǎng)絡(luò)；信息傳播；傳染病動力學；信息傳播模型

學術(shù)社交網(wǎng)絡(luò)是在文獻數(shù)量呈指數(shù)型增長，社交網(wǎng)絡(luò)網(wǎng)站迅速發(fā)展的背景下，為加強學術(shù)信息交流，提高研究效率建立起來的一種基于網(wǎng)絡(luò)的交流平臺[1].學術(shù)社交網(wǎng)絡(luò)借助互聯(lián)網(wǎng)，通過提供學術(shù)科研的輔助工具和服務，匯聚人們在進行學術(shù)研究過程中的溝通需求，其主要受眾是教師、學生、科研工作者等.通過學術(shù)社交網(wǎng)絡(luò)不但能建立起科研人員的人際聯(lián)系，增強溝通效率,更能夠通過學術(shù)推薦提高信息獲取過程中的速度和準確率，更好地促進學術(shù)成果的傳播和影響.

1 學術(shù)社交網(wǎng)絡(luò)信息傳播特征

相對于傳統(tǒng)的學術(shù)信息傳播模式, 學術(shù)社交網(wǎng)絡(luò)中的信息傳播具有以下特征：

1.1 真實性的信息傳播環(huán)境

學術(shù)博客、WIKI等網(wǎng)絡(luò)學術(shù)信息傳播方式[2]主要在非特定人群中進行信息傳遞,對信息被誰獲取、獲取后有何反應等等一律不予控制.而學術(shù)社交網(wǎng)絡(luò)通過熟人或者建立信賴關(guān)系的學術(shù)研究個體間進行交流,在身份確認的前提下進行“一對一”或“一對多”的雙向溝通.這種環(huán)境保證了學術(shù)觀點和理論的真實性和可靠性，提高了學術(shù)信息傳播的有效度.

1.2 多維度的信息傳播方式

在傳播方式上,學術(shù)博客和WIKI采用的是“一對一”或“一對多”的傳播模式[3].由一個信息發(fā)布者向不明規(guī)模與特征的受眾發(fā)布信息,信息發(fā)布者與受眾沒有確定性聯(lián)系，無法了解信息何時被接收，被何人接收，有何意見.學術(shù)信息只是被廣播了一次，與傳統(tǒng)的學術(shù)期刊的傳播模式類似.學術(shù)社交網(wǎng)絡(luò)則兼具“一對一”和“一對多”的傳播形態(tài).通過學術(shù)社交網(wǎng)絡(luò)，用戶可以向某一個好友進行一對一的傳播,也可以向整個熟人學術(shù)關(guān)系網(wǎng)絡(luò)進行廣播.用戶可以向追隨者傳播信息,而追隨者可以根據(jù)自身的判斷選擇轉(zhuǎn)發(fā)或評論,實現(xiàn)信息的又一次傳播,通過人傳人的方式，最終形成“一對多”、“一對一”、“多對多”和“多對一”的信息傳播方式.

1.3 即時交互式的傳播特點

傳統(tǒng)的學術(shù)信息交流文檔一般篇幅較長，同時受信息發(fā)布渠道的限制,學術(shù)信息往往比較滯后，而且讀者的不固定性也決定了學術(shù)信息傳播過程中的互動性不強[2].基于學術(shù)社交網(wǎng)絡(luò)的傳播模式，其信息具有簡短性，因而降低了信息發(fā)布渠道的門檻，通過綁定移動設(shè)備便可以做到信息的生產(chǎn)和發(fā)布同步.通過一對多的人際關(guān)系網(wǎng)絡(luò),可以快速進行實時交流.

1.4 多元化的信息傳播途徑

學術(shù)社交網(wǎng)絡(luò)上的信息具有多元化的特征,具體表現(xiàn)為媒介方式、傳播功能、語言表達的多元化.學術(shù)社交網(wǎng)絡(luò)以聲音、表情、肢體語言為主體的人際傳播與以文字、視覺圖像為主體的大眾傳播于一體,運用多元化傳播符號,使得信息達到了高度逼真的還原.

2 信息傳播模型

學術(shù)社交網(wǎng)絡(luò)擺脫了傳統(tǒng)學術(shù)信息傳播過程中以學術(shù)內(nèi)容為中心的傳播模式，而是以用戶為主導, 依靠人與人之間的關(guān)系進行信息的傳播,有助于學術(shù)信息的傳播.通過對學術(shù)社交網(wǎng)絡(luò)信息傳播模型的研究，有助于更好地了解信息的傳播過程，分析學術(shù)研究趨勢，認識學術(shù)傳播行為，創(chuàng)新學術(shù)成果評價方式.

2.1 學術(shù)社交網(wǎng)絡(luò)信息傳播過程

社交網(wǎng)絡(luò)的發(fā)展使學術(shù)信息生產(chǎn)、出版、傳播、評價等各個環(huán)節(jié)都發(fā)生了變化. 通過用戶、內(nèi)容、關(guān)系和工具構(gòu)成的學術(shù)社交網(wǎng)絡(luò)，使科研人員(用戶)能夠簡單方便地發(fā)布科研信息(內(nèi)容), 又通過工具的訂閱機制實現(xiàn)各種關(guān)系運營, 形成滾雪球式的反饋.以目前全球最大的科學社交網(wǎng)路服務網(wǎng)站研究之門(http://www.researchgate.net/)為例，它包括實時反饋(live feed)、討論主題(topics)、出版物(publications)、項目(projects)等功能.根據(jù)信息傳播的過程可以分解為關(guān)注過程、提問過程、回復(評論)過程、跟蹤過程.關(guān)注過程，用戶u通過個人簡介、系統(tǒng)推薦(一般為同一機構(gòu)的同事)或討論主題提問引起感興趣的用戶f關(guān)注,這時用戶f成為了用戶u的追隨者(“粉絲”)，這一過程不需要得到受關(guān)注用戶的同意，之后用戶u更新的所有消息便會同步出現(xiàn)在用戶f的實時反饋頁上.提問過程，用戶可以隨時隨地在討論主題頁提出問題或發(fā)布消息(限制在150字)，但可以附加說明文字、論文、超鏈接等.回復(評論)過程，用戶可以對任何一個問題(或消息)進行回復評論，同樣也可以附加說明文字、論文、超鏈接等.跟蹤過程，用戶對感興趣的問題可以使用關(guān)注問題功能進行跟蹤，被跟蹤的所有內(nèi)容都會更新到實時反饋頁.

由此，消息在學術(shù)社交網(wǎng)絡(luò)上的傳播過程可以簡述如下：

(1)用戶u通過討論主題頁發(fā)布消息;

(2)用戶u的追隨者通過其實時反饋頁上的內(nèi)容提醒或主動訪問u的活動(activity)頁獲知消息;

(3)用戶u的追隨者中對消息感興趣的追隨者f可能會對該消息進行回復、評論、跟蹤，或者使用共享功能將信息進行再次傳播.

(4)如此重復過程(2)和(3).

2.2 學術(shù)社交網(wǎng)絡(luò)信息傳播模型描述

根據(jù)學術(shù)社交網(wǎng)絡(luò)信息傳播規(guī)則的分析，我們把用戶定義為節(jié)點，個體之間的關(guān)注關(guān)系抽象成節(jié)點之間的邊，信息只沿著邊傳播.由于一個用戶發(fā)布的消息會被其追隨者看到，并以一定的概率分享、傳播，當然，也有一部分追隨者對其內(nèi)容不感興趣成為“免疫者”，信息到該追隨者將不再傳播.為此，我們把網(wǎng)絡(luò)中的節(jié)點分為三類: 傳播節(jié)點、未感染節(jié)點、免疫節(jié)點.傳播節(jié)點表示該節(jié)點接受了來自其鄰居節(jié)點的信息，并具有一定的傳播能力，即有概率傳播；未感染節(jié)點表示該節(jié)點沒有接受過來自其鄰居節(jié)點的信息，并有機會接受信息,即有概率被感染；免疫節(jié)點表示該節(jié)點已經(jīng)接受了其鄰居節(jié)點的信息，但是不具有傳播能力.

基于上述分析, 建立一個學術(shù)社交網(wǎng)絡(luò)信息傳播模型[4], 描述學術(shù)社交網(wǎng)絡(luò)中信息傳播隨時間變化的過程.

首先定義如下基本條件：

(1)定義總節(jié)點數(shù)為N，未感染節(jié)點、傳播節(jié)點、免疫節(jié)點三類，三類人在總節(jié)點N中占的比例分別為s(t) ,i(t)和r(t)，t為傳播時間.

(2)一個傳播節(jié)點與一個未感染節(jié)點接觸，則未感染節(jié)點會以概率λ轉(zhuǎn)變成為傳播節(jié)點.

(3)一個傳播節(jié)點與一個免疫節(jié)點接觸，則傳播節(jié)點會以概率μ轉(zhuǎn)變成為免疫節(jié)點.

記初始時刻的未感染節(jié)點比例為s0(s0>0)，傳播節(jié)點比例i0(i0>0)，免疫節(jié)點比例r0=0 ，得初始值

模型方程無法求出解析解，可以通過仿真數(shù)值解法求出s(t),i(t)和r(t)的數(shù)值解.

圖1 研究之門網(wǎng)站部分人際關(guān)系圖Fig. 1 Part of social network of research gate

3 模型驗證與分析

為了驗證本文所建立的信息傳播模型，以學術(shù)社交網(wǎng)路研究之門(http://www.researchgate.net/)為研究對象，展開信息傳播規(guī)律的研究.

3.1 實驗數(shù)據(jù)獲取

首先，建立學術(shù)社交網(wǎng)絡(luò)用戶關(guān)系結(jié)構(gòu)圖.我們使用Python 語言編寫了一個網(wǎng)絡(luò)爬蟲腳本，通過一個注冊用戶的身份進行頁面抓取，采用滾雪球的采樣的方法，執(zhí)行廣度優(yōu)先搜索(BFS)算法提取用戶信息[8-9].從指定的用戶開始，獲得用戶的追隨者和關(guān)注人列表，加入隊列中，再以該用戶的追隨者和關(guān)注人為操作對象，進一步獲得其追隨者和關(guān)注人列表，加入隊列，如此逐層獲取，直至達到預期的用戶數(shù)量為止.這一生成的網(wǎng)絡(luò)結(jié)構(gòu)是研究之門網(wǎng)站社交網(wǎng)絡(luò)的一個子網(wǎng)絡(luò)，該網(wǎng)絡(luò)是個有向圖，記為G=(V,E)，其中節(jié)點v∈V表示一個用戶ID，有向邊(u,f) ∈E表示用戶f是用戶u的追隨者,信息從u流向f.所獲取的子圖的節(jié)點數(shù)N=702，邊數(shù)E=1 391，平均度= 3.963，使用Cytoscape工具繪制該關(guān)系圖，如圖1所示.

然后，在網(wǎng)絡(luò)中選擇節(jié)點度0～5的用戶問題10個，節(jié)點度6～10的用戶問題10個，節(jié)點度>11的用戶問題10個，對它們的傳播路徑進行跟蹤和采集，收集問題發(fā)布后一個月內(nèi)所有內(nèi)容傳播的時間、用戶ID等.

3.2 驗證結(jié)果與分析

通過上述方法得到的數(shù)據(jù)可以統(tǒng)計每日傳播節(jié)點、未感染節(jié)點的數(shù)量，計算傳播節(jié)點、未感染節(jié)點、免疫節(jié)點三類在總節(jié)點中的占比.圖2給出了節(jié)點度0～5、6～10、>11的用戶傳播節(jié)點i(t)隨著時間變化的趨勢圖.圖3給出了未感染節(jié)點s(t)隨時間變化的趨勢.

圖2 傳播節(jié)點i(t)變化趨勢Fig. 2 Infected node trend

圖3 未感染節(jié)點s(t)變化趨勢Fig. 3 Not infected node trend

從圖2和圖3可以看出，由于學術(shù)社交網(wǎng)絡(luò)的高連通性，信息在網(wǎng)絡(luò)中傳播的門檻幾乎為零，即使初始節(jié)點的人際關(guān)系很少，問題信息也可以傳播出去.當初始傳播節(jié)點的度較大時，信息在網(wǎng)絡(luò)中的傳播速度較快.相反，當初始傳播節(jié)點的度較小時，信息的傳播具有滯后性，即信息從沒有傳播到開始傳播需要一定的時間.

表1 信息傳播模型傳染概率λ和免疫概率μ值

為了更精確地分析該網(wǎng)絡(luò)中信息傳播的規(guī)律，把i(t)和s(t)的值帶入模型方程，計算網(wǎng)絡(luò)G的傳染概率λ和免疫概率μ，如表1所示. 從中可以看出，節(jié)點度高的節(jié)點，信息傳播出去的概率要高，而免疫概率差距不是很大.這與我們的設(shè)想較一致.

4 總 結(jié)

文章研究了一種學術(shù)社交網(wǎng)絡(luò)中的信息傳播模型，通過定義3個傳播規(guī)則，并結(jié)合復雜網(wǎng)絡(luò)和傳染病動力學理論，建立了微分方程組.通過編程獲取了研究之門學術(shù)社交網(wǎng)站中的一個人際關(guān)系子網(wǎng)絡(luò)數(shù)據(jù)集,然后，分析了該網(wǎng)絡(luò)中不同度的傳播節(jié)點的傳播行為.實驗結(jié)果表明:由于學術(shù)社交網(wǎng)絡(luò)的高連通性，信息在網(wǎng)絡(luò)中傳播的門檻幾乎為零;初始傳播節(jié)點的度越大，信息越容易在網(wǎng)絡(luò)中迅速傳播，中心節(jié)點具有較大的社會影響力.經(jīng)初步分析，學術(shù)社交網(wǎng)絡(luò)確實可以進一步密切科研人員的關(guān)系，具有正相關(guān)性.

[1] Tang Jie, Zhang Jing, Yao Limin,etal. ArnetMiner: extraction and mining of academic social networks[C]// Proc. of 14th Intl. Conf. on Knowledge Discovery and Data Mining (SIGKDD 2008). Henderson, Nevada,2008:990-998.

[2] 劉佳.基于網(wǎng)絡(luò)的學術(shù)信息交流方法與模式研究[D]. 長春：吉林大學,2007.

[3] 郭海霞.新型社交網(wǎng)絡(luò)信息傳播特點和模型分析[J]. 現(xiàn)代情報,2012(1):56-59.

[4] 張彥超,劉云,張海峰,等.基于在線社交網(wǎng)絡(luò)的信息傳播模型[J].物理學報,2011(5):66-72.

[5] Newman M E J. The structure and function of complex networks[J]. SIAM Review,2003,45(2):167-256.

[6] 曾璠.基于小世界網(wǎng)絡(luò)的危機信息傳播模型研究[D].合肥：中國科學技術(shù)大學,2009.

[7] 余雷,薛惠鋒,李剛.傳染病傳播模型研究[J].計算機仿真,2007(4):57-60.

[8] 趙麗,袁睿翕,管曉宏,等.博客網(wǎng)絡(luò)中具有突發(fā)性的話題傳播模型[J].軟件學報,2009(5):1384-1392.

[9] 鄭蕾,李生紅.基于微博網(wǎng)絡(luò)的信息傳播模型[J].通信技術(shù),2012(2):39-41.

CharacteristicsandLawsofAcademicSocialNetworkInformationDissemination

MIAO Jianmei1, JIANG Huaqiang1,2, XIANG Jie2

(1. Science and Research Department， Hangzhou Normal University, Hangzhou 310036， China；2. Hangzhou Institute of Service Engineering, Hangzhou Normal University, Hangzhou 310012， China)

This paper analyzed the characteristics of academic social network information dissemination, constructed an academic social network information dissemination model, extracted the user data from the ResearchGate website by programming, and created a network dataset of users’ relations. Through the statistics of random contents, the paper drew the trend of information dissemination, calculated the probability of information dissemination, and summarized the laws of dissemination.

academic social networks; information dissemination; epidemic dynamics； information dissemination model

2012-08-29

浙江省教育廳科研計劃項目(Y201018887).

繆健美(1958—)，女，副研究員，主要從事科技管理研究.E-mail：mjm@hznu.edu.cn

10.3969/j.issn.1674-232X.2013.01.014

G350.7

A

1674-232X(2013)01-0070-05