蘭娟麗　雷宏振　章俊

[摘要]本文在基于小世界網(wǎng)絡(luò)理論SIR模型分析的基礎(chǔ)上，構(gòu)建出一種對(duì)微博網(wǎng)絡(luò)負(fù)面信息傳播的擴(kuò)散機(jī)制模型，利用數(shù)學(xué)建模對(duì)該模型傳播趨勢(shì)進(jìn)行概率分析，研究發(fā)現(xiàn)微博網(wǎng)絡(luò)社區(qū)的節(jié)點(diǎn)度越大，該節(jié)點(diǎn)處負(fù)面信息傳播的能力就會(huì)越強(qiáng)；并通過(guò)對(duì)微博負(fù)面信息義烏“微笑哥”之謎進(jìn)行社會(huì)網(wǎng)絡(luò)實(shí)證分析，對(duì)節(jié)點(diǎn)用戶(hù)中心度的刻畫(huà)，說(shuō)明了微博內(nèi)負(fù)面信息的傳播會(huì)因其網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)的不同而呈現(xiàn)不同的擴(kuò)散特征。

[關(guān)鍵詞]負(fù)面信息；微博；擴(kuò)散機(jī)制；節(jié)點(diǎn)度

[中圖分類(lèi)號(hào)]G206.3

[文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)]1008-0821（2015）04-0022-04

1 問(wèn)題的提出及文獻(xiàn)綜述

微博，是一種允許用戶(hù)及時(shí)更新簡(jiǎn)短文本（通常少于140字）并可以公開(kāi)發(fā)布的微型博客形式，它本質(zhì)上是一種在線社會(huì)網(wǎng)絡(luò)，社會(huì)網(wǎng)絡(luò)可以定義為以個(gè)人或者群體為結(jié)點(diǎn)構(gòu)成的集合。根據(jù)Watts和Strogaz提出的關(guān)于小世界網(wǎng)絡(luò)的定義及近年來(lái)關(guān)于復(fù)雜網(wǎng)絡(luò)的研究表明，微博具有“小世界效應(yīng)”，即較大的集聚系數(shù)與較小的平均距離。社會(huì)輿論通過(guò)網(wǎng)絡(luò)傳播時(shí)會(huì)產(chǎn)生“蝴蝶效應(yīng)”，信息傳遞所依賴(lài)的媒介是重要的因素（鐘偉軍，2013）。近年來(lái)社會(huì)科學(xué)等領(lǐng)域關(guān)于負(fù)面信息傳播的研究主要集中于網(wǎng)絡(luò)謠言的傳播過(guò)程及傳播效果和，其理論基礎(chǔ)包括Jaeger ME等（1980）提出的謠言傳播及謠言背后的社會(huì)學(xué)現(xiàn)象，以及謠言傳播者內(nèi)心的焦慮或恐慌Walker CJ Bec&kerle C A（1987）。Gruhl D，Guha R（2004）在傳染病模型中SIRS的基礎(chǔ)上提出了話題在博客網(wǎng)絡(luò)中的傳播模型；Leskovec J（2007）參考傳染病模型中SIS模型，構(gòu)建了博客網(wǎng)絡(luò)中信息的級(jí)聯(lián)傳播模型，通過(guò)仿真生成話題傳播網(wǎng)絡(luò)；韓立新（2008）提出了涌現(xiàn)模型；陳波、于泠（2011）將傳統(tǒng)傳染病模型推廣到乏在媒體環(huán)境中，引入直接免疫率和潛伏個(gè)體，建立了帶直接免疫的SEIR傳播控制模型。在信息傳播控制方面，唐克超（2008）認(rèn)為，網(wǎng)絡(luò)輿論是在互聯(lián)網(wǎng)上通過(guò)有關(guān)事態(tài)信息傳播、新聞跟帖、網(wǎng)上評(píng)論等形式，具有一定傾向性和影響力的群體性意見(jiàn)，他提出了針對(duì)網(wǎng)絡(luò)輿論的高度重視、疏導(dǎo)結(jié)合、有效管理的政策建議。Alisen Hill（2010）等人的研究表明，通過(guò)微博極為發(fā)達(dá)的信息機(jī)制，消極的情緒表達(dá)可能像瘟疫一樣瞬間感染網(wǎng)絡(luò)，應(yīng)加以重要引導(dǎo)。

本文擬在現(xiàn)有研究的基礎(chǔ)上，基于傳統(tǒng)SIR模型，加入時(shí)間動(dòng)態(tài)以及微博節(jié)點(diǎn)度值影響因素，構(gòu)建出一種擴(kuò)展的微博負(fù)面信息傳播網(wǎng)絡(luò)模型，并以期借助社會(huì)網(wǎng)絡(luò)分析軟件對(duì)微博負(fù)面信息現(xiàn)實(shí)案例進(jìn)行傳播特征方面的探索。本文所指的負(fù)面信息涵蓋了微博網(wǎng)絡(luò)中存在的一切虛假、有害的、未經(jīng)證實(shí)的話題或謠言。

2 微博負(fù)面信息模型構(gòu)建及分析

依照以往復(fù)雜網(wǎng)絡(luò)對(duì)于信息在網(wǎng)絡(luò)上的研究通常重視網(wǎng)絡(luò)模型的構(gòu)建這一特征，我們用SIR模型對(duì)整個(gè)傳播過(guò)程進(jìn)行刻畫(huà)，給定t時(shí)刻某負(fù)面信息在微博中出現(xiàn)，假設(shè)該微博網(wǎng)絡(luò)有N個(gè)節(jié)點(diǎn)，即有N個(gè)可以傳播信息的用戶(hù)。我們認(rèn)為，隨著系統(tǒng)演變過(guò)程，微博網(wǎng)絡(luò)用戶(hù)對(duì)于負(fù)面信息的傳播最終只有3種狀態(tài)：未知態(tài)、已知態(tài)和確認(rèn)免疫態(tài)?！拔粗獞B(tài)”表示用戶(hù)還未收到負(fù)面信息、“已知態(tài)”表示微博用戶(hù)已經(jīng)收到但是由于種種原因不愿意傳播下去和“確認(rèn)免疫態(tài)”表示用戶(hù)傳播該負(fù)面信息后，對(duì)于下次傳播失去興趣，即再次收到此信息處于免疫狀態(tài)。考慮到網(wǎng)絡(luò)社區(qū)的特點(diǎn)，由劉俊，金聰?shù)龋?009）文獻(xiàn)中病毒傳播的部分相關(guān)算法，結(jié)合微博網(wǎng)絡(luò)社區(qū)的特點(diǎn)，可以得到相關(guān)計(jì)算公式有：

3 案例分析：義烏“微笑哥”之謎

本文的研究案例來(lái)自新浪微博，即2014年7月15日23時(shí)28分，一名經(jīng)過(guò)實(shí)名認(rèn)證名為“吳法天”的微博用戶(hù)發(fā)表了一篇名為《義烏“微笑哥”之謎》微博，該微博稱(chēng)：浙江義烏工業(yè)園區(qū)張滸村一位80歲的老人與幾位婦女向工業(yè)園區(qū)局長(zhǎng)下跪哭求解決問(wèn)題方案，該局長(zhǎng)面對(duì)下跪群眾不僅無(wú)動(dòng)于衷而且笑容燦爛。中午，義烏工業(yè)園區(qū)針對(duì)此事回應(yīng)稱(chēng)，真相并非如此，期間有村民跟該工作人員打招呼，他禮節(jié)性微笑回應(yīng)。這條微博消息迅速在微博上發(fā)酵，被轉(zhuǎn)發(fā)126次，評(píng)論91次，這是一個(gè)微博網(wǎng)絡(luò)負(fù)面信息傳播的現(xiàn)實(shí)案例。

基于新浪微博API，利用自編程序來(lái)獲取該負(fù)面微博日志的評(píng)論信息，主要包括用戶(hù)評(píng)論內(nèi)容、用戶(hù)ID，構(gòu)建一個(gè)基于負(fù)面信息傳播的社會(huì)網(wǎng)絡(luò)，其中節(jié)點(diǎn)表示信息的產(chǎn)生者和傳播者，在本案例中就是指對(duì)“吳法天”所發(fā)微博而進(jìn)行評(píng)論的用戶(hù)、被評(píng)論用戶(hù)轉(zhuǎn)寄（@功能）給的用戶(hù)以及“吳法天”本人。按照社會(huì)網(wǎng)絡(luò)分析的思路，通過(guò)以上的三類(lèi)用戶(hù)構(gòu)建鄰接矩陣，令矩陣的“行”代表信息發(fā)送者，“列”代表信息接受者。如果這些用戶(hù)中某位用戶(hù)將信息傳遞給了另一位用戶(hù)，則對(duì)應(yīng)的行列元素值為1，否則為0，最終得到一個(gè)二值矩陣。根據(jù)前期收集數(shù)據(jù)，我們可以得到本案例的鄰接矩陣，導(dǎo)入社會(huì)網(wǎng)絡(luò)分析軟件Ucinet后可以通過(guò)Netdraw繪制出該微博社區(qū)內(nèi)交流網(wǎng)絡(luò)的社群圖，如圖1：

接下來(lái)，運(yùn)用UCINET軟件對(duì)“浙江義烏微笑哥”這個(gè)負(fù)面信息整體網(wǎng)絡(luò)鄰接矩陣數(shù)據(jù)進(jìn)行密度測(cè)度，得出結(jié)果如表1所示。根據(jù)結(jié)果顯示，在由58個(gè)傳播節(jié)點(diǎn)組成的“義烏微笑哥”負(fù)面信息傳播網(wǎng)絡(luò)中，實(shí)際存在的連接數(shù)為73條，整體網(wǎng)絡(luò)間的密度為0.0221，實(shí)驗(yàn)網(wǎng)絡(luò)中的連線數(shù)為73條，節(jié)點(diǎn)為58個(gè)。在UCINET軟件中構(gòu)造一個(gè)擁有58個(gè)節(jié)點(diǎn)的隨機(jī)網(wǎng)絡(luò)，并計(jì)算該隨機(jī)網(wǎng)絡(luò)的網(wǎng)絡(luò)密度，結(jié)果為0.063，如表2所示。

對(duì)比實(shí)驗(yàn)網(wǎng)絡(luò)與隨機(jī)網(wǎng)絡(luò)的參數(shù)，發(fā)現(xiàn)試驗(yàn)網(wǎng)絡(luò)的密度要遠(yuǎn)遠(yuǎn)小于隨機(jī)網(wǎng)絡(luò)?？梢?jiàn)，負(fù)面信息在傳播的過(guò)程中，網(wǎng)絡(luò)密度較小，負(fù)面信息傳播主體之間的關(guān)系并沒(méi)有理論上的那么緊密，而是如圖1具有擴(kuò)散特點(diǎn)的。

表3、表4、表5分別反映了負(fù)面信息網(wǎng)絡(luò)中心度的三類(lèi)指標(biāo)結(jié)果，觀察可以得出：

（1）“義烏微笑哥”負(fù)面信息傳播網(wǎng)絡(luò)的整體點(diǎn)度中心度為2.172，1號(hào)即原文作者“吳法天”是整個(gè)負(fù)面信息傳播網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)，明顯高于實(shí)驗(yàn)網(wǎng)絡(luò)中其他節(jié)點(diǎn)，該節(jié)點(diǎn)對(duì)于該信息的傳播能力明顯強(qiáng)于其他節(jié)點(diǎn)，這說(shuō)明在整個(gè)負(fù)面信息傳播的過(guò)程中，研究發(fā)現(xiàn)微博網(wǎng)絡(luò)社區(qū)的節(jié)點(diǎn)度值越大，負(fù)面信息繼續(xù)傳播的能力越強(qiáng)；endprint

（2）“義烏微笑哥”負(fù)面信息傳播網(wǎng)絡(luò)58個(gè)節(jié)點(diǎn)中，13個(gè)節(jié)點(diǎn)的中間中心度大于0。其中，最大中間中心度為959，為原文作者“吳法天”，其次是“吳飛微議”、“王海涖”、“mixiahmixiahmixiah”，中間中心度分別為392、192、153。這說(shuō)明就整個(gè)網(wǎng)絡(luò)而言，網(wǎng)絡(luò)中的大部分節(jié)點(diǎn)不需要?jiǎng)e的節(jié)點(diǎn)作為橋接點(diǎn)，即網(wǎng)絡(luò)中的大部分節(jié)點(diǎn)是不受他人控制的，便可以接受信息，而這幾個(gè)較大節(jié)點(diǎn)的微博用戶(hù)在“義務(wù)微笑哥”這條負(fù)面信息傳播的過(guò)程中具有一定的“擴(kuò)散力”，反映了微博內(nèi)負(fù)面信息的傳播會(huì)因節(jié)點(diǎn)度的不同而具有不同的擴(kuò)散特征，可以一般描述為：節(jié)點(diǎn)度值越大，擴(kuò)散趨勢(shì)越明顯。

4 結(jié)語(yǔ)

參考微博網(wǎng)絡(luò)中信息傳播的特征，文章基于小世界網(wǎng)絡(luò)理論SIR模型分析的基礎(chǔ)上，構(gòu)建出一種對(duì)微博網(wǎng)絡(luò)負(fù)面信息傳播的擴(kuò)散機(jī)制模型，然后通過(guò)數(shù)學(xué)建模對(duì)該模型傳播趨勢(shì)進(jìn)行概率分析，發(fā)現(xiàn)影響負(fù)面信息在微博網(wǎng)絡(luò)內(nèi)傳播的因素主要有：各種狀態(tài)用戶(hù)的數(shù)量，以及微博網(wǎng)絡(luò)節(jié)點(diǎn)度值，信息有效傳播概率，無(wú)論這些因素中的哪一個(gè)變化都會(huì)帶來(lái)整個(gè)系統(tǒng)的改變，而微博網(wǎng)絡(luò)節(jié)點(diǎn)度值更是影響信息有效傳播概率的關(guān)鍵因素，信息有效傳播概率會(huì)隨著節(jié)點(diǎn)度值的增大而增大。接下來(lái)通過(guò)選取微博中現(xiàn)實(shí)案例進(jìn)行社會(huì)網(wǎng)絡(luò)實(shí)證研究，對(duì)負(fù)面信息傳播網(wǎng)絡(luò)的點(diǎn)度中心度、中間中心度、接近中心度的分析，驗(yàn)證了網(wǎng)絡(luò)節(jié)點(diǎn)中心度對(duì)負(fù)面信息傳播影響的重要性。

由實(shí)證研究可知，網(wǎng)絡(luò)中的大部分節(jié)點(diǎn)不需要?jiǎng)e的節(jié)點(diǎn)作為橋接點(diǎn)，即網(wǎng)絡(luò)中的大部分節(jié)點(diǎn)可以不受他人控制的而接受信息，因此我們不能掌控整個(gè)網(wǎng)絡(luò)，只能從決定負(fù)面信息擴(kuò)散趨勢(shì)的主要節(jié)點(diǎn)用戶(hù)努力，我們進(jìn)而得到啟發(fā)：政府及有關(guān)部門(mén)在控制會(huì)引發(fā)網(wǎng)民消極情緒的傳播態(tài)勢(shì)時(shí)，如，微博的頁(yè)面信息，應(yīng)該選擇合適的“時(shí)機(jī)”和“節(jié)點(diǎn)”，以最快速度從微博網(wǎng)絡(luò)中找出最可能會(huì)傳播該負(fù)面信息的主要節(jié)點(diǎn)用戶(hù)（一般指占據(jù)度值較大的節(jié)點(diǎn)用戶(hù)），從而及時(shí)降低其傳播的可能性，減弱信息擴(kuò)散趨勢(shì)，從源頭開(kāi)始控制負(fù)面信息的傳播，由此將負(fù)面信息猛烈傳播可能會(huì)帶來(lái)的危害盡可能地降到最低。我們認(rèn)為，正是諸如資深新聞評(píng)論員，新聞編輯，網(wǎng)絡(luò)名人，專(zhuān)家學(xué)者等在網(wǎng)絡(luò)負(fù)面信息傳播中扮演著主要節(jié)點(diǎn)用戶(hù)的角色，他們通常也被稱(chēng)為網(wǎng)絡(luò)意見(jiàn)領(lǐng)袖，政府對(duì)于意見(jiàn)領(lǐng)袖的教育、引導(dǎo)和管理便顯得尤為關(guān)鍵，可以起到正確疏導(dǎo)輿情走向的作用。

（本文責(zé)任編輯：郭沫含）endprint