王小立

〔摘 要〕結(jié)合復(fù)雜網(wǎng)絡(luò)與Agent的建模方法對(duì)微信信息的傳播進(jìn)行研究。通過分析微信信息的交互規(guī)律構(gòu)建復(fù)雜網(wǎng)絡(luò)，并在對(duì)影響個(gè)體傳播行為的相關(guān)變量進(jìn)行探究的基礎(chǔ)之上建立Agent模型。針對(duì)Agent之間的信息交互，提出3種基于各變量的演化規(guī)則。研究利于揭示微信信息傳播的關(guān)鍵機(jī)理，并有助于對(duì)微信平臺(tái)進(jìn)行有效利用和管控。

〔關(guān)鍵詞〕復(fù)雜網(wǎng)絡(luò)建模；Agent建模；信息傳播；演化規(guī)則

DOI：10.3969/j.issn.1008-0821.2015.07.010

〔中圖分類號(hào)〕G202；TP393 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2015）07-0053-04

〔Abstract〕The information dissemination of the WeChat is studied with the method which combines complex-network-based modeling and agent-based modeling.The complex network is established through the analysis on the interactive rule of information，and the Agent model is built upon the work searching for relevant variables which affect individual dissemination behaviors.For the information interacation between Agents，three evolution rules based on these variables are presented.This study revealed the mechanism of WeChat information diffusion and contributes to controlling and making better use of WeChat.

〔Key words〕complex-network-based modeling；agent-based modeling；information dissemination；evolution rule

隨著我國(guó)經(jīng)濟(jì)社會(huì)以及網(wǎng)絡(luò)技術(shù)的發(fā)展，特別是移動(dòng)終端設(shè)備的普及，我國(guó)網(wǎng)民規(guī)模急速膨脹。CNNIC第34次報(bào)告顯示，截至2014年6月，我國(guó)網(wǎng)民規(guī)模達(dá)到632億，其中手機(jī)網(wǎng)民達(dá)527億，手機(jī)上網(wǎng)比例（834%）首超傳統(tǒng)PC上網(wǎng)比例（809%）。網(wǎng)絡(luò)已經(jīng)成為人們社會(huì)生活中獲取信息和交流思想的重要平臺(tái)，特別是微信于2011年1月21日推出以后，微信用戶迅速膨脹，已經(jīng)成為人們獲取信息的一種重要渠道。

微信信息的傳播，實(shí)際是社會(huì)網(wǎng)絡(luò)信息傳播的一種方式。目前，眾多學(xué)者對(duì)于網(wǎng)絡(luò)信息的傳播演化過程進(jìn)行深入研究，取得了大量成果。Hegselmann等把人與人之間的信息傳播抽象成規(guī)則網(wǎng)絡(luò)進(jìn)行數(shù)學(xué)建模，分析輿情傳播和演化的規(guī)律[1-5]；Zhou等利用傳染病傳播的模型分析網(wǎng)絡(luò)謠言的特點(diǎn)和規(guī)律[6]；曾祥平等通過建模指出個(gè)體本身和環(huán)境因素對(duì)其所持觀點(diǎn)的影響[7]。蘭月新等通過建立微分方程，分析得出網(wǎng)絡(luò)輿情發(fā)展可分為4個(gè)階段[8]；方薇等利用元胞自動(dòng)機(jī)模型，解釋了輿情傳播中主體偏好和環(huán)境適應(yīng)的影響[9]。王根生通過實(shí)證分析網(wǎng)絡(luò)輿情演化的無標(biāo)度特性，將其分為觀點(diǎn)形成和觀點(diǎn)交互兩個(gè)階段[10]。這些研究的對(duì)象主要集中在網(wǎng)絡(luò)輿情方面，特別是突發(fā)事件、謠言等負(fù)面信息，而在微信平臺(tái)傳播的信息中，不僅包括這些，還有大量知識(shí)性、綜合性內(nèi)容。通過對(duì)微信信息的傳播演化過程進(jìn)行分析，有助于揭示微信信息在人們生活中影響力的作用機(jī)理、影響因素等方面的內(nèi)容，對(duì)我們利用微信平臺(tái)進(jìn)行知識(shí)傳播、輿論引導(dǎo)、信息公開等具有重要的意義。

本文從復(fù)雜網(wǎng)絡(luò)的觀點(diǎn)出發(fā)，運(yùn)用復(fù)雜網(wǎng)絡(luò)的相關(guān)理論和Agent的建模方法，對(duì)微信信息這一微內(nèi)容[11]的傳播演化進(jìn)行建模，分析了信息價(jià)值、傳播者的興趣愛好、交際習(xí)慣、意見氣候等對(duì)微信信息傳播演進(jìn)的影響規(guī)律。

1 微信傳播分析

在微信平臺(tái)中不同用戶通過好友關(guān)系相互鏈接形成獨(dú)立的微信用戶社會(huì)網(wǎng)絡(luò)。微信信息通過該網(wǎng)絡(luò)在不同好友間傳播。不同用戶對(duì)特定微信信息的傳播行為影響該信息的傳播范圍、傳播速度等，同時(shí)，信息也在不停傳播中潛移默化地對(duì)用戶發(fā)生作用。

11 微信傳播網(wǎng)絡(luò)模型

在微信用戶社會(huì)網(wǎng)絡(luò)中，將參與信息傳播的用戶抽象成節(jié)點(diǎn)，將用戶間社交關(guān)系抽象成邊，則構(gòu)成微信信息傳播網(wǎng)絡(luò)，如圖1所示。

圖1 微信信息傳播網(wǎng)絡(luò)示意圖

微信中用戶社交關(guān)系往往是基于朋友、同事、同學(xué)、家庭等強(qiáng)關(guān)系構(gòu)成的，微信信息傳播網(wǎng)絡(luò)可看成人際社會(huì)網(wǎng)絡(luò)的虛擬化，是典型的復(fù)雜網(wǎng)絡(luò)[12]，具有小世界[13]、無標(biāo)度[14]特性。當(dāng)前的研究表明人際關(guān)系網(wǎng)絡(luò)通常平均節(jié)點(diǎn)間距離較小、聚類系數(shù)較高而且節(jié)點(diǎn)的度成冪律分布。當(dāng)前普遍用于模擬人際關(guān)系網(wǎng)絡(luò)的模型主要有NW小世界網(wǎng)絡(luò)和BA無標(biāo)度網(wǎng)絡(luò)。小世界網(wǎng)絡(luò)強(qiáng)調(diào)高聚類系數(shù)、較小平均距離但度分布卻不符合冪律分布，無標(biāo)度網(wǎng)絡(luò)則相反。微信用戶社交關(guān)系是強(qiáng)關(guān)系，不同交際性格、交際能力、職業(yè)、閱歷等因素使得網(wǎng)絡(luò)中各節(jié)點(diǎn)度的分布非常不均，網(wǎng)絡(luò)的無標(biāo)度特性明顯。因此，本文基于BA無標(biāo)度網(wǎng)絡(luò)[15]模型進(jìn)行改進(jìn)來近似微信信息傳播網(wǎng)絡(luò)。具體生成網(wǎng)絡(luò)的步驟如下：

（1）生成一個(gè)初始網(wǎng)絡(luò)，即僅兩個(gè)節(jié)點(diǎn)相連組成。

（2）每個(gè)時(shí)間步長(zhǎng)增加一個(gè)新節(jié)點(diǎn)并與已有節(jié)點(diǎn)相連，與某已有節(jié)點(diǎn)相連的概率正比于該節(jié)點(diǎn)的度，當(dāng)某節(jié)點(diǎn)的度大于300時(shí)不再連接新節(jié)點(diǎn)（假設(shè)一般微信好友的數(shù)量不超過300人）。endprint

（3）設(shè)定時(shí)間單位T，則生成具有T+2個(gè)節(jié)點(diǎn)的近似BA無標(biāo)度網(wǎng)絡(luò)。

（4）若網(wǎng)絡(luò)中與任意兩節(jié)點(diǎn)A、B共連的節(jié)點(diǎn)數(shù)N大于3，則把A、B兩節(jié)點(diǎn)相連（增強(qiáng)聚類系數(shù)，即A、B有3個(gè)以上的共同朋友則A、B是朋友）。

（5）若網(wǎng)絡(luò)中與任意兩節(jié)點(diǎn)A、B共連的節(jié)點(diǎn)數(shù)N大于50，則在共連節(jié)點(diǎn)中隨機(jī)選取N-50個(gè)節(jié)點(diǎn)，斷開與A或B的連接，斷開概率反比于A或B的度（假設(shè)一般微信共同好友的數(shù)量不超過50）。

（6）對(duì)于每一條連接兩個(gè)節(jié)點(diǎn)的邊，按照一定概率隨機(jī)賦予權(quán)重，代表相鄰兩節(jié)點(diǎn)的親疏度關(guān)系。

12 微信信息傳播流程

依據(jù)微信在生活中的應(yīng)用，可以把微信信息傳播的主體分為三類：信息推送者、信息接收者和未接收信息者。通過微信進(jìn)行信息傳播，發(fā)布者進(jìn)行信息推送之后接收者的反應(yīng)往往有兩種情況：一是積極向外（微信好友、朋友圈或微信群）推送，此時(shí)接收者對(duì)外相當(dāng)于次推送者；二是雖接收信息但不向外傳播。

微信中信息的傳播，除新聞推送外，大都在微信聯(lián)系人間進(jìn)行。微信通過微信好友、朋友圈、微信群構(gòu)成了微信信息傳播的3種基本渠道，而通過此3種渠道進(jìn)行傳播的信息，正是本文研究的主要對(duì)象。從微信信息的傳播過程來看，微信信息總是封閉在微信平臺(tái)內(nèi)部傳播，通過微信向外傳播的情況本文不予考慮。微信信息的源頭通常有兩種，一種是微信用戶自己的創(chuàng)作；另一種是通過鏈接引用其它媒介的信息，但是一旦這類信息引入到微信，即只在微信平臺(tái)內(nèi)部傳播。無論何種來源的信息，一旦在微信平臺(tái)中發(fā)布，傳播該信息時(shí)每個(gè)微信用戶的地位基本相同，既是信息接收者又是信息推送者，但該信息在微信平臺(tái)3種渠道的傳播方式和影響力不盡相同。第一種是通過朋友圈發(fā)布的信息，在發(fā)布者積極推送時(shí)任何微信好友都可見，因此其影響范圍大。第二種是通過微信群發(fā)布的信息，只對(duì)該群成員可見。第三是僅對(duì)某一好友推送的信息，這類信息往往針對(duì)特定對(duì)象（如對(duì)方感興趣的信息）。實(shí)際生活中，微信信息只通過特定好友傳播或者只在不同群內(nèi)傳播的情況很少，往往由這兩種渠道轉(zhuǎn)入朋友圈中傳播，因此，本文只考慮第一種傳播方式。

13 微信信息傳播模型

信息在微信網(wǎng)絡(luò)中傳播過程，其實(shí)是信息對(duì)不同微信網(wǎng)絡(luò)用戶大腦發(fā)生作用的過程，類似傳染病的傳播。本文利用傳染病SIR模型來描述，S表示未接收信息者，I表示接收到信息并主動(dòng)向外推送者，R表示接收到信息但不向外推送者（潛水者）。微信信息傳播的過程以及推送節(jié)點(diǎn)i與被推送節(jié)點(diǎn)j之間的關(guān)系可以描述如下：

這里把對(duì)某特定信息持推送態(tài)度的節(jié)點(diǎn)i作為主要對(duì)象，當(dāng)被推送鄰節(jié)點(diǎn)中有S狀態(tài)節(jié)點(diǎn)j存在則向其推送信息，并且在一定條件下j節(jié)點(diǎn)亦轉(zhuǎn)為新的推送節(jié)點(diǎn)如式（1）；當(dāng)鄰節(jié)點(diǎn)j全部是I、R狀態(tài)則不再推送信息，而且j節(jié)點(diǎn)狀態(tài)保持不變?nèi)缡剑?）和式（3）。在現(xiàn)實(shí)生活中由于交際性格、習(xí)慣等原因，微信信息接收者在接到信息后，是轉(zhuǎn)變?yōu)镮（向朋友圈發(fā)布）還是R（潛水）具有極大的慣性，即潛水者一般不會(huì)對(duì)所接收到的信息再次向朋友圈發(fā)布。另外，推送節(jié)點(diǎn)i的推送熱情、信息價(jià)值的時(shí)效性都隨著時(shí)間而降低，在達(dá)到某一閾值時(shí)i節(jié)點(diǎn)則不再具有推送力。微信信息傳播網(wǎng)絡(luò)是有限的，假設(shè)某一時(shí)刻有一個(gè)或幾個(gè)節(jié)點(diǎn)得到某一特定信息并向鄰節(jié)點(diǎn)推送，即轉(zhuǎn)入I狀態(tài)，則信息將按照上述規(guī)則傳播直至網(wǎng)絡(luò)中沒有I的狀態(tài)節(jié)點(diǎn)存在止。

2 基于Agent微信信息傳播建模

基于Agent的建模仿真（Agent-based Modeling and Simulation，ABMS）是一種自底向上的仿真范式，它將復(fù)雜系統(tǒng)中的組成實(shí)體抽象構(gòu)建單個(gè)Agent模型，通過對(duì)Agent的自主行為及其之間的管理策略、協(xié)議、交互關(guān)系的規(guī)范描述，進(jìn)而得到復(fù)雜系統(tǒng)的宏觀行為表現(xiàn)。微信信息的傳播系統(tǒng)具有典型的復(fù)雜系統(tǒng)性特征，通過Agent的建模方法建立的微信傳播模型系統(tǒng)與實(shí)際生活中微信信息傳播系統(tǒng)具有較高的結(jié)構(gòu)上的相似性或同構(gòu)性。

21 Agent個(gè)體模型

微信信息在微信用戶所構(gòu)成的社會(huì)網(wǎng)絡(luò)中傳播，進(jìn)而對(duì)相關(guān)微信用戶產(chǎn)生影響，同時(shí)，不同微信用戶對(duì)該信息的態(tài)度產(chǎn)生的3種不同反應(yīng)（積極推送、沉默以對(duì)、明確反對(duì)），反過來影響該信息的傳播范圍。在此，本文將每個(gè)微信用戶抽象為個(gè)體Agent建模，它代表了社會(huì)網(wǎng)絡(luò)中的人，其對(duì)微信信息的作用力受到多方面因素的影響。根據(jù)微信信息傳播的特點(diǎn)，本節(jié)探究影響微信信息接收者成為推送者的幾個(gè)關(guān)鍵因素：

211 信息的價(jià)值因素value（i，t）

某種程度上講信息本身屬性一開始便決定了信息的傳播范圍，一個(gè)毫無價(jià)值的信息幾乎得不到有效傳播。影響信息傳播范圍的基本屬性有很多，如信息主題的受關(guān)注度、信息內(nèi)容的價(jià)值、信息價(jià)值的時(shí)效等。一條影響深遠(yuǎn)的時(shí)政信息遠(yuǎn)比一個(gè)毫無價(jià)值的事件的受關(guān)注度高、價(jià)值量大、存在意義時(shí)間長(zhǎng)。由于每個(gè)具體信息本身的影響力具有一定的穩(wěn)定性，可以近似為一個(gè)常數(shù)v0。另外，信息是具有價(jià)值時(shí)效的，隨著時(shí)間的增長(zhǎng)信息的價(jià)值也會(huì)出現(xiàn)“老化”。網(wǎng)絡(luò)信息與文獻(xiàn)信息老化的規(guī)律具有一定的相似性，依據(jù)文獻(xiàn)老化規(guī)律的負(fù)指數(shù)模型，把信息價(jià)值的時(shí)效定義為value（i，t）=v0e-λi（t-t0），表示t時(shí)刻信息在Agenti處的時(shí)效價(jià)值，t0表示信息產(chǎn)生的某一固定時(shí)間。信息關(guān)注因子λi代表信息在微信網(wǎng)絡(luò)之外傳播，如網(wǎng)站、微博、新聞媒體等，從而形成大眾對(duì)該信息的關(guān)注度，該關(guān)注度亦影響信息在Agenti眼中的價(jià)值。外界關(guān)注度越高，信息關(guān)注因子越小。

212 人的相關(guān)因素infij

網(wǎng)絡(luò)中某一Agent節(jié)點(diǎn)受特定信息感染（接收）的影響因素有很多與人相關(guān)。信息接收者各不相同的身份背景、興趣愛好、文化程度、心理因素等導(dǎo)致對(duì)信息的偏好、交際性格各不相同，加之對(duì)該信息的支持、中立、反對(duì)的不同態(tài)度，直接影響Agentj由S向I狀態(tài)的轉(zhuǎn)變的概率。從推送者的角度看，推送者Agenti的影響力infi有著至關(guān)重要的作用，它是信息傳播的關(guān)鍵推動(dòng)力。infi的影響力和推送者Agenti的交際性格、推送力度、推送者與接收者之間的關(guān)系等因素相關(guān)?，F(xiàn)實(shí)生活中某一推送者的交際性格越活躍、推送力度越大、與接收者關(guān)系越緊密，其推送的影響力往往也越大，反之，隨著推送時(shí)間的增長(zhǎng)，其推送熱情和推送的影響力也迅速降低。從接收者的角度看，接收者Agentj的因素直接影響其由S向I狀態(tài)的轉(zhuǎn)變概率。在得到信息后Agentj是否選擇向外推送，和他的興趣愛好、交際習(xí)慣infj和對(duì)于信息的態(tài)度Aj有關(guān)?，F(xiàn)實(shí)生活中喜歡刷朋友圈的人向外推送信息的積極性遠(yuǎn)遠(yuǎn)高于喜歡潛水的用戶。Agentj對(duì)于信息的態(tài)度Aj，一般用[-1，1]上連續(xù)實(shí)數(shù)表示。其中，-1為最大反對(duì)，0為中立，1為最大支持。因此，本文定義：infij=infi·infj·Aj來衡量?jī)葾gent本身的影響。endprint

213 微信群體影響因素invi

德國(guó)輿情學(xué)家伊麗莎白·諾莉·紐曼在其《重歸大眾傳媒的強(qiáng)力觀》中首次提出“沉默的螺旋”理論。她指出輿論的形成主要取決于意見氣候，面對(duì)支持者眾多的意見氣候，意見相左者必然因害怕孤立而保持沉默。群體影響因素主要指受多數(shù)意見和社會(huì)壓力的心理傾向[9]，在這里主要指微信群、朋友圈中其他好友的討論以及評(píng)論所形成的意見氣候?，F(xiàn)實(shí)社會(huì)中由于微信群體往往是因?yàn)橐欢ㄉ鐣?huì)關(guān)系緊密聯(lián)系起來的，其成員關(guān)于該信息的討論、推送亦對(duì)其他成員產(chǎn)生較大影響，若某個(gè)Agent的多個(gè)好友都在討論、推送某一信息，則該Agent由S轉(zhuǎn)為I或R狀態(tài)的概率大幅增加（如圖1中Agent6）。

22 基于各變量的演化規(guī)則

基于以上分析，兩相鄰節(jié)點(diǎn)Agenti（信息推送者）和Agentj（信息接收者）進(jìn)行信息交互時(shí)主要受三方面原因制約：

221 信息本身價(jià)值的制約

信息本身的價(jià)值value（i，t）=v0e-λi（t-t0）從根本上影響信息接收者的態(tài)度。對(duì)于價(jià)值閾值值ε1，v（i，t）≤ε1表示在t時(shí)刻，被推送節(jié)點(diǎn)Agentj保持S狀態(tài)不變的傾向?，F(xiàn)實(shí)生活中對(duì)于一些類似只有標(biāo)題的鏈接，當(dāng)其價(jià)值表現(xiàn)較小時(shí)人們幾乎不去打開閱讀，此時(shí)可認(rèn)為Agentj保持S狀態(tài)不變。

222 兩Agent節(jié)點(diǎn)之間的制約規(guī)則

信息在兩相鄰Agent節(jié)點(diǎn)之間傳遞時(shí)，影響Agentj（信息接收者）由S向I轉(zhuǎn)變的主要因素包括信息本身的價(jià)值因素value（i，t）以及推送者、接收者兩方人的相關(guān)因素infi。這里定義：

Φ（i，j，t）=value（i，t）·infij=Aj·v0e-λi（t-t0）·infi·infj

選取交互閾值ε2，Φ（i，j，t）≤ε2表示對(duì)于一個(gè)有足夠傳播價(jià)值的信息，Φ值越大表示Agentj由S轉(zhuǎn)變?yōu)镮狀態(tài)的傾向越大，反之則表示S轉(zhuǎn)變?yōu)镽狀態(tài)的傾向越大。其中，Agentj（信息接收者）的態(tài)度Aj有正負(fù)之分并具有絕對(duì)影響力。這與現(xiàn)實(shí)生活中對(duì)某一特定信息持不贊成態(tài)度的人一般是不會(huì)向別人推薦的情況是相符的。

223 意見氣候的制約

對(duì)于某一特定信息，即使信息接收者在接收到信息時(shí)傾向于將該信息向外推送，也會(huì)受到當(dāng)時(shí)意見氣候的影響。若意見氣候invi和Agenti的態(tài)度同向，則會(huì)強(qiáng)化Agenti的推送決心；若Agenti的態(tài)度Ai與之相反，則Agenti的狀態(tài)只由S轉(zhuǎn)為R。

3 建模試驗(yàn)

基于Agent的建模方法能夠很好地對(duì)個(gè)體異構(gòu)性進(jìn)行模擬并有助于分析系統(tǒng)的宏觀涌現(xiàn)性。目前較為成熟的基于Agent的仿真平臺(tái)有很多，主要有Swarm、Repast、MASON和Netlogo[16]，本研究基于Netlogo平臺(tái)進(jìn)行模型仿真實(shí)現(xiàn)。Netlogo是繼承了Logo語言的編程開發(fā)平臺(tái)，它可以在建模中控制無數(shù)個(gè)體來模擬微觀個(gè)體的行為，進(jìn)而涌現(xiàn)出宏觀特征。Netlogo適用于對(duì)自然和社會(huì)現(xiàn)象的模擬，特別適合模擬隨時(shí)間變化的復(fù)雜系統(tǒng)。由于篇幅限制，具體建模實(shí)驗(yàn)將在另外一文中闡述。

4 結(jié) 論

為了分析影響微信信息傳播過程的各個(gè)相關(guān)因素，本文采用復(fù)雜網(wǎng)絡(luò)與Agent建模仿真相結(jié)合的方法，并借助傳播學(xué)基本理論，對(duì)微信信息的傳播流程、影響因素進(jìn)行建模分析。復(fù)雜網(wǎng)絡(luò)能有效分析網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對(duì)信息傳播的影響和系統(tǒng)的宏觀涌現(xiàn)性，但其復(fù)雜性不利于對(duì)組成個(gè)體以及其行為規(guī)則的演繹細(xì)節(jié)的描述。Agent建模卻能夠克服這一問題，在微觀層次描述個(gè)體活動(dòng)。兩種建模方法的結(jié)合，有助于我們理清各個(gè)因素如何影響微信信息的傳播以及這種影響的宏觀程度。本文的主要工作對(duì)于我們有效利用微信平臺(tái)進(jìn)行輿論引導(dǎo)、宣傳工作、知識(shí)傳播等具有一定意義。但是本文還存在著一些不足，由于無法獲取真實(shí)生活中微信網(wǎng)絡(luò)的相關(guān)數(shù)據(jù)，模型的準(zhǔn)確性和可靠性還需要進(jìn)一步的驗(yàn)證。另外，在研究影響因素時(shí)存在著一個(gè)矛盾，如果考慮的影響因素太多，模型過于復(fù)雜則不便于分析各因素的影響，而考慮因素過少則不足于模擬現(xiàn)實(shí)情況，這也是下一步研究的重點(diǎn)。

參考文獻(xiàn)

[1]Hegselmann R，Krause U.Opinion dynamics and bounded confidence models，analysis，and simulation[J].Journal of Artificial Societies and Social Simulation（JASSS），2002，5（3）：2-34.

[2]Slanina F，Lavicka H.Analytical results for the Sznajd model of opinion formation[J].The European Physical Journal B，2003，35（2）：279-288.

[3]Schulze C.Sznajd opinion dynamics with global and local neighbourhood[J].International Journal of Modern Physics C，2004，15（6）867-872.

[4]Rodrigues E A，Costa L F.Surviving opinions in Sznajd models on complex network[J].International Journal of Modern Physics C，2005，16（11）：1785-1792.

[5]Toscani G.Kinetic models of opinion formation[J].Communications in Mathematical Sciences，2006，4（3）：481-496.endprint

[6]Zhou J，Liu Z，Li B.Influence of network structure on rumor propagation[J].Physics Letters A，2007，368（6）：458-463.

[7]曾祥平，方勇，袁媛，等.基于元胞自動(dòng)機(jī)的網(wǎng)絡(luò)輿論激勵(lì)模型[J].計(jì)算機(jī)應(yīng)用，2007，27（11）：2686-2688.

[8]蘭月新，鄧新元.突發(fā)事件網(wǎng)絡(luò)輿情演進(jìn)規(guī)律模型研究[J].情報(bào)雜志，2011，30（8）：47-50.

[9]方薇，何留進(jìn)，宋良圖，等.因特網(wǎng)輿情傳播的協(xié)同元胞自動(dòng)機(jī)模型[J].計(jì)算機(jī)應(yīng)用，2012，32（2）：399-402.

[10]王根生.無標(biāo)度特性下的網(wǎng)絡(luò)輿情演化遷移元胞模型[J].小型微型計(jì)算機(jī)系統(tǒng)，2013，34（5）：1085-1090.

[11]柳軍，蔡淑琴.微內(nèi)容的網(wǎng)絡(luò)輿情傳播特征分析[J].情報(bào)雜志，2013，32（1）：1-4.

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

[13]Agiza H N，Elgazzar A S，Youssef S A.Phase transitions in some epidemic models defined on small-world networks[J].Int J Mod Phys C，2003，14（6）：825-833.

[14]Moreno Y，Pastor-Satorras R，Vespignani A.Epidemic outbreaks in complex heterogeneous networks[J].Eur Phys J B，2002，26（4）：521-529.

[15]Barabasi A L，Albert R.Emergence of scaling in random networks[J].Science，1999，286：509-512.

[16]廖守億.復(fù)雜系統(tǒng)基于Agent的建模與仿真方法研究及應(yīng)用[D].長(zhǎng)沙：國(guó)防科技大學(xué)研究生院，2005.

（本文責(zé)任編輯：孫國(guó)雷）endprint