余偉萍+李大林+張園

摘要：在考慮話題衍生效應(yīng)的基礎(chǔ)上，探究話題衍生特征對整個(gè)話題傳播的影響方式和影響程度，并進(jìn)一步借助自組織特征映射神經(jīng)網(wǎng)絡(luò)對衍生效應(yīng)下新產(chǎn)品推廣話題的傳播變化趨勢進(jìn)行聚類分析，真實(shí)刻畫出新產(chǎn)品推廣微博話題的傳播過程。聚類分析結(jié)果顯示，衍生效應(yīng)下新產(chǎn)品推廣微博話題傳播過程可分為爆發(fā)型、緩進(jìn)型、鋸齒型和后進(jìn)型，并在此研究成果之上給企業(yè)的新產(chǎn)品推廣提出了具有針對性的營銷建議。

關(guān)鍵詞：衍生效應(yīng)；新產(chǎn)品推廣；微博話題；聚類分析

DOI：10.13956/j.ss.1001-8409.2017.01.25

中圖分類號：F274；G206 文獻(xiàn)標(biāo)識碼：A 文章編號：1001-8409（2017）01-0114-04

Abstract： Based on the derivative effects， this paper explored how and to which extent that the topic derived characteristics effect the spread of the topic. Then， on the basis of selforganizing feature map neural network， the cluster analysis was conducted to confirm the change trend of the spread of microblog topics of new product promotion， in order to describe the spread process of microblog topics of new product promotion. Cluster analysis results showed that the spread process of microblog topics of new product promotion can be divided into four types， namely， eruption model， chronic model， continued model， and post continued model. Finally， some targeted marketing suggestions were proposed to promote the new products.

Key words：derivative effect； new product promotion； microblog topics； cluster analysis

新媒體時(shí)代，借助社交媒體的話題營銷實(shí)現(xiàn)新產(chǎn)品推廣得到企業(yè)熱捧。微博作為一種新型的虛擬社區(qū)媒體，是一個(gè)基于個(gè)性化用戶信息的及時(shí)傳播、共享及獲取的平臺，具有信息實(shí)時(shí)性、內(nèi)容簡潔性、用戶交互性等特點(diǎn)[1，2]，且微博社區(qū)上的信息傳播更是呈現(xiàn)出一種全新的網(wǎng)核狀、裂變式的傳播模式特征（One to N to N）[3]，這種傳播模式可以在短時(shí)間內(nèi)實(shí)現(xiàn)信息的幾何級數(shù)擴(kuò)散。因此微博社區(qū)中的微話題平臺成為企業(yè)新產(chǎn)品推廣話題營銷的重要陣地，吸引了越來越多的企業(yè)開始嘗試運(yùn)用微博的話題榜，如“#榮耀6Plus發(fā)布會#”“#樂視超級手機(jī)#”等，為新產(chǎn)品入市造勢；通過帶有廣告和銷售促進(jìn)的微博內(nèi)容促進(jìn)品牌傳播；憑借高質(zhì)量的微博內(nèi)容與合理的話題引導(dǎo)提升話題互動率，吸引網(wǎng)民評論、轉(zhuǎn)發(fā)、點(diǎn)贊等，實(shí)現(xiàn)新產(chǎn)品高曝光度，為提升消費(fèi)者對新產(chǎn)品的感知及促進(jìn)新產(chǎn)品銷售奠定基礎(chǔ)。

區(qū)別于傳統(tǒng)媒介的就事論事，微博社區(qū)微話題平臺的話題在傳播演化過程中經(jīng)常會衍生出多個(gè)相關(guān)或無關(guān)的新話題且影響整個(gè)話題的傳播規(guī)律，這些衍生話題往往是企業(yè)或者微博用戶作為話題主持人引導(dǎo)話題擴(kuò)散的結(jié)果。盡管目前在微博話題傳播趨勢方面已有較多的研究成果，但多集中在單個(gè)或多個(gè)突發(fā)事件的研究，較少有針對新產(chǎn)品推廣話題博文數(shù)量變化趨勢的研究，更沒有考慮衍生特征對話題博文數(shù)量變化趨勢影響的研究。因此建立基于衍生特征的新產(chǎn)品推廣話題趨勢分類，以揭示話題的傳播規(guī)律、刻畫話題的傳播機(jī)理具有重要的理論意義和實(shí)際指導(dǎo)意義。

1研究現(xiàn)狀

衍生話題是指在原話題的基礎(chǔ)上演變產(chǎn)生的新話題，衍生話題和原話題共同作用形成“疊加效應(yīng)”進(jìn)而影響整個(gè)話題的傳播擴(kuò)散[4]。在線話題的衍生性特征是話題信息傳播過程中的常見現(xiàn)象，也是影響網(wǎng)絡(luò)話題傳播演化的一個(gè)關(guān)鍵因素，特別是在話題的衰退期，原始話題會因多種因素失去生命活力進(jìn)而被新的衍生話題取代和繼續(xù)擴(kuò)散，帶來話題對用戶的“二次影響”[5]，使得在線話題的衍生效應(yīng)成為話題管理的重要課題。

目前，在線話題衍生效應(yīng)的研究已經(jīng)得到國內(nèi)外學(xué)者的許多關(guān)注，但關(guān)注的研究點(diǎn)多集中在突發(fā)事件形成的網(wǎng)絡(luò)輿情話題及其相關(guān)內(nèi)容。縱觀現(xiàn)有基于衍生話題傳播的研究成果，可以發(fā)現(xiàn)主要有兩類：第一類是在線話題衍生效應(yīng)的共性傳播影響，這類研究以網(wǎng)絡(luò)輿情事件等為研究對象探究在考慮話題衍生效應(yīng)特征下其傳播網(wǎng)絡(luò)會呈現(xiàn)出怎樣的規(guī)律和特征分布，以及影響話題衍生傳播規(guī)律的因素。如Zanette等[6]研究了信息在復(fù)雜網(wǎng)絡(luò)中的傳播特性，謠言與信息類似，它們在傳播過程中內(nèi)容不會發(fā)生改變，而輿情的傳播過程不同，其話題具有較強(qiáng)的話題衍生性，網(wǎng)民對某一輿情話題不感興趣，在外界環(huán)境和某一特定條件下極可能制造出新話題，并成為新話題的傳播者；喻發(fā)勝等[7]以40個(gè)影響較大的網(wǎng)絡(luò)輿論事件為研究對象，基于傳播學(xué)的視角探討了網(wǎng)絡(luò)傳播的衍生效應(yīng)與網(wǎng)絡(luò)輿論形成及演化的關(guān)系，研究結(jié)論顯示網(wǎng)絡(luò)輿論在傳播過程中產(chǎn)生的諸如“意見領(lǐng)袖作用凸顯”“信息控制力弱化”“輿論場加速形成”“議程設(shè)置全民化”等一系列衍生效應(yīng)對網(wǎng)絡(luò)輿論的生成及演變產(chǎn)生著重要影響；王慧等[8]以信息異化動力為視角，在剖析網(wǎng)絡(luò)衍生輿情與信息異化價(jià)值關(guān)聯(lián)的基礎(chǔ)上，建立網(wǎng)絡(luò)衍生輿情成因分析模型；尹熙成等[9]提出雙層耦合網(wǎng)絡(luò)傳播模型以解決當(dāng)前話題傳播模型中“一旦網(wǎng)民接觸話題后就會對其免疫”這一假設(shè)并不符合網(wǎng)民的真實(shí)心理這一問題。研究結(jié)果顯示衍生話題會使輿情傳播過程中出現(xiàn)新的高峰點(diǎn)，且話題的轉(zhuǎn)發(fā)率顯著提高導(dǎo)致演化的弛豫時(shí)間拉長等，以上研究結(jié)果表明話題的衍生效應(yīng)確實(shí)會影響到整個(gè)話題的傳播并形成不同的傳播模型或傳播規(guī)律。

第二類則主要研究特殊的衍生話題的傳播個(gè)性特征，研究對象也主要集中在突發(fā)事件網(wǎng)絡(luò)謠言和網(wǎng)絡(luò)反腐。其中突發(fā)事件網(wǎng)絡(luò)謠言的研究以定量分析為主，如人群動力學(xué)建模[10]、傳染病推廣建模[11]、社會網(wǎng)絡(luò)建模[12]、演化博弈建模[13]等；網(wǎng)絡(luò)反腐的研究則以定性分析為主，主要基于真實(shí)案例探究網(wǎng)絡(luò)反腐的特點(diǎn)、對策等。

目前的研究對象多集中在特定類型的衍生話題，比如網(wǎng)絡(luò)虛假事件、網(wǎng)絡(luò)謠言等，直接研究網(wǎng)絡(luò)衍生輿情話題相對較少；研究主題也多集中在探究衍生效應(yīng)下在線話題的傳播模型或在線話題衍生效應(yīng)的影響因素，研究特定類型下衍生效應(yīng)的影響規(guī)律較少；因此本文以手機(jī)品類的新產(chǎn)品推廣在線話題為研究對象，探究話題的衍生效應(yīng)對新產(chǎn)品推廣在線話題的影響效應(yīng)；并在此基礎(chǔ)上運(yùn)用SOM神經(jīng)網(wǎng)絡(luò)法對整個(gè)在線話題的傳播趨勢進(jìn)行聚類分析，幫助企業(yè)更好地獲悉話題的傳播動態(tài)。

2研究設(shè)計(jì)

21數(shù)據(jù)來源及數(shù)據(jù)預(yù)處理

本文以2014～2015年中手機(jī)企業(yè)運(yùn)用微博話題榜進(jìn)行新產(chǎn)品推廣且具有明顯話題特征、有衍生話題的23個(gè)熱門話題類別作為數(shù)據(jù)樣本。

類似于突發(fā)事件網(wǎng)絡(luò)輿情的傳播，用來描述新產(chǎn)品推廣在線話題傳播規(guī)律的變量較豐富，包括話題博文發(fā)文數(shù)量、話題閱讀數(shù)量、話題評論數(shù)量、話題點(diǎn)贊數(shù)等[4]，每個(gè)變量都可以從不同角度來反映話題的傳播規(guī)律。研究選擇話題博文發(fā)文數(shù)量作為衡量指標(biāo)來描述話題的傳播過程，因此以“話題名稱”為關(guān)鍵詞，通過新浪微博平臺的高級搜索功能搜索數(shù)據(jù)，以天為單位，收集了博文內(nèi)容中含關(guān)鍵詞的各話題前后一個(gè)月的博文數(shù)量作為研究的元數(shù)據(jù)。

同時(shí)由于不同話題其關(guān)注程度不同，搜索出來的各話題的博文數(shù)量存在一定差異，為了方便數(shù)據(jù)分析、更好地描繪出話題的傳播特征，需首先對博文數(shù)量進(jìn)行標(biāo)準(zhǔn)化處理，并將處理后的數(shù)據(jù)作為研究的輸入向量。標(biāo)準(zhǔn)化處理公式如下所示：

Xi=Xi-XminXmax-Xmin（1）

其中Xmin代表每個(gè)話題類別下博文總數(shù)量的最小值，Xmax代表每個(gè)話題類別下博文總數(shù)量的最大值。

22研究方法

聚類分析（Cluster Analysis）是根據(jù)“物以類聚”的原理，將原本沒有類別的樣本聚類成具有相似特征的組別，并對每一個(gè)聚類后的組別進(jìn)行描述的過程[14]。SOM神經(jīng)網(wǎng)絡(luò)聚類是典型的基于神經(jīng)網(wǎng)絡(luò)的聚類方法，IBM在其發(fā)布的數(shù)據(jù)挖掘白皮書中就特別提到了使用該方法進(jìn)行數(shù)據(jù)庫聚類分割，且因SOM神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的聚類和容錯(cuò)能力，使得SOM神經(jīng)網(wǎng)絡(luò)的聚類應(yīng)用研究在學(xué)術(shù)界非常廣泛。

3實(shí)證研究

31衍生話題對話題傳播的影響

將標(biāo)準(zhǔn)化的數(shù)量數(shù)據(jù)作為輸入數(shù)據(jù)變量，共計(jì)23個(gè)標(biāo)準(zhǔn)化數(shù)據(jù)樣本，每個(gè)樣本包含兩類數(shù)據(jù)（原始話題/加入衍生話題后的整個(gè)話題傳播的博文數(shù)量），每類數(shù)據(jù)包含30個(gè)元素。

通過繪制不同情境（原始話題/加入衍生話題后的整個(gè)話題）下的話題傳播趨勢曲線分布及對比分析，可以發(fā)現(xiàn)衍生話題對話題傳播的影響可分為4種類型：峰點(diǎn)值型、持續(xù)值型、前后值型和無影響型（如表1所示）。

峰點(diǎn)值型比例較高，其對話題的傳播呈現(xiàn)出單一、短暫且高強(qiáng)度的影響特征，影響位置集中在話題的高峰點(diǎn)處，也就是產(chǎn)品正式發(fā)布會的當(dāng)天，使當(dāng)天的博文數(shù)量迅速提高至整個(gè)傳播過程中的最高值，且相對于原話題的傳播，衍生話題使當(dāng)天話題的傳播率提高一倍以上；而在發(fā)布會的前后兩天話題的博文數(shù)量都下降至較低點(diǎn)；在話題傳播的其他傳播時(shí)期內(nèi)，衍生話題對話題傳播的影響較小，幾乎可以忽略不計(jì)。

持續(xù)值型對話題傳播的影響呈現(xiàn)出長期、連續(xù)且較高強(qiáng)度的影響特征，影響位置集中在整個(gè)話題峰值后的多個(gè)時(shí)期內(nèi)。產(chǎn)品正式發(fā)布會的當(dāng)天，衍生話題的影響同樣是高強(qiáng)度的，其出現(xiàn)迅速將話題的傳播率提升至一個(gè)新的高度，吸引了更多的微博用戶參與話題的討論，有效提升了話題的參與度和新品的知名度；在發(fā)布會之后，衍生話題對話題的傳播持續(xù)影響直至數(shù)據(jù)收集的最后一天，這段時(shí)期衍生話題對整個(gè)話題的傳播影響程度盡管有所減弱，仍在一定程度上提升了話題的后期參與度，提高了微博用戶的持續(xù)參與效應(yīng)；而在產(chǎn)品正式發(fā)布會的前期，衍生話題幾乎沒有產(chǎn)生任何效應(yīng)。

前后值型占比例最少，其對整個(gè)話題的傳播呈現(xiàn)出隨機(jī)、反復(fù)、短暫的影響特征，影響位置集中在產(chǎn)品正式發(fā)布會前后的某一段時(shí)間，驟然將話題傳播率提升至較高處，繼而驟然下降至正常水平。可見在這種類型下，盡管衍生話題帶來了一定影響，卻由于缺乏企業(yè)的合理引導(dǎo)使話題的衍生效應(yīng)沒有得到充分發(fā)揮，對話題傳播的影響也是短暫的，且影響時(shí)期也不固定，在有效引導(dǎo)下還有較大的提升空間。

無影響型比例也較大，為392%。這類類型下衍生話題對整個(gè)話題的傳播影響幾乎可以忽略不計(jì)，話題的衍生效應(yīng)作用不明顯。

32衍生效應(yīng)下話題傳播的規(guī)律分類

以同樣的23個(gè)新產(chǎn)品推廣在線話題1個(gè)月的話題博文數(shù)量為數(shù)據(jù)樣本，運(yùn)用SOM聚類分析探究了話題衍生效應(yīng)下具有相似傳播話題動態(tài)的傳播分類。

運(yùn)用MATLAB70中的SOM神經(jīng)網(wǎng)絡(luò)算法，通過編程對標(biāo)準(zhǔn)化后的23個(gè)數(shù)據(jù)樣本進(jìn)行聚類分析。聚類結(jié)果顯示衍生效應(yīng)影響下新產(chǎn)品推廣在線話題的相關(guān)博文數(shù)量變化規(guī)律可分為4種類型，并根據(jù)不同曲線峰值出現(xiàn)的位置及多少將曲線分別命名為爆發(fā)型、緩進(jìn)型、鋸齒型和后進(jìn)型。每種類型下囊括的話題事件如表2所示。

每種類型具體的傳播規(guī)律曲線如圖5至圖8所示，觀察發(fā)現(xiàn)：不同類型下新產(chǎn)品推廣在線話題的傳播呈現(xiàn)出不同的傳播特征，同類型下不同樣本的話題則呈現(xiàn)出相似的傳播特征，說明SOM的聚類結(jié)果較理想。

爆發(fā)型的新產(chǎn)品推廣在線話題的傳播呈現(xiàn)出前期和后期增長低迷而平穩(wěn)，在中期增長迅速出現(xiàn)明顯峰值且不穩(wěn)定的傳播特征。具體而言在話題的前期，話題一直處于低增長狀態(tài)，話題受到的關(guān)注和討論少；當(dāng)進(jìn)入話題的中期即新品發(fā)布會的當(dāng)天，話題的博文量快速增長至最高點(diǎn)；其后在話題的后期，話題的博文量又迅速下降至較低點(diǎn)且增長緩慢，并逐漸呈現(xiàn)出趨于零的趨勢；整個(gè)傳播過程中有且僅有一個(gè)傳播高峰。

緩進(jìn)型的新產(chǎn)品推廣在線話題的傳播呈現(xiàn)出前期增長緩慢平穩(wěn)，中期增長迅速且波動較大，后期增減幅度較大的傳播特征。具體而言在話題的前期，整個(gè)話題的微博用戶參與度較低，話題的傳播擴(kuò)散存在一定局限；在話題的中期，話題的博文量迅速提升至最高點(diǎn)繼而迅速下降；在話題的后期，話題的博文量增減幅度仍較大，且整個(gè)傳播過程中僅有一個(gè)傳播高峰點(diǎn)。

鋸齒型的新產(chǎn)品在線話題傳播呈現(xiàn)出前期波動幅度較大，中期增長迅速，后期增長緩慢逐漸趨于零的傳播特征。具體而言，在話題傳播的前期，話題的傳播較分散，波動幅度較大，話題時(shí)而較快提升至一個(gè)較高的傳播點(diǎn)，時(shí)而又較快下降至一個(gè)較低的傳播點(diǎn)；在話題的中期，話題的討論量同樣迅速擴(kuò)散至最高點(diǎn)又迅速下降至較低點(diǎn)；在話題的后期，話題的討論程度逐漸趨于平穩(wěn)的狀態(tài)，在這段時(shí)間內(nèi)沒有新的刺激點(diǎn)激發(fā)微博用戶的持續(xù)討論，導(dǎo)致話題的傳播逐漸趨于零；同時(shí)在整個(gè)傳播過程中由于存在新的刺激點(diǎn)，使話題傳播出現(xiàn)多個(gè)傳播高峰。

后進(jìn)型新產(chǎn)品推廣在線話題的傳播呈現(xiàn)出前期增長幾乎為零，中期迅速擴(kuò)散，后期增長突變較不平穩(wěn)的傳播特征。具體而言在話題傳播的前期，話題幾乎沒有受到微博用戶的關(guān)注，相關(guān)的博文量幾乎為零；在話題傳播的中期，話題同樣也是迅速提升至整個(gè)傳播過程中的最高點(diǎn)繼而開始下降；在話題傳播的后期，話題的傳播出現(xiàn)持續(xù)波動的現(xiàn)象，話題的討論熱度不減，也出現(xiàn)了整個(gè)話題傳播過程中的第二個(gè)、第三個(gè)傳播高峰。

4研究結(jié)論及管理啟示

本文在考慮話題衍生效應(yīng)的基礎(chǔ)上，以23個(gè)手機(jī)新產(chǎn)品推廣在線話題為樣本，搜集了新產(chǎn)品正式發(fā)布前后15天內(nèi)的話題博文量為元數(shù)據(jù)探究了衍生效應(yīng)對整個(gè)話題傳播的影響。通過研究發(fā)現(xiàn)，衍生話題對話題傳播的影響可以分為4種類型：峰點(diǎn)值型、持續(xù)值型、前后值型以及無影響型。在此基礎(chǔ)上運(yùn)用SOM神經(jīng)網(wǎng)絡(luò)聚類方法對衍生效應(yīng)下話題的傳播規(guī)律進(jìn)行聚類，以得到具有相似傳播特征的傳播規(guī)律分類結(jié)果。結(jié)果顯示，衍生效應(yīng)下話題傳播趨勢類型包括：爆發(fā)型、緩進(jìn)型、鋸齒型和后進(jìn)型。

對于企業(yè)而言，一方面在了解不同傳播類型及各自傳播特征的基礎(chǔ)上，有利于企業(yè)更好地明晰話題的傳播動向；另一方面根據(jù)研究結(jié)果，企業(yè)在話題傳播的過程中也可以從以下3個(gè)方面來提升話題營銷的效率：

一是充分利用話題的衍生效應(yīng)。衍生話題能給原話題帶來疊加效應(yīng)，擴(kuò)大其傳播的范圍、延長其傳播的生命周期。衍生話題的產(chǎn)生需要企業(yè)官方微博和意見領(lǐng)袖的引導(dǎo)，同時(shí)也需要廣大粉絲的參與和互動。企業(yè)應(yīng)該充分利用新產(chǎn)品的代言明星等因素所形成的話題點(diǎn)，積極促使衍生話題的形成和擴(kuò)散。

二是合理管理話題的生命周期。原話題從產(chǎn)生到消退，經(jīng)歷一個(gè)生命周期。在原話題傳播的初期，企業(yè)應(yīng)該利用官方微博、意見領(lǐng)袖和粉絲群體制造衍生話題，快速引爆原話題傳播。在話題的消退期，企業(yè)同樣需要通過衍生話題來延長原話題的弛豫時(shí)間。企業(yè)可提供一定的激勵來促使信息的傳播和擴(kuò)散[15]。通過衍生話題實(shí)現(xiàn)原話題的倍增效應(yīng)，企業(yè)能夠提升新產(chǎn)品推廣的微博話題營銷效應(yīng)。

三是制造話題點(diǎn)持續(xù)引爆話題傳播。明星代言、新產(chǎn)品發(fā)布會、粉絲群體以及網(wǎng)絡(luò)話題等是形成衍生話題的基本元素。企業(yè)應(yīng)該研究和掌握衍生話題形成和傳播規(guī)律，積極制造話題點(diǎn)來促進(jìn)衍生話題的形成和傳播。

本文也存在以下不足：以手機(jī)行業(yè)

的新產(chǎn)品推廣為研究對象，缺乏對其他行業(yè)的探究和對比分析，使得研究結(jié)果的應(yīng)用推廣存在一定的局限性；其次本文僅考慮了衍生話題對話題傳播的影響類型及在其影響下整個(gè)話題的傳播規(guī)律類型，未探究話題的品牌屬性及用戶的消費(fèi)偏好在話題傳播過程中的影響等等，未來可以在這些方面開展研究，使結(jié)論更加完整。

參考文獻(xiàn)：

[1]熊淦，夏火松.組織承諾對微博社區(qū)成員知識共享行為的影響研究[J]. 情報(bào)雜志， 2014（1）： 128-134.

[2]王連喜，蔣盛益，龐觀松，等. 微博用戶關(guān)系挖掘研究綜述[J]. 情報(bào)雜志， 2013（12）： 91-97.

[3]劉軍. 社會網(wǎng)絡(luò)模型研究論析[J]. 社會學(xué)研究， 2004（1）：1-12.

[4]蘭月新. 突發(fā)事件網(wǎng)絡(luò)衍生輿情監(jiān)測模型研究[J]. 現(xiàn)代圖書情報(bào)技術(shù)， 2013（3）：51-57.

[5]陳福集， 陳婷. 基于SEIRS傳播模型的網(wǎng)絡(luò)輿情衍生效應(yīng)研究[J]. 情報(bào)雜志， 2014（2）：108-113.

[6]Zanette D H. Dynamics of Rumor Propagation on Small-world Network[J].Physical Review E， 2002（4）： 110-126.

[7]喻發(fā)勝，王曉紅，陳波. 網(wǎng)絡(luò)傳播的衍生效應(yīng)與網(wǎng)絡(luò)輿論[J]. 湖北社會科學(xué)，2010 （5）：179-181.

[8]伍盈，唐希，蘇暢. 從傳播學(xué)視角看網(wǎng)絡(luò)輿論監(jiān)督的衍生傳播及其特點(diǎn)[J]. 消費(fèi)導(dǎo)刊， 2011 （3）：131-132.

[9]尹熙成，朱恒民，馬靜，等. 微博輿情話題傳播的耦合網(wǎng)絡(luò)模型——分析話題衍生性特征與用戶閱讀心理[J]. 情報(bào)理論與實(shí)踐，2015（11）： 82-86.

[10]Serge Galam.Modeling Rumors： The No Plane Pentagon French Hoax Case[J]. Physica A： Statistical Mechanics and Its Applications， 2003， 320： 571-580.

[11]Moreno Yamir， Nekovee Maziar， Pacheco Amalio F. Dynamics of Rumor Spreading in Complex Networks[J]. Physical Review EStatistical， Nonlinear， and Soft Matter Physics， 2004（62）：279-307.

[12]劉金榮. 基于SNA的突發(fā)事件微博謠言傳播研究[J]. 情報(bào)雜志，2013（7）：78-82.

[13]張芳，司光亞，羅批. 基于演化博弈理論的人際謠言傳播仿真模型研究[J]. 系統(tǒng)仿真學(xué)報(bào)，2011（9）：1772-1775.

[14]郭偉業(yè)，趙曉丹，龐英智， 等. 數(shù)據(jù)挖掘中SOM神經(jīng)網(wǎng)絡(luò)的聚類方法研究[J]. 情報(bào)科學(xué)，2009（6）： 874-876.

[15]Aliosha Alexandrov，Bryan Lilly，Emin Babakus.TheEffects of Social and Self-motives on the Intentions to Share Positive and Negative Word of Mouth[J].Journal of the Academy of Marketing Science，2013（41）：531-546.

（責(zé)任編輯：楊銳）