基于謠言傳播模型的　　“微博社區(qū)”負面信息擴散效應(yīng)及案例研究

雷宏振　章　俊　蘭娟麗　袁　丹

（陜西師范大學(xué)國際商學(xué)院 ，陜西 西安710100）

·理論探索·

基于謠言傳播模型的“微博社區(qū)”負面信息擴散效應(yīng)及案例研究

雷宏振章俊蘭娟麗袁丹

（陜西師范大學(xué)國際商學(xué)院 ，陜西 西安710100）

微博在成為新的網(wǎng)絡(luò)社區(qū)平臺的同時 ，也成為負面信息傳播的主要載體，本文基于謠言傳播的SIR模型，構(gòu)建了 “微博社區(qū)”負面信息的傳播模型 ，并利用社會網(wǎng)絡(luò)分析方法，以浙江義烏 “微笑哥”之謎為實證研究對象，研究結(jié)果表明網(wǎng)絡(luò)社區(qū)內(nèi)負面信息擴散的關(guān)鍵節(jié)點單一，信息傳播路徑分散 ，節(jié)點自接受信息的途徑寬，整個負面信息傳播網(wǎng)絡(luò)呈現(xiàn)松散性特征。

微博社區(qū) ；負面信息 ；擴散效應(yīng) ；案例研究

在Web2.0時代，微博作為一個 “自由互動空間”，在表達個人言論、情感、意見的同時，也成為負面信息的主要載體。同時，由于微博信息主體身份的隱蔽性，微博監(jiān)管的困難，使得負面信息在短時間內(nèi)得到快速傳播，因此，研究 “微博社區(qū)”負面信息傳播機理及擴散效應(yīng)，并在此基礎(chǔ)上進行有效的預(yù)見和控制可以起到積極的作用。在現(xiàn)實生活中，由于預(yù)見和控制滯后所帶來的負面信息的影響案例有許多，例如，2011年3月日本福島核泄露后所引起的 “搶鹽風(fēng)波”，2014年9月25日的海口12歲男孩疑食老鼠肉風(fēng)波，這都引起了極大的社會恐慌。本文試圖運用社會網(wǎng)絡(luò)分析方法 ，研究微博社區(qū)內(nèi)負面信息傳播的形成機理及其效應(yīng)，為微博社區(qū)內(nèi)負面信息傳播的引導(dǎo)和控制提供決策參考。

1　相關(guān)文獻述評

社區(qū)的概念最早是由德國社會學(xué)家滕尼斯在其1887年出版的 《社區(qū)與社會》中提出，他所說的 “社區(qū)”指的是一種基于血緣關(guān)系或自認情感的社會有機體。隨著互聯(lián)網(wǎng)時代的到來 ，人們通過互聯(lián)網(wǎng)交流形成了具有共同價值觀、共同歸屬感的群體，這時，強調(diào)具有 “精神共同體”屬性的 “虛擬社區(qū)”便凸顯出來，本文所研究的微博社區(qū)便是虛擬社區(qū)的一種呈現(xiàn)形式 ，作為虛擬社區(qū)的一種表現(xiàn)形式，微博社區(qū)是指微博主體利用微博客戶端，圍繞共同的興趣和共同的需要進行頻繁的社會互動而形成的具有文化認同的共同體和虛擬的活動場所，微博社區(qū)內(nèi)的交往具有超時空性、人際互動具有匿名性。微博社區(qū)作為用戶信息分享、傳播與獲取的平臺，不同于傳統(tǒng)的虛擬社區(qū)，它更強調(diào)關(guān)注信息的產(chǎn)生、擴散和傳播。

然而，學(xué)術(shù)界對于微博社區(qū)的研究相對缺乏 ，國外對微博的研究，以對Twitter的研究為主，Kristina研究了新聞事件在Twitter中的傳播，發(fā)現(xiàn)社會網(wǎng)絡(luò)在信息傳播中起到關(guān)鍵角色的作用，信息網(wǎng)絡(luò)結(jié)構(gòu)會影響信息傳播［1］。Kwak等人通過大規(guī)模分析Twitter數(shù)據(jù)，發(fā)現(xiàn)一條信息一旦被評論，就將快速的在網(wǎng)絡(luò)中擴散 ，而且還得出了Twitter的網(wǎng)絡(luò)結(jié)構(gòu)具有非冪律分布、高效率和非互惠性的特征，與人類社會交流網(wǎng)絡(luò)具有極大不同［2］。此外，還有學(xué)者對微博信息傳播特征進行了研究，發(fā)現(xiàn)了微博信息傳播具有間接性、路徑短、時效性特征［3－7］。國內(nèi)對微博的研究主要集中在新浪微博、騰訊微博的實證研究方面，平亮、宗利永從社會網(wǎng)絡(luò)的研究視角出發(fā)，通過測量網(wǎng)絡(luò)結(jié)構(gòu)的各種中心性，對微博信息傳播進行了分析［8］。在此基礎(chǔ)上，王曉光、袁毅、滕思琦從實證的角度，根據(jù)核心——邊緣理論和聚類分析方法，界定了微博社區(qū)中核心區(qū)域與外圍區(qū)域 ，并對微博社區(qū)內(nèi)的交流網(wǎng)絡(luò)結(jié)構(gòu)和特點進行了研究［9］。姜鑫、田志偉則以騰訊微博為研究對象，進一步證明了微博社區(qū)內(nèi)的交流網(wǎng)絡(luò)具有小世界特征［10］。小世界現(xiàn)象的特征是指既具有較高的聚類系數(shù)，又具有較短的平均路徑長度的網(wǎng)絡(luò)，存在小世界現(xiàn)象的網(wǎng)絡(luò)稱為小世界網(wǎng)絡(luò)。在用戶交流網(wǎng)絡(luò)特征的基礎(chǔ)上，劉金榮以 “薊縣大火”微博謠言為實證研究對象 ，分析了網(wǎng)絡(luò)中關(guān)鍵節(jié)點對謠言傳播路徑和傳播速度的影響 ，厘清了其傳播規(guī)律［11］。類似的還有許玉、宗乾進、袁勤儉、朱慶華等人以典型的銀行信用卡負面口碑事件為例，分析了微博社區(qū)中負面口碑的傳播路徑、負面口碑的控制能力［12］。

但是，現(xiàn)有的研究沒有對微博社區(qū)內(nèi)負面信息的傳播進行研究，本文將利用社會網(wǎng)絡(luò)的分析方法在這一方面進行探討。負面信息是指能夠?qū)€人、社會產(chǎn)生消極影響的，不符合社會實踐的規(guī)律性、目的性的各類信息，這類信息的呈現(xiàn)形式可以是一張圖片、一條文本信息或者是一段視頻，同時，這里所研究的負面信息僅限定為通過微博手段進行傳播的負面信息。

2　負面信息傳播模型構(gòu)建

微博社區(qū)內(nèi)負面信息傳播有其特有的傳播機理和傳播特征，但是目前關(guān)于信息傳播模型應(yīng)用最廣泛的是經(jīng)典的謠言傳播模型，即SIR模型，負面信息雖然與謠言傳播模型有諸多相似之處，但是，也有區(qū)別，因此，結(jié)合負面信息傳播過程的實際情況 ，我們對經(jīng)典謠言SIR模型進行了改進，改進后的負面信息傳播模型包含以下4種狀態(tài)：未得到負面信息狀態(tài) （S態(tài)）、得到負面信息并繼續(xù)傳播狀態(tài)（I態(tài)）、得到負面信息但不確定是否繼續(xù)傳播狀態(tài) （IR態(tài)）、得到負面信息不繼續(xù)傳播狀態(tài) （R態(tài)），模型中各狀態(tài)轉(zhuǎn)移情況如圖1所示。

圖1　RR負面信息傳播模型動態(tài)轉(zhuǎn)移圖

根據(jù)圖示，微博社區(qū)負面信息傳播模型中4種狀態(tài)的轉(zhuǎn)移情況如下：某節(jié)點未得到負面信息時 ，處于S態(tài)，當(dāng)它收到負面信息后，以一定的概率轉(zhuǎn)變成I態(tài)或IR態(tài)，I態(tài)向其所有關(guān)注節(jié)點繼續(xù)進行信息傳播后轉(zhuǎn)變?yōu)镽態(tài)，處于IR態(tài)的節(jié)點需要進一步等待其它因素的影響，轉(zhuǎn)變?yōu)镮態(tài)或R態(tài)。

對于上述模型做如下說明：

（1）由于微博負面信息傳播網(wǎng)絡(luò)的復(fù)雜性和用戶行為的隨機性，假設(shè)負面信息只能通過用戶的 “轉(zhuǎn)發(fā)”關(guān)系、“評論”關(guān)系網(wǎng)絡(luò)進行傳播，其它渠道的傳播不在本文考慮范疇。

（2）微博信息具有時效性，隨著時間的推移，被繼續(xù)傳播的概率遞減。在經(jīng)過一定的時間后，處于IR態(tài)的節(jié)點都轉(zhuǎn)變?yōu)镽態(tài)，最終網(wǎng)絡(luò)中將只存在S態(tài)和R態(tài)的節(jié)點。

（3）微博社區(qū)負面信息傳播的影響因素有3個：負面信息網(wǎng)絡(luò)拓撲結(jié)構(gòu)復(fù)雜性、負面信息復(fù)雜屬性、信息節(jié)點（微博用戶）屬性復(fù)雜性。

負面信息傳播模型的形式化形式即：

微博社區(qū)負面信息傳播復(fù)雜網(wǎng)絡(luò)可以表示為有向圖G =，?V∈V，v代表負面信息傳播網(wǎng)絡(luò)中的一個用戶節(jié)點，?e=（u，v）∈E，u，v∈V表示用戶u關(guān)注了v，表示用戶總數(shù)，表示邊總數(shù)。結(jié)合本文構(gòu)建的負面信息傳播模型 ，如果某個節(jié)點用戶轉(zhuǎn)發(fā)或者評論了某條信息，那么這條信息就會傳播給所有關(guān)注他的節(jié)點 ，負面信息得到繼續(xù)傳播 ，負面信息的傳播主要受信息節(jié)點檢查信息的時間、評論或轉(zhuǎn)發(fā)概率的影響。因此，針對負面信息傳播模型做出如下假定：

（1）信息節(jié)點檢查負面信息的離散時間序列為標(biāo)記為Tn，n=1，2，…。信息節(jié)點 i在時刻Tn檢查信息的概率為pin，i=1，2，…，由于微博社區(qū)內(nèi)節(jié)點用戶行為是相互獨立的，所以pin∈［0，1］是獨立的隨機變量。

（2）若在時刻 Tn，信息節(jié)點 i已經(jīng)接受了該條負面信息 ，且該條負面信息得以繼續(xù)傳播的概率為 qin，則它是負面信息屬性因素、信息源因素及信息節(jié)點主觀因素的函數(shù)：

在上述公式中 ，λ1代表負面信息的屬性因素、信息節(jié)點主觀因素 （即信息節(jié)點在收到負面信息后，不受其他因素影響的條件下轉(zhuǎn)發(fā)或評論的概率）。本文假定λ1∈［0，1］是獨立的隨機變量，m表示在時刻Tn已接收到負面信息的累計次數(shù)，α表示負面信息源的累計可信度 ，β表示累計強關(guān)系數(shù)。因此 ，當(dāng)信息節(jié)點僅接受1次信息時 ，信息繼續(xù)傳播的概率取決于 pin和λ1的值，二者的值越大，負面信息傳播的概率就越大，隨著 m值的增加，α和β的值也增加，而 qin無限趨近于0。

負面信息傳播模型揭示了微博社區(qū)內(nèi)負面信息的動態(tài)轉(zhuǎn)移模式，根據(jù)負面信息傳播模型，微博社區(qū)內(nèi)負面信息在動態(tài)轉(zhuǎn)移的過程中可能具有松散性特征，接下來我們將通過案例研究對微博社區(qū)內(nèi)負面信息傳播網(wǎng)絡(luò)的密度、中心度進行分析，進一步探析微博社區(qū)內(nèi)負面信息傳播的特點。

3　案例研究

本文選取的案例來自新浪微博，即2014年7月15日23時28分，一名經(jīng)過實名認證的名為 “吳法天”的微博用戶發(fā)表了一篇名為 《義烏 “微笑哥”之謎》微博，在微博中爆料了這樣一條信息：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)局長下跪 ，哭求解決問題，但該局長面對下跪群眾無動于衷且笑容燦爛。中午，義烏工業(yè)園區(qū)針對此事回應(yīng)稱 ，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)。這條消息迅速在微博上發(fā)酵 ，被轉(zhuǎn)發(fā)126次，評論91次。

本文基于新浪微博API，利用自編程序來獲取本研究的數(shù)據(jù)：獲取該條負面微博日志的評論信息，主要包括用戶評論內(nèi)容、用戶ID。在此基礎(chǔ)上，構(gòu)建一個基于負面信息傳播的社會網(wǎng)絡(luò) ，其中節(jié)點表示信息的產(chǎn)生者和傳播者，具體到本研究而言，是對 “吳法天”所發(fā)微博而進行評論的用戶、被評論用戶轉(zhuǎn)寄 （@功能）給的用戶、以及 “吳法天”本人。

通過以上的三類用戶構(gòu)建鄰接矩陣 ，表示他們之間信息傳播的關(guān)系，其中，矩陣的 “行”代表信息發(fā)送者，“列”代表信息接受者。如果這些用戶中某位用戶將信息傳遞給了另一位用戶 ，則對應(yīng)的行列元素值為1，否則為0，最終得到一個二值矩陣。將鄰接矩陣導(dǎo)入社會網(wǎng)絡(luò)分析軟件Ucinet，然后用運用Ucinet的繪圖軟件工具Netdraw繪制出該微博社區(qū)內(nèi)交流網(wǎng)絡(luò)的社群圖 （見圖2）。

圖2　RR微博社區(qū)內(nèi)交流網(wǎng)絡(luò)的社群圖

3.1網(wǎng)絡(luò)密度測度與分析

網(wǎng)絡(luò)密度是指社會網(wǎng)絡(luò)圖中節(jié)點與節(jié)點之間聯(lián)系的緊密程度，表示社會網(wǎng)絡(luò)圖中節(jié)點成員之間信息互動傳播的緊密性，網(wǎng)絡(luò)密度的測量需要考察社會網(wǎng)絡(luò)圖中實際存在的連接數(shù)與最大可能存在的連接數(shù)之比。在一個包含 n個點的有向網(wǎng)絡(luò)圖中，所能包含的最大連接數(shù)恰恰等于它所包含的總對數(shù)，即n（n－1），所以其密度為l/n（n－1），其中，l為社會網(wǎng)絡(luò)圖中實際存在的連接數(shù)。

運用UCINET軟件對 “浙江義務(wù)微笑哥”這個負面信息整體網(wǎng)絡(luò)鄰接矩陣數(shù)據(jù)進行密度測度，結(jié)果如表1所示。根據(jù)結(jié)果顯示，在由58個傳播節(jié)點組成的 “義烏微笑哥”負面信息傳播網(wǎng)絡(luò)中，實際存在的連接數(shù)為73條，即73對節(jié)點之間存在聯(lián)系，且整體網(wǎng)絡(luò)間的密度為0.0221。這個測量結(jié)果表明這則負面信息傳播的過程中，傳播節(jié)點與傳播節(jié)點之間的聯(lián)系并不緊密，不存在普遍的、密切的交流關(guān)系。對此，我們通過構(gòu)造一個隨機試驗網(wǎng)絡(luò)來進行對比研究。

表1　R負面信息傳播整體網(wǎng)絡(luò)密度測度

本文選取的案例網(wǎng)絡(luò)中的連線數(shù)為73條，節(jié)點為58個。在UCINET軟件中構(gòu)造一個擁有58個節(jié)點的隨機試驗網(wǎng)絡(luò)，并計算該試驗網(wǎng)絡(luò)的網(wǎng)絡(luò)密度，結(jié)果為0.063，如表2所示。

表2　R隨機網(wǎng)絡(luò)密度測度

將 “浙江義烏微笑哥”這個負面信息網(wǎng)絡(luò)與隨機試驗網(wǎng)絡(luò)的參數(shù)進行對比，發(fā)現(xiàn) “浙江義烏微笑哥”這則負面信息網(wǎng)絡(luò)的密度要遠遠小于隨機試驗網(wǎng)絡(luò)。這說明，負面信息在傳播的過程中，傳播主體與傳播主體之間的互動交流較少，聯(lián)系不夠緊密，整個網(wǎng)絡(luò)的關(guān)系形態(tài)松散，主要原因在于新浪微博用戶之間缺乏廣泛的互動交流。

3.2網(wǎng)絡(luò)中心度測度與分析

網(wǎng)絡(luò)中心度是社會網(wǎng)絡(luò)分析研究的重點，它表明了網(wǎng)絡(luò)圖中各個節(jié)點在整體網(wǎng)絡(luò)中的具體位置，進一步而言，中心度反映的是網(wǎng)絡(luò)中的節(jié)點在網(wǎng)絡(luò)中的中心權(quán)力和中心地位。在負面信息傳播的網(wǎng)絡(luò)中，節(jié)點的中心度不僅僅是顯示其所處位置與權(quán)力 ，更體現(xiàn)了網(wǎng)絡(luò)節(jié)點對網(wǎng)絡(luò)內(nèi)部信息流動的控制能力，從而反映了負面信息傳播過程中的路徑特征。刻畫中心度的指標(biāo)有點的度數(shù)中心度、點的中間中心度、點的接近中心度。

3.2.1點的度數(shù)中心度

節(jié)點的度數(shù)中心度有兩類——絕對中心度和相對中心度。點的絕對中心度是指該點直接相連的點的數(shù)量，點的相對中心度是絕對中心度的標(biāo)準(zhǔn)化形式。點的度數(shù)中心度反映的是網(wǎng)絡(luò)中節(jié)點的交互能力，如果一個網(wǎng)絡(luò)節(jié)點與很多其它節(jié)點直接相連，就認為該節(jié)點的度數(shù)中心度較高，該節(jié)點越接近于社會網(wǎng)絡(luò)的中心位置，該節(jié)點的社會地位越高，權(quán)力也就越大。在節(jié)點為n的有向網(wǎng)絡(luò)圖中，相對度數(shù)中心度的表達式為：

其中C′D（ni）表示第 i個節(jié)點的中心度。

運用UCINET軟件對 “浙江義務(wù)微笑哥”這個負面信息網(wǎng)絡(luò)進行點的度數(shù)中心度測度，結(jié)果如表3所示。從結(jié)果可以看出 “義烏微笑哥”負面信息傳播網(wǎng)絡(luò)的整體點度中心度為2.172，1號 “吳法天”是整個負面信息傳播網(wǎng)絡(luò)中的關(guān)鍵節(jié)點，明顯高于實驗網(wǎng)絡(luò)中其他節(jié)點，這說明在整個負面信息傳播的過程中，1號 “吳法天”處于整個負面信息傳播網(wǎng)絡(luò)中的中間位置，與其它眾多節(jié)點之間存在著交流，并且控制著其它節(jié)點對負面信息的接受和傳播，但是，我們也發(fā)現(xiàn)網(wǎng)絡(luò)中關(guān)鍵節(jié)點單一，信息傳播路徑分散。

表3　RR“義烏微笑哥”信息傳播網(wǎng)絡(luò)點度中心度測度結(jié)果（前10個）

3.2.2點的中間中心度

節(jié)點的中間中心度是用來測量某個節(jié)點作為中介的作用與功能，也就是該節(jié)點作為 “橋”存在能力的大小，在一個完整的網(wǎng)絡(luò)圖中，如果網(wǎng)絡(luò)的行動節(jié)點處于許多交往網(wǎng)絡(luò)路徑上 ，那么 ，可以認為此節(jié)點在網(wǎng)絡(luò)結(jié)構(gòu)中處于重要地位，因為此節(jié)點能夠控制其它兩節(jié)點之間的交互溝通，“處于這種位置的個人可以通過控制或者曲解信息的傳遞而影響群體。”［13］如果說一個點處于許多其他點對的最短路徑上 ，我們就說該點具有較高的中間中心度，一個網(wǎng)絡(luò)節(jié)點的中間中心度越高 ，那么越多的節(jié)點就必須通過它才能進行溝通互動。中間中心度的表達式為：

其中bjk（i）表示第三點 i能夠控制此兩點的交往能力，即 i處于j和k之間的捷徑上的概率。

運用UCINET軟件對 “浙江義務(wù)微笑哥”這個負面信息網(wǎng)絡(luò)進行點的中間中心度測度，結(jié)果如表4所示。從結(jié)果可以看出“義烏微笑哥”負面信息傳播網(wǎng)絡(luò)58個節(jié)點中 ，13個節(jié)點的中間中心度大于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”、“mixiahmixiahm ixiah”，中間中心度分別為392、192、153。這說明這幾個微博用戶在“義務(wù)微笑哥”這條負面信息傳播的過程中具有一定的“控制力”，就整個網(wǎng)絡(luò)而言,網(wǎng)絡(luò)中的大部分節(jié)點不需要別的節(jié)點作為橋接點，便可以接受信息，反映了負面信息傳播的分散特征 ，其傳播路徑以“吳飛微議”、“王海涖”、“mixiahmixiahmixiah”3個節(jié)點為中心分散傳播。

表4　RR“義烏微笑哥”信息傳播網(wǎng)絡(luò)中間中心度測度結(jié)果（前10個）

3.2.3點的接近中心度

節(jié)點的接近中心度指的是該節(jié)點與圖中其它所有其他點的最短距離之和，接近中心度是一種針對不受他人控制的測度。如果一個點與網(wǎng)絡(luò)中所有其他點的 “距離”都很短，則稱該點具有較高的接近中心度。具有較高接近中心度的節(jié)點，在信息傳遞過程中較少依賴他人，其測量公式為：

其中，dij是點i和j之間的捷徑距離 （即捷徑中包含的線數(shù)）。

運用UCINET軟件對 “浙江義務(wù)微笑哥”這個負面信息網(wǎng)絡(luò)進行點的接近中心度測度，結(jié)果如表5所示。從結(jié)果可以看出，網(wǎng)絡(luò)中的大部分節(jié)點的接近接近中心度接近于0，這說明在負面信息傳播的過程中，節(jié)點與節(jié)點之間的信息依賴程度較高，負面信息資源的傳播被一些中心節(jié)點或小團體所控制，信息如果不經(jīng)過中心節(jié)點或小團體，那么負面信息的傳播就會受阻，不能順利地從一個節(jié)點傳播到另一個節(jié)點。這也說明負面信息傳播路徑較長，傳播形態(tài)松散。

表5　RR“義烏微笑哥”信息傳播網(wǎng)絡(luò)接近中心度測度結(jié)果（前10個）

4　結(jié)論與啟示

基于實證數(shù)據(jù)對微博社區(qū)內(nèi)負面信息傳播的研究一直較為匱乏，本文通過實證分析新浪微博上的一個負面信息 ，來獲取負面信息傳播的網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)建了微博社區(qū)內(nèi)負面信息的傳播模型，描繪了負面信息傳播的動態(tài)轉(zhuǎn)移模式，并利用社會網(wǎng)絡(luò)的分析方法 ，比較案例中的 “浙江義務(wù)微笑哥網(wǎng)絡(luò)”與隨機試驗網(wǎng)絡(luò)的網(wǎng)絡(luò)密度 ，發(fā)現(xiàn)試驗網(wǎng)絡(luò)的密度小于隨機網(wǎng)絡(luò)的密度，證明了微博社區(qū)內(nèi)負面信息傳播具有松散性特征。進一步通過對負面信息傳播網(wǎng)絡(luò)的點度中心度、中間中心度、接近中心度的分析，發(fā)現(xiàn)影響整個網(wǎng)絡(luò)內(nèi)信息擴散的關(guān)鍵節(jié)點單一，信息傳播路徑分散，節(jié)點自接受信息的途徑寬，節(jié)點與節(jié)點之間的相互依賴程度較高，節(jié)點的這些特征促使了負面信息傳播松散性的形成。

［1］Kwak H，Lee C，Park H，et al.What is Twitter，a social network or a newsmedia［C］∥Proc of the 19th International Conference on World WideWeb.New York：ACM Press，2010：591－600.

［2］Lerman K，Ghosh R.Information contagion：An empirical study of the spread of news on Digg and Twitter social networks［C］.Proceedings of the 4th International AAAI Conference on Weblogs and Social Media：AAAI，2010：90－97.

［3］Wu Shao－mei，Hofman JM，Mason W A，etal.Who sayswhat to whom on Twitter［C］∥Proc of the 20th International Conference on World WideWeb.New York：ACM Press，2011：705－714.

［4］Tian Zhan－wei，Zhang Qing－pu.Empirical annlysis of microblog information flow features bases on complex network theory［J］.Advances in Information Sciences and Service Sciences，2012，4（7）：163－171.

［5］沈柯軼 .社會網(wǎng)絡(luò)的社團發(fā)現(xiàn)與動態(tài)特征研究 ［D］.上海：上海交通大學(xué) ，2011.

［6］Guille A，Hacid H.A predictive model for the temporal dynam ics of information diffusin in online social networks［C］∥Proc of the 21th International Conference on World Wide Web.NewYork：ACM Press，2012：1145－1152.

［7］張賽，徐恪，李海濤.微博類社交網(wǎng)絡(luò)中信息傳播的測量與分析 ［J］.西安交通大學(xué)學(xué)報 ，2013，47（2）：124－130.

［8］平亮，宗利永 .基于社會網(wǎng)絡(luò)中心性分析的微博信息傳播研究——以Sina微博為例 ［J］.圖書情報知識，2010，（6）：92－97.

［9］王曉光 ，袁毅 ，滕思琦 .微博社區(qū)交流網(wǎng)絡(luò)結(jié)構(gòu)的實證分析［J］.情報雜志 ，2011，30（2）：200－203.

［10］姜鑫，田志偉 .微博社區(qū)內(nèi)信息傳播的 “小世界”現(xiàn)象及實證研究——以騰訊微博為例［J］.情報科學(xué) ，2012，30（8）：1139－1142.

［11］劉金榮.基于SNA的突發(fā)事件微博謠言傳播研究 ［J］.情報雜志 ，2013，32（7）：78－82.

［12］許玉 ，宗乾進，袁勤儉 ，等 .微博負面口碑傳播研究［J］.情報雜志，2012，31（7）：6－11.

［13］Freeman L C.Centrality in social networks：conceptual clarification ［J］.Social Networks，1979（1）：215－239.

（本文責(zé)任編輯：孫國雷）

The Diffusion Effect of“Weibo Community”Negative Information Based on the Rumor Spreading Model and Case Studies

LeiHongzhen Zhang Jun Lan Juanli Yuan Dan
（International Business School，ShaanxiNormal University，Xi'an 710100，China）

Weibo as a new online community platform，also become themain carrier of negative information.This article constructed the negative information propagationmodel about“Weibo community”based on the SIRmodel，and using social network analysismethod to analyze the Yiwu incidents，the research results showed that the network community has little key nodes and information transmission path scattered，nodeaccepts theway of informationwidely，mostof thenode is not controlled by others，the negative information dissemination network presents loose sexual characteristics.Then the paper could use the conclusion to control the negative information.

Weibo community；negative information；diffusing effect；case study

雷宏振 （1966－），男，副院長，教授，博士生導(dǎo)師 ，研究方向：知識管理 ，社會網(wǎng)絡(luò)。

10.3969/j.issn.1008－0821.2015.05.006

G206.2

A

1008－0821（2015）05－0030－05

2015－01－16

2014年度國家社會科學(xué)基金項目 “網(wǎng)絡(luò)群間負面信息傳播的擴散機制、收斂性及風(fēng)險控制研究”（項目編號：14BSH052）；陜西師范大學(xué)復(fù)雜性科學(xué)交叉學(xué)科平臺研究成果之一 （無項目名稱及項目編號）。