基于小世界網絡的微博負面信息傳播模型構建與案例分析

蘭娟麗　雷宏振　章俊

[摘要]本文在基于小世界網絡理論SIR模型分析的基礎上，構建出一種對微博網絡負面信息傳播的擴散機制模型，利用數學建模對該模型傳播趨勢進行概率分析，研究發現微博網絡社區的節點度越大，該節點處負面信息傳播的能力就會越強；并通過對微博負面信息義烏“微笑哥”之謎進行社會網絡實證分析，對節點用戶中心度的刻畫，說明了微博內負面信息的傳播會因其網絡內節點的不同而呈現不同的擴散特征。

[關鍵詞]負面信息；微博；擴散機制；節點度

[中圖分類號]G206.3

[文獻標識碼]A

[文章編號]1008-0821（2015）04-0022-04

1 問題的提出及文獻綜述

微博，是一種允許用戶及時更新簡短文本（通常少于140字）并可以公開發布的微型博客形式，它本質上是一種在線社會網絡，社會網絡可以定義為以個人或者群體為結點構成的集合。根據Watts和Strogaz提出的關于小世界網絡的定義及近年來關于復雜網絡的研究表明，微博具有“小世界效應”，即較大的集聚系數與較小的平均距離。社會輿論通過網絡傳播時會產生“蝴蝶效應”，信息傳遞所依賴的媒介是重要的因素（鐘偉軍，2013）。近年來社會科學等領域關于負面信息傳播的研究主要集中于網絡謠言的傳播過程及傳播效果和，其理論基礎包括Jaeger ME等（1980）提出的謠言傳播及謠言背后的社會學現象，以及謠言傳播者內心的焦慮或恐慌Walker CJ Bec&kerle C A（1987）。Gruhl D，Guha R（2004）在傳染病模型中SIRS的基礎上提出了話題在博客網絡中的傳播模型；Leskovec J（2007）參考傳染病模型中SIS模型，構建了博客網絡中信息的級聯傳播模型，通過仿真生成話題傳播網絡；韓立新（2008）提出了涌現模型；陳波、于泠（2011）將傳統傳染病模型推廣到乏在媒體環境中，引入直接免疫率和潛伏個體，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）認為，網絡輿論是在互聯網上通過有關事態信息傳播、新聞跟帖、網上評論等形式，具有一定傾向性和影響力的群體性意見，他提出了針對網絡輿論的高度重視、疏導結合、有效管理的政策建議。Alisen Hill（2010）等人的研究表明，通過微博極為發達的信息機制，消極的情緒表達可能像瘟疫一樣瞬間感染網絡，應加以重要引導。

本文擬在現有研究的基礎上，基于傳統SIR模型，加入時間動態以及微博節點度值影響因素，構建出一種擴展的微博負面信息傳播網絡模型，并以期借助社會網絡分析軟件對微博負面信息現實案例進行傳播特征方面的探索。本文所指的負面信息涵蓋了微博網絡中存在的一切虛假、有害的、未經證實的話題或謠言。

2 微博負面信息模型構建及分析

依照以往復雜網絡對于信息在網絡上的研究通常重視網絡模型的構建這一特征，我們用SIR模型對整個傳播過程進行刻畫，給定t時刻某負面信息在微博中出現，假設該微博網絡有N個節點，即有N個可以傳播信息的用戶。我們認為，隨著系統演變過程，微博網絡用戶對于負面信息的傳播最終只有3種狀態：未知態、已知態和確認免疫態。“未知態”表示用戶還未收到負面信息、“已知態”表示微博用戶已經收到但是由于種種原因不愿意傳播下去和“確認免疫態”表示用戶傳播該負面信息后，對于下次傳播失去興趣，即再次收到此信息處于免疫狀態。考慮到網絡社區的特點，由劉俊，金聰等（2009）文獻中病毒傳播的部分相關算法，結合微博網絡社區的特點，可以得到相關計算公式有：

3 案例分析：義烏“微笑哥”之謎

本文的研究案例來自新浪微博，即2014年7月15日23時28分，一名經過實名認證名為“吳法天”的微博用戶發表了一篇名為《義烏“微笑哥”之謎》微博，該微博稱：浙江義烏工業園區張滸村一位80歲的老人與幾位婦女向工業園區局長下跪哭求解決問題方案，該局長面對下跪群眾不僅無動于衷而且笑容燦爛。中午，義烏工業園區針對此事回應稱，真相并非如此，期間有村民跟該工作人員打招呼，他禮節性微笑回應。這條微博消息迅速在微博上發酵，被轉發126次，評論91次，這是一個微博網絡負面信息傳播的現實案例。

基于新浪微博API，利用自編程序來獲取該負面微博日志的評論信息，主要包括用戶評論內容、用戶ID，構建一個基于負面信息傳播的社會網絡，其中節點表示信息的產生者和傳播者，在本案例中就是指對“吳法天”所發微博而進行評論的用戶、被評論用戶轉寄（@功能）給的用戶以及“吳法天”本人。按照社會網絡分析的思路，通過以上的三類用戶構建鄰接矩陣，令矩陣的“行”代表信息發送者，“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，則對應的行列元素值為1，否則為0，最終得到一個二值矩陣。根據前期收集數據，我們可以得到本案例的鄰接矩陣，導入社會網絡分析軟件Ucinet后可以通過Netdraw繪制出該微博社區內交流網絡的社群圖，如圖1：

接下來，運用UCINET軟件對“浙江義烏微笑哥”這個負面信息整體網絡鄰接矩陣數據進行密度測度，得出結果如表1所示。根據結果顯示，在由58個傳播節點組成的“義烏微笑哥”負面信息傳播網絡中，實際存在的連接數為73條，整體網絡間的密度為0.0221，實驗網絡中的連線數為73條，節點為58個。在UCINET軟件中構造一個擁有58個節點的隨機網絡，并計算該隨機網絡的網絡密度，結果為0.063，如表2所示。

對比實驗網絡與隨機網絡的參數，發現試驗網絡的密度要遠遠小于隨機網絡。可見，負面信息在傳播的過程中，網絡密度較小，負面信息傳播主體之間的關系并沒有理論上的那么緊密，而是如圖1具有擴散特點的。

表3、表4、表5分別反映了負面信息網絡中心度的三類指標結果，觀察可以得出：

（1）“義烏微笑哥”負面信息傳播網絡的整體點度中心度為2.172，1號即原文作者“吳法天”是整個負面信息傳播網絡中的關鍵節點，明顯高于實驗網絡中其他節點，該節點對于該信息的傳播能力明顯強于其他節點，這說明在整個負面信息傳播的過程中，研究發現微博網絡社區的節點度值越大，負面信息繼續傳播的能力越強；endprint

（2）“義烏微笑哥”負面信息傳播網絡58個節點中，13個節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”、“mixiahmixiahmixiah”，中間中心度分別為392、192、153。這說明就整個網絡而言，網絡中的大部分節點不需要別的節點作為橋接點，即網絡中的大部分節點是不受他人控制的，便可以接受信息，而這幾個較大節點的微博用戶在“義務微笑哥”這條負面信息傳播的過程中具有一定的“擴散力”，反映了微博內負面信息的傳播會因節點度的不同而具有不同的擴散特征，可以一般描述為：節點度值越大，擴散趨勢越明顯。

4 結語

參考微博網絡中信息傳播的特征，文章基于小世界網絡理論SIR模型分析的基礎上，構建出一種對微博網絡負面信息傳播的擴散機制模型，然后通過數學建模對該模型傳播趨勢進行概率分析，發現影響負面信息在微博網絡內傳播的因素主要有：各種狀態用戶的數量，以及微博網絡節點度值，信息有效傳播概率，無論這些因素中的哪一個變化都會帶來整個系統的改變，而微博網絡節點度值更是影響信息有效傳播概率的關鍵因素，信息有效傳播概率會隨著節點度值的增大而增大。接下來通過選取微博中現實案例進行社會網絡實證研究，對負面信息傳播網絡的點度中心度、中間中心度、接近中心度的分析，驗證了網絡節點中心度對負面信息傳播影響的重要性。

由實證研究可知，網絡中的大部分節點不需要別的節點作為橋接點，即網絡中的大部分節點可以不受他人控制的而接受信息，因此我們不能掌控整個網絡，只能從決定負面信息擴散趨勢的主要節點用戶努力，我們進而得到啟發：政府及有關部門在控制會引發網民消極情緒的傳播態勢時，如，微博的頁面信息，應該選擇合適的“時機”和“節點”，以最快速度從微博網絡中找出最可能會傳播該負面信息的主要節點用戶（一般指占據度值較大的節點用戶），從而及時降低其傳播的可能性，減弱信息擴散趨勢，從源頭開始控制負面信息的傳播，由此將負面信息猛烈傳播可能會帶來的危害盡可能地降到最低。我們認為，正是諸如資深新聞評論員，新聞編輯，網絡名人，專家學者等在網絡負面信息傳播中扮演著主要節點用戶的角色，他們通常也被稱為網絡意見領袖，政府對于意見領袖的教育、引導和管理便顯得尤為關鍵，可以起到正確疏導輿情走向的作用。

（本文責任編輯：郭沫含）endprint