基于Multi—Agent的政府干預下虛假輿情傳播規律與控制決策
2018-07-11 09:51:06李春發劉凱王晟鍇
現代情報 2018年5期
李春發 劉凱 王晟鍇
〔摘要〕[目的/意義]為研究政府干預對虛假輿情傳播的影響。[方法/過程]首先，基于個體異質性，將群眾進行分類，分析了各類群眾之間的狀態轉移關系；然后，借鑒Bass模型，構建了在政府干預下虛假輿情傳播擴散的數學模型；第三，使用Multi-Agent技術構建了群眾狀態轉化邏輯關系來模擬仿真虛假輿情傳播的規律；最后，考察了政府干預時間與干預強度對群眾行為狀態轉化的影響。[結論/結果]經過理論建模和仿真分析驗證了本文預測方法的有效性和可行性，將為政府準確把握虛假輿情傳播規律、有效防控虛假輿情擴散蔓延提供理論依據。
〔關鍵詞〕虛假輿情；個體異質性；Bass模型；Multi-Agent
DOI：10.3969/j.issn.1008-0821.2018.05.008
〔中圖分類號〕C91263〔文獻標識碼〕A〔文章編號〕1008-0821（2018）05-0053-07
〔Abstract〕[Purpose/Significance]To research the influence of Propagation of false public opinion under the government intervention.[Method/Procedure]Firstly，based on individual heterogeneity，the masses were classified and the state transition relations among various masses were analyzed.Then，utilizing Bass model，the mathematical model was built for diffusion of false public opinion under intervention of government.Furthermore，the logical relation of mass state transformation was constructed by Multi-Agent technique，which simulated the law of the Propagation of false public opinion.Finally，the influence for state transformation of mass behavior was analyzed through governmental intervention time and intervention intensity.[Conclusion/Result]The prediction method was feasible by theoretical modeling and simulated analysis.The above theory research could make government accurately grasp Propagation law of false public opinion and provide references for government to make related policies
〔Key words〕false public opinion；behavior heterogeneous；Bass model；Multi-Agent
1現狀分析
2013年10月，國務院頒布的《突發事件應急預案管理辦法》要求針對政策部門重大突發涉政輿情必須快速反應、及時發聲，在24小時內舉行新聞發布會，并持續發布權威信息。這是由于突發事件發生必然伴隨虛假輿情傳播，引起不明真相民眾的心理恐慌和信任危機，危害社會穩定和政府形象。如：2011年日本大地震發生后，有人在網上惡意散布我國近海海水被核污染，食用加碘鹽可以有效預防核輻射，引發蔓延全國的民眾搶購囤積加碘食鹽事件，造成“搶鹽風波”[1]。這主要在于社會低估了虛假輿情傳播的能力，政府沒能及時有效地防控虛假輿情傳播；很多人在接受信息后采取了跟隨模仿行為。隨著新媒體的發展，突發事件中輿情的傳播速度和范圍也開始加劇，并出現了線上線下相結合的新特點[2]。因此，掌握虛假輿情的傳播規律和政府如何干預虛假輿情的傳播具有重要的理論和實踐意義。
對于突發事件中輿情的擴散引起了諸多國內外學者的關注，研究方法主要集中于定性和定量分析。其中，定性分析主要利用傳播學和社會學等多學科理論研究了網絡輿情的傳播過程和擴散機理，主要代表理論有生命周期理論[3]、群體極化理論[4]、扎根理論[5]和信息異化理論[6]等；定量分析主要是利用統計學、社會動力學和信息計算科學等定量的研究了網絡輿情傳播的規律和演化進程。主要代表方法和模型有微分方程[7]、系統動力學[8]、社會網絡分析法[9-10]、元胞自動機模型[11]、演化博弈模型[12]和傳染病模型[13]。
虛假輿情是不存在或被放大、掩蓋的輿情[14]。陳艷紅等梳理了虛假網絡輿情的成因和影響[15]；林寒通過分析“上海女逃離江西農村”事件輿情，提出了網絡虛假輿情傳播的理論解釋和現實邏輯[16]；蘭新月分析了突發事件中網絡謠言傳播的規律，并進行了數值仿真驗證[17]；以往虛假輿情研究主要從宏觀視角出發，較少考慮民眾個體間的信息交互和民眾個體異質。在Multi-Agent系統中，Agent代表不同的個體，可以是完全異質的，Agent的加入和離開都是完全自由的，根據自己的個體屬性，通過系統中Agent之間的共同協作，“自下而上”地涌現出集體行為。孫雷霆等基于Bass擴展模型，利用Multi-Agent建模和仿真技術揭示虛假輿情的傳播規律[18]；考慮到政府的干預行為，王治瑩等借鑒SEIR傳染病模型，考察了政府在不同關注點進行突發事件干預對群眾行為的影響[1]；蘭月新等根據突發事件發展的4個不同階段（事件發生、輿情產生、傳播和事件平息）給出了在政府的應對策略[7]；崔鵬等[19]針對網絡輿情演化規律，探究了政府應對能力指標在突發公共事件網絡輿情生命周期中的演化態勢。
有關網絡謠言、虛假輿情傳播研究已有大量成果[14-18]，但較少從微觀層面上考慮政府對虛假輿情傳播的干預作用，以及政府干預時間和干預強度的確定。本文利用Multi-Agent建模技術，通過定義Agent個體行為來進行模擬仿真當突發事件發生后虛假輿情傳播的過程和群眾狀態轉化趨勢，結合仿真結果，考察政府在不同時刻和不同強度的干預下，受影響群眾數量變化趨勢，為政府有效引導控制虛假輿情的惡意傳播提供參考依據。
2問題描述及模型建立
21Bass模型的擴展
Bass模型最早由Frank Bass于1969年在預測耐用消費品的銷售量時提出，他將消費者分為潛在消費者和采納消費者兩類，潛在消費者接收信息的渠道主要考慮大眾傳媒等外部因素和人際交流等內部因素[20]。Bass模型的基本形式為：
dN（t）dt=[M-N（t）]p+qMN（t）， N（0）=0（1）
其中，M為最大市場潛力，N（t）為在t時刻累計采納消費者數量；p和q分別表示外部影響強度系數和內部影響強度系數，且p，q介于（0，1），初始時刻采納消費者數量為0。
突發事件發生后，虛假輿情的傳播主要分為4個階段：突破階段，主要由大眾傳媒等外部因素作用使不明真相的群眾相信虛假輿情；關鍵階段，主要包括兩種作用，即大眾傳媒等外部因素作用使不明真相的群眾相信虛假輿情，同時已經采納虛假輿情的群眾通過群眾間的交流進行傳播；自我推動階段，系統中已經有足夠的群眾采納虛假輿情，從而虛假輿情擴散呈現相對穩定的增長，且更多表現為群眾的主動采納；飽和階段，當虛假輿情被系統中大多數群眾采納，虛假輿情的擴散速度減慢，從而接近飽和，這與創新技術的擴散具有很強的相似性。
本文主要是利用Bass模型和隨機社會網絡來研究虛假輿情的擴散傳播。由于虛假輿情傳播的復雜性和不確定性，本文提出如下基本假設：
假設1：輿情傳播渠道。主要考慮大眾傳媒等外部渠道和人際交流（口碑）等內部渠道。
假設2：社會網絡中群眾人口規模為常數。
假設3：政府目標主要是控制虛假輿情傳播的范圍且不存在投機主義。
假設4：口碑回歸群眾只接受口碑影響且狀態轉變可能性較小。
定義1：（群眾類型）未接受任何突發事件輿情信息的人稱之為未知群眾；受大眾傳媒等外部因素接受虛假輿情并進行擴散的人稱為大眾傳媒影響群眾；大眾傳媒影響群眾通過口碑途徑傳播虛假輿情使人們采納，這類轉變狀態的群眾稱為口碑影響群眾；大眾傳媒影響群眾和受口碑影響群眾即所有采納虛假輿情的群眾統稱為受影響群眾；受虛假輿情影響中的部分群眾，經過自我教育或別人教育后可能意識到虛假輿情的錯誤性，開始傳播更正后的輿情信息，這部分群眾稱為受教育群眾；受教育群眾遇到受教育群眾，二者通過正面交流后進一步堅信虛假輿情錯誤性的群眾稱之為受教育口碑回歸群眾，簡稱口碑回歸群眾；受教育群眾和受教育口碑回歸群眾即意識到輿情的虛假性而不進行虛假輿情傳播的群眾統稱為回歸群眾。
定義2：（政府干預）政府具有官方性和權威性，在一定時間可以發布有關突發事件的真實信息，并可以采取一些措施，使未知群眾和受影響群眾意識到虛假輿情的錯誤性盡可能轉變為受教育群眾。
其中，M表示社會網絡中群眾人口規模，N1（t）、N2（t）分別表示在t時刻累計受影響群眾數量和回歸群眾數量，則未知群眾數量為N0（t）=M-N1（t）-N2（t）；N11（t）、N12（t）分別表示在t時刻累計受大眾傳媒影響群眾數量和受口碑影響群眾數量；N21（t）、N22（t）分別表示在t時刻累計受教育群眾數量和受教育回歸群眾數量，且N1（t）=N11（t）+N12（t），N2（t）=N21（t）+N22（t）；p表示大眾傳媒等外部因素強度系數；q1、q2、q3分別表示未知群眾、受教育群眾和口碑回歸群眾經人際交流后受虛假輿情影響而改變自身狀態的強度系數，顯然，q1>q2>q3；q4、q5、q6分別表示未知群眾、受影響群眾和受教育群眾經人際交流后受正面信息影響而改變自身狀態的強度系數，顯然，q4>q5，v11、v12分別表示大眾傳媒影響群眾和口碑影響群眾根據自身素質經過自我教育而意識到輿情虛假從而暫時改變自身狀態的強度系數；Q（t，τ）=Q1（t，τ1）+Q2（t，τ2），Q1（t，τ1）=N11（t）l1（1+sign（t-τ1））/2，Q2（t，τ2）=N12（t）l2（1+sign（t-τ2））/2；l1、l2分別表示政府對受大眾傳媒影響群眾和受口碑影響群眾的干擾強度系數；τ1、τ2分別表示政府對受大眾傳媒影響群眾和受口碑影響群眾開始干擾的時間。
22群眾狀態轉化規則
在群眾人口規模一定的前提下，群眾類型分為受影響群眾和口碑回歸群眾兩大類，細分為大眾傳媒影響群眾、口碑影響群眾、受教育群眾和口碑回歸群眾4小類。虛假輿情主要受到大眾傳媒效應和口碑效應進行傳播，群眾個體作為社會關系網絡上的節點，在與周圍的臨近的個體節點進行交互時，會受到臨近個體節點的影響而產生一些特定行為，如接受對方觀點或不改變觀點，結合群眾個體行為的異質性考慮，具體轉化如下：
1）在大眾傳媒的效應下，一部分未知群眾接受虛假輿情轉化為大眾傳媒影響群眾；
2）當大眾傳媒影響群眾與其他非受影響群眾個體進行交互時，其他非受影響群眾個體可能接受虛假輿情的，從而轉化為口碑影響群眾；
3）當受影響群眾（大眾傳媒影響群眾與口碑影響群眾）經過一定時間的自我教育后，部分大眾傳媒影響群眾可能會意識到虛假輿情的錯誤性，從而轉化為受教育群眾；
4）當受教育群眾與其他非受教育群眾個體進行交互時，其他非受教育群眾個體可能會意識到虛假輿情的錯誤性，從而轉化為受教育群眾；
5）當受教育群眾與受教育群眾個體進行交互時，二者可能會加強對虛假輿情錯誤性的認識，從而轉化為口碑回歸群眾；
6）政府在一定時刻會對受影響群眾進行教育，當受影響群眾受到教育后可能會意識到虛假輿情的錯誤性，從而轉化為受教育群眾，轉化的快慢主要取決于兩個方面：政府的教育或干預強度；群眾個體的意識。
23Multi-Agent模型
小世界問題最早由Milgram提出，通過實驗認為社會網絡中人與人之間的關系普遍存在小世界特性，即大部分的鄰居或同事是他朋友的朋友，同時也存在一些較遠的朋友。小世界網絡模型為采用Multi-Agent技術仿真模擬虛假輿情的擴散提供了理論支撐，虛假輿情傳播過程中群眾個體具有一定的獨立性、自適應性和個體異質性。采用Multi-Agent技術對系統中群眾個體特征和個體行為異質性進行分析，將系統內群眾個體映射為Agent，群眾個體特征映射為Agent屬性，群眾個體行為映射為Agent的狀態，利用Agent模擬仿真系統中群眾個體間的交互作用，通過Agent行為來涌現系統整體變化趨勢。
個體Agent相當于社會網絡中的一個節點，且Agent隨著模擬時間在一定范圍內隨機移動。本文Agent間信息的交互是基于距離來度量，即Agent之間的關系可用二者之間距離來表示，如個體Agent間的距離小于或等于某一規定值時，二者可以隨機建立某種交互，進行信息傳播。當群眾個體Agent在系統中隨機移動時，與周邊的群眾個體Agent進行隨機交互信息，群眾個體Agent結合自己的情況決定是否接受對方所傳播信息而改變自己的狀態，因此，系統中群眾個體Agent主要包括五種狀態：未知、大眾傳媒影響、口碑影響、受教育和口碑回歸。政府具有官方性和一定的權威性，在一定時間可以發布有關突發事件的真實信息或采取一些措施來抑制虛假輿情的擴散，從而影響系統內個體Agent對虛假輿情的認識，使未知群眾、大眾傳媒影響群眾和口碑影響群眾接受教育，進而意識到虛假輿情的錯誤性可能轉變為受教育群眾。根據對Bass模型的擴展構建群眾個體Agent轉化邏輯關系，如圖1所示。箭頭表示各狀態群眾之間的轉化關系。
3案例及對策分析
案例簡介：2011年3月11日，日本發生90級地震，地震造成福島核電站的核泄漏事件，導致核污染及核輻射蔓延，4天后有人傳言海水被核污染且服用加碘食鹽可以有效預防核輻射，導致不明真相的群眾大量囤積加碘食鹽，進而蔓延全國引發“搶鹽風波”。
虛假輿情傳播過程：最早出現食鹽搶購事件發生在2011年3月14日，事件發生12小時內，虛假輿情的傳播僅發生在東部沿海城市，未引起大眾媒體關注；3月15日，有人將搶鹽信息發布在微博上，其中由上海發出7條，寧波發出2條，福建發出1條；3月16日，東部沿海城市市場上的食鹽被搶購一空，雖然有部分人意識到該信息為虛假信息，但相信的人還是占絕大多數，網上關于搶鹽信息已達到了25 000余條，此時，江蘇、上海等地方政府陸續發表公告和新聞發布會進行澄清，引導群眾勿信謠、勿傳謠；3月17日，事件依然沒有得到有效平息，國家發改委與衛生部聯合發布緊急通知，要求各級政府嚴厲打擊造謠者和投機食鹽的不法行為，并緊急抽調食鹽穩定市場，最終抑制了虛假輿情的傳播；3月18日，“搶鹽風波”平息，群眾恐慌解除，虛假輿情傳播終止。
根據案例，我們可以得出，虛假輿情的傳播若沒有政府干預，其后果是難以想象的。政府干預時間和干預強度都會對虛假輿情的傳播產生巨大影響。本文根據話題的敏感程度來決策大眾傳媒等外部因素對未知群眾的傳播效應。采用Anylogic823 Professional平臺進行仿真實驗。基于本文主要考慮在一定范圍的隨機社會網絡中進行模擬仿真，結合實際人口密度，假定群眾個體Agent的潛在最大數量為1 000；活動范圍為1 000*800的二維空間；基于距離來傳播信息，設定信息傳播距離為20，即群眾個體Agent間距離在20以內可以進行某種信息的傳播。文獻[18]針對該案例已經給出的虛假輿情傳播時各狀態之間的強度系數參數值，本文對文獻[18]的調查數據進行借鑒，取p=0004，v11=v12=001；由于大眾傳媒的方式越來越多樣化，各參數可以根據虛假輿情的類型、社會網絡的不同和專家評價法設定虛假輿情的相關參數值，鑒于此，本文主要研究政府干預對虛假輿情傳播擴散的影響，對于其他未知參數，在不影響或改變問題本質的前提下，可根據參數之間的邏輯關系進行適度假設。各狀態轉化的強度系數默認值，如表1所示。
由圖2可知：1）0
對于虛假輿情如果沒有政府的干預，僅僅靠群眾的自我教育是遠遠不夠的，盡管部分群眾一開始意識到虛假輿情的錯誤性，但當大家都認為虛假輿情是真實的情況下，受教育影響群眾也會慢慢跟隨模仿周圍群眾的意識形態，再次轉變為口碑影響群眾，這將直接導致受虛假輿情影響群眾的數量減緩較慢，最終可能引發不穩定事件發生。
因此，本文主要基于政府干預情境下，從干預時間和干預強度兩個維度來研究虛假輿情的傳播規律和特點。
由圖2可知，虛假輿情傳播的“起飛”時間在6～20h。現在我們在“起飛前”、“起飛開始”、“起飛中”和“起飛結束”4種不同階段，選擇不同的干預強度來研究受虛假輿情影響的群眾數量變化趨勢，其中強度意指受影響群眾接受政府所采取的干預措施而以多大的概率進行狀態的改變（如表2所示）。
31不同政府干預強度下受影響群眾狀態轉變分析
假設政府開始干預時間不變，以無政府干預作為基礎情景，依次令政府干預強度為01、02、03、04和05，其他參數按默認值進行仿真實驗來考察受影響群眾數量變化趨勢，仿真結果如圖3所示。
由圖3（a）可知：在“起飛前”政府進行干預，強度為04和05的整體對受影響群眾數量的干預效果差別不大；在模擬運行50h左右就可以將受影響群眾數量控制在10%以下；在模擬運行80h時強度為03、04和05的干預效果基本趨于一致；在模擬運行100h時，強度為02的政府干預對受影響群眾的干預效果也達到了20%以內，強度為01的與其他強度相比，干預效果明顯較弱。此時，除采取政府干預除強度為01效果不是十分理想外，其他各強度均能較好的對受影響群眾數量的變化趨勢進行很好的管控。
由圖3（b）可知：在“起飛開始”時政府進行干預，干預初期干預效果與干預強度呈正相關；在模擬運行100h時，干預強度為03、04和05的最終對受影響群眾數量的干預效果差不多，均能低于10%；此時，采取政府干預強度為03時，干預效果整體上優于其他各強度。
由圖3（c）可知：在“起飛中”政府進行干預，干預效果與干預強度區分較明顯；在模擬運行100h時，干預強度為04和05的基本可以將受影響人數抑制在10%以下；此時，采取政府干預強度為04時，政府干預效果整體上優于其他各強度。
由圖3（d）可知：在“起飛結束”后政府進行干預，干預效果剛開始與干預強度呈正相關；在模擬運行100h后發現干預效果聚合為3類：1）干預強度為04和05的效果差別不明顯；2）干預強度為02和03的效果差別亦不明顯，但二者顯著比強度為01的較好；3）干預強度為01時，政府干預效果不明顯。在模擬運行100h時，干預強度為04和05的干預效果將受虛假輿情影響人數抑制到總人數的20%左右。此時，采取政府干預強度為04是最優的。
32不同政府干預時間下受影響群眾狀態轉變分析
假設政府對虛假虛情傳播的干預強度不變，以無政府干預作為基礎情景，依次令政府開始干預時間為3h、6h、12h和24h，其他參數按默認值進行仿真實驗來考察受影響群眾數量變化趨勢，仿真結果如圖4所示。
由圖4（a）可知：當政府干預強度為01時，政府進行干預的時間對受影響群眾數量的變化影響不是十分明顯，尤其是“起飛前”和“起飛中”進行干預；在“起飛開始”時政府進行干預，干預效果要優于其他時間。
由圖4（b）可知：當政府干預強度為02時，在模擬運行100h后，政府進行干預的時間對受影響群眾數量區別比較明顯。如“起飛前”政府進行干預則可以將受影響群眾數量控制在10%以內；“起飛開始”時政府進行干預則可以將受影響群眾數量控制在25%左右；“起飛中”政府進行干預則可以將受影響群眾控制在40%左右；而“起飛結束”政府進行干預則受影響群眾數量卻保持在50%以上。若政府選擇采取此強度的干預，則政府進行干預時間越早整體干預效果越明顯。
由圖4（c）可知：當政府干預強度為03時，“起飛前”政府進行干預則干預效果最明顯，受虛假輿情影響群眾數量最高才50%左右，且達到最高值后下降速度較快，在模擬運行70h時就可以將受影響群眾數量控制在10%以內；“起飛開始”時和“起飛中”政府進行干預，受虛假輿情影響群眾數量變化趨勢比較相似，在模擬運行100h時都能將受影響群眾數量控制在20%以內；“起飛結束”時政府進行干預，則干預效果不是十分理想，表現在受虛假輿情影響群眾數量峰值與無政府干預時一致，且在模擬運行100h后，受虛假輿情影響群眾數量仍保持50%左右。
由圖4（d）可知：當政府干預強度為04時，“起飛前”政府進行干預其效果仍然優于其他時間進行干預；但在模擬運行100h時，“起飛前”、“起飛開始”時和“起飛中”政府進行干預，都可以將受虛假輿情影響群眾數量控制在10%以內。
由圖4（e）可知：當政府干預強度為05時，“起飛中”和“起飛結束”時政府進行干預，受虛假輿情影響群眾數量峰值與無政府干預情況下差不多；“起飛開始”時政府進行干預，受虛假輿情影響群眾數量峰值可以控制在65%以內；“起飛前”政府進行干預，受虛假輿情影響群眾數量峰值可以控制在30%左右；但無論何時政府進行干預，此強度下都可以較好的抑制受虛假輿情影響群眾數量的變化。
33政府應對虛假輿情傳播的對策
根據以上分析的結果，政府在進行對虛假輿情傳播干預時，政府的職責是控制受虛假輿情影響的群眾數量；干預強度及時效性對政府的費用支出和公信力是呈正相關的。過強的干預或過早的干預會引發群眾的質疑甚至會起到相反的作用，而較弱的干預或較晚的干預又起不到較好的干預效果。因此，要實現政府有效防治虛假輿情的擴散，政府應該從以下幾個方面入手：1）提高政府對虛假輿情的防范意識，做到及時發現；2）建立輿情預警機制，加強對網絡輿情，尤其對虛假輿情的監測；3）建立輿情評價專家庫，合理評價虛假輿情傳播規律，根據專家評估選擇合適政府干預時間和干預強度；4）提高政府公信力，有效進行輿論引導；5）完善聯動機制，實現傳統媒體與新媒體的有效配合，利用新媒體及時做到輿情回復；6）提高群眾受教育水平，進一步增強群眾自身辨析虛假輿情的能力。
4結論
本文主要從個體異質性視角出發，針對虛假輿情的特點和傳播規律進行仿真研究。首先，對虛假輿情的傳播過程進行分析，將群眾進行分類，確定群眾類型狀態及各狀態之間的轉移規則；然后，構建了在政府干預下虛假輿情傳播的概念模型和Bass擴展模型；最后，建立了Multi-Agent狀態邏輯轉化關系，并確定利用Anylogic平臺對虛假輿情的傳播進行了模擬仿真，得到了虛假輿情傳播擴散的“起飛”時間及受虛假輿情影響群眾數量峰值，進而選擇不同的政府干預時間和干預強度來對比考查政府對虛假輿情的傳播擴散的抑制效果，為政府制定合理的應急策略提供一定的參考依據。
基于Multi-Agent的仿真研究不僅可以結合個體異質性來進行信息的交互，還可以通過大量個體行為涌現出群體宏觀規律，具有微觀與宏觀相結合的雙重優勢。本文研究的不足在于只針對單一虛假輿情的傳播擴散仿真研究，事實上在突發事件發生時是伴隨著多種輿情信息的傳播，因此，還可以進一步研究輿情間的傳播競爭關系及在政府干預下輿情的傳播趨勢和規律，為政府更好地管控輿情提供有利的參考依據。
參考文獻
[1]王治瑩，李勇建.政府干預下突發事件輿情傳播規律與控制決策[J].管理科學學報，2017，20（2）：43-52.
[2]王世雄，潘旭偉，姜毅.基于線上線下互動網絡的社會共識涌現研究[J].情報雜志，2017，36（3）：67-73.
[3]謝科范，趙湜，陳剛，等.網絡輿情突發事件的生命周期原理及集群決策研究[J].武漢理工大學學報：社會科學版，2010，23（4）：482-486.
[4]辛文娟，賴涵.群體極化視域下網絡輿情的演化機制研究——以微博網民討論“浙江溫嶺殺醫案”為例[J].情報雜志，2015，34（2）：47-52.
[5]于兆吉，張嘉桐.基于扎根理論的突發性網絡輿情演化影響因素研究[J].東北大學學報：社會科學版，2016，18（5）：498-502.
[6]李昊青.基于信息異化理論的網絡衍生輿情演化規律及對策研究——以網絡謠言治理為例[J].現代情報，2015，35（5）：4-8.
[7]蘭月新，鄧新元.突發事件網絡輿情演進規律模型研究[J].情報雜志，2011，（8）：47-50.
[8]張一文，齊佳音，馬君，等.網絡輿情與非常規突發事件作用機制——基于系統動力學建模分析[J].情報雜志，2010，29（9）：1-6.
[9]Kim K，Baek Y M，Kim N.Online News Diffusion Dynamics and Public Opinion Formation：A Case Study of the Controversy Over Judges Personal Opinion Expression on SNS in Korea[J].Social Science Journal，2015，52（2）：205-216.
[10]石彭輝.基于社會網絡分析的網絡輿情實證研究[J].現代情報，2013，33（2）：27-31.
[11]方薇，何留進，孫凱，等.采用元胞自動機的網絡輿情傳播模型研究[J].計算機應用，2010，30（3）：751-755.
[12]韓少春，劉云，張彥超，等.基于動態演化博弈論的輿論傳播羊群效應[J].系統工程學報，2011，26（2）：275-281.
[13]Freeman M，Mcvittie J，Sivak I，et al.Viral Information Propagation in the Digg Online Social Network[J].Physica A Statistical Mechanics & Its Applications，2014，415（415）：87-94.
[14]王靖元，張鵬，劉立文，等.網絡謠言傳播效能評價研究[J].情報雜志，2016，35（1）：105-109.
[15]陳艷紅，杜藝薇.虛假網絡輿情的成因、影響及控制[J].電子政務，2016，（5）：68-75.
[16]林寒.網絡虛假事件傳播的理論解釋和現實邏輯——基于熱點事件“上海女逃離江西農村”的輿情分析[J].北京理工大學學報：社會科學版，2016，18（5）：151-157.
[17]蘭月新.突發事件網絡謠言傳播規律模型研究[J].圖書情報工作，2012，56（14）：57-61.
[18]孫雷霆，李春發，陶建強.基于Multi-Agent的虛假輿情傳播仿真[J].情報雜志，2017，36（4）：162-169.
[19]崔鵬，張巍，何毅，等.突發公共事件網絡輿情演化及政府應對能力研究[J].現代情報，2018，38（2）：75-83.
[20]Bass，FM.A New Product Growth Model for Consumer Durables[J].Management Science，1969，15（1），215-227.
（責任編輯：孫國雷）
