基于社交網絡的信息傳播模型研究

摘要：社交網絡中用戶轉發是信息傳播的重要渠道。研究用戶轉發模式和信息傳播規律，將有利于在網絡話題傳播過程中進行監控和抑制。為了更好了解社交網絡中信息的傳播機制，本文在對微博這類社交網絡及其機制進行文獻綜述的基礎上研究了社交網絡中信息傳播機制。對接受新信息的人數、信息創造者的中心地位及其局部聚類系數之間的相關性進行了仿真，結果表明社交網絡中信息傳播與中心性成正比，與聚類系數成反比。

關鍵詞：社交網絡;信息傳播;聚類系數;中心性

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2020）22-0054-02

開放科學（資源服務）標識碼（0SID）：

1 問題背景

隨著Web 2.0的出現，如Facebook、Twitter微博、知乎、朋友圈等社交網絡（SNS），已成為在Internet上傳播信息的重要工具[1]。用戶可以向他們的朋友和其他關心它的人傳播信息。在各種社交媒體中，微博是目前最受歡迎的服務之一，有著超過上億的用戶在使用。與傳統的信息傳播途徑相比，社交網絡中的信息傳播具有傳播延時小、速度快、不受時空限制等優勢[2]，但錯誤信息或謠言的傳播也會給社會帶來很大的負面影響。因此，了解信息在社交網絡中的傳播機制，可以更好促進正面信息的傳播，遏制負面信息的傳播。許多學者對社交網絡的一些基本屬性，包括度分布、聚類和網絡核進行了研究，結果表明SNS用戶的網絡很可能是無標度網絡[3]。雖然類似微博的網站形成了一個有向圖，但其主要屬性仍是相同的。因此可以使用無標度網絡來模擬社交網絡的初始條件。在這篇論文中，我們對微博這類社交網絡及其機制進行建模。然后對影響信息傳播的幾個因素進行了研究：首先，給定相同的網絡條件，中心性聚類系數如何影響網絡傳播;第二，網絡發生變化時信息的傳播;最后，信息傳播過程中網絡是如何演進的。

2 信息傳播網絡模型

在此模型中，每個節點代表社交網絡中的一個人。黃色方塊代表信息。最初，我們隨機選擇一個人作為信息創建者。信息傳播遵循以下規則：

（1）每個持有信息的人都會將信息安以下規則推送給所有鄰居;（2）當收到信息時，可能會對信息感興趣，在這種情況下，我們說這個人掌握了信息;（3）如果某人與信息創建者有完全不同的意見，他會閱讀但忽略信息。隨著信息在網絡上傳播，網絡可以發展壯大。增長遵循以下規則：如果此人持有信息，他將關注該信息的創建者。

為了更好可視化上述規則，這里用兩種顏色表示不同的群體，如圖1所示。藍色表示將忽略此消息，紅色代表持有相同觀點的群體，粉紅色的節點代表那些掌握信息的人，綠色代表那些持相同觀點但對信息不感興趣的人，灰色代表那些收到消息且對消息持有不同意見的人。灰色和綠色節點均讀取該信息，但是，他們不會進一步轉發它。同時，使用兩種不同的度量來描述網絡中節點的特征一局部簇系數和中心度。在復雜網絡中，某個節點的簇系數（ Clustering Coefficient）是指該節點的鄰居中彼此相連的概率。節點的聚類系數越低，其鄰居之間的重疊連接就越少。中心性用于描述節點在圖中的重要性，在這里，我們主要使用度中心度和緊密度中心度來分析圖。

3 模擬結果分析

對社交網絡進行仿真，首先生成節點數為500的無標度社區網絡，并隨機選取一個節點作為信息的制造者。假設社區成員對信息的感興趣度為50%，信息生命周期為3個時鐘。單色網絡中所有節點都會轉發信息，雙色節點中，藍色節點收到消息后會忽略此消息。

3.1 單色網絡

我們首先讓網絡增長200個周期，然后執行信息傳播功能。結果表明接收信息的人數與中心程度成正相關關系，本地聚類系數成反比，如圖2、3所示。

3.2 雙色圖網絡

如圖1所示，雙色網絡圖用藍色代表接收者忽略接收的信息，紅色代表對信息持相同觀點的群體，兩色圖的仿真結果如圖4和圖5所示。

結果類似于一個彩色圖表，即接收信息的人數與中心性成正比，與局部聚類系數成反比。但是，我們發現接收信息的人數的絕對值比單一彩色圖表要小。造成這種現象的原因是，藍色節點對信息沿某個路徑傳播進行計時，從而增加了信息傳播的難度。

3.3網絡演進

仿真還得到了收到信息的人數與tick之間的關系，結果如圖6所示：可以得出隨著網絡的發展，具有相同的信息生命周期，更多的人可以接收信息。這是因為隨著網絡的增長，整個網絡變得更加緊密。有一個有趣的發現，在某些循環之后，這個數字似乎飽和了。這種飽和來自信息生命周期，這限制了信息可以傳播的深度。在節點總數遠大于飽和節點數的情況下，如果我們增加新的生命周期，那么會有更多的人收到消息。

3.4 網絡發展的影響

在等待網絡增長很長時間之后，收到信息的人數與中心性之間的關系如圖7所示。盡管從總體上看，該圖仍告訴我們信息接收人數與中心信息之間的比例關系，但它更加飽和，特別是在較低的x軸區域。這是因為盡管某些節點具有較低的中心性，但是圖形節點之間的連接非常緊密，因此信息仍然可以傳播開來。

4 結論與啟示

本文建立了一個社交網站模型，并研究了會影響信息傳播的節點特征。結果發現收到信息的人數與中心性成正比.與聚類系數成反比。這個結果解釋了為什么名人的推特可以被很多人看到。首先，他們有很多追隨者，這意味著他們具有比較大的中心地位。其次，他們的追隨者非常多樣化。因此它們的局部簇系數很小。這個結果也給我們一些啟示。為了擴大我們的網絡，我們應該嘗試與更多的人建立聯系，更重要的是，我們需要結識來自不同地區，不同背景的不同類型的人。此外，從網絡增長模擬中我們可以看到，隨著網絡之間的連接越來越緊密，收到信息的人數也隨之增加。隨著時間的流逝，當越來越多的人可以訪問Internet時，我們的社會可以更加緊密地聯系在一起，信息傳播的速度將更快。該仿真模型的主要局限是沒有引入真實的SNS數據。所有的網絡拓撲結構都來自理想狀況，這與實際情況有所不同。

參考文獻：

[1]田雅.社交網絡下的垃圾信息處理算法研究[D].濟南：山東師范大學，2017.

[2]張霄宏，錢凱，鮑亞雷.基于SIR的Device-to-Device移動社交網絡信息傳播模型[J].河南理工大學學報（自然科學版），2019，38（3）：131-136.

[3]徐恪，張賽，陳昊，李海濤.在線社會網絡的測量與分析[J].計算機學報，2014，37（1）：165-188.

[4]尹玨力，陳會英，王家坤.在線社交網絡中的負面輿情信息傳播機制及演化博弈分析[J].情報科學，2020，38（4）：153-162.

[5]沈家棟.社交媒體熱點信息傳播規律及控制[J].科學咨詢（科技·管理），2020（2）：43-44.

【通聯編輯：梁書】

基金項目：西華師范大學青年教師科研資助項目“一種動態社交網絡進化社區發現方法”（項目編號：19D042）的階段性成果

作者簡介：胡章榮，助教，研究方向為教育信息化、教育大數據。