個體因素與外部環境共同作用下的跨平臺社交網絡輿情傳播模型研究

楊磊 封永雪 侯貴生 倪維健

摘?要：[目的/意義]探究輿情在跨平臺社交網絡中的傳播規律，分析個體因素和外部環境共同影響下的輿情傳播過程，提出能有效調節輿情在跨平臺社交網絡傳播的措施。[方法/過程]使用無標度網絡模擬跨平臺社交網絡環境，在SEIR模型的基礎上分析個體因素、外部好友環境和外部平臺環境對用戶狀態變化的影響，構建基于跨平臺社交網絡的輿情傳播模型，并通過MATLAB對此模型中涉及的主要因素進行模擬分析。[結果/結論]實驗結果表明，本文所構建的跨平臺社交網絡輿情傳播模型能較準確地描述輿情在真實環境中的傳播特點，跨平臺社交網絡能提高輿情信息的關注熱度并擴大影響范圍;外部平臺環境和外部好友環境均會對跨平臺社交網絡中輿情傳播產生影響;通過控制平臺的傳播閾值和退出閾值能有效管理輿情在跨平臺社交網絡中的傳播與擴散。

關鍵詞：跨平臺社交網絡;輿情傳播;SEIR模型;無標度網絡

DOI：10.3969/j.issn.1008-0821.2021.03.014

〔中圖分類號〕G206.2?〔文獻標識碼〕A?〔文章編號〕1008-0821（2021）03-0138-10

Research?on?Cross-platform?Social?Network?Public?Opinion?Propagation?Model

Under?the?Joint?Action?of?Individual?Factors?and?External?Environment

Yang?Lei1?Feng?Yongxue1?Hou?Guisheng1?Ni?Weijian2

（1.College?of?Economics?and?Management，Shandong?University?of?Science?and?Technology，

Qingdao?266590，China;

2.College?of?Computer?Science?and?Engineering，Shandong?University?of?Science?and?Technology，

Qingdao?266590，China）

Abstract：[Purpose/Significance]Explore?the?spread?rule?of?public?opinion?in?cross-platform?social?networks，analyze?the?process?of?public?opinion?propagation?under?the?influence?of?individual?factors?and?external?environment，and?propose?measures?that?can?adjust?the?spread?of?public?opinion?on?cross-platform?social?networks?effectively.[Method/Process]It?used?scale-free?network?to?simulate?cross-platform?social?network?environment，and?analyzed?the?influence?of?individual?factors，external?friend?environment?and?external?platform?environment?on?user?status?changes?based?on?SEIR?model，and?built?a?public?opinion?propagation?model?based?on?cross-platform?social?network，simulated?and?analyzed?the?main?factors?involved?in?this?model?with?MATLAB.[Result/Conclusion]The?experimental?results?showed?that?the?public?opinion?propagation?model?of?cross-platform?social?network?constructed?in?this?paper?could?describe?the?propagation?characteristics?of?public?opinion?in?the?real?environment?accurately.Cross-platform?social?networks?could?increase?the?popularity?of?public?opinion?information?and?expand?the?scope?of?influence.Both?the?external?platform?environment?and?the?external?friend?environment?had?an?impact?on?the?spread?of?public?opinion?in?cross-platform?social?networks.By?controlling?the?propagation?threshold?and?the?exit?threshold?of?the?platform?can?manage?the?spread?of?public?opinion?on?cross-platform?social?network?effectively.

Key?words：cross-platform?social?network;public?opinion?propagation;SEIR?model;scale-free?network

第45次《中國互聯網絡發展狀況統計報告》顯示，截至2020年3月，我國網民規模為9.04億，互聯網普及率達64.5%[1]。隨著互聯網與民眾生活的相互融合，人們的溝通方式也逐漸網絡化和多樣化，社交網絡平臺成為主要的溝通交流途徑之一。不同平臺由于用戶群體的差異而形成各自的網絡結構，同時活躍網民在多個平臺上注冊信息，組成了一個巨大的跨平臺社交網絡。當某個社會事件發生時，相關輿情信息一般不會只在單平臺社交網絡中傳播，而是在跨平臺社交網絡中快速擴散，如當下新型冠狀病毒肺炎疫情相關信息廣泛傳播于微信、微博、抖音、知乎等多個社交平臺，多次引發網民的激烈討論。另外，輿情信息的傳播是利弊共存的，正面輿情能引導正確的價值理念，創造良好的網絡環境，但負面輿情往往會對經濟社會造成惡劣的影響，甚至關乎國家安全問題，因此分析跨平臺社交網絡中的輿情傳播規律，形成有效的跨平臺社交網絡輿情傳播管控和引導具有一定的理論意義和現實意義。

為了探索輿情在多個社交網絡平臺中的傳播過程，本文首先以SEIR傳染病模型為基礎，根據輿情在現實網絡環境中的傳播機制，構建了基于跨平臺社交網絡的輿情傳播模型，定義了具體的輿情傳播規則;然后分析了個體因素和外部環境對用戶知曉輿情、傳播輿情和退出傳播過程的影響，并給出了用戶知曉率、傳播率和移出率等相關參數的計算方法;最后使用MATLAB仿真輿情在跨平臺社交網絡中的傳播過程，并分析輿情在跨平臺社交網絡中的傳播規律和控制策略。

1?文獻綜述

當前，網絡輿情仍是學術界關注的重點議題，研究內容主要包括輿情傳播和輿情控制兩個方面，了解輿情傳播過程、把握輿情傳播規律是有效控制輿情的基礎。由于信息在社交網絡中的傳播過程與傳染病傳播類似，因此國內外對網絡輿情的研究多以傳染病模型為基礎，經典的傳染病模型主要包括SIR模型、SIS模型和SEIR模型。Rapoport?A等最早在信息傳播的研究中使用傳染病模型[2]，為研究輿情傳播提供了新方向。隨后Sudbury?A?J借助SIR模型分析謠言的傳播規律[3]，Leskovec?J等使用SIS模型模擬輿情的傳播過程[4]，陳波等基于SEIR模型提出了泛在媒體環境下的網絡輿情傳播控制模型[5]。伴隨復雜網絡的發展，學者們發現隨機網絡、無標度網絡和小世界網絡等可用來模擬真實的社交網絡，因此綜合利用傳染病模型和復雜網絡探索輿情的傳播規律成為新的研究熱點。Zanette?D?H使用SIR模型研究網絡謠言傳播，并在小世界網絡中分析了傳播閾值[6]。魏靜等提出改進的SIR模型，并使用有向無標度網絡模擬微博網絡，分析影響微博網絡輿情傳播的因素[7]。

在真實的社交網絡中，每個用戶的個體特性和外部環境是不同的，因此會對同一信息采取不同的處理方式，已有部分學者關注到此問題，并提出考慮到個體差異的信息傳播模型。Yang?A等考慮了不同用戶在謠言傳播中的作用，為每個節點設計了各自的狀態轉移函數，提出了一種新的謠言傳播ILSR模型，并通過在WS網絡、BA無標度網絡和真實的Facebook網絡中進行實驗，證明了模型的正確性和有效性[8]。Lv?L?Y等考慮了社會加強效應和記憶效應等個體差異，構建了新型的謠言傳播模型[9]。孔素真等考慮到個體對不同類型好友具有不同的信息傳播偏好，從而建立了一種多關系類型社交網絡信息傳播模型[10]。范純龍等基于改進的SEIR模型，考慮個體間的親密度、謠言接收次數對傳播概率的影響，提出了改進的謠言傳播模型PSEIR[11]。洪巍等通過構建SIRT模型，從網民、信息本身和外部作用力3個方面探究謠言傳播規律，發現網民的風險認知水平、媒體公信力等因素都會影響謠言的演化過程[12]。

此外，目前的信息接收渠道多樣化，輿情往往在多個社交網絡中交互滲透，因此只分析輿情在單一社交網絡中的傳播不能反映實際的話題熱度與影響范圍，在多個社交網絡中模擬輿情的傳播越發受到學者們的關注。Zhang?L等使用改進的SIR模型探究輿情在耦合社交網絡中的傳播過程，發現耦合網絡會對輿情傳播產生影響，且可以更確切地描述真實的網絡環境[13]。朱恒民等使用Price網絡和WS網絡，構建了線上線下互動輿情傳播模型SIR_2O，發現雙層互動可以擴大話題的傳播速度和廣度[14]。覃志華等利用無標度網絡和SIQR傳播模型，建立了人際關系網絡與媒體網絡構成的兩層謠言傳播模型，發現擴大媒體的傳播范圍、規范媒體職業操守等可以抑制謠言在人際關系網絡中的傳播[15]。魏靜等通過BA網絡和無標度有向網絡分別模擬微信網絡和微博網絡，在SEIR模型的基礎上，構建了基于耦合網絡的輿情傳播模型，并證明該模型更接近現實中的輿情傳播過程[16]。李鋼等基于受眾年齡構建了線上線下耦合的新型謠言傳播模型，并分析了受眾的權威性、從眾心理、認知能力等心理特征對謠言傳播的影響[17]。

綜上，國內外學者主要借助傳染病模型、復雜網絡理論分析網絡輿情的傳播規律，并根據實驗結果提出輿情控制方面的建議，但尚有待完善的方面。首先，雖有部分學者從個體因素和外部好友環境的角度分析個體差異對輿情傳播過程的影響，但在研究過程中缺少對外部平臺環境的考慮;其次，大多數研究分析了用戶傳播輿情的動機，但并未分析用戶知曉輿情與退出傳播過程的影響因素;最后，已有學者關注到輿情信息僅在單個社交網絡中擴散與實際不符，提出了線上社交網絡與線下社交網絡、人際關系網絡與媒體網絡、微信網絡與微博網絡等多類型的雙層耦合網絡結構，并在此基礎上探究輿情的傳播特性，但少有研究從整個線上網絡的角度出發，分析輿情在跨平臺社交網絡中的擴散規律，且多數研究假設中兩層網絡的節點數量相同，與真實網絡中的節點分布情況存在較大差異。針對現有研究中存在的不足，本文通過同時分析個體因素和外部環境對輿情傳播過程的影響，構建跨平臺社交網絡的輿情傳播模型，并根據MATLAB仿真結果提出輿情控制方面的參考性建議。

2?跨平臺社交網絡輿情傳播模型構建

2.1?載體網絡的選擇與構建

在線社交網絡是一種服從冪律分布的復雜網絡，其結構性質與BA無標度網絡相似[18]。因此本文在BA無標度網絡的基礎上，以網絡中的用戶為節點，關注關系為邊，構建具有跨平臺特性的社交網絡結構，其中平臺數量為M個。具體的構建規則如下：

1）初始隨機網絡：m0個節點在初始時刻隨機選擇平臺，每個平臺的節點數量不少于m個，屬于同一平臺的節點可在跨平臺社交網絡中進行隨機連接，且將相應連接狀態同步到所有單平臺社交網絡，不同平臺的節點無法連接。

2）增長：從具有m0個初始節點的隨機網絡開始，每次加入1個新的節點，直到N-m0個剩余節點全部連入網絡;新節點至少選擇1個平臺，并在跨平臺社交網絡中與屬于相同平臺的m個節點相連，同時將連接狀態同步到單平臺社交網絡。

3）優先選擇：新節點選擇平臺j的概率pa-j，平臺j的節點數量uj，所有平臺的節點之和∑Mj=1uj之間的關系為：pa-j=uj∑Mj=1uj。

4）優先連接：新節點與屬于相同平臺的已有節點i以pb-i的概率進行連接，其中節點i的度ki，所有節點的度之和∑Ni=1ki之間的關系為：pb-i=ki∑Ni=1ki。

2.2?SEIR模型

2.2.1?用戶狀態分類

以傳染病傳播模型為基礎，結合在線社交網絡中信息的傳播特性，將用戶狀態劃分為4類，使用SEIR模型描述跨平臺社交網絡的輿情傳播過程。用戶的4種狀態分別是：

1）未知狀態S：處于該狀態的用戶沒有接收到輿情信息;

2）潛伏狀態E：處于該狀態的用戶已經接收到輿情信息，但未在網絡平臺中傳播;

3）傳播狀態I：處于該狀態的用戶已經接收到輿情信息，且已在網絡平臺中進行傳播;

4）免疫狀態R：處于該狀態的用戶，接收過輿情信息，但由于個人興趣和輿情熱度衰減等原因不再具備傳播輿情的動機與能力。

2.2.2?相關參數定義

1）知曉率

跨平臺社交網絡中的用戶是從外部環境中接收輿情信息的，根據現實的輿情接收情境，外部環境可以劃分為兩類：一是用戶的所有鄰居形成的強關系好友環境;二是用戶所使用的社交平臺形成的弱關系平臺環境，因此從這兩個方面綜合考慮影響知曉率的因素。同時由于每個用戶的外部環境不盡相同，因此要分別計算每個用戶的知曉率。對于好友環境的影響，當某個用戶的好友中存在傳播輿情的感染者時，該用戶即具備獲知信息的機會，且處于同一平臺的好友感染者所占的比例越高，用戶獲知輿情的概率越大。此外，輿情除了可以來源于好友外，也可能從其所屬平臺的其他陌生用戶處獲取，由于每個陌生感染者的傳播力無法具體衡量，因此用平臺的輿情傳播熱度，即每一時刻平臺中傳播者占平臺全部用戶的比例來表示單平臺環境，且考慮到不同平臺之間的信息可以相互轉發、分享或復制，輿情傳播存在一定的信息交互，因此在分析跨平臺環境時將信息交互系數考慮在內。本文將用戶i的知曉率定義為：bi=effectδ1+effect2。effectδ1和effect2分別為好友環境影響和平臺環境影響，各自定義如下：

其中，ai為用戶i注冊平臺的數量，cis為用戶i在平臺s中的好友感染者的數量，kis為用戶i在平臺s的度（即在平臺s中的好友總數）;Vs為平臺s中存在的感染者數量，Us為平臺s的用戶總數量，σ1-ai為ai個平臺之間的信息交互系數，η為給定常數。

2）傳播率

當用戶接收到輿情信息后，就具備了在網絡中傳播輿情的能力。每個用戶的外部環境和個人特質存在差異，導致對同一信息產生不同的傳播動力，進而采取不同的傳播行為，所以需要分別計算每個用戶的傳播率。與知曉率不同，影響傳播率的因素除了外部環境外，個體因素也是極為重要的影響因素，因此將從外部環境和個體因素兩個方面進行分析。

在好友環境方面，一般認為社交網絡中用戶的權威性越高，則影響力越大，其在網絡中發表的言論越容易得到贊同與支持，因此權威用戶的好友更容易轉變為傳播者;另外，用戶與好友的關系越緊密，就會對好友產生更高的信任感，從而更易于受到其影響而將輿情進行二次傳播，因此好友的權威性和與好友的社交關系度是影響傳播率的因素。參考文獻[17]用好友在跨平臺社交網絡中的度與網絡中最大度的比值來表示權威性;文獻[11]將用戶與某好友的社交關系度表示為兩者的共同好友數量占用戶所有好友數量的比值，由于本文的載體網絡是基于多個平臺構建的，因而要考慮所有平臺中用戶之間的社交關系。通常用戶之間存在的聯系越多，兩者的關系越緊密，社交關系度越大，因此分析社交關系度時，也要考慮用戶與好友在跨平臺社交網絡中的共同聯系數量。在平臺環境方面，用戶同樣會受到陌生感染者的影響，一方面，當平臺中存在一定數量的輿情傳播者時，用戶在從眾心理的影響下可能會傳播輿情信息;另一方面，當某個輿情事件在網絡平臺中引發熱議時，用戶可能為了獲得他人的關注和贊同而發布相關輿情信息，從而滿足自身的社交需求，因此也將輿情傳播熱度和信息交互系數作為影響傳播率的重要因素。

在個體因素方面，主要從興趣度和權威性兩個角度進行分析，用戶對輿情事件的興趣度越高，其越容易表明態度和發表評價，從而提高傳播率，且用戶興趣度的變化通常與輿情熱度存在一定關系，如處于傳播初期的輿情較難引起用戶的關注，而輿情熱度的不斷提高往往能夠激發起用戶更高的興趣。此外，個人的權威性也與傳播行為息息相關，當用戶的權威性較高時，其言行會對其他用戶產生較大的影響，所以權威用戶為了避免對自身形成負面影響，在收到輿情信息后一般會先觀察輿情的動向，不會立即發布相關評論;而當用戶的權威性較低時，其一般不會注重言論對自身的影響，因此更易于傳播輿情。綜上，本文將用戶i的傳播率定義為：pi=effectσ1+effect2+effect3。effectσ1、effect2和effect3分別為好友環境影響、平臺環境影響和個體因素影響，effect2與知曉率中定義相同，effectσ1和effect3分別定義為：

在effectσ1的定義中，NERj為好友j對用戶產生的影響，具體描述見式（5），其中kj為好友j的度，kmax為跨平臺社交網絡中的最大度，ωij為用戶i與好友j的社交關系度;式（6）定義了社交關系度，fij為用戶i與好友j的共同好友數量，ki為用戶i的好友總數量（即度值），aij為用戶i與好友j的共同聯系數量（即兩個用戶在aij個平臺中都互為好友），ai為用戶i注冊平臺的總數量。在effect3的定義中，ki為用戶i的度，kmax為網絡中的最大度，d為用戶對初期輿情產生的興趣值，φt為輿情在t時刻的傳播熱度，λ為一個給定常數。

3）移出率

以往多數研究中認為當用戶處于傳播狀態時，下一時間點會直接或以一定概率轉變為免疫狀態（即移出傳播過程），但實際的轉變過程會受到某些因素的影響。一方面，隨著輿情事件傳播時間的延長，熱度會呈現逐漸下降的趨勢，用戶自然會降低對輿情的關注，從而終止傳播輿情的行為;另一方面，當周圍好友中的免疫者較少時，用戶由于跟風心理也會參與對輿情的討論，因而較難移出傳播過程;而當周圍的好友大多數為免疫者時，用戶同樣會喪失傳播輿情的興趣與動機，因此較易移出傳播過程。因此本文認為主要影響用戶移出率的兩個原因是輿情傳播時間和好友的輿情傳播熱度。參考文獻[17]，輿情傳播時間的延長用標準指數函數表示;周圍用戶的輿情傳播熱度用免疫者數量占所有好友數量的比值表示，該比值越高表示周圍輿情熱度越低。綜上，本文將用戶的移出率定義為：

其中t表示輿情傳播的時間點，ri為用戶i的好友中免疫者的數量，ki為用戶i的好友總數量，λ為一個給定常數。

2.3?輿情傳播規則

依據輿情信息的傳播過程，結合跨平臺社交網絡的特性，定義如下傳播規則：

1）若用戶i處于未知狀態S，首先判斷其知曉率bi是否達到知曉閾值θb：若未達到知曉閾值，則仍處于未知狀態;若達到則再判斷其傳播率pi是否達到平臺s的傳播閾值θps：若未達到傳播閾值，則用戶i轉變為潛伏狀態E;若達到則以概率α在平臺s中轉變為傳播狀態I，否則為潛伏狀態。

2）若用戶i處于潛伏狀態E，首先判斷其傳播率pi是否達到平臺s的傳播閾值θps：若達到傳播閾值，則用戶i以概率β在平臺s中轉變為傳播狀態I;若未達到則再判斷其移出率qi是否達到平臺s的退出閾值θqs，若未達到退出閾值，則仍處于潛伏狀態;若達到則以概率γ在平臺s中轉變為免疫狀態R。

3）若用戶i處于傳播狀態I，判斷其移出率qi是否達到平臺s的退出閾值θqs，若達到退出閾值，則以概率γ在平臺s中轉變為免疫狀態R;否則仍處于傳播狀態。

4）若用戶i處于免疫狀態R，則用戶狀態不再改變。

根據輿情的傳播規則，用戶i的狀態轉變過程如圖1所示。

根據輿情在跨平臺社交網絡中的傳播規則，在圖2中演示輿情的傳播擴散過程。初始時刻，選擇用戶10作為輿情信息的傳播源，其余用戶均處于未知狀態;t=1時，用戶3接收到用戶10的信息，且超過平臺A和平臺C的傳播閾值，在平臺A和平臺C中轉變為傳播狀態，在平臺B中轉變為潛伏狀態;t=2時，用戶11和用戶17接收到好友的信息后轉變為傳播狀態，用戶18轉變為潛伏狀態，用戶4在平臺B和平臺C中分別轉變為潛伏狀態和傳播狀態;t=4時，輿情進一步擴散，用戶1、9、7、15、8和2均接收到輿情信息，在其注冊的平臺上轉變為傳播狀態或潛伏狀態，且用戶3、4和17此時已超過對應平臺的退出閾值而轉變為免疫狀態。

3?仿真結果與分析

本文以BA無標度網絡為基礎，使用Matlab?2017b構建跨平臺社交網絡，同時假定構建的跨平臺社交網絡為靜態網絡，即網絡中的用戶不存在增

加和減少的情況。一個簡單的網絡拓撲結構如圖3所示，其中圖3（a）～3（c）分別為平臺A、平臺B、和平臺C的單平臺社交網絡結構，圖3（d）為跨平臺社交網絡結構。從圖中可知，每個單平臺中的用戶不同，且用戶之間的關系存在差異，構成了3個獨立的網絡結構，而跨平臺社交網絡綜合了3個平臺中的用戶關系，形成了一個全新的網絡。在跨平臺社交網絡中，通過彩色連線關聯的兩個用戶僅在單平臺社交網絡中存在連接，通過灰色連線關聯的兩個用戶在多個平臺中都存在連接。

為了對跨平臺社交網絡中輿情的傳播過程進行仿真分析，本文構建了一個主要參數為N=2000、m0=10、m=5、M=3的載體網絡，度分布情況如圖4所示（坐標為雙對數），網絡的拓撲結構參數如表1所示。從圖4可知，跨平臺社交網絡中節點的度分布呈現出冪律分布的特征，即絕大多數用戶的度較小，而少數用戶的度較大，說明本文構建的網絡結構與真實網絡類似，具備模擬輿情傳播的條件。為了確保實驗結果的準確性，每次實驗均進行100次，取所有結果的平均值進行分析。初始時刻僅有1個用戶處于傳播狀態，且該用戶在平臺A、B、C和跨平臺社交網絡中的度分別為113、117、114和268，其余用戶皆處于未知狀態，并根據上述傳播規則對后續20個時間周期內的用戶狀態進行統計與分析。

3.1?單平臺社交網絡與跨平臺社交網絡的輿情傳播過程對比

由于每個平臺具有不同的網絡結構，且所有平臺又構成了一個綜合的跨平臺社交網絡，因此同一輿情事件在不同網絡中必定出現差異化的傳播情況。為了探究這一傳播差異，本實驗將A、B、C這3個單平臺社交網絡與跨平臺社交網絡的輿情傳播過程進行比較，其中相關參數設置為：α=0.6、β=0.7、γ=0.7、d=0.5、θb=0.06、θp1=0.3、θp2=0.35、θp3=0.5、θq1=0.001、θq2=0.0012、θq3=0.0015。由于I狀態和R狀態用戶的波動情況可以分別反映輿情的傳播熱度和傳播規模，因此主要對這兩種狀態用戶在不同時間周期的比例變化進行比較，仿真結果如圖5所示。

分析圖5（a）可知：單平臺社交網絡和跨平臺社交網絡的I狀態節點曲線均呈現先上升后下降的趨勢，但峰值大小和傳播的持續時間不同。在A、B、C這3個單平臺社交網絡中，傳播熱度峰值分別為0.065、0.075、0.04，傳播持續時間約為8個時間單位;而跨平臺社交網絡中平臺A、B和C的傳播熱度峰值分別達到0.16、0.22、0.18，傳播持續時間約為9個時間單位。說明單個社交平臺形成的網絡會在一定范圍內限制輿情的傳播，而跨平臺社交網絡能有效地提高輿情的傳播速度與熱度，延長輿情的傳播時間。另外，分析圖3（b）可知：隨著時間的持續，全部網絡中的R狀態節點數量均呈現不斷上升的趨勢，最終達到平穩的狀態，且考慮跨平臺社交特性時，平臺A、B和C的R狀態曲線明顯比對應的單平臺社交網絡上升速度更快。在A、B、C這3個單平臺社交網絡中，最終免疫者占社交網絡總用戶的比例分別為0.38、0.48、0.43，而在跨平臺社交網絡中，平臺A、B和C的最終免疫者比例分別提高至0.43、0.54、0.5，表明輿情在跨平臺社交網絡中的傳播規模更大，影響范圍更廣。

基于上述分析，在真實的社交網絡中，雖然輿情可以在單個社交網絡平臺進行傳播，但輿情的傳播效率會受到用戶數量和用戶間關系的限制，無法引起較高的關注。而一些相對活躍的用戶會在多個社交網絡平臺之間建立聯系，使平臺之間形成一個相互連通的跨平臺社交網絡，輿情信息在該聚合網絡中能得到更迅速的擴散，從而引發更多網民的關注。因此，一方面，當輿情需要網民的關注時，應在多個網絡平臺中發布輿情相關信息，以使該事件能迅速激起網民的討論，進而引發相關媒體的客觀報道;另一方面，當需要對輿情進行管控時，應著眼于整個跨平臺社交網絡，只針對某個單平臺社交網絡進行管理并不能有效地應對輿情傳播。

3.2?外部環境對輿情傳播的影響

在真實的網絡環境中，大多數社交平臺不僅為好友之間的關系維護提供便利，也為陌生用戶之間的連接建立專門的渠道。如在微博網絡中，用戶不僅可以與多個好友之間通過互相關注建立各自的“好友圈”，從好友處獲知輿情信息，還能從“熱搜”“熱門微博”等版塊獲取陌生用戶發布的輿情信息。同樣在當下流行的短視頻社交網絡中，用戶除了能獲取好友發布的視頻外，主要的使用方式是瀏覽陌生用戶創作的短視頻。因此，用戶得知或傳播某個輿情事件除了會受到“好友”的影響外，還會受到同一平臺中其他陌生使用者的影響。因此為了分析兩類外部環境如何影響輿情的傳播，本實驗將以跨平臺社交網絡中的平臺A為例，探索外部平臺環境和外部好友環境的作用效果。主要參數設置與上述實驗相同，共進行3次仿真實驗，第一次實驗不考慮平臺環境對知曉率和傳播率的影響，僅考慮好友環境的影響;第二次實驗不考慮好友環境對知曉率和傳播率的影響，僅考慮平臺環境的影響;第三次實驗同時考慮平臺環境和好友環境，仿真結果如圖6和圖7所示。

觀察圖6和圖7中的仿真結果可知，外部環境會影響輿情的傳播過程：當不考慮外部平臺環境的影響時，輿情在整個傳播過程中的最高熱度出現在第2時步，熱度值僅為0.02，傳播持續時間約為6個時間單位，最終達到的傳播規模為0.23，且A平臺網絡仍存在較高比例的未知用戶;當不考慮外部好友環境的影響時，輿情在整個傳播過程中的最高熱度出現在第3時步，熱度值僅為0.07，傳播持續時間約為7個時間單位，最終達到的傳播規模為0.38;而當考慮兩類外部環境的影響時，輿情的最高熱度出現在第3時步，熱度值增至0.15，傳播持續時間延長至9個時間單位，傳播規模提高至0.44。

由此可知，外部環境的確能對輿情的傳播效果產生影響，既增加了輿情的傳播熱度與規模，又延長了輿情的傳播時間，顯著地擴大了輿情事件在跨平臺社交網絡中產生的作用。此外，實驗結果也表明，網絡平臺中好友間的關系雖能使輿情在一定范圍內傳播，但并不能在社交網絡平臺中得到有效的擴散，而當相關用戶將輿情事件發布至開放網絡中時，眾多陌生用戶的參與往往能使輿情獲得更多的關注。在現實中，當需要管控某個輿情事件的傳播時，除了要采取針對輿情利益相關者的措施外，還可通過網絡平臺限制輿情相關話題的發布，降低陌生圍觀者的討論熱度。

3.3?閾值變化對輿情傳播的影響

在本文定義的傳播模型中，用戶狀態發生變化的前提是超過對應的閾值，如當傳播率超過平臺的傳播閾值時，用戶才能從未知或潛伏狀態轉變為傳播狀態，因此閾值的大小必定會對輿情的傳播過程產生影響。為了具體分析該影響，本實驗將以跨平臺社交網絡中的平臺A為例，仿真不同閾值下的輿情傳播過程，通過控制傳播閾值和退出閾值的變化進行兩組對比實驗，參數設置如表2所示，仿真結果如圖8、圖9所示。

由圖8可知，傳播閾值的變化會顯著影響輿情在平臺A中的傳播過程。在其他參數不變的情況下，傳播閾值的提高會降低輿情的傳播熱度與規模。具體而言，傳播閾值的增加會直接影響用戶狀態的轉變，即未知用戶或潛伏用戶更難變為傳播狀態，使傳播狀態的用戶數量較少，導致傳播熱度的下降。因此，傳播閾值的提高均會限制輿情的傳播效果。由圖9可知，退出閾值的變化也會影響輿情的傳播，但與前者的作用效果相反。在其他參數不變的情況下，退出閾值的提高會增加輿情的傳播熱度與規模。當退出閾值變大時，處于潛伏或傳播狀態的用戶便不易退出傳播過程，會在網絡中繼續傳播輿情，使更多的用戶脫離未知狀態，導致輿情的傳播熱度和傳播規模均得到進一步的提高，因此退出閾值的提高會加強輿情的傳播效果。綜上，傳播閾值和退出閾值均通過各自的方式影響輿情的傳播，該仿真結果可為輿情的控制提供理論支持。在實際網絡輿情管控過程中，相關人員可采取控制閾值的方式，如可通過增加用戶發布輿情信息的難度提高平臺的傳播閾值，亦可利用其他熱點事件吸引用戶的注意力，以降低用戶在某網絡平臺上的退出閾值。

4?結?論

本文基于SEIR傳染病模型和無標度網絡理論，以個體興趣值和權威性作為個人影響因素，以好友權威性和與好友的社交關系度作為好友環境影響因素，以所屬平臺的輿情熱度和平臺間的信息交互程度作為平臺環境影響因素，從個體因素和外部環境兩個方面給出知曉率、傳播率和移出率的定義，同時也考慮到了用戶在整個信息傳播過程中的知曉閾值、傳播閾值和退出閾值，從而構建了跨平臺社交網絡的輿情傳播模型。仿真結果表明，輿情在跨平臺社交網絡中的傳播熱度與規模均大于單平臺社交網絡，且跨平臺社交網絡能更準確地描述輿情在真實社交網絡上的傳播特點，并證明了外部平臺環境和外部好友環境均會影響輿情在跨平臺社交網絡中的傳播過程。此外，通過控制平臺傳播閾值和退出閾值的大小，對比了跨平臺社交網絡中的輿情信息在不同閾值下的傳播差異，同時給出了相應的輿情管控建議。

本文的跨平臺社交網絡是通過計算機仿真構建的，與實際社交網絡環境存在一定差異，未來研究中可利用真實數據對本文模型進行驗證;另外，本文在分析平臺環境時僅考慮了輿情熱度和信息交互系數，后續可進一步完善平臺環境影響因素。

參考文獻

[1]中國互聯網絡信息中心.第45次中國互聯網絡發展狀況統計報告（2020年4月）[EB/OL].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/202004/P020200428596599037028.pdf，2020-05-22.

[2]Rapoport?A，Rebhun?L?I.On?the?Mathematical?Theory?of?Rumor?Spread[J].Bulletin?of?Mathematical?Biology，1952，14（4）：375-383