地方性網絡論壇熱點輿情話題傳播機制研究

潛程浩，胡彥蓉，劉洪久，潘軍可

1.浙江農林大學 信息工程學院，杭州 311300

2.浙江省林業智能監測與信息技術研究重點實驗室，杭州 311300

地方性網絡論壇作為一個重要的網絡輿情話題傳播平臺，其主要目標用戶擁有相同的地理位置和文化環境。這一特點使地方性論壇可以集中反映一地居民關注的熱點事件以及相關觀點態度。以杭州一地方性網絡論壇為例，諸如“杭州新的消費券馬上就要來了”“鄰居遛狗給我帶來的煩惱”這樣的帖子遍布整個論壇。這些帖子無一不反映著普通民眾關注的熱點和相關態度。與此同時，這類帖子在論壇中常年處于熱帖的狀態。這說明論壇中帶有地方性色彩的輿情話題在論壇用戶中具有很強影響力。鑒于互聯網的傳播速度與規模，再小的輿情話題，經過發酵也有可能在網絡中造成巨大的社會影響。這就導致同樣帶有地方性色彩的不良信息（例如謠言）也能通過地方性網絡論壇給社會穩定帶來危害。因此，為了對相關的輿情話題傳播進行監管，防止不良信息對當地社會穩定造成危害，對地方性網絡中熱點輿情話題的傳播機制和特點的研究便有了重要的實際意義。

1 國內外研究現狀

當前，國內外對于輿情信息傳播機制的研究很多。主流的方法是通過改進傳染病動力學SIR模型建立新的輿情信息傳播模型來對其進行研究。最早的傳染病SIR模型由Kermack和McKendrick提出[1]，該模型將傳播節點分為易感者、傳播者和免疫者三類。后續的研究基本上都是以此為基礎進行改進進行的。目前該領域的研究主要集中在以下三個方面：

（1）根據傳播的節點類型的不同，對模型的傳播節點的類型和數量進行拓展。Zanette等人首先提出將復雜網絡中的節點分為了無知者、傳播者、移出者三種節點[2]。Xiong等人結合微博轉發行為的特點，在傳播模型中加入了接觸者節點，提出了SCIR信息傳播模型，并進行了仿真實驗[3]。張永等人在SIR模型的基礎上加入新的節點，建立了基于轉發行為因素的SCIR模型[4]。張永等人考慮鄰居節點間的互相影響，加入了一個假免疫節點，構建了SDIR模型[5]。崔金棟等人綜合考慮了微博網絡中話題式信息的衍生特性，建立了H-SEIR模型[6]。

（2）根據實際情況中不同的信息傳播環境帶來的信息傳播的傳播機制的不同，對模型進行改進。方勁皓等人在SCIR模型中，引入了節點的在線和離線狀態，增強了模型的時效性[7]。范海波等人根據發布信息的用戶的可信度差異對信息傳播的影響，針對真假信息傳播的不同效果，提出了新的IBU模型[8]。魏靜等人在SIR模型的基礎上，提出了部分無知者直接轉變為免疫者以及具有衍生效應的SIR改進模型[9]。包峻波等人考慮現實中信息真偽的不確定性，在SIR模型中引入博弈論和社會加強效應，設計研究了基于非完全信息博弈的SIR模型[10]。Kawachi等人根據現實中謠言傳播的特點，在謠言傳播模型中，新加入了傳播者轉變為未知者，抵制者轉變為傳播者等變化規則，完善了相關的信息傳播模型[11]。劉小洋等人針對社交網絡中一種信息會抑制另一種信息傳播的機制，運用馬爾科夫鏈理論分析網絡上不同信息之間的競爭機制和節點狀態轉化、信息傳播演化之間的內在聯系，建立了網絡系統信息擴散的非線性動力學傳播模型[12]。

（3）針對信息傳播模型中原本恒定的傳播系數進行拓展。Barros等把模糊理論與SI傳染病模型相結合，將系數變為一個模糊集[13]。Zanette在小世界網絡中對謠言傳播的閾值進行了研究[14]。王飛雪等人在SIR模型的基礎上考慮了謠言在不同節點上的傳播概率，提出了社交網絡中考慮節點自身影響的謠言傳播模型[15]。陳紫揚等人考慮到不同影響力的節點對信息傳播的影響，提出了NI-SIR模型[16]。對于網絡中的節點多次接觸到同一信息所造成的模型中系數的變化，也有學者對此作出了研究。Dodds等人提出多次接觸同一信息后，信息傳播的記憶效應會對后續的信息傳播造成影響[17]。王曉萌等人通過引入信息曝光度曲線與社交網絡個體影響力，提出了一種基于信息轉發傳播過程中記憶效應的信息傳播模型[18]。Lü等人提出在社交網絡中節點多次接觸同一信息時，接受信息的概率不同于只接觸了一次該信息時的概率，并引入了一個指數函數來反映在多次接觸同一信息的過程中，概率變化的過程[19]。劉詠梅等人提出了考慮到興趣衰減系數的基于小世界網絡的微博謠言傳播模型[20]。

結合以上文獻可以看到，當前國內外研究的重點主要有三個方向，即模型節點的類型和數量的變化、傳播系數的拓展以及對信息傳播機制的改進。但是，上述文獻仍具有較大的局限性：所有研究都是基于傳染病動力學SIR模型進行改進，針對微博等平臺的“轉發”傳播機制進行的。這些研究無法應用于地方性網絡論壇中的輿情信息傳播機制的研究。網絡論壇中的輿情話題傳播機制是基于對論壇帖子的“回復”行為構建的：回復量越高，帖子在論壇中的實時位置越靠前，越容易被用戶看到，帖子內的信息越容易被傳播。

因此，為了對地方性網絡論壇中的輿情話題信息傳播機制進行研究，本文基于SIR模型，改進提出了UBIR（Unknow-Browser-Infected-Removed）模型。該模型的主要特點是：第一，以用戶的“回復”行為作為信息傳播機制的基礎。現有研究中的“轉發”行為，本質上就是使某個傳播節點中的輿情信息接觸到更多未知節點的行為。網絡論壇中沒有“轉發”這一行為，起到相同作用的是“回復”行為。因此，該模型以“回復”為基礎，構建了新的地方性網絡論壇中輿情話題信息傳播機制。第二，在SIR模型基礎上加入了新的瀏覽者節點（Browser）。與常見的SCIR、SEIR模型[3-6]相比，UBIR模型增加了新的不同狀態節點之間相互轉化的機制，更加符合網絡論壇傳播機制的特點。第三，針對地方性論壇輿情話題傳播機制的特點，對模型參數進行了改進。通過參數的變化，UBIR模型成功地還原出了地方性論壇輿情話題傳播機制的三個特點。第四，在模型中加入并改進了興趣指數函數。劉詠梅等人[20]提出的興趣指數函數描述了同一節點多次接觸同一信息對該信息在節點中傳播概率的影響，UBIR模型在此基礎上進行改進，將網絡論壇中節點的鄰居節點個數與信息接觸次數相結合，使該函數能夠適用于本次研究。

2 地方性網絡論壇UBIR模型的構建

2.1 UBIR模型

本文為了研究熱點輿情話題在地方性網絡論壇中傳播的機制和特點，基于SIR模型構建了UBIR模型。該模型引入了興趣指數函數，加入了新的瀏覽者節點，結合了網絡論壇中回復帖子增加信息傳播概率的特點。UBIR模型共有四種類型的節點，即Unknow（未知者）、Browser（瀏覽者）、Infected（傳播者）、Removed（免疫者），其示意圖如圖1所示。

圖1 UBIR模型示意圖Fig.1 UBIR model diagram

在UBIR模型中，未知者節點在接觸到傳播者節點后以P(m)的概率轉變為瀏覽者節點。瀏覽者節點分別以α和β的概率轉變為傳播者節點和免疫者節點。

與傳統SIR模型不同的是，在UBIR模型中，傳播者節點和免疫者節點有一定的概率能夠轉變回瀏覽者節點。這一現象和論壇的特點有關：

第一，傳播者節點的用戶在回復完帖子后有三種選擇，即離開帖子，繼續回復和繼續瀏覽帖子。這三種選擇分別代表了轉變為免疫者、繼續作為傳播者和轉變回瀏覽者這三種情況。

第二，論壇普遍都有搜索和收藏功能。即使一篇帖子無人問津，完全“沉貼”，不再參與信息的傳播，用戶都可以通過搜索和收藏功能，再次接觸到這一帖子。網絡論壇中帖子的另一大功能便是“網絡聊天室”。免疫者用戶在失去對帖子的興趣后很有可能會收到后續用戶對其的回復。在這種情況下，免疫者用戶往往會通過搜索或收藏再次找到帖子，參與話題的討論。例如在百度貼吧中，就有很多用戶在離開帖子轉為免疫者的十幾個小時后，為了回復別人，再次進入同一篇帖子轉變回瀏覽者。在論壇中，討論意味著傳播信息。這種情況在大型論壇中是比較常見的。

2.2 地方性論壇熱點輿情話題傳播機制的特點

UBIR模型能夠適用于大多數大型的網絡論壇。但是地方性網絡論壇由于其主體用戶和規模的特殊性，無法直接應用UBIR模型進行研究。

為了對地方性論壇熱點輿情話題傳播機制進行進一步研究，本文選取了“天涯論壇”這一國內主流的綜合性大型網絡論壇作為參照，爬取了一篇帶有地方性色彩的熱點輿情話題相關帖子。其數據如圖2、圖3所示。

圖2 大型論壇回復量變化圖Fig.2 Change chart of reply volume in large forums

圖3 大型論壇回復量變化速率圖Fig.3 Graph of rate of change of reply volume in large forums

從圖中明顯可得，大型論壇中回復量的增長有多次明顯的長達數個小時的停滯，其增長速率在逐漸減少至歸零后再次大幅增加。大型論壇中地方性輿情話題信息傳播的周期較長且速度較慢。從發帖開始，在50個小時后，回復量的增長才最終歸零。論壇中對帖子的回復可以等同于對信息的傳播。大型論壇中回復量的增長可以在數次歸零后重新再次開始增長。這種現象的主要原因就是原本的免疫者用戶通過搜索和收藏功能，再次接觸到相關帖子，并進行回復。

作為對比，本文在杭州19樓論壇對相同輿情話題的帖子進行了爬蟲。之所以選擇該論壇，是因為該論壇規模和用戶群體規模適中，具有較強的杭州地方性色彩，其數據具有較強的代表性，能夠有效地反映出該地民眾的輿情信息。在該論壇爬取的同一熱點輿情話題傳播的結果如圖4、圖5所示。

圖4 地方性論壇回復量變化圖Fig.4 Change chart of reply volume in local forum

圖5 地方性論壇回復量變化速率圖Fig.5 Graph of rate of change of reply volume in local forums

由于地方性論壇規模相對較小，同一熱點輿情話題相關的單篇帖子回復量較少。為了避免偶然性，本文選擇了同一話題的兩篇帖子同時進行了爬蟲。從圖2到圖5四幅圖的對比，可以發現地方性論壇中熱點輿情話題的傳播具有三個特點：

（1）地方性輿情傳播速度快。相比大型論壇，地方性輿情話題在地方性論壇發帖后的2到3個小時就會達到回復量增長速度的巔峰。帖子回復量的快速增長，使帖子的輿情話題信息傳播在發帖后的3個小時內達到巔峰。

（2）傳播周期短。在發帖的三個小時內達到輿情話題信息傳播的高峰后，帖子的回復速度就會逐漸下降，直到12個小時左右，帖子的回復量歸零，話題信息停止傳播。

（3）停止信息傳播后不會“死灰復燃”。在帖子回復量增長歸零，停止信息的傳播后，基本不會再重新開始大規模的信息傳播。

地方性論壇之所以與大型綜合性論壇會有這樣的區別，主要是其目標用戶和論壇規模造成的。地方性論壇的用戶主要是當地居民。與當地相關的輿情話題信息更容易被地方性論壇用戶接受。這造成了地方性論壇傳播地方性輿情話題速度快的特點。這反映到UBIR模型中的變化就是未知者節點在接觸到傳播節點后，轉變為瀏覽者節點的概率比普通論壇更高。地方性論壇較小的規模則決定了其信息傳播周期短，以及停止信息傳播后不會“死灰復燃”的特點。在經歷發帖后的12個小時的傳播后，論壇中關心相關輿情的大多數用戶都已經接觸輿情話題的相關信息。較少的用戶也使得帖子的“聊天室”功能受到了一定的限制。例如杭州19樓論壇總注冊人數在200萬左右，而論壇中一篇熱門帖子的閱讀量就達到了23萬，這說明論壇中的活躍用戶其實已經基本上都接觸了該篇帖子的信息。后續已經不會再有更多的用戶參與到該帖子的傳播中來了。這反映到UBIR模型中的變化就是，在地方性論壇的UBIR模型中，免疫者不會轉變為瀏覽者。

2.3 地方性網絡論壇UBIR模型的建立

本文結合UBIR模型和地方性論壇的三個特點，建立了針對地方性網絡論壇的UBIR模型，其示意圖如圖6所示。

圖6 地方性論壇的UBIR模型示意圖Fig.6 UBIR model diagram of local forum

地方性網絡論壇和普通論壇的信息傳播機制都是建立在回復行為上的。二者的傳播機制沒有本質區別。現有的差別主要是由地方性論壇的規模和主要目標用戶造成的。因此，地方性網絡論壇的UBIR模型的主要變化有兩個：第一，地方性網絡論壇UBIR模型的P(m)中的λ比普通的UBIR模型要高。第二，地方性網絡論壇UBIR模型中的免疫者節點不會轉變為瀏覽者節點。

本文所涉及模型，均選取地方性網絡論壇“杭州19樓論壇”作為數據來源，模型所涉及的相關假設規則如下：

（1）在網絡論壇所處的社交網絡中，回復即被視為傳播信息。與微博，推特等社交軟件不同，網絡論壇的信息傳播機制使模型無法利用消息的轉發行為來定義話題信息是否成功傳播。在網絡論壇中，存在“頂帖”現象，即用戶回復網絡論壇中的某一篇帖子，會提高該帖子在論壇版面中的位置。這會提高其他用戶接觸到這一帖子信息的概率。根據這一機制，本文將論壇用戶對某一篇帖子的回復行為視為對該帖子包含的輿情話題信息的傳播行為。

（2）假設在該論壇所處的社交網絡中包含的總節點數（用戶人數）為N，該論壇用戶總共分為四類：未知者U(t)、瀏覽者B(t)、傳播者I(t)、免疫者R(t)。其中未知者為網絡論壇中在t時刻沒有點進相關輿情話題消息的帖子中進行瀏覽的用戶。瀏覽者為接觸到相關輿情話題消息后點進相關帖子進行瀏覽，但是既沒有關閉帖子離開，也沒有進行回復頂帖的用戶。傳播者則是瀏覽者中接受了相關信息并進行了回復，增加了帖子的熱度，提高了帖子在論壇中的位置，進一步傳播了相關信息的用戶。免疫者則是最終失去了對相關信息興趣，離開了相關帖子，從輿情話題信息的傳播行為中退出的用戶。

（3）假設19樓論壇所在的社交網絡為小世界網絡，并假設其網絡的平均度為kˉ。

（4）在論壇中接觸到同一篇帖子或者說同一個熱點輿情話題的多個不同帖子的次數不止一次。不同的接觸次數，以及帖子本身的話題的興趣指數（吸引人的程度）都會影響到用戶點進該篇帖子成為瀏覽者的概率。由劉詠梅等人的相關研究[18]可知，用戶接受并傳播某條輿情信息的概率隨著該信息的出現次數的變化而變化。這種由于不同的接觸次數而帶來的對相關信息的興趣的變化或者說瀏覽信息內容的概率的變化可以用指數函數來進行表示。有公式如下：

其中，λ是未知者點第一次接觸到傳播輿情話題信息的相關帖子就點進該帖子轉變為瀏覽者的概率。地方性網絡論壇中，該概率更高，λ比在普通論壇中更大。b是該輿情話題的興趣系數，b越大，P(m)隨著接觸話題信息的次數的增加，減少的速度越來越快，瀏覽的概率越來越小。換言之，b越小，用戶對該輿情話題的興趣越高。m則是某節點用戶接觸到相關話題信息的次數，在本文所涉及模型中具體體現為該節點在小世界網絡中鄰居節點中的傳播者節點數量。

（5）假設所有的未知者節點，在第一次接受到輿情話題信息后，有λ的概率對話題信息產生興趣，進入帖子轉變為瀏覽者節點。隨著傳播行為的進行，該節點的鄰居節點中的傳播者節點越來越多（接觸到該話題信息的次數越來越多），P(m)最終趨向于0。即未知節點的用戶不再轉變為瀏覽者，一直保持為未知節點。

（6）瀏覽者在瀏覽完該帖子后，有δ的概率失去對這一話題信息的興趣，直接離開該帖子，不對這一話題信息的傳播產生作用。為了簡化模型，假設離開帖子的瀏覽者不會再對該帖子產生興趣，重新進入該篇帖子再次成為瀏覽者，轉變為免疫者。地方性網絡論壇中的免疫者不會再轉變為瀏覽者和傳播者。同時瀏覽者有α的概率選擇回復帖子，對該帖子的輿情話題產生傳播作用。因此本文認為回帖的用戶轉變為傳播者。由現實情況明顯可得：

（7）用戶的回帖行為并不限于一次。因此在用戶以概率β失去回帖的興趣，轉變為免疫者節點退出話題信息的傳播過程前，都將被視為傳播者并進行傳播行為。在實驗中，為了簡化模型，設β為固定值，每進行一次傳播行為，就判斷一次是否退出傳播。

（8）傳播者節點進行一次傳播行為后，有γ的概率轉變回瀏覽者。在轉變回瀏覽者的情況下，用戶繼續留在帖子中瀏覽輿情話題信息，直到再次回復轉變為傳播者或者離開帖子變為免疫者。

由以上假設可得，在t時刻，未知者節點以概率P(m)被任意一個傳播節點傳播，接觸到信息后轉變為瀏覽節點。因此，未知者的演化方程為：

在t時刻，論壇中的瀏覽者節點（Browser）在由未知節點轉變過來的同時，還分別以δ和α的平均概率轉變為傳播者節點（Infected）和免疫者節點（Removed）。同時，還有一部分傳播節點以γ的概率轉變回瀏覽節點，由此可得瀏覽者的演化方程為：

傳播者和免疫者節點在t時刻的演化方程如下：

由以上式（1）到式（6）綜合可得到UBIR模型的演化模型如下：

其中，U(t)+B(t)+I(t)+R(t)=N。假設在信息傳播初始情況下，有N0個瀏覽者，其余均為無知者節點。在實際情況中的意義即為，在一篇帖子剛發表的t0時刻，有N0個用戶進入了帖子進行瀏覽。

3 基于熱點輿情話題的仿真實驗

本文根據模型假設的輿情話題信息傳播機制，使用netlogo仿真軟件，進行了仿真實驗。實驗以杭州19樓論壇中帶有地方性色彩的熱點輿情話題為數據來源。通過將仿真結果與實際數據進行對比，本文研究了網絡論壇中輿情話題信息傳播的機制并驗證UBIR模型的有效性。

3.1 實際數據的采集和處理

首先，本文在杭州19樓論壇，選取“最美司機吳斌”這一具有很強杭州地方性色彩的熱點輿情話題作為主要的研究對象。為了減少單篇帖子回復量較少帶來的偶然性，本文一次性選取了該輿情話題相關的5篇帖子，總數據量達到10 611條回復。爬取數據如表1所示。

表1 爬取的19樓論壇部分數據Table 1 Part of 19lou forum data

以第一層樓層的回復時間為原點t0，以回復時間的時間差為橫坐標，以用戶回復的樓層數和樓層數的增加速度為縱坐標。選取目標帖子發布后12個小時內的數據變化，利用MATLAB軟件進行作圖。結果如圖7、圖8所示。

圖7 熱點輿情話題帖子回復量隨時間變化圖Fig.7 Number of responses to hot public opinion topic posts changes over time

在圖7和圖8中，每一條曲線代表一篇有著相同話題信息的論壇帖子。圖7顯示的是在五篇熱點輿情話題相關帖子中，用戶回復量隨著時間推進發生的變化。圖8顯示的是用戶回復量變化速率。從圖中可知，五篇帖子的信息傳播過程符合地方性論壇傳播機制的三個特點。其回復數的變化曲線都近似于對數曲線。在帖子發表后的兩個小時內，回復量發生了較快增長，并在2小時至3個小時的區間內達到增速的最高峰。隨后增速開始大幅下降，帖子的“熱度”下降，回復量增速趨緩。最終在12個小時后，回復量增速漸漸歸零，帖子失去熱度，在論壇中“沉貼”了。

在上述兩幅圖中可以看到，第五篇帖子與其他帖子的曲線有較大差別。該帖子的回復量的變化趨勢雖然與其他曲線相近，但是整個變化過程比其他曲線推遲了3個小時。該現象的原因是該篇帖子的發布時間處于凌晨3點鐘。由于該時段的活躍用戶數量較小，導致在3個小時后，即現實時間6點鐘后，才有用戶對其進行回復。這一現象說明，信息傳播的開始時間對整個信息傳播行為也會產生影響。本文暫不對這一影響因素進行進一步的研究。

對比圖4、圖5和圖7、圖8，兩次爬取的數據雖然輿情話題不同，但是兩次爬取的帖子的曲線變化趨勢相同，都符合地方性論壇熱點輿情話題傳播的特點。這說明熱點輿情話題本身的內容不會對地方性論壇傳播機制的三個特點帶來影響。

圖8 熱點輿情話題帖子回復量變化速率圖Fig.8 Change rate chart of response number of hot public opinion topic posts

3.2 基于netlogo仿真軟件的模型仿真實驗

根據模型的基本假設，本文采用Netlogo軟件進行仿真實驗。

本文將實驗中代表社交網絡中各個節點的主體：turtles設為三個屬性，分別為Removed、Browser和Infected。屬性布爾值的true和false分別代表了該turtles所代表節點的屬性。當三個屬性全部為false的時候，當前節點是未知節點。Removed屬性為true，另外兩個屬性為false的時候則是免疫節點。以此類推，由此來表示節點的不同狀態。在netlogo中，為了方便區別節點的不同狀態，賦予不同節點不同形狀加以區分。為了反映出地方性網絡論壇的特點，本次實驗網絡節點個數N為1 000，初始瀏覽者節點數B0為100，興趣指數b為0.2。

實驗的具體過程如下：

（1）形成實驗中的社交網絡。該步驟通過各個節點之間的鏈接，形成一個小世界網絡來完成。其節點數量變化如圖9所示。

圖9 建立總節點數N=1 000的社交網絡Fig.9 Establishing social network with total number of nodes N=1 000

（2）假設在一篇帖子發布后的t0時刻，有B0個用戶點擊進入了帖子進行瀏覽。本實驗B0=100。在社交網絡中增加100個瀏覽節點，其節點數量變化如圖10所示。

圖10 隨機選擇B0個節點轉變為瀏覽者Fig.10 Randomly selecting B0 nodes to convert to browsers

（3）開始模型的傳播過程仿真。各個節點數量變化如圖11所示。從傳播開始后，瀏覽者節點和傳播者節點呈波浪狀起伏變化，兩者交替增加減少。未知者節點不斷下降，轉變為新的瀏覽者節點。這說明，這一條輿情話題信息在網絡論壇中不斷傳播，沒有接觸過該信息的人不斷減少。同時，免疫者節點不斷增加，并且隨著瀏覽者節點和傳播者節點的變化，增速在不斷增加。

圖11 信息傳播過程圖Fig.11 Information dissemination process diagram

（4）如圖12所示，論壇所處社交網絡只剩未知者節點和免疫者節點，傳播者和瀏覽者全部歸零，話題信息的傳播過程結束。在這種情況下，不會再有新的傳播節點產生，話題信息的傳播行為完全停止。同時，由于論壇規模較小，活躍用戶相對較少，不再有新的用戶通過收藏和搜索功能重新加入話題信息的傳播。對應的現實情況就是，一篇帖子失去了熱度，瀏覽過和回復過該篇帖子的用戶全部離開。因此，帖子在論壇中的位置不會再被提高，并隨著新的帖子的出現，慢慢地離開論壇的前排位置。新的未知節點不再有機會看到這篇帖子，接觸到相關話題信息，最終“沉貼”。從圖中還可以看到，在結束傳播后，社交網絡中的未知者節點數量仍然遠遠大于免疫者節點。這說明論壇中沒有接觸過該信息的用戶任然占大多數。這一現象也符合實際中論壇活躍用戶遠少于總用戶的事實。

圖12 信息傳播完成圖Fig.12 Information dissemination completion diagram

（5）驗證興趣指數對輿情話題信息傳播效果的影響。不同的話題帶來的興趣指數不同，由此會對信息的實際傳播帶來不同的影響。因此本文將初始節點數N0設為1 000，在初始時間t0，點進帖子內的瀏覽者節點B0為60。分別取興趣指數為0.2和2.0，以此來仿真不同話題帶來的不同的興趣指數的影響。通過不同節點隨時間的變化來驗證實驗結果。

（6）對比仿真結果和實際數據，通過曲線的對比，證明UBIR模型的有效性。

3.3 實驗結果和實際數據的對比與分析

3.3.1 模型仿真結果分析

用戶在論壇中進行回復，從瀏覽者轉變為傳播者。而傳播者在結束信息傳播行為后，最終都轉變為免疫者。因此，在UBIR模型中，免疫者數量反映了現實中用戶的回復量，可以在一定程度上等同于回復量。免疫者的數量反映輿情話題信息傳播的效果。免疫者節點越多，回復量越高，傳播效果越好。仿真實驗中免疫者節點變化如圖13所示。

圖13 仿真實驗的免疫者節點變化曲線圖Fig.13 Graph of immunizer node change in simulation experiment

將圖13所代表的仿真結果和圖7所代表的實際數據進行對比，明顯可得，仿真結果與實際數據發展趨勢基本吻合。二者的節點數和回復量，均在開始信息傳播行為后的前6個單位時間內快速增加。在第6個單位時間后，二者的增長曲線均趨于平緩，并在11至12個單位時間完全停止增長。

圖14表示的是仿真實驗中，免疫者節點的變化速率。從上文可知，免疫者節點的變化速率可以反映出回復量的變化速率。將圖14和圖8進行對比，可以看出，雖然仿真結果存在速率的部分浮動，但在整體上，二者發展趨勢基本吻合。二者均在信息傳播行為開始后的2到3個單位時間內達到了增速的巔峰。在之后的9個單位時間內，雖然偶有漲幅，但是增速總體是在逐漸下降的，直到最后第11至第12單位時間，增速歸零。

圖14 仿真實驗的免疫者節點變化速率圖Fig.14 Graph of rate of change of immune nodes in simulation experiment

所以，整體來看，本文所涉及地方性論壇的UBIR仿真模型較為擬合實際情況。該模型可以較好地描述現實里地方性網絡論壇中熱點輿情話題信息的傳播過程，反映出話題信息在地方性論壇中傳播的三個特點。

3.3.2 興趣指數對輿情話題傳播效果的影響

興趣指數和輿情話題本身的內容有關，為了研究其對熱點輿情話題傳播的最終效果的影響，本文選取了兩個不同的興趣指數進行了對比實驗。

當興趣指數為0.2時實驗結果如圖15所示，當興趣指數為2.0時實驗結果如圖16所示。

圖15 b=0.2情況下各節點隨時間變化Fig.15 Each node changing with time in the case of b=0.2

圖16 b=2.0情況下各節點隨時間變化Fig.16 Each node changing with time in the case of b=2.0

不同的興趣指數代表了不同話題對于論壇用戶的吸引程度。該指數越小，話題越吸引人，論壇用戶回復的概率越大。可以看到，b=2.0時，最終免疫者節點的數量遠遠高于b=2.0的情況，而未知者節點卻低于b=2.0的情況。這說明，興趣指數越小，整個網絡中參與到輿情話題信息傳播的節點越多，信息傳播的效果越好。通過同一論壇中不同輿情話題實際數據的對比，可以看到，19樓論壇中“最美司機”相關帖子的回復量要遠高于另一個熱點話題。其帖子內包含信息的傳播效果也比普通信息的傳播效果更加優秀。為了排除偶然性，本文分別在興趣指數為0.2和2.0的情況下，重復進行實驗，其結果如表2所示。

表2 兩種興趣指數下最終免疫者節點數Table 2 Number of final immune nodes under two interest indices

可以看到，在興趣指數為0.2的情況下，最終免疫者節點的數量的平均值要高于2.0的情況。因此興趣指數越小，話題越吸引人，信息傳播效果越好的結論成立。

3.4 地方性網絡論壇的信息傳播機制

通過建模與仿真實驗，可以得出結論，地方性網絡論壇中的熱點輿情話題的傳播機制是基于“回復”這一用戶行為的。因為地方性論壇在傳播輿情話題上的三個特點，其傳播機制與普通論壇存在一定區別。地方性網絡論壇的傳播速度比普通論壇更快。在某個輿情話題的論壇帖子被發表后，論壇中部分用戶進入帖子由未知者轉變為瀏覽者。隨后部分瀏覽者選擇回復帖子轉變為傳播者，同時還將帖子頂到論壇中更加靠前的位置。這使更多未知者用戶接觸到了這一帖子包含的輿情話題信息，完成了一次話題信息的傳播。在失去興趣退出帖子轉變為免疫者前，傳播者保持著對帖子的回復，不斷“頂帖”傳播該帖子的輿情信息。另一部分瀏覽者，在接受完帖子的輿情話題信息后失去對該信息的興趣，直接退出了話題信息的傳播，轉變為免疫者。同時，傳播者也有可能轉變回瀏覽者，這對照了現實中用戶停止回復但是繼續瀏覽帖子的情況。

對比實際數據和仿真結果，明顯可得，以上行為發生的高峰期在帖子發布后的2個小時至3個小時之間。因此，若是要對相關輿情信息進行管控，最佳的操作時間就在帖子發布的2個小時之內。

4 結束語

為了研究地方性網絡論壇中熱點輿情話題傳播的機制和特點，本文通過普通論壇和地方性論壇數據的對比，得出了地方性論壇輿情話題信息傳播機制的三個特點。本文基于SIR模型進行改進，提出了針對地方性網絡論壇的UBIR模型。UBIR模型考慮并結合了現實的網絡論壇中信息傳播機制的特點。例如傳播節點有可能會重新轉變為瀏覽節點，瀏覽節點也可能直接轉變為免疫節點，多次接觸同一信息會對傳播造成影響等。通過仿真實驗，驗證了UBIR模型可以較好地還原網絡論壇中輿情話題傳播的過程，能夠成功地還原出地方性網絡論壇中輿情話題信息傳播的機制，對解決現實中輿情話題傳播管理的問題具有參考意義。

本文也有一定的局限性。實際論壇中，雖然由于論壇本身規模較小，用戶相對較少，參與輿情話題傳播的用戶數量仍然是一個較大的數字。由于模型本身的局限性，UBIR模型對于論壇中瀏覽量的增加也能增加帖子的熱度，提高其在論壇中的順位，加快信息的傳播這一機制特點沒有能夠進行還原。在處理實際數據時發現的發帖時間對于信息傳播的影響機制也沒有能夠通過該模型還原。因此，UBIR模型仍舊存在一定的偏差，地方性網絡論壇的信息傳播機制仍不完善。在未來的研究中，可以進一步優化模型，使其更加符合現實中網絡論壇輿情話題傳播機制的特點，為網絡論壇的監控和管理提供有效的參考。