賀鵬　李軍　董田田　王繼榮

摘要：? 針對傳統(tǒng)微博社交網(wǎng)絡(luò)信息傳播模型沒有考慮用戶個體差異性和用戶強(qiáng)弱關(guān)系的問題，本文建立了基于多Agent的微博社交網(wǎng)絡(luò)信息傳播模型。將微博用戶抽象為Agent，并定義Agent的屬性，分析微博社交網(wǎng)絡(luò)信息的傳播機(jī)制，定義Agent之間的交互規(guī)則，考慮不同強(qiáng)弱關(guān)系下影響用戶轉(zhuǎn)發(fā)信息行為的因素，通過仿真實(shí)驗(yàn)探究個體態(tài)度、影響力、個體間認(rèn)同度等因素對微博網(wǎng)絡(luò)信息傳播的影響。仿真結(jié)果表明，微博信息的傳播呈裂變式擴(kuò)散模式，微博用戶的態(tài)度、影響力等因素對信息的傳播起促進(jìn)作用，所提出的相關(guān)影響變量對有效利用與管控微博信息傳播具有一定的啟示意義。

關(guān)鍵詞：? 微博社交網(wǎng)絡(luò); 信息傳播模型; 用戶強(qiáng)弱關(guān)系; 多Agent

中圖分類號： TP393.092; G206.2文獻(xiàn)標(biāo)識碼： A

網(wǎng)絡(luò)技術(shù)的快速發(fā)展使網(wǎng)絡(luò)成為人們獲取信息的重要渠道之一，各種社交軟件的出現(xiàn)，標(biāo)志著在線社交網(wǎng)絡(luò)已經(jīng)成為現(xiàn)代人際交往的重要方式[1]。微博作為一個可以自由發(fā)表觀點(diǎn)和交流的平臺[2]，以其高效、開放的特點(diǎn)成為用戶活躍度最高的在線社交平臺之一。在微博上，每個人都具有雙重身份，既是信息的傳播者也是信息的接受者，微博已成為消息擴(kuò)散和輿論傳播的重要平臺之一，因此研究影響微博信息傳播的相關(guān)因素，有利于管理和控制輿情傳播[3]。研究信息傳播最廣為人知的模型是傳染病模型[45]，信息在復(fù)雜網(wǎng)絡(luò)里的傳播模式與傳染病在網(wǎng)絡(luò)中的傳播模式相類似[6]，研究者大多以此為基礎(chǔ)進(jìn)行模型修改，以揭示信息在網(wǎng)絡(luò)中的傳播模式。許曉東等人[7]根據(jù)微博網(wǎng)絡(luò)結(jié)構(gòu)特性，使用傳染病模型（susceptible infected recovered model，SIR）刻畫了謠言傳播過程;Fei Xiong等人[8]將Twitter網(wǎng)絡(luò)中的用戶分為四類，利用傳染病傳播動力學(xué)方程，模擬仿真不同傳播速率下網(wǎng)絡(luò)模型的動態(tài)變化。但由于基于傳染病的模型沒有考慮微博用戶個體的差異性、自主性與交互性[9]，因而無法細(xì)致地刻畫信息傳播的過程。近年來，多Agent技術(shù)的發(fā)展為研究信息傳播提供了新的思路。李志宏等人[10]利用多Agent主體建模方法，并基于Repast平臺模擬了突發(fā)性公共危機(jī)信息的傳播過程;朱思怡等人[11]結(jié)合多Agent技術(shù)，對微信惡意代碼的傳播特點(diǎn)及影響進(jìn)行仿真;蔡淑琴等人[12]以病毒傳播模型為基礎(chǔ)，結(jié)合多Agent建模方法，研究了網(wǎng)絡(luò)社區(qū)中負(fù)面口碑信息的傳播;劉長星等人[13]運(yùn)用多Agent建模理論和方法，建立了網(wǎng)絡(luò)輿論傳播模型。基于此，本文利用多主體建模與仿真技術(shù)[14]，通過考慮微博用戶個體差異性、用戶之間的強(qiáng)弱關(guān)系以及不同關(guān)系下影響信息傳播的因素，將微博網(wǎng)絡(luò)信息傳播過程中的人抽象為相應(yīng)的Agent個體，充分考慮個體的自主性和差異性[15]，從微觀層次研究討論相關(guān)因素對微博信息傳播的影響。該研究對管控微博信息傳播具有重要意義。

1微博信息傳播機(jī)制

微博中，信息傳播主要是依靠用戶的轉(zhuǎn)發(fā)行為[16]。微博用戶關(guān)系可分3種，即：互粉、粉絲、陌生人[17]。最基本的用戶關(guān)系是通過相互關(guān)注或者單向關(guān)注而形成，產(chǎn)生關(guān)注關(guān)系之后，被關(guān)注者發(fā)布消息就會出現(xiàn)在關(guān)注者頁面。同時，微博的熱搜、推薦等功能也為陌生人之間提供了信息獲取渠道，有助于信息在陌生人關(guān)系下進(jìn)行傳播。微博用戶之間可能存在的用戶關(guān)系示意圖如圖1所示。圖1中，箭頭指向被關(guān)注者，雙向箭頭代表互相關(guān)注關(guān)系（互粉），單向箭頭代表單向關(guān)注關(guān)系（粉絲），無連線代表陌生人關(guān)系。圖中，用戶A與用戶B為單向關(guān)注關(guān)系，用戶A與用戶C為互相關(guān)注關(guān)系，用戶B與用戶C為陌生人關(guān)系。

2基于多Agent的微博社交網(wǎng)絡(luò)信息傳播模型

2.1Agent的屬性

將微博用戶抽象為Agent，通過分析微博用戶的特性，對Agent的屬性描述如下：

1）對信息的態(tài)度Si，表示Agenti對信息真?zhèn)涡运M(jìn)行的主觀判斷，Si值在區(qū)間[0，0.5]上表示相信信息，Si值在區(qū)間（0.5，1]上表示懷疑信息。

2）個體網(wǎng)絡(luò)影響力Ui，表示Agenti影響力的大小。由Agent所擁有的粉絲數(shù)量來衡量，粉絲數(shù)越大，其影響力越高。其取值區(qū)間為[0，1]，取值越接近1表示影響力越大。

3）主體認(rèn)同度Idi表示Agenti對傳播用戶認(rèn)同程度，其值為[0，1]，取值越接近1，表示認(rèn)同度越高。

4）信息內(nèi)容與主體興趣相似度Ji表示Agenti的興趣愛好與信息內(nèi)容的相似程度。用戶對信息感興趣的程度對用戶轉(zhuǎn)發(fā)信息行為有較大影響，其取值為[0，1]，取值越接近1，表示主體興趣相似度越高。

2.2Agent間的關(guān)系強(qiáng)度

Agent間關(guān)系強(qiáng)度Ri，互相關(guān)注表示為強(qiáng)關(guān)系，關(guān)注雙方一般為朋友、同學(xué)、同事等關(guān)系，雙方相互了解，相互間的認(rèn)同感影響較大，用Ri=2表示。單向關(guān)注表示為弱關(guān)系，關(guān)注者單方面受被關(guān)注者的網(wǎng)絡(luò)影響力影響較大，在微博里一般表現(xiàn)為粉絲追星行為等，用Ri=1表示。陌生人關(guān)系由于缺少關(guān)注聯(lián)系為最弱關(guān)系，用Ri=0表示。

2.3信息價值

通常來說，信息本身的價值屬性會決定信息的傳播范圍，如果一個信息的價值微乎其微，那么其信息幾乎得不到有效傳播[18]。因此Agent在信任信息之后，會考慮信息內(nèi)容價值是否能引起自己的興趣，決定是否要轉(zhuǎn)發(fā)該信息。本文假設(shè)信息的基本價值為V，其取值區(qū)間為[0，1]。

2.4基于多Agent的決策規(guī)則

（1）設(shè)用戶Agentj關(guān)注Agenti，Agenti作為傳播信息源發(fā)出信息，則Agentj作為Agenti的粉絲將接收信息。

（2）若Agentj此前未接觸過信息，且Sj∈0，0.5時，Agentj將信任信息的真實(shí)性，當(dāng)Agentj信任信息之后，會根據(jù)用戶關(guān)系進(jìn)一步確定是否轉(zhuǎn)發(fā)信息的決策。

1）當(dāng)Rj=2，定義Agentj轉(zhuǎn)發(fā)決策函數(shù)f1=a1V+b1Idj。如果f1>θ1，Agentj將轉(zhuǎn)發(fā)該信息，否則Agentj將拒絕轉(zhuǎn)發(fā)信息。其中，a1、b1、θ1為常數(shù)，且a1+b1=1，其值可根據(jù)實(shí)際情況作調(diào)整。

2）當(dāng)Rj=1，定義Agentj轉(zhuǎn)發(fā)決策函數(shù)f2=a2V+b2Ui。如果f2>θ2，Agentj將轉(zhuǎn)發(fā)信息，否則Agentj將拒絕轉(zhuǎn)發(fā)該信息。其中，a2、b2、θ2為常數(shù)，且a2+b2=1，其值可根據(jù)實(shí)際情況作調(diào)整。

3）當(dāng)Rj=0，定義Agentj轉(zhuǎn)發(fā)決策函數(shù)f3=a3V+b3Jj。如果f3>θ3，將轉(zhuǎn)發(fā)信息，否則Agentj將拒絕轉(zhuǎn)發(fā)信息。其中，a3、b3、θ3為常數(shù)，且a3+b3=1，其值可根據(jù)實(shí)際情況作調(diào)整。

（3）若Agentj此前未接觸過信息，且Sj∈0.5，1時，Agentj將懷疑信息的真實(shí)性，拒絕轉(zhuǎn)發(fā)信息。

（4）若Agentj已接觸并轉(zhuǎn)發(fā)信息，則保持狀態(tài)不變，不再進(jìn)行任何決策行為。

（5）若Agentj已接觸并拒絕轉(zhuǎn)發(fā)信息，則保持狀態(tài)不變，不再進(jìn)行任何決策行為。

Agent決策流程圖如圖2所示。

3.1仿真網(wǎng)絡(luò)生成

本文對微博網(wǎng)絡(luò)的仿真研究基于無標(biāo)度網(wǎng)絡(luò)模型進(jìn)行，其仿真網(wǎng)絡(luò)構(gòu)造算法如下：

Step 1： 初始化網(wǎng)絡(luò)。網(wǎng)絡(luò)初始化為具有n0個節(jié)點(diǎn)相互連接的連通網(wǎng)絡(luò)。

Step 2： 節(jié)點(diǎn)增長特性。每一個時間點(diǎn)都在網(wǎng)絡(luò)中生成一個新的節(jié)點(diǎn)i，并創(chuàng)建一條新生節(jié)點(diǎn)與舊節(jié)點(diǎn)j之間的連線。

Step 3： 邊的優(yōu)先連接特性。新節(jié)點(diǎn)i與舊節(jié)點(diǎn)j連成新邊的概率與舊節(jié)點(diǎn)j的度成正比[19]。

Step 4： 返回Step 3，直到網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)達(dá)到目標(biāo)要求停止。

Step 5： 對網(wǎng)絡(luò)中的邊進(jìn)行加權(quán)，以區(qū)分單向關(guān)注關(guān)系與雙向關(guān)注關(guān)系。

基于上述設(shè)計(jì)，采用仿真平臺Netlogo進(jìn)行仿真實(shí)驗(yàn)，設(shè)定網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)N=400，初始狀態(tài)未知信息人數(shù)為399人，傳播信息人數(shù)為1人，仿真參數(shù)設(shè)置如如圖3所示，初始化網(wǎng)絡(luò)如圖4所示。

3.2實(shí)驗(yàn)結(jié)果與討論

1）微博信息傳播效果隨時間的變化。微博信息傳播的變化趨勢圖如圖5所示，由圖5可以看出，曲線M代表未知信息個體數(shù)在初期短時間內(nèi)呈現(xiàn)出迅速下降的趨勢，并最終變化為曲線P代表的傳播信息個體與Q代表的拒絕傳播信息個體，知道微博信息的人數(shù)迅速增加，這體現(xiàn)了微博信息裂變式的擴(kuò)散模式。

2）個體懷疑性對微博信息傳播的影響。微博社交網(wǎng)絡(luò)中用戶個體對信息存在積極與消極兩種不同的態(tài)度，一是相信，二是懷疑。設(shè)置微博用戶個體的初始態(tài)度[20]為[0，0.5]和[0，1]，設(shè)定信息懷疑閾值為0.5。個體懷疑性對信息傳播的影響如圖6所示。圖6a為微博個體用戶初始態(tài)度在[0，0.5]，即相信信息，對信息持有積極的態(tài)度。圖6b為微博個體用戶初始態(tài)度在[0，1]，即既有積極的信任態(tài)度，也有消極的懷疑態(tài)度。從實(shí)驗(yàn)結(jié)果上分析，當(dāng)微博個體存在懷疑性時，網(wǎng)絡(luò)中傳播信息個體數(shù)為76人，拒絕傳播信息的人數(shù)為324人，而不存在懷疑性時，網(wǎng)絡(luò)中傳播信息的個體數(shù)為137人，拒絕傳播信息的人數(shù)為263人。用戶態(tài)度對信息傳播有一定阻礙作用，因此，為了信息傳播的范圍更廣，發(fā)布者要提高信息描述的規(guī)范性與準(zhǔn)確性，使其他用戶可以正確判斷信息真假。

3）信息價值對微博信息傳播的影響。微博信息傳播的效果很大程度上取決于信息本身所含價值的大小。信息價值對信息傳播的影響如圖7所示。圖7a～圖7c分別代表信息價值為0.8，0.5，0.2時網(wǎng)絡(luò)中的個體變化情況。對比曲線P代表傳播信息的人數(shù)，從左至右依次為118，50，14人，信息的價值越小，參與信息傳播的人數(shù)越小，當(dāng)信息的價值接近于0時，網(wǎng)絡(luò)中傳播此信息的人數(shù)非常少，大部分人對此條無價值的信息都是持拒絕轉(zhuǎn)發(fā)的態(tài)度，由圖7可以看出，曲線Q代表拒絕傳播信息的人數(shù)越來越多。

4）影響力對微博信息傳播的影響。影響力對信息傳播的影響如圖8所示。圖8a和圖8b分別表示影響力為0.8和0.2時，網(wǎng)絡(luò)中的個體變化情況，圖8a中，曲線P代表的傳播信息個體數(shù)量大約為143人，圖8b為98人。曲線M代表網(wǎng)絡(luò)中尚未接觸的人數(shù)，由實(shí)驗(yàn)結(jié)果可得，圖8a中信息傳遍網(wǎng)絡(luò)的時間為1 336個時間點(diǎn)，圖8b為1 559個時間點(diǎn)。

由圖8及實(shí)驗(yàn)結(jié)果分析可知，微博個體影響力越大，受其影響而轉(zhuǎn)發(fā)信息的用戶越多，信息傳播的廣度越大，而信息傳播廣度的增加又加速了信息的傳播效率，使達(dá)到最大傳播范圍所用的時間越少。因此，對于一些積極正面的信息或者重大信息需要快速傳播，可以通過這些影響力大的微博個體用戶進(jìn)行傳播。對于政府監(jiān)控一些負(fù)面虛假消息的傳播時，應(yīng)著重監(jiān)控影響力大的節(jié)點(diǎn)，從而降低負(fù)面消息的傳播速率。同時，影響力越大的用戶越應(yīng)該提高自身素質(zhì)，堅(jiān)決抵制傳播虛假與負(fù)面信息。

4結(jié)束語

本文運(yùn)用多Agent建模的方法對微博社交網(wǎng)絡(luò)中信息傳播和影響因素進(jìn)行建模，定義了微博用戶的屬性與交互規(guī)則，從微觀層次描述了信息傳播的過程，進(jìn)一步豐富了微博社交網(wǎng)絡(luò)信息傳播的理論研究。并且通過仿真實(shí)驗(yàn)，分析了個體態(tài)度、影響力等因素對微博信息傳播的影響，對個人或政府部門有效利用微博信息，宣傳有價值信息、加強(qiáng)網(wǎng)絡(luò)信息監(jiān)控等具有一定實(shí)際意義。但本研究還存在一定的不足，本文的仿真網(wǎng)絡(luò)是基于無標(biāo)度網(wǎng)絡(luò)算法生成的，下一步將考慮運(yùn)用實(shí)際微博數(shù)據(jù)構(gòu)建仿真網(wǎng)絡(luò)。

參考文獻(xiàn)：

[1]彭川， 李元香. 在線社交網(wǎng)絡(luò)信息傳播問題研究綜述[J]. 計(jì)算機(jī)與數(shù)字工程， 2016， 44（11）： 21982203.

[2]崔金棟， 鄭鵲， 孫碩. 微博信息傳播模型及其演化研究綜述[J]. 圖書館論壇， 2018， 38（1）： 6877.

[3]游新年， 劉群. 基于傳染病模型的微博信息傳播預(yù)測研究[J]. 計(jì)算機(jī)應(yīng)用與軟件， 2016， 33（5）： 5356.

[4]Kermack W O， McKendrick A G. Contributions to the mathematical theory of epidemics[J]. Proceedings of the Royal Society A， 1927， 115（5）： 700721.

[5]Hethcote H W. The mathematics of infectious diseases[J]. SIAM Review， 2000， 42（4）： 599653.

[6]Hegselmann R， Krause U. Opinion dynamics and bounded confidence models， analysis， and simulation[J]. Journal of Artificial Societies and Social Simulation， 2002， 5（3）： 2.

[7]許曉東， 肖銀濤， 朱士瑞. 微博社區(qū)的謠言傳播仿真研究[J]. 計(jì)算機(jī)工程， 2011， 37（10）： 272274.

[8]Xiong F， Liu Y， Zhang Z J， et al. An information diffusion model based on retweeting mechanism for online social media[J]. Physics Letters A， 2012， 376 （30/31）： 20132018.

[9]李瑋， 畢貴紅， 張壽明. 基于Agent動態(tài)網(wǎng)絡(luò)的疾病傳播模型[J]. 計(jì)算機(jī)工程， 2012， 38（1）： 2428.

[10]李志宏， 王海燕， 白雪. 基于網(wǎng)絡(luò)媒介的突發(fā)性公共危機(jī)信息傳播仿真和管理對策研究[J]. 公共管理學(xué)報， 2010， 7（1）： 8593.

[11]朱思怡. 基于Agent的微信移動社交平臺惡意代碼傳播模型[D]. 黑龍江： 哈爾濱工業(yè)大學(xué)， 2016.

[12]蔡淑琴， 王偉， 周鵬， 等. 基于多智能體的網(wǎng)絡(luò)社區(qū)負(fù)面口碑信息傳播研究[J]. 計(jì)算機(jī)科學(xué)， 2016， 43（4）： 7075.

[13]劉常昱， 胡曉峰， 羅批， 等. 基于Agent的網(wǎng)絡(luò)輿論傳播模型研究[J]. 計(jì)算機(jī)仿真， 2009， 26（1）： 2023.

[14]李春發(fā)， 劉凱， 王晟鍇. 基于MultiAgent的政府干預(yù)下虛假輿情傳播規(guī)律與控制決策[J]. 現(xiàn)代情報， 2018， 38 （5）： 5561.

[15]賀筱媛， 胡曉峰. 基于Agent的Web網(wǎng)信息傳播仿真模型[J]. 系統(tǒng)仿真學(xué)報， 2010， 22（10）： 24262431.

[16]陳慧娟， 鄭嘯， 陳欣. 微博網(wǎng)絡(luò)信息傳播研究綜述[J]. 計(jì)算機(jī)應(yīng)用研究， 2014， 31（2）： 333338.

[17]張永， 華姍姍， 張航. 基于轉(zhuǎn)發(fā)行為影響因素的SCIR信息傳播模型[J]. 計(jì)算機(jī)工程， 2018， 44（11）： 282288， 299.

[18]王小立. 智能多Agent網(wǎng)絡(luò)的微信信息傳播仿真研究[J]. 現(xiàn)代圖書情報技術(shù)， 2015（6）： 8592.

[19]Barabási A L， Albert R. Emergence of scaling in random networks[J]. Science， 1999， 286（5439）： 509512.

[20]黃宏程， 孫欣然， 胡敏. 基于節(jié)點(diǎn)態(tài)度的社交網(wǎng)絡(luò)信息傳播模型[J]. 工程科學(xué)與技術(shù)， 2018， 50（1）： 113119.

Multi-Agent Based Information Dissemination Model of

Microblog Social NetworkHE Penga， LI Juna， DONG Tiantiana， WANG Jirongb

（a. College of Computer Science & Technology;

b. School of Electromechanic Engineering， Qingdao University， Qingdao 266071， China）Abstract：? An information transmission model of microblog social network was established based on multiagent， considering the individual differences of users and the relationship strengths among users. The microblog users have been abstracted as agents. The attributes of agents are defined. The information spread mechanisms in microblog social network are analyzed. The interaction rules among agents are defined. The factors influencing information transmission behavior under different relationship strengths among microblog users are considered. The simulation results show that the spread of microblog information is a fission diffusion mode， and the attitude and influence of microblog users play an important role in promoting the spread of information. The relevant influence variables proposed in the study have certain enlightenment for the effective use and control of microblog information dissemination.

Key words：? microblog social network; information dissemination model; user strength relationship; multi-agent

收稿日期： 2020-01-10; 修回日期： 2020-02-13

作者簡介：? 賀鵬（1994-），男，碩士研究生，主要研究方向?yàn)橄到y(tǒng)仿真與建模。

通信作者：? 李軍（1963-），男，博士，教授，碩士生導(dǎo)師，主要研究方向?yàn)橄到y(tǒng)仿真與建模。 Email： lijun@qdu.edu.cn