黃逸磊，夏志杰，王詣銘

上海工程技術(shù)大學(xué) 管理學(xué)院，上海201620

社交媒體出現(xiàn)至今，經(jīng)過(guò)不斷的發(fā)展演變，在社會(huì)輿論、熟人社交、陌生人社交等方面出現(xiàn)了各種類(lèi)型的平臺(tái)[1]。不僅為公眾提供了大量新的信息交換方式，更是成為了人們獲取信息的重要渠道。與此同時(shí)，社交媒體平臺(tái)中不實(shí)信息的大量傳播會(huì)對(duì)社會(huì)造成惡劣影響，甚至產(chǎn)生危機(jī)事件[2]。了解社交媒體平臺(tái)中不實(shí)信息的傳播規(guī)律，有助于有效控制不實(shí)信息廣泛傳播，維護(hù)社會(huì)秩序。

由于不實(shí)信息在社交媒體平臺(tái)中的傳播與傳染病有相似性，所以一些研究者借鑒SIR模型對(duì)不實(shí)信息傳播進(jìn)行定量分析研究，并在SIR模型的基礎(chǔ)之上加入更多的影響因素[3-4]，取得了大量的研究成果。但是，有學(xué)者指出SIR 模型較為簡(jiǎn)單，不足以描述不實(shí)信息的傳播[5]。隨著復(fù)雜網(wǎng)絡(luò)的興起，學(xué)者們將復(fù)雜網(wǎng)絡(luò)理論應(yīng)用于不實(shí)信息傳播研究[6]。不同于上述建模方法，Multi-Agent 建模方法著眼于粒子之間的交互，從微觀上對(duì)粒子個(gè)體進(jìn)行分析，從宏觀上可以觀察復(fù)雜網(wǎng)絡(luò)的傳播特點(diǎn)，能夠更詳細(xì)地對(duì)不實(shí)信息的傳播進(jìn)行模型描述。

本文通過(guò)對(duì)強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)中不實(shí)信息傳播影響因素進(jìn)行分析，借助Multi-Agent建模方法，建立考慮用戶(hù)個(gè)體異質(zhì)性及用戶(hù)決策不確定性的不實(shí)信息傳播模型，克服傳統(tǒng)SIR 模型較為簡(jiǎn)單的缺陷，提供一種不實(shí)信息傳播模型的構(gòu)建思路。在多種不同結(jié)構(gòu)的網(wǎng)絡(luò)以及Facebook網(wǎng)絡(luò)[7]中，通過(guò)控制變量法進(jìn)行一系列的仿真模擬，分析不實(shí)信息傳播初始節(jié)點(diǎn)度、強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)結(jié)構(gòu)和用戶(hù)個(gè)體異質(zhì)性對(duì)不實(shí)信息傳播的影響，探尋強(qiáng)關(guān)系型社交媒體平臺(tái)中不實(shí)信息傳播規(guī)律，對(duì)當(dāng)前不實(shí)信息在強(qiáng)關(guān)系型社交媒體平臺(tái)中的傳播理論進(jìn)行補(bǔ)充，為不實(shí)信息大規(guī)模傳播后的應(yīng)對(duì)措施提供建議。

1 相關(guān)研究

1.1 社交媒體平臺(tái)類(lèi)型劃分

關(guān)于社交媒體平臺(tái)中不實(shí)信息傳播規(guī)律的研究主要集中在微博與微信這兩大主流社交媒體平臺(tái)，有部分學(xué)者研究并發(fā)現(xiàn)了兩者傳播模式的區(qū)別[8-9]，但并未根據(jù)傳播特點(diǎn)對(duì)社交媒體平臺(tái)進(jìn)行明確分類(lèi)。Granovetter[10]從社會(huì)分析的角度將人際關(guān)系分為強(qiáng)關(guān)系與弱關(guān)系?；诖?，張敏將社交媒體劃分為強(qiáng)關(guān)系社交媒體和弱關(guān)系社交媒體[11]。強(qiáng)關(guān)系社交媒體是基于線(xiàn)下熟人關(guān)系組成的線(xiàn)上網(wǎng)絡(luò)。在此類(lèi)社交媒體平臺(tái)上，只有相互添加從而建立聯(lián)系的用戶(hù)之間才能夠相互交流。這樣的傳播模式導(dǎo)致了強(qiáng)關(guān)系社交媒體信息傳播具有私密性、大眾傳播力弱、小世界特性[12]等特點(diǎn)。比較有代表性的平臺(tái)有：微信、人人網(wǎng)、Facebook等。弱關(guān)系社交媒體是基于興趣等個(gè)人單方面選擇組成的網(wǎng)絡(luò)，用戶(hù)間關(guān)系脆弱，信任度低。在此類(lèi)社交平臺(tái)上，用戶(hù)發(fā)布的信息是公開(kāi)的。這導(dǎo)致弱關(guān)系社交媒體信息傳播具有輿論領(lǐng)袖，傳播范圍無(wú)局限，網(wǎng)狀鏈接裂變式傳播[13]等特點(diǎn)。比較有代表性的弱關(guān)系社交媒體平臺(tái)主要有微博、twitter等。

1.2 不實(shí)信息傳播模型

信息傳播模型的建立方式主要有兩類(lèi)，一類(lèi)是通過(guò)自上而下的視角進(jìn)行建模，另一類(lèi)是通過(guò)自下而上的視角進(jìn)行建模[14]。

自上而下的研究視角通過(guò)從信息傳遞的用戶(hù)整體角度出發(fā)，觀察信息傳播過(guò)程中各群體的數(shù)量變化，通過(guò)微分方程建立模型，尋找信息傳播過(guò)程中的演化規(guī)律。一方面是基于傳染病模型為基礎(chǔ)的模型，另一方面是基于復(fù)雜網(wǎng)絡(luò)理論的復(fù)雜系統(tǒng)模型。Kermack等人[15]建立傳染病模型，將用戶(hù)群體分為三類(lèi)，易感者S、患病者I、移出者R。學(xué)者們對(duì)此模型進(jìn)行了一系列優(yōu)化，使其更貼合實(shí)際的用戶(hù)人群特點(diǎn)。魏靜等[3]提出了部分無(wú)知者直接變?yōu)槊庖哒咭约熬哂醒苌?yīng)的SIR 改進(jìn)模型。陳波等[4]考慮到傳染病的潛伏期，在SIR 模型基礎(chǔ)上加入潛在狀態(tài)E，建立SEIR傳播模型。有學(xué)者將傳染病模型與復(fù)雜網(wǎng)絡(luò)相結(jié)合，構(gòu)造出一系列謠言傳播模型。覃志華等結(jié)合了微信的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，建立兩層、三層網(wǎng)絡(luò)細(xì)化SIR 模型，對(duì)微信上謠言的傳播進(jìn)行研究[16-17]。魏靜等通過(guò)建立雙層微信網(wǎng)絡(luò)模型模擬微信上的輿情傳播[18]。

目前類(lèi)似SIR 的微分方程謠言傳播模型所基于的假設(shè)與現(xiàn)實(shí)情況大相徑庭。Zollo[5]在對(duì)Facebook 數(shù)據(jù)集進(jìn)行分析的基礎(chǔ)上，指出傳染病模型過(guò)于簡(jiǎn)單不足以解釋社交媒體中不實(shí)信息大規(guī)?？焖賯鞑サ膯?wèn)題。

自下而上的傳播模型通過(guò)強(qiáng)調(diào)用戶(hù)之間的交互作用，了解網(wǎng)絡(luò)輿情傳播過(guò)程，通過(guò)對(duì)粒子之間的交互行為建模，實(shí)現(xiàn)對(duì)現(xiàn)實(shí)情況的模擬。模型的主要類(lèi)型有Ising 模型、Default 模型、元胞自動(dòng)機(jī)模型、Multi-Agent模型等。這些模型能夠細(xì)致地從微觀角度描述用戶(hù)的交互行為，從宏觀角度分析傳播過(guò)程的整體效果，能夠較好地考慮社交媒體用戶(hù)個(gè)體異質(zhì)性。Grabowski等通過(guò)基于Ising 的模型分析群體意見(jiàn)的形成過(guò)程[19]。鄧青等通過(guò)元胞自動(dòng)機(jī)模型定量研究輿情傳播和干預(yù)機(jī)制[20]。孫雷霆通過(guò)Multi-Agent 模型從微觀角度分析傳播過(guò)程中的個(gè)體行為，從宏觀角度分析傳播程度和策略有效性[21]。有學(xué)者結(jié)合多種方法對(duì)輿情的生成和傳播規(guī)律進(jìn)行研究。陳春陽(yáng)等在Multi-Agent仿真模型的基礎(chǔ)上結(jié)合Deffuant有限信任模型，分析微博輿情生成機(jī)制和傳播規(guī)律[22]。

自下而上的傳播模型能夠更好地實(shí)現(xiàn)對(duì)于不實(shí)信息傳播過(guò)程中個(gè)體行為及其差異性的模擬，但是往往通過(guò)設(shè)置閾值來(lái)實(shí)現(xiàn)個(gè)體之間的交互規(guī)則的設(shè)置，無(wú)法模擬真實(shí)情況下用戶(hù)行為的不確定性以及非理性。

本文采用Multi-Agent建模方法模擬強(qiáng)關(guān)系社交媒體用戶(hù)網(wǎng)絡(luò)結(jié)構(gòu)，分析并刻畫(huà)了強(qiáng)關(guān)系社交媒體中不實(shí)信息傳播的影響因素，同時(shí)考慮了用戶(hù)個(gè)體異質(zhì)性，并通過(guò)D-S 證據(jù)理論模擬用戶(hù)在收到不實(shí)信息之后決策行為的不確定性。通過(guò)控制變量法，在不同網(wǎng)絡(luò)中進(jìn)行仿真實(shí)驗(yàn)，深入研究不實(shí)信息在強(qiáng)關(guān)系型社交媒體平臺(tái)用戶(hù)網(wǎng)絡(luò)中的傳播規(guī)律。

2 模型構(gòu)建

強(qiáng)關(guān)系型社交媒體中，用戶(hù)之間主要的不實(shí)信息傳播模式之一是有限一對(duì)多的模式，即一位用戶(hù)發(fā)布不實(shí)信息，其好友可見(jiàn)。這些好友根據(jù)自己的判斷做出轉(zhuǎn)發(fā)或者沉默的行為，然后不斷循環(huán)上述過(guò)程，直至沒(méi)有用戶(hù)對(duì)不實(shí)信息進(jìn)行轉(zhuǎn)發(fā)。根據(jù)這樣的不實(shí)信息傳播模式，利用Multi-Agent建模的方法將用戶(hù)抽象成為節(jié)點(diǎn)，用戶(hù)之間的好友關(guān)系抽象為邊，通過(guò)邊權(quán)重反映好友之間的親密度。在考慮了強(qiáng)關(guān)系社交媒體中不實(shí)信息傳播的影響因素基礎(chǔ)上，通過(guò)參數(shù)的分布來(lái)體現(xiàn)用戶(hù)的個(gè)體異質(zhì)性。用D_S 證據(jù)理論來(lái)刻畫(huà)用戶(hù)行為決策過(guò)程中的不確定性。

2.1 模型假設(shè)

該模型用于模擬不實(shí)信息在強(qiáng)關(guān)系社交媒體用戶(hù)網(wǎng)絡(luò)中的傳播場(chǎng)景，并需要滿(mǎn)足以下假設(shè)。

（1）不實(shí)信息可達(dá)性良好。即每個(gè)用戶(hù)在強(qiáng)關(guān)系社交媒體平臺(tái)發(fā)布的不實(shí)信息所有好友都可見(jiàn)，并且好友看到并閱讀了該不實(shí)信息。

（2）不實(shí)信息的來(lái)源單一。傳播過(guò)程中不實(shí)信息的來(lái)源僅為強(qiáng)關(guān)系社交媒體平臺(tái)中不實(shí)信息傳播路徑上的用戶(hù)，不會(huì)有外界其他信息的介入，用戶(hù)不會(huì)生成修改之后的不實(shí)信息。

（3）傳播的非冗余性。每位用戶(hù)最多傳播一次不實(shí)信息。

（4）無(wú)煽動(dòng)者。不實(shí)信息出現(xiàn)之后不存在組織有目的地煽動(dòng)，不具有長(zhǎng)時(shí)間有目的性的推動(dòng)因素。

（5）在不實(shí)信息傳播的過(guò)程中，社交媒體平臺(tái)的用戶(hù)數(shù)量不變。

2.2 個(gè)體決策影響因素

用戶(hù)對(duì)于不實(shí)信息的轉(zhuǎn)發(fā)是一種對(duì)于當(dāng)前環(huán)境的意見(jiàn)表達(dá)。在強(qiáng)關(guān)系社交媒體用戶(hù)網(wǎng)絡(luò)中的意見(jiàn)表達(dá)與現(xiàn)實(shí)人際關(guān)系網(wǎng)絡(luò)中的意見(jiàn)表達(dá)有一定相似性，用戶(hù)會(huì)綜合考慮多方面因素，再對(duì)接收到不實(shí)信息之后的行為做出決策。在此決策過(guò)程中涉及到三方面的因素，信息自身的相關(guān)因素、信息的收發(fā)雙方用戶(hù)的相關(guān)因素、用戶(hù)所處輿論環(huán)境的相關(guān)因素。

（1）從信息自身的角度來(lái)看，信息自身需要存在一定的價(jià)值才能引起人們的關(guān)注，信息價(jià)值越高，用戶(hù)對(duì)信息的關(guān)注度越大。信息的價(jià)值具有時(shí)效性。隨著時(shí)間流逝，信息的價(jià)值也隨之減弱。強(qiáng)關(guān)系社交媒體中信息老化規(guī)律與文獻(xiàn)信息老化規(guī)律具有一定相似性，依據(jù)文獻(xiàn)老化規(guī)律負(fù)指數(shù)模型，構(gòu)建如下信息價(jià)值模型。

vi(t)表示在t時(shí)刻，用戶(hù)網(wǎng)絡(luò)中用戶(hù)i處，信息所包含的價(jià)值。其中v0為信息的固有價(jià)值，t0為信息傳播的起始時(shí)刻，λi為信息的關(guān)注度。

λ0為網(wǎng)絡(luò)信息衰減特征標(biāo)度系數(shù)，由經(jīng)驗(yàn)統(tǒng)計(jì)數(shù)據(jù)獲得，信息價(jià)值的針對(duì)性越強(qiáng)其值越大，表示傳播范圍越窄。ψ～N(0,1) 是各種不確定性因素形成的外界關(guān)注度，外界關(guān)注度越高，信息關(guān)注因子越小。

（2）從信息收發(fā)雙方的角度分析，信息的接收者接收到信息之后的行為會(huì)受到自身性格、用戶(hù)的表達(dá)欲、信息傳播者影響力的影響。

用戶(hù)性格可以通過(guò)用戶(hù)活躍程度體現(xiàn)，用戶(hù)在社交媒體上的行為頻率以及好友數(shù)量等特征反映了用戶(hù)的活躍程度。由此，構(gòu)建用戶(hù)交際活躍度模型。

其中，Qi表示用戶(hù)i的交際性格等因素組成的影響因子。Qi∈(0,1)，di表示用戶(hù)i的好友數(shù)量，表示用戶(hù)i的k位好友總數(shù)。

用戶(hù)的表達(dá)欲是一個(gè)用戶(hù)接收到信息后自我表達(dá)需求的程度。用戶(hù)想要表達(dá)自己一方面是因?yàn)樾愿袷谷?，越活躍的人越傾向于表達(dá)自我。另一方面也因?yàn)橛脩?hù)對(duì)于收到的信息觀點(diǎn)產(chǎn)生共鳴，增強(qiáng)了用戶(hù)對(duì)于特定信息的傳播意愿。構(gòu)建如下用戶(hù)表達(dá)欲模型。

其中，li表示信息接收者的交際活躍度。Ai表示用戶(hù)i的觀點(diǎn)共鳴度，Ai∈[-1,1]。當(dāng)Ai ＜0 時(shí)，表明用戶(hù)對(duì)當(dāng)前接收到的信息有不同意見(jiàn)。各個(gè)用戶(hù)觀點(diǎn)共鳴度Ai的差異反映了用戶(hù)個(gè)體的異質(zhì)性。宏觀上用戶(hù)個(gè)體的異質(zhì)性表現(xiàn)在網(wǎng)絡(luò)的結(jié)構(gòu)和Ai的分布兩方面。

推送者影響力反映信息推送者對(duì)于信息接收者的影響力。在強(qiáng)關(guān)系社交媒體中推送者影響力與推送者的活躍性相關(guān)，也與其推送信息的力度相關(guān)，推送力度可能與信息與個(gè)體利益相關(guān)度、興趣愛(ài)好等很多復(fù)雜因素有關(guān)。信息收發(fā)雙方的親密、信任程度也會(huì)影響信息接收者進(jìn)行轉(zhuǎn)發(fā)的意愿。構(gòu)建推送者影響力模型。

其中，βi表示推送者的推動(dòng)力度，rij表示用戶(hù)之間的親密程度。σ表示信息在強(qiáng)關(guān)系社交媒體中發(fā)布后，用戶(hù)向外界推送的熱情隨著時(shí)間推移降低的速度。

（3）從用戶(hù)所處輿論環(huán)境來(lái)看，用戶(hù)好友組成的輿論環(huán)境對(duì)于不實(shí)信息的觀點(diǎn)會(huì)影響用戶(hù)在強(qiáng)關(guān)系社交媒體中的自我表達(dá)。用戶(hù)傾向于表達(dá)與眾人相同的觀點(diǎn)，當(dāng)觀點(diǎn)與眾人不同時(shí)，便傾向于沉默。輿論環(huán)境由信息驅(qū)動(dòng)，受用戶(hù)群體的表達(dá)和時(shí)間兩方面的影響，會(huì)隨著信息價(jià)值隨時(shí)間的衰減而減弱，也會(huì)隨著周邊用戶(hù)綜合觀點(diǎn)的變化而變化。建立以下輿論環(huán)境模型。

其中，ε是時(shí)間閾值，當(dāng)t-t0＞ε時(shí)，輿論環(huán)境難以形成。

2.3 個(gè)體類(lèi)型劃分

在強(qiáng)關(guān)系型社交媒體中用戶(hù)接收到不實(shí)信息所產(chǎn)生的行為有轉(zhuǎn)發(fā)、點(diǎn)贊、評(píng)論。其中僅有轉(zhuǎn)發(fā)行為對(duì)不實(shí)信息的傳播有直接的影響。針對(duì)用戶(hù)的轉(zhuǎn)發(fā)行為，參考SIR模型對(duì)于用戶(hù)狀態(tài)的分類(lèi)，將用戶(hù)分為無(wú)知者U（未收到不實(shí)信息的用戶(hù)，Unknown）、轉(zhuǎn)發(fā)者P（收到不實(shí)信息并進(jìn)行轉(zhuǎn)發(fā)的用戶(hù)，Propagated）、沉默者S（收到不實(shí)信息并保持沉默的用戶(hù)，Silent）。

在用戶(hù)接收到不實(shí)信息之前都為無(wú)知者，在用戶(hù)接收到不實(shí)信息之后根據(jù)自身所處環(huán)境的情況做出行為決策，確定成為轉(zhuǎn)發(fā)者或者沉默著。用戶(hù)的決策過(guò)程雖然會(huì)受到上述因素的影響，但是由于人的非理性，用戶(hù)最終的決策結(jié)果具有不確定性，不適合直接通過(guò)閾值的設(shè)置來(lái)劃分用戶(hù)類(lèi)型。

D-S證據(jù)理論可以不需要先驗(yàn)概率，通過(guò)不確定性的表示方法以概率的形式表示最終結(jié)果的特點(diǎn)，在描述存在不確定性的現(xiàn)象時(shí)具有一定的優(yōu)勢(shì)，適合模擬強(qiáng)關(guān)系型社交媒體用戶(hù)接收到不實(shí)信息后的多屬性決策行為[23]?；谏鲜龇治?，利用D-S證據(jù)理論建立用戶(hù)行為決策模型。

辨識(shí)框架：將用戶(hù)決策之后可能出現(xiàn)的兩種用戶(hù)類(lèi)型，轉(zhuǎn)發(fā)者(P)和沉默者(S)構(gòu)成的集合作為辨識(shí)框架，記為Θ={P,S}，Θ的冪集為2θ={?,{P},{S},{P,S}}。

Mass函數(shù)：根據(jù)2.2節(jié)分析的影響因素確定模型的Mass函數(shù)，如表1。

表1 Mass函數(shù)含義表

3 仿真分析

本文從不實(shí)信息傳播初始節(jié)點(diǎn)度、強(qiáng)關(guān)系社交媒體網(wǎng)絡(luò)結(jié)構(gòu)以及用戶(hù)個(gè)體異質(zhì)性三個(gè)方面對(duì)強(qiáng)關(guān)系型社交媒體中不實(shí)信息傳播效果進(jìn)行仿真研究。當(dāng)前對(duì)于強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)結(jié)構(gòu)的研究雖有一定成果，但是還足以直接使用相關(guān)的研究結(jié)論構(gòu)建出接近真實(shí)強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。所以實(shí)驗(yàn)中，分別采用了規(guī)則網(wǎng)絡(luò)、隨機(jī)網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)、無(wú)標(biāo)度網(wǎng)絡(luò)以及Facebook 社交圈數(shù)據(jù)集?？紤]到節(jié)點(diǎn)數(shù)量對(duì)于仿真結(jié)果的影響，因此五個(gè)網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù)量均為4 039。分別將初始節(jié)點(diǎn)度、網(wǎng)絡(luò)結(jié)構(gòu)、觀點(diǎn)共鳴度A分別作為控制變量進(jìn)行仿真模擬。

3.1 模型實(shí)現(xiàn)及初始化

本文的強(qiáng)關(guān)系型社交媒體平臺(tái)不實(shí)信息傳播模型通過(guò)基于Python語(yǔ)言開(kāi)發(fā)的復(fù)雜網(wǎng)絡(luò)建模工具NetworkX實(shí)現(xiàn)。

為了盡可能地減小模型中研究因素以外變量的數(shù)值差異對(duì)實(shí)驗(yàn)結(jié)果的影響，仿真實(shí)驗(yàn)中將研究因素以外的變量常量化，使用固定值作為初始狀態(tài)，考察強(qiáng)關(guān)系型社交媒體平臺(tái)不實(shí)信息傳播模型隨著時(shí)間變量t不斷變化的運(yùn)行規(guī)律；并且為保證實(shí)驗(yàn)的可重復(fù)性，所有需要用到隨機(jī)數(shù)序列的變量均使用Python 隨機(jī)數(shù)種子函數(shù)random.seed，使每一次仿真實(shí)驗(yàn)的隨機(jī)數(shù)序列相同。模型仿真的初始化涉及兩個(gè)方面：變量的常量化和隨機(jī)數(shù)序列固定。本文所做的仿真實(shí)驗(yàn)，均在以下初始化條件下實(shí)現(xiàn)。

（1）變量的常量化。信息傳播起始時(shí)刻t0=0，在信息價(jià)值模型中，v0=1，λ0=1，ψ=0.5，推送者影響力模型中σ=0.5，輿論環(huán)境模型中ε=10。

（2）隨機(jī)數(shù)序列固定。通過(guò)[0，1]上的隨機(jī)值來(lái)體現(xiàn)用戶(hù)交際性格影響因子Qi、推送者推送力度βi、用戶(hù)間親密度ri的程度。為了減少極端值，假設(shè)三者的隨機(jī)數(shù)序列在[0，1]上均服從正態(tài)分布這些隨機(jī)數(shù)序列代表強(qiáng)關(guān)系型社交媒體用戶(hù)網(wǎng)絡(luò)中各個(gè)用戶(hù)的特征，為保證每一次仿真實(shí)驗(yàn)中作為控制變量的用戶(hù)群體特征保持一致，使用Python 隨機(jī)數(shù)種子函數(shù)random.seed，使每一次仿真實(shí)驗(yàn)的隨機(jī)數(shù)序列相同。

3.2 節(jié)點(diǎn)度對(duì)于傳播效果的影響

將初始節(jié)點(diǎn)度作為自變量，觀點(diǎn)共鳴度Ai作為控制變量服從均勻分布。實(shí)驗(yàn)?zāi)M不實(shí)信息從某一個(gè)節(jié)點(diǎn)發(fā)出，在不同強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中的演化過(guò)程。統(tǒng)計(jì)了在不同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)下，不同節(jié)點(diǎn)度的初始節(jié)點(diǎn)與傳播者占比、沉默者占比以及兩者占比總和的相關(guān)性，如表2。其中，信息受眾指?jìng)鞑フ吲c沉默者的總和。

表2 相關(guān)系數(shù)表

在隨機(jī)網(wǎng)絡(luò)與小世界網(wǎng)絡(luò)中不實(shí)信息傳播初始節(jié)點(diǎn)度與信息受眾占比的線(xiàn)性相關(guān)性相對(duì)明顯，且為負(fù)相關(guān)，小世界網(wǎng)絡(luò)的負(fù)線(xiàn)性相關(guān)性大于隨機(jī)網(wǎng)絡(luò)，即不實(shí)信息傳播初始節(jié)點(diǎn)度越大，傳播范圍越小。在無(wú)標(biāo)度網(wǎng)絡(luò)與Facebook社交網(wǎng)絡(luò)中，不實(shí)信息傳播初始節(jié)點(diǎn)度與信息受眾占比呈相對(duì)明顯的正相關(guān)，即不實(shí)信息傳播的初始節(jié)點(diǎn)度越大，信息受眾數(shù)量越大。

從不實(shí)信息受眾的細(xì)分角度分析，除小世界網(wǎng)絡(luò)外，沉默者類(lèi)型用戶(hù)的數(shù)量變動(dòng)對(duì)不實(shí)信息受眾數(shù)量的影響相較傳播者明顯。

與常理不同的是，不實(shí)信息傳播初始節(jié)點(diǎn)度不一定與信息受眾數(shù)量正相關(guān)，同時(shí)沉默者類(lèi)型的用戶(hù)對(duì)信息受眾數(shù)量的影響較大。

3.3 網(wǎng)絡(luò)結(jié)構(gòu)對(duì)于傳播效果的影響

有學(xué)者認(rèn)為社交網(wǎng)絡(luò)中個(gè)人之間的信息流會(huì)改變?nèi)藗儗?duì)于選舉的觀點(diǎn)[24]。強(qiáng)關(guān)系型社交媒體中用戶(hù)關(guān)系網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)也是信息流的網(wǎng)絡(luò)結(jié)構(gòu)。因此，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可能會(huì)對(duì)不實(shí)信息的傳播以及強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)中用戶(hù)對(duì)不實(shí)信息的觀點(diǎn)產(chǎn)生影響。在此仿真實(shí)驗(yàn)中，將初始傳播節(jié)點(diǎn)度和觀點(diǎn)共鳴度A作為控制變量，在五類(lèi)網(wǎng)絡(luò)中分別選取一個(gè)節(jié)點(diǎn)度為6的節(jié)點(diǎn)作為不實(shí)信息傳播初始節(jié)點(diǎn)，觀點(diǎn)共鳴度A服從均勻分布。各用戶(hù)類(lèi)型的占比趨勢(shì)變化如圖1～圖3。

圖1 沉默者S占比變化趨勢(shì)

圖2 傳播者P占比變化趨勢(shì)

五類(lèi)網(wǎng)絡(luò)所能夠達(dá)到的最大受眾數(shù)量都達(dá)到了98%以上。但是傳播高峰以及用戶(hù)關(guān)注度消退所持續(xù)的時(shí)間有所不同。用戶(hù)持續(xù)關(guān)注的時(shí)間由長(zhǎng)到短依次為規(guī)則網(wǎng)絡(luò)＞小世界網(wǎng)絡(luò)＞無(wú)標(biāo)度網(wǎng)絡(luò)＞Facebook網(wǎng)絡(luò)＞隨機(jī)網(wǎng)絡(luò)。從不實(shí)信息傳播的周期劃分[25]來(lái)觀察，強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)結(jié)構(gòu)對(duì)不實(shí)信息傳播的蔓延期長(zhǎng)度以及緩解期持續(xù)時(shí)間有一定影響。不實(shí)信息傳播過(guò)程的緩解期時(shí)長(zhǎng)與網(wǎng)絡(luò)構(gòu)建規(guī)則的隨機(jī)性有關(guān)，網(wǎng)絡(luò)構(gòu)建過(guò)程中隨機(jī)性越強(qiáng)，不實(shí)信息傳播緩解期時(shí)長(zhǎng)越短。

根據(jù)Facebook網(wǎng)絡(luò)的仿真結(jié)果，推斷真實(shí)的強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)在不實(shí)信息傳播的不同階段能夠體現(xiàn)出不同類(lèi)型網(wǎng)絡(luò)的傳播特性。雖然前人研究證明強(qiáng)關(guān)系型社交媒體用戶(hù)網(wǎng)絡(luò)具有無(wú)標(biāo)度和小世界特性[26]，但是網(wǎng)絡(luò)結(jié)構(gòu)對(duì)于不實(shí)信息傳播各階段的影響還需要進(jìn)一步的研究。

此外，信息受眾的構(gòu)成也有所不同。在五種網(wǎng)絡(luò)結(jié)構(gòu)中傳播者的傳播作用由大到小依次為Facebook網(wǎng)絡(luò)＞隨機(jī)網(wǎng)絡(luò)＞無(wú)標(biāo)度網(wǎng)絡(luò)＞小世界網(wǎng)絡(luò)＞規(guī)則網(wǎng)絡(luò)。這也印證了不實(shí)信息傳播過(guò)程中存在少數(shù)的重要傳播者，他們會(huì)推動(dòng)不實(shí)信息的傳播最大化[27]。大部分人在接收到不實(shí)信息后不會(huì)做出轉(zhuǎn)發(fā)行為，屬于沉默者，但是他們對(duì)不實(shí)信息所持有的觀點(diǎn)卻可能是社會(huì)的主流意見(jiàn)。如何發(fā)現(xiàn)傳播熱點(diǎn)事件中沉默者的主流用戶(hù)意見(jiàn)是一個(gè)困難但又重要的問(wèn)題。

圖3 傳播范圍變化趨勢(shì)

3.4 用戶(hù)個(gè)體異質(zhì)性對(duì)于傳播效果的影響

本文所建立的強(qiáng)關(guān)系型社交媒體不實(shí)信息傳播模型考慮了用戶(hù)個(gè)體異質(zhì)性因素在不實(shí)信息傳播過(guò)程中的作用。用戶(hù)個(gè)體異質(zhì)性在模型中表現(xiàn)為用戶(hù)觀點(diǎn)共鳴度Ai的分布情況。Ai服從正態(tài)分布，期望表示用戶(hù)總體對(duì)于當(dāng)前不實(shí)信息的觀點(diǎn)共鳴程度整體偏好，標(biāo)準(zhǔn)差反映了用戶(hù)群體觀點(diǎn)的分布幅度，即用戶(hù)個(gè)體異質(zhì)性的程度。當(dāng)Ai為均勻分布時(shí)為用戶(hù)個(gè)體異質(zhì)性分布的極端情況。

用戶(hù)個(gè)體異質(zhì)性對(duì)于信息傳播會(huì)產(chǎn)生影響[28]。因此，實(shí)驗(yàn)中僅改變用戶(hù)觀點(diǎn)共鳴度Ai的分布情況，對(duì)用戶(hù)個(gè)體異質(zhì)性不同的六種情況進(jìn)行仿真模擬。

（1）Ai服從期望為0的正態(tài)分布，用戶(hù)觀點(diǎn)共鳴度總體在0 附近，即用戶(hù)總體意見(jiàn)未出現(xiàn)正向或者負(fù)向偏見(jiàn)的情況下，用戶(hù)個(gè)體異質(zhì)性較強(qiáng)和較弱之間所產(chǎn)生的傳播差異。f1:A～N(0,1/3) 和f2:A～N(0,1/6) 如圖4、圖5。

（2）Ai服從期望為0.5 的正態(tài)分布，用戶(hù)觀點(diǎn)共鳴度總體在0.5 附近，即用戶(hù)總體意見(jiàn)與不實(shí)信息的意見(jiàn)相近，出現(xiàn)了正向的偏見(jiàn)的情況下，用戶(hù)個(gè)體異質(zhì)性較強(qiáng)和較弱之間所產(chǎn)生的傳播差異。f3:A～N(1/2,1/3)和f4:A～N(1/2,1/6)如圖6、圖7。

（3）Ai服從期望為-0.5的正態(tài)分布，用戶(hù)觀點(diǎn)共鳴度總體在-0.5附近，即用戶(hù)總體意見(jiàn)與不實(shí)信息意見(jiàn)不同，出現(xiàn)了負(fù)向偏見(jiàn)的情況下，用戶(hù)個(gè)體異質(zhì)性較強(qiáng)和較弱之間所產(chǎn)生的傳播差異。f5:A～N(-1/2,1/3) 和f6:A～N(-1/2,1/6)如圖8、圖9。

在用戶(hù)總體意見(jiàn)未出現(xiàn)正向或者負(fù)向偏見(jiàn)的情況下(f1,f2)，用戶(hù)個(gè)體異質(zhì)性會(huì)影響不實(shí)信息受眾群體的構(gòu)成，增加傳播者占比，減少沉默者占比，但是總體的受眾占比沒(méi)有變化。用戶(hù)個(gè)體的異質(zhì)性增加還會(huì)延長(zhǎng)不實(shí)信息的生命周期，延長(zhǎng)不實(shí)信息傳播生命周期中的蔓延期與緩解期。

用戶(hù)總體意見(jiàn)與不實(shí)信息的意見(jiàn)相近，出現(xiàn)了正向偏見(jiàn)的情況下(f3,f4)，用戶(hù)個(gè)體異質(zhì)性增加會(huì)增加小世界網(wǎng)絡(luò)沉默者占比，不實(shí)信息傳播的緩解期縮短。

圖4 f1中傳播者占比變化趨勢(shì)

圖5 f2中傳播者占比變化趨勢(shì)

圖6 f3中傳播者占比變化趨勢(shì)

圖7 f4中傳播者占比變化趨勢(shì)

圖8 f5中傳播者占比變化趨勢(shì)

圖9 f6中傳播者占比變化趨勢(shì)

用戶(hù)總體意見(jiàn)與不實(shí)信息的意見(jiàn)相反，出現(xiàn)了負(fù)向的偏見(jiàn)的情況下(f5,f6)，隨著用戶(hù)個(gè)體異質(zhì)性的增加，無(wú)標(biāo)度網(wǎng)絡(luò)和小世界網(wǎng)絡(luò)中不實(shí)信息傳播的爆發(fā)速度加快，不實(shí)信息的蔓延期延長(zhǎng)，沉默者占比升高。

在用戶(hù)個(gè)體異質(zhì)性程度相同的情況下，用戶(hù)總體觀點(diǎn)與不實(shí)信息觀點(diǎn)的偏差程度會(huì)對(duì)不實(shí)信息傳播趨勢(shì)產(chǎn)生影響。用戶(hù)總體觀點(diǎn)與不實(shí)信息的觀點(diǎn)相反時(shí)，小世界網(wǎng)絡(luò)與規(guī)則網(wǎng)絡(luò)在不實(shí)信息爆發(fā)之前出現(xiàn)了傳播的潛伏期。潛伏期的出現(xiàn)說(shuō)明用戶(hù)對(duì)于與自己觀點(diǎn)不相符的不實(shí)信息會(huì)先進(jìn)行思考，存在一個(gè)不實(shí)信息發(fā)酵的過(guò)程，然后再進(jìn)行大規(guī)模傳播，如果不實(shí)信息與受眾的觀點(diǎn)相符，不實(shí)信息在強(qiáng)關(guān)系型社交媒體中會(huì)在極短時(shí)間內(nèi)完成大規(guī)模爆發(fā)。

并非所有的不實(shí)信息在Facebook 社交圈網(wǎng)絡(luò)中都會(huì)被大規(guī)模傳播，僅在用戶(hù)總體觀點(diǎn)與不實(shí)信息觀點(diǎn)相似時(shí)，社交媒體網(wǎng)絡(luò)中的不實(shí)信息才出現(xiàn)大規(guī)模傳播的情況，并且信息受眾的構(gòu)成中沉默者的占比更多。這印證了沉默螺旋有可能存在于強(qiáng)關(guān)系型社交媒體平臺(tái)中[29]。

綜上所述，在不同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中，受眾總體觀點(diǎn)以及用戶(hù)異質(zhì)性對(duì)不實(shí)信息不同階段的傳播效果產(chǎn)生不同影響。在六種不同情況下的仿真實(shí)驗(yàn)中，觀察到小世界網(wǎng)絡(luò)與規(guī)則網(wǎng)絡(luò)中不實(shí)信息傳播的潛伏期會(huì)受到影響；不實(shí)信息傳播爆發(fā)期受影響的網(wǎng)絡(luò)結(jié)構(gòu)，主要是無(wú)標(biāo)度網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)、Facebook網(wǎng)絡(luò)；不實(shí)信息傳播蔓延期受影響的網(wǎng)絡(luò)結(jié)構(gòu)，主要是無(wú)標(biāo)度網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)；不實(shí)信息緩解期受影響的主要是小世界網(wǎng)絡(luò)。具體網(wǎng)絡(luò)結(jié)構(gòu)與不實(shí)信息各傳播階段的關(guān)聯(lián)性需要進(jìn)一步地詳細(xì)研究。

4 結(jié)語(yǔ)

本文對(duì)不實(shí)信息在強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)中傳播的影響因素分析，通過(guò)Multi-Agent方法，建立了考慮到用戶(hù)個(gè)體異質(zhì)性及用戶(hù)決策不確定性的強(qiáng)關(guān)系型社交媒體不實(shí)信息傳播模型。通過(guò)一系列仿真實(shí)驗(yàn)得到不實(shí)信息在強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)中的一些傳播規(guī)律。

為保證仿真實(shí)驗(yàn)分析的有效性，首先分析不實(shí)信息傳播初始節(jié)點(diǎn)度對(duì)傳播范圍可能產(chǎn)生的影響。發(fā)現(xiàn)，不實(shí)信息傳播初始節(jié)點(diǎn)度不一定與信息受眾數(shù)量正相關(guān)，而沉默者類(lèi)型用戶(hù)對(duì)信息受眾數(shù)量的變化影響較大。不實(shí)信息傳播初始節(jié)點(diǎn)度不完全能夠決定不實(shí)信息傳播范圍。在此結(jié)論的基礎(chǔ)上進(jìn)一步了解網(wǎng)絡(luò)結(jié)構(gòu)對(duì)于不實(shí)信息傳播的影響。不實(shí)信息傳播過(guò)程的緩解期長(zhǎng)短與網(wǎng)絡(luò)的隨機(jī)性有關(guān)，網(wǎng)絡(luò)構(gòu)建過(guò)程中隨機(jī)性越強(qiáng)，不實(shí)信息傳播的緩解期越短。真實(shí)的強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)在不實(shí)信息傳播的不同階段體現(xiàn)出不同類(lèi)型網(wǎng)絡(luò)的傳播特性。強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)不僅代表用戶(hù)之間的好友關(guān)系，還可能包含用戶(hù)異質(zhì)性信息等其他與不實(shí)信息傳播相關(guān)的信息。

在真實(shí)的傳播環(huán)境中，不實(shí)信息在強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)中的傳播會(huì)受到用戶(hù)總體觀點(diǎn)偏好以及用戶(hù)個(gè)體異質(zhì)性的影響。由此，在上述分析的基礎(chǔ)上，控制用戶(hù)觀點(diǎn)共鳴度的分布情況進(jìn)行仿真實(shí)驗(yàn)，發(fā)現(xiàn)用戶(hù)總體觀點(diǎn)偏好、個(gè)體異質(zhì)性會(huì)對(duì)不實(shí)信息傳播周期中各個(gè)階段的長(zhǎng)短、傳播速率以及不實(shí)信息受眾的構(gòu)成產(chǎn)生影響，且對(duì)不同網(wǎng)絡(luò)結(jié)構(gòu)造成的影響各不相同。

由于環(huán)境以及人們認(rèn)知的影響，用戶(hù)總體的觀點(diǎn)會(huì)有偏見(jiàn)，此時(shí)，個(gè)體異質(zhì)性的增加會(huì)增加沉默者在不實(shí)信息受眾中的占比，傳播者的傳播作用也變得更加強(qiáng)大。同時(shí)，不實(shí)信息的蔓延期延長(zhǎng)，但是不實(shí)信息緩解速度更快。所以，雖然不實(shí)信息的大規(guī)模傳播不可避免，但是可以通過(guò)提升不實(shí)信息緩解速度，快速修正用戶(hù)對(duì)于事實(shí)的錯(cuò)誤認(rèn)知，方法是讓不同背景、不同專(zhuān)業(yè)的意見(jiàn)領(lǐng)袖發(fā)表自己的觀點(diǎn)，讓用戶(hù)所接收到的相關(guān)信息多維度、多領(lǐng)域，提升用戶(hù)異質(zhì)性。

在仿真實(shí)驗(yàn)中，并非所有的不實(shí)信息都會(huì)大規(guī)模傳播，當(dāng)不實(shí)信息所表達(dá)的內(nèi)容與用戶(hù)總體觀點(diǎn)相似時(shí)，才會(huì)出現(xiàn)大規(guī)模傳播。不實(shí)信息傳播的不同階段受到用戶(hù)異質(zhì)性以及用戶(hù)總體觀點(diǎn)偏見(jiàn)程度對(duì)于不同網(wǎng)絡(luò)的影響程度不同。因此，廣泛傳播的不實(shí)信息也體現(xiàn)了與之相近的用戶(hù)總體觀點(diǎn)，可以讓企業(yè)或者官方組織從不實(shí)信息側(cè)面了解自身形象以及用戶(hù)的需求。

不實(shí)信息傳播的過(guò)程涉及到大量影響因素，本文在信息傳播主體和對(duì)象方面僅考慮到了信息價(jià)值、信息的收發(fā)雙方的性格和影響力、輿論環(huán)境這三類(lèi)相關(guān)因素。還有進(jìn)一步完善的空間。本文提供了一種不實(shí)信息傳播模型的建立框架，未來(lái)可以進(jìn)一步完善此不實(shí)信息傳播模型的框架，使其更加契合強(qiáng)關(guān)系型社交媒體網(wǎng)絡(luò)中不實(shí)信息的真實(shí)傳播情況；并且還需要通過(guò)問(wèn)卷調(diào)查或者實(shí)驗(yàn)分析，進(jìn)一步完善對(duì)于用戶(hù)異質(zhì)性的實(shí)際分布情況研究。